程吉 孫根云 姚延娟

摘 要：GF-5衛(wèi)星已經(jīng)在生態(tài)環(huán)境監(jiān)測(cè)、土地資源調(diào)查、荒漠化監(jiān)測(cè)、水資源管理調(diào)度等領(lǐng)域開展了應(yīng)用，但是關(guān)于城市不透水面提取還沒有針對(duì)GF-5衛(wèi)星的相關(guān)研究，因此研究GF-5衛(wèi)星的不透水面提取對(duì)推動(dòng)其在城市環(huán)境等領(lǐng)域的應(yīng)用具有重要意義。分析GF-5衛(wèi)星數(shù)據(jù)特點(diǎn)，以全譜段數(shù)據(jù)為基礎(chǔ)，利用混合像元分解法研究GF-5衛(wèi)星提取城市不透水面的性能，并和Landsat8 OLI數(shù)據(jù)做對(duì)比分析。試驗(yàn)結(jié)果表明：GF-5衛(wèi)星提取的不透水面分布與Landsat 8 OLI數(shù)據(jù)的結(jié)果總體一致，由于GF-5衛(wèi)星空間分辨率更高，提供的不透水面細(xì)節(jié)信息更加豐富，因此對(duì)裸土有一定的區(qū)分能力，尤其是對(duì)干燥裸土;但GF-5衛(wèi)星在提取城市不透水面時(shí)容易受到陰影的干擾?？傮w而言，GF-5衛(wèi)星在城市不透水面監(jiān)測(cè)方面具有較大的應(yīng)用潛力，有望在中國(guó)的城市環(huán)境監(jiān)測(cè)領(lǐng)域發(fā)揮重要作用。

關(guān)鍵詞：高分五號(hào);全譜段;Landsat 8;城市不透水面

中圖分類號(hào)：P237;TV211.1 文獻(xiàn)標(biāo)志碼：A

doi：10.3969/j.issn.1000-1379.2020.12.035

Abstract：GF5 is an environmentobserved satellite in the significant special spacebased system of the National HighResolution Earth Observation System， which has the ability of comprehend observation and monitoring for atmosphere and land simultaneously. Thus， GF5 has been widely applied in several fields including ecological environment monitoring， land resources survey， desertification monitoring and water resources management. However， there is lacking of the research on Impervious Surface （IS） mapping based on GF5. Thus， the research of GF5 on IS mapping is of great importance for propelling the application of GF5 on fields like urban environment. In this research， the characteristics of GF5 dataset were explored. The urban IS was mapped by linear spectral unmixing method on GF5 full spectral dataset. The performance of GF5 was analyzed and compared with that of Landsat 8 OLI. The results of city impervious surface distribution which is extracted by GF5 is generally consistent with that of Landsat 8. While the result of GF5 can provide more details of the city due to the higher spatial resolution， which enhances the ability of distinguishing bare soil especially for dry soil from IS. However， due to the finer spatial resolution， shadow problems bring some influence to the IS mapping of GF5. In general， GF5 has great application potential on monitoring urban IS， which is expected to play an important role in urban planning and environmental monitoring of China.

Key words： GF5; fullspectral; Landsat 8; city impervious surface

1 引 言

不透水面是指人工建造且水體無法透過的表面，主要由各種建筑屋頂和交通設(shè)施構(gòu)成，如街道、高速公路、停車場(chǎng)等[1]。不透水面作為城市地表覆蓋的主要組成部分，隨著城市的發(fā)展而急劇增加。城市不透水面的大量增加嚴(yán)重影響了城市地表的水熱交換和大氣循環(huán)等自然過程，帶來了諸如城市內(nèi)澇、城市熱島和非點(diǎn)源污染等環(huán)境問題[2-4]。準(zhǔn)確及時(shí)地獲取不透水面分布信息能夠?yàn)槌鞘幸?guī)劃、城市環(huán)境監(jiān)測(cè)、城市生態(tài)研究等提供重要的數(shù)據(jù)支撐，是當(dāng)前海綿城市、智慧城市建設(shè)的重要基礎(chǔ)，但是目前我國(guó)仍然缺乏不透水面基礎(chǔ)數(shù)據(jù)[5]。

早期的不透水面提取主要采用人工統(tǒng)計(jì)或者航空攝影測(cè)量方法。前者雖然精度較高，但費(fèi)時(shí)費(fèi)力，且時(shí)效性較差;后者雖然能夠?qū)崿F(xiàn)大范圍觀測(cè)，但成本較高。遙感技術(shù)能夠高效、實(shí)時(shí)、宏觀和周期性地對(duì)地表進(jìn)行觀測(cè)，且成本較低，在不透水面提取中得到廣泛應(yīng)用[6-7]。目前應(yīng)用于不透水面提取的遙感衛(wèi)星數(shù)據(jù)很多，其中低分辨率影像如MODIS重復(fù)周期短，觀測(cè)范圍大，能夠?qū)崿F(xiàn)大范圍的動(dòng)態(tài)觀測(cè)，在不透水面提取中得到了廣泛應(yīng)用，發(fā)展出了一系列的不透水面提取方法[8-9]。但是MODIS的分辨率較低，無法在城市尺度得到不透水面的細(xì)節(jié)信息。隨著高分辨率遙感衛(wèi)星的發(fā)展，有研究者利用IKONOS、QuickBird等高分辨率衛(wèi)星獲取更為精細(xì)的不透水面分布信息[10-11]。但這些高分辨率影像的重訪周期長(zhǎng)且價(jià)格昂貴，很難得到大面積應(yīng)用。相比之下，Landsat TM/ETM+和ASTER等中等分辨率數(shù)據(jù)符合大多數(shù)城市光譜的特征尺度，重訪周期適中，且大部分能夠免費(fèi)獲取，成為研究不透水面提取的主流[12]。

由于城市景觀的高度異質(zhì)性，中等分辨率遙感影像存在大量的混合像元，因此給城市不透水面提取帶來一定困難。同時(shí)，中等分辨率遙感影像與大多數(shù)城市光譜的特征尺度相符，使得亞像元尺度的城市不透水面估算成為可能[13]。Ridd首次提出了植被-不透水面-土壤（V-I-S）模型[14]，將城市景觀組分與光譜特征聯(lián)系起來，以混合像元分解的方式提取不透水面豐度，為解決中等分辨率遙感影像混合像元問題提供了方案。此后，大量學(xué)者在該模型的基礎(chǔ)上利用混合像元分解技術(shù)提取城市不透水面，并對(duì)城市生態(tài)環(huán)境進(jìn)行分析，取得了豐富的研究成果[2，15-16]。

隨著我國(guó)高分計(jì)劃的實(shí)施，高質(zhì)量、高分辨率的影像為不透水面研究提供了有效的數(shù)據(jù)支撐，使我國(guó)掌握了高光譜遙感信息資源的主動(dòng)權(quán)，逐漸擺脫對(duì)國(guó)外遙感數(shù)據(jù)的依賴。目前已有許多研究采用高分?jǐn)?shù)據(jù)進(jìn)行不透水面提取研究，常用的有高分1號(hào)（GF-1）和高分二號(hào)（GF-2）衛(wèi)星數(shù)據(jù)[17-19]。雖然這些研究已經(jīng)取得較高精度，但GF-1和GF-2衛(wèi)星影像的空間分辨率非常高，GF-1衛(wèi)星數(shù)據(jù)空間分辨率能達(dá)到1 m，而GF-2衛(wèi)星數(shù)據(jù)更是能達(dá)到亞米級(jí)別。高空間分辨率的衛(wèi)星數(shù)據(jù)雖然能提供大量細(xì)節(jié)，但數(shù)據(jù)量龐大，難以在大范圍不透水面制圖中發(fā)揮作用。GF-5衛(wèi)星的出現(xiàn)則彌補(bǔ)了這一缺陷，其全譜段成像儀能提供最高20 m分辨率的光學(xué)影像。同時(shí)，GF-5衛(wèi)星作為國(guó)家高分辨率對(duì)地觀測(cè)能力的重要標(biāo)志之一，具有譜段數(shù)目多、空間分辨率高和輻射定標(biāo)精度高的特點(diǎn)[20]。目前，GF-5衛(wèi)星數(shù)據(jù)在生態(tài)環(huán)境監(jiān)測(cè)、土地資源調(diào)查、荒漠化監(jiān)測(cè)、水資源管理調(diào)度、農(nóng)業(yè)資源調(diào)查和洪澇災(zāi)害監(jiān)測(cè)領(lǐng)域得到了應(yīng)用，但是在城市不透水面提取方面的研究還未見報(bào)道。為了推動(dòng)GF-5衛(wèi)星數(shù)據(jù)服務(wù)于我國(guó)的海綿城市、智慧城市建設(shè)，探討GF-5衛(wèi)星數(shù)據(jù)在不透水面提取方面的性能具有重要意義。

本文以青島市作為研究區(qū)，討論了采用線性混合分解模型（LSMA）從GF-5衛(wèi)星數(shù)據(jù)中提取不透水面的實(shí)現(xiàn)過程，同時(shí)與波段設(shè)置相似的Landsat 8陸地成像儀（OLI）數(shù)據(jù)提取結(jié)果進(jìn)行對(duì)比分析，最后利用空間分辨率為2 m的GF-1衛(wèi)星數(shù)據(jù)對(duì)提取效果進(jìn)行精度驗(yàn)證。

2 研究區(qū)概況與試驗(yàn)數(shù)據(jù)

2.1 研究區(qū)概況

青島市位于山東半島東南部、膠東半島東部，東經(jīng)119°30′—121°00′、北緯35°35′—37°09′之間。青島市的不透水面具有分布廣泛與種類全面的特點(diǎn)，能夠?yàn)椴煌杆嫣崛⊙芯刻峁┹^好的樣本和場(chǎng)景素材，從而充分檢驗(yàn)GF-5衛(wèi)星全譜段數(shù)據(jù)的不透水面提取能力。本研究選擇的青島市南區(qū)和北區(qū)部分區(qū)域，是青島市城市化較高的區(qū)域，南區(qū)包括青島眾多著名旅游景點(diǎn)，存在大量植被與沙灘，使得不透水面的提取存在更多的挑戰(zhàn)。

2.2 研究區(qū)數(shù)據(jù)集

GF-5衛(wèi)星于2018年5月9日發(fā)射，是我國(guó)第一顆高光譜綜合觀測(cè)衛(wèi)星，具有高光譜、高空間和高時(shí)間分辨率的特點(diǎn)，能實(shí)現(xiàn)對(duì)生態(tài)環(huán)境、大氣環(huán)境和水環(huán)境的高精度綜合監(jiān)測(cè)。GF-5衛(wèi)星運(yùn)行于太陽同步軌道，軌道高度為705 km，其搭載的全譜段光譜成像儀（以下簡(jiǎn)稱VIMI）是我國(guó)第二代從可見光到熱紅外光譜范圍的星載多光譜成像儀，幅寬為60 km、探測(cè)譜段范圍為0.45～12.5 μm，在國(guó)內(nèi)同類中譜段數(shù)量最多，光譜范圍最廣[21]。VIMI數(shù)據(jù)包括可見多光譜、短波、中波和長(zhǎng)波紅外，其中可見多光譜和短波紅外的空間分辨率為20 m，中長(zhǎng)波紅外則為40 m，具體波段參數(shù)見表1。國(guó)內(nèi)外城市不透水面提取研究最常用的影像是分辨率適中、重訪周期合適且容易獲得的多光譜影像[13]，因此本文采用GF-5 VIMI的可見多光譜波段以及包含地表光譜信息豐富的短波紅外進(jìn)行城市不透水面提取。

公開資料顯示，與GF-5 VIMI數(shù)據(jù)相似，可進(jìn)行比較的國(guó)內(nèi)外光譜成像儀主要有Landsat 7 ETM+、Landsat 8 OLI以及資源一號(hào)04星的紅外相機(jī)[22]。其中Landsat 8 OLI數(shù)據(jù)波段最多，光譜范圍最廣，因此采用Landsat 8 OLI數(shù)據(jù)進(jìn)行比較。Landsat 8 OLI數(shù)據(jù)譜段分布為0.43～2.29 μm，本研究選擇的GF-5 VIMI可見多光譜和短波紅外波段譜段范圍為0.45～2.35 μm。試驗(yàn)驗(yàn)證則采用GF-1多光譜影像（PMS）數(shù)據(jù)。GF-1是我國(guó)高分計(jì)劃發(fā)射的第一顆衛(wèi)星，同時(shí)具有高空間和高時(shí)間分辨率的特點(diǎn)。將GF-1 8 m空間分辨率的多光譜影像與2 m空間分辨率的全色波段影像融合，得到2 m空間分辨率的多光譜融合影像。

按照“成像質(zhì)量良好、少云”的原則，選取2019年4月6日獲取的GF-5 VIMI數(shù)據(jù)，同時(shí)選取時(shí)間相近的2019年4月3日的Landsat 8 OLI數(shù)據(jù)作為對(duì)比影像，以及同樣時(shí)間相近的2019年3月1日的GF-1 PMS 2m分辨率融合影像，用于不透水面提取結(jié)果的精度評(píng)定。

3 技術(shù)與方法

由于GF-5 VIMI和Landsat 8 OLI數(shù)據(jù)中都存在大量混合像元，因此采用線性光譜混合像元分解的方法能夠取得較好的效果[23]，其分為4個(gè)步驟：①對(duì)原始圖像進(jìn)行輻射校正、大氣校正和地理配準(zhǔn)等預(yù)處理，并利用歸一化水體指數(shù)（NDWI）計(jì)算閾值掩膜去除水體;②對(duì)預(yù)處理后圖像進(jìn)行最小噪聲分離（MNF）變換，為后續(xù)端元選擇做準(zhǔn)備;③選擇MNF變換后的合適波段，建立特征空間，構(gòu)造散點(diǎn)圖，然后根據(jù)V-I-S模型和試驗(yàn)區(qū)域?qū)嶋H情況選擇端元;④采取線性混合像元分解模型進(jìn)行混合像元分解，得到不透水面豐度圖。本研究的技術(shù)路線見圖1。

3.1 線性混合像元分解方法

混合像元分解將每一個(gè)混合像元的反射率表示為所選各類端元的反射率及其在該混合像元中所占面積的百分比函數(shù)。常用的混合像元分解模型有5種，即線性模型、光學(xué)模型、隨機(jī)幾何模型、概率模型和模糊模型[23]，其中線性模型因模型簡(jiǎn)單、計(jì)算效率高和理論科學(xué)等優(yōu)勢(shì)而得到了廣泛應(yīng)用和深入研究[24]。

線性混合像元分解模型將每一個(gè)混合像元的總反射率表示為各端元類別反射率和豐度的線性組合[23]，其公式為式中：δ為混合像元任一波段的反射率;k為選擇的端元數(shù)目;αi為第i個(gè)端元的反射率;γi為第i個(gè)端元的豐度;σ為誤差項(xiàng)。

根據(jù)上式，采用最小二乘法得到混合像元內(nèi)各端元組分的比例，并保證每種端元組分所占比例大于0且小于1，同時(shí)所有端元組分所占比例之和等于1。

3.2 端元選擇

端元是組成混合像元的多種單一光譜曲線的地表覆蓋類型[25]。由線性混合像元分解模型的原理可知，端元的正確選擇對(duì)最后的分解結(jié)果有很大影響。本研究采用MNF變換后的波段組合構(gòu)造特征空間，并進(jìn)行端元選取。

由于試驗(yàn)區(qū)城市化程度較高，裸土數(shù)量極少，可以忽略不計(jì)，因此本試驗(yàn)區(qū)選擇高反射率不透水面、低反射率不透水面和植被作為端元。經(jīng)對(duì)比分析發(fā)現(xiàn)，GF-5數(shù)據(jù)經(jīng)MNF變換后由第2個(gè)波段和第4個(gè)波段構(gòu)建的特征空間能夠得到較好的三角形分布，3個(gè)頂點(diǎn)分別為高反射率端元、低反射率端元和植被端元，如圖2（a）所示。對(duì)于Landsat 8 OLI數(shù)據(jù)，經(jīng)觀察對(duì)比發(fā)現(xiàn)經(jīng)MNF變換后由第1個(gè)波段和第2個(gè)波段構(gòu)建的特征空間最為理想，能夠較好地提取端元，3個(gè)頂點(diǎn)分別對(duì)應(yīng)高反射率端元、低反射率端元和植被，如圖3（a）所示。所選端元在GF-5 VIMI和Landsat 8 OLI數(shù)據(jù)上的光譜曲線分別如圖2（b）和3（b）所示。

3.3 不透水面豐度提取

依據(jù)上述3個(gè)端元進(jìn)行線性光譜分解，得到低反射率端元、植被端元和高反射率端元的豐度圖像，由低反射率不透水面和高反射率不透水面豐度圖構(gòu)建不透水面豐度公式如下[26]：

式中：Rimp，b為第b個(gè)波段的不透水面反射率;flow和Rlow，b分別為低反射率端元所占的比例和其在第b個(gè)波段上的反射率;fhigh和Rhigh，b分別為高反射率端元所占的比例和其在第b個(gè)波段上的反射率;eb為該模型的誤差。

確定Rimp，b還需要同時(shí)保證flow+fhigh=1、flow>0、fhigh>0。在這些原理和條件的基礎(chǔ)上，可以認(rèn)為不透水面能由低反射率端元和高反射率端元采用完全約束的線性混合模型分解得到。

3.4 精度評(píng)定

采取分層方法進(jìn)行驗(yàn)證。首先將試驗(yàn)結(jié)果的不透水面豐度值分為4層，分別為小于0.25、0.25～0.5、0.5～0.75和大于0.75。然后在每層中分別隨機(jī)采樣20個(gè)點(diǎn)，一共80個(gè)樣本點(diǎn)，通過專家解譯計(jì)算出該樣本像元真實(shí)的不透水面面積，最后對(duì)GF-5 VIMI和Landsat 8 OLI數(shù)據(jù)的不透水面豐度圖進(jìn)行精度驗(yàn)證。

為定量比較模型估算值和真實(shí)值的差異，利用采樣點(diǎn)不透水面豐度的估算值和真實(shí)值計(jì)算均方根誤差RMSE和系統(tǒng)誤差SE，進(jìn)行進(jìn)一步的精度評(píng)價(jià)，其計(jì)算公式分別為式中：i為第i個(gè)樣本點(diǎn)的不透水面豐度估計(jì)值;vi為第i個(gè)樣本點(diǎn)不透水面豐度真實(shí)值;N為選擇的樣本像元數(shù)目。

4 試驗(yàn)結(jié)果與討論

4.1 端元的豐度計(jì)算結(jié)果

根據(jù)所選擇的3種端元在GF-5 VIMI數(shù)據(jù)和Landsat 8 OLI影像上的光譜特征，通過最小二乘法計(jì)算得到約束條件下3種端元的豐度圖（見圖4）。從圖4（a）可以看出，在GF-5 VIMI數(shù)據(jù)的低反射率端元豐度圖上，豐度高值主要集中在試驗(yàn)區(qū)中部偏北以及北部地區(qū)，其中包括大量道路和碼頭，該地區(qū)主要是高密度城市居民區(qū)。豐度低值則分布在該試驗(yàn)區(qū)南部地區(qū)，由于該地區(qū)大部分為景區(qū)，尤其是沿海岸線一帶和中山公園一帶，植被眾多，不透水面分布較少，與分解結(jié)果相符。在Landsat 8 OLI數(shù)據(jù)的分解結(jié)果中，如圖4（b）所示，低反射率端元的豐度高值主要集中在道路部分，其次是城市中偏北、北部地區(qū)和西南地區(qū)，其豐度值較GF-5 VIMI數(shù)據(jù)的分解結(jié)果更低。

對(duì)植被端元，從圖4（c）中可見，豐度高值均處于山丘地區(qū)，如信號(hào)山、小青島和中山公園等。此外，隨著青島沿海綠地建設(shè)，沿海岸線也分布有大量綠地，這在GF-5 VIMI數(shù)據(jù)的植被豐度圖中有所體現(xiàn)，而在Landsat 8 OLI數(shù)據(jù)的結(jié)果中卻不太明顯（見圖4（d））。此外，季節(jié)原因?qū)е孪陆缑娴穆阃翆?duì)植被的分解造成一定混淆。GF-5 VIMI數(shù)據(jù)受到干土的混淆影響較Landsat 8 OLI數(shù)據(jù)更少，對(duì)濕土的混淆影響則不如Landsat 8 OLI數(shù)據(jù)的抑制效果理想。這是由于干燥土壤在近紅外波段的反射率也很高，而濕潤(rùn)土壤含水量相對(duì)較高，在近紅外波段的反射率相對(duì)較低，因此與植被的混淆程度較低。GF-5 VIMI數(shù)據(jù)的近紅外波段范圍為0.76～0.86 μm，而Landsat 8 OLI數(shù)據(jù)的近紅外波段范圍為0.85～0.88 μm，排除了0.825 μm處水汽吸收特征，因此對(duì)濕潤(rùn)土壤的分辨能力比GF-5 VIMI數(shù)據(jù)要高。

對(duì)高反射率端元，從圖4（e）中可見，GF-5 VIMI數(shù)據(jù)的高反射率端元豐度高值主要位于西北沿海碼頭，以及城市北部零星區(qū)域。碼頭地物分布較均勻，存在大量大型淺色集裝箱，呈高反射率。城市北部則有零星建設(shè)用地，或城市內(nèi)部用地變化，因此出現(xiàn)高反射率不透水面。而在Landsat 8 OLI數(shù)據(jù)分解結(jié)果中，高反射率高值范圍比GF-5 VIMI數(shù)據(jù)的分解結(jié)果大了許多，如圖4（f）所示。除了上述區(qū)域外，試驗(yàn)區(qū)中部和南部也有大量區(qū)域呈現(xiàn)高反射率豐度高值，可能是受到該區(qū)域大量紅色建筑屋頂?shù)挠绊憽?/p>

4.2 不透水面分布提取

由3.3節(jié)所述方法，得到不透水面豐度提取結(jié)果如圖5所示。由圖5（a）可以看到，在GF-5 VIMI數(shù)據(jù)提取的不透水面豐度圖中，不透水面高值位于試驗(yàn)區(qū)中部和北部，即市南景區(qū)如中山公園和信號(hào)山等以北，這些區(qū)域幾乎全是高密度居民區(qū)和辦公區(qū)，不透水面豐度值均大于0.75。而市南區(qū)除景點(diǎn)以外，存在部分老城區(qū)，樓房較矮，甚至存在多棟獨(dú)立小樓，居民區(qū)密度較市北區(qū)低，因此不透水面豐度在0.50～0.75之間。市南區(qū)中也有不透水面豐度較高區(qū)域，比如火車站及其周邊商業(yè)區(qū)，不透水面豐度超過0.75。而市內(nèi)景點(diǎn)，諸如中山公園、信號(hào)山、小青島等不透水面豐度值均小于0.50，甚至大部分小于0.25。

對(duì)比圖5（b）表明，依據(jù)Landsat 8 OLI數(shù)據(jù)提取的不透水面豐度高值分布同GF-5 VIMI數(shù)據(jù)的提取結(jié)果基本一致，但其城市西南部的不透水面豐度也大于0.75。此外，在該結(jié)果中，市南老城居民區(qū)的不透水面豐度值也普遍比GF-5 VIMI數(shù)據(jù)的結(jié)果要高，而實(shí)際上市南區(qū)居民密度較低，表明Landsat 8 OLI數(shù)據(jù)結(jié)果存在一定過估計(jì)。為了更清晰地展示提取結(jié)果，本文將提取的不透水面豐度圖進(jìn)行彩色分級(jí)顯示，并將部分細(xì)節(jié)列出，如圖6所示。圖6（a）～（c）的小島周圍有一圈圍繞山體的不透水小路，GF-5 VIMI數(shù)據(jù)的豐度提取結(jié)果正確展現(xiàn)了這一結(jié)構(gòu)細(xì)節(jié)，Landsat 8 OLI的結(jié)果則將中央植被估計(jì)為不透水面。圖6（d）～（f）的廣場(chǎng)有大片綠地，但受季節(jié)影響，樹木不夠茂盛，受到下界面裸土影響，GF-5 VIMI數(shù)據(jù)能夠在一定程度上抑制干土的影響，并顯示出其周圍一圈常綠植被的細(xì)節(jié)，而Landsat 8 OLI數(shù)據(jù)則將大部分綠植錯(cuò)誤識(shí)別為不透水面。但是如圖6（g）～（i）所示，在中山公園山上的濕土部分，GF-5 VIMI數(shù)據(jù)對(duì)其影響的抑制作用卻不如Landsat 8 OLI數(shù)據(jù)。

4.3 精度驗(yàn)證

根據(jù)3.4節(jié)所述的精度評(píng)定方法，首先計(jì)算樣本點(diǎn)RMSE和SE，結(jié)果見表2。

從表2中可以看出采用GF-5 VIMI數(shù)據(jù)的總體精度比Landsat 8 OLI數(shù)據(jù)略高，但相差不大，這是由于GF-5 VIMI數(shù)據(jù)的20 m空間分辨率圖像能提供更多細(xì)節(jié)。但是GF-5 VIMI數(shù)據(jù)提取結(jié)果的SE卻比Landsat 8低很多，說明GF-5 VIMI數(shù)據(jù)的欠估計(jì)現(xiàn)象更為嚴(yán)重，這是因?yàn)镚F-5 VIMI數(shù)據(jù)的高空間分辨率在提供更多細(xì)節(jié)的同時(shí)，也使得部分高樓陰影得以顯現(xiàn)。不透水面分布估算精度檢驗(yàn)結(jié)果如圖7所示。

進(jìn)一步對(duì)比，GF-5 VIMI數(shù)據(jù)結(jié)果的R2為0.783 9，其中誤差最大的樣本誤差達(dá)到0.547，在80個(gè)樣本中，僅有4個(gè)樣本的誤差大于0.3，但是絕大多數(shù)（82.5%）樣本的誤差分布在0～0.2的范圍內(nèi)。而Landsat 8 OLI結(jié)果的R2則為0.770 7，其最大誤差為0.539，其中有10個(gè)樣本誤差超過0.3，絕大部分（78.75%）誤差在0.2以下。可見GF-5 VIMI數(shù)據(jù)采用線性光譜分解的方法提取不透水面精度符合要求，且比Landsat 8 OLI數(shù)據(jù)結(jié)果略高。

5 結(jié) 論

以GF-5 VIMI數(shù)據(jù)的可見多光譜和短波近紅波段作為研究對(duì)象，以青島為試驗(yàn)區(qū)域采用線性混合像元分解的方法提取不透水面。同時(shí)和Landsat 8 OLI數(shù)據(jù)的試驗(yàn)結(jié)果進(jìn)行了對(duì)比分析。試驗(yàn)結(jié)果表明，線性混合像元分解方法可以應(yīng)用到GF-5 VIMI數(shù)據(jù)進(jìn)行不透水面的提取。GF-5 VIMI數(shù)據(jù)具有較高的空間分辨率，能夠得到較為細(xì)致的不透水面空間分布，在不透水面提取中具有較大的應(yīng)用潛力。相關(guān)結(jié)論主要如下。

（1）GF-5 VIMI數(shù)據(jù)提供20 m空間分辨率的可見多光譜和短波近紅波段，能夠應(yīng)用于城市不透水面提取。與Landsat 8 OLI數(shù)據(jù)的對(duì)比表明兩者均可得到較為一致的城市不透水面分布，但GF-5 VIMI數(shù)據(jù)能提供更多細(xì)節(jié)，更真實(shí)地反映城市結(jié)構(gòu)。這表明GF-5 VIMI數(shù)據(jù)在城市不透水面監(jiān)測(cè)和城市環(huán)境管理等領(lǐng)域有較大潛力和應(yīng)用價(jià)值。

（2）GF-5 VIMI數(shù)據(jù)能一定程度上減少不透水面和裸土的混淆，尤其是干燥裸土。但Landsat 8 OLI數(shù)據(jù)的近紅波段去除了0.825 μm處的水汽影響，對(duì)濕潤(rùn)裸土的分辨能力更強(qiáng)。因此，應(yīng)用GF-5 VIMI數(shù)據(jù)進(jìn)行不透水面提取時(shí)，應(yīng)注意試驗(yàn)區(qū)裸土所占比例、土壤水分、季節(jié)和試驗(yàn)區(qū)地理特性等。

（3）作為一個(gè)新的傳感器，GF-5 VIMI在可見多光譜和短波近紅波段能夠提供空間分辨率為20 m的數(shù)據(jù)，從而能夠提供更加細(xì)致的不透水面分布圖。但是，在城市高度發(fā)展區(qū)域，高層建筑密集，在GF-5影像上存在清晰的陰影，導(dǎo)致其結(jié)果存在欠估計(jì)現(xiàn)象，從而降低其不透水面提取精度。這也說明，僅僅利用混合像元分解方法很難得到完全滿意的精度。后續(xù)的研究應(yīng)該引入新的方法，對(duì)陰影做相應(yīng)處理，提高不透水面提取的精度。

參考文獻(xiàn)：

[1] SLONECKER E T， JENNINGS D B， GAROFALO D. Remote Sensing of Impervious Surfaces： A Review [J]. Remote Sensing Reviews， 2001， 20（3）：227-255.

[2] ZHU C， LI J， ZHANG S， et al. Impervious Surface Extraction From Multispectral Images via Morphological Attribute Profiles Based on Spectral Analysis [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2019， 11（12）：4775-4790.

[3] SHAHTAHMASSEBI A R， SONG J， ZHENG Q， et al. Remote Sensing of Impervious Surface Growth： a Framework for Quantifying Urban Expansion and ReDensification Mechanisms [J]. International Journal of Applied Earth Observation & Geoinformation， 2016， 46： 94-112.

[4] WENG Q. Remote Sensing of Impervious Surfaces in the Urban Areas： Requirements， Methods， and Trends [J]. Remote Sensing of Environment， 2012， 117：34-49.

[5] 李德仁，羅暉，邵振峰. 遙感技術(shù)在不透水層提取中的應(yīng)用與展望[J]. 武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）， 2016， 41（5）：569-577.

[6] HAAS J， BAN Y. Sentinel1A SAR and sentinel2A MSI Data Fusion for Urban Ecosystem Service Mapping [J]. Remote Sensing Applications： Society and Environment， 2017， 8： 41-53.

[7] LU D， WENG Q. Spectral Mixture Analysis of ASTER Images for Examining the Relationship Between Urban Thermal Features and Biophysical Descriptors in Indianapolis， Indiana， USA [J]. Remote Sensing of Environment， 2006， 104（2）： 157-167.

[8] YANG S， LUNETTA R S. SubPixel Mapping of Tree Canopy， Impervious Surfaces， and Cropland in the Laurentian Great Lakes Basin Using MODIS TimeSeries Data [J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing， 2011， 4（2）：336-347.

[9] DENG C， WU C. The Use of SingleDate MODIS Imagery for Estimating LargeScale Urban Impervious Surface Fraction with Spectral Mixture Analysis and Machine Learning Techniques [J]. Isprs Journal of Photogrammetry & Remote Sensing， 2013， 86（4）：100-110.

[10] LU D， WENG Q. Extraction of Urban Impervious Surfaces from an Ikonos Image [J].International Journal of Remote Sensing， 2009， 30（5-6）：1297-1311.

[11] ZHOU Y， WANG Y Q. Extraction of Impervious Surface Areas from High Spatial Resolution Imagery by Multiple Agent Segmentation and Classification [J]. Photogrammetric Engineering & Remote Sensing， 2008， 74（7）：857-868.

[12] GENYUN S， XIAOLIN C， JINCHANG R， et al. Stratified Spectral Mixture Analysis of Medium Resolution Imagery for Impervious Surface Mapping [J]. International Journal of Applied Earth Observation & Geoinformation， 2017， 60： 38-48.

[13] 陳峰，邱全毅，郭青海，等.CBERS-02B多光譜數(shù)據(jù)在城市不透水面估算中的可用性研究[J].遙感學(xué)報(bào)，2011，15（3）：621-639.

[14] RIDD M K. Exploring a VIS （VegetationImpervious SurfaceSoil） Model for Urban Ecosystem Analysis Through Remote Sensing： Comparative Anatomy for Cities [J]. International Journal of Remote Sensing， 1995， 16（12）：2165-2185.

[15] WENG Q， HU X. Medium Spatial Resolution Satellite Imagery for Estimating and Mapping Urban Impervious Surfaces Using LSMA and ANN [J]. IEEE Transactions on Geoscience and Remote Sensing， 2008， 46（8）：2397-2406.

[16] 岳文澤，吳次芳.基于混合光譜分解的城市不透水面分布估算[J].遙感學(xué)報(bào)，2007，11（6）：914-922.

[17] 趙藝淞，王保云，黎曉路，等.基于多分類器組合的城市不透水面提取研究[J]. 城市地理， 2017（4）：246-247.

[18] 劉波，張?jiān)?，程濤，? 基于高分二號(hào)衛(wèi)星影像的城市不透水面提取[J]. 地理信息世界， 2017，24（2）：103-107.

[19] 蔡博文，王樹根，王磊，等. 基于深度學(xué)習(xí)模型的城市高分辨率遙感影像不透水面提取[J].地球信息科學(xué)學(xué)報(bào)， 2019， 21（9）：1420-1429.

[20] 孫允珠，蔣光偉，李云端，等. “高分五號(hào)”衛(wèi)星概況及應(yīng)用前景展望[J].航天返回與遙感，2018，39（3）：1-13.

[21] 范斌，陳旭，李碧岑，等. “高分五號(hào)”衛(wèi)星光學(xué)遙感載荷的技術(shù)創(chuàng)新[J].紅外與激光工程，2017，46（1）：16-22.

[22] 趙艷華，戴立群，白紹竣，等. 全譜段光譜成像儀系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)[J].航天返回與遙感，2018，39（3）：38-50.

[23] ICHOKU C， KARNIELI A. A Review of Mixture Modeling Techniques for SubPixel Land Cover Estimation [J]. Remote Sensing Reviews， 1996， 13（3-4）：161-186.

[24] 呂長(zhǎng)春，王忠武，錢少猛. 混合像元分解模型綜述[J].遙感信息， 2003，18（3）：55-58.

[25] RASHED T， WEEKS J R， STOW D， et al. Measuring Temporal Compositions of Urban Morphology Through Spectral Mixture Analysis： Toward a Soft Approach to Change Analysis in Crowded Cities [J]. International Journal of Remote Sensing， 2005， 26（4）：699-718.

[26] WU C S， MURRAY A T. Impervious Surface Distribution by Spectral Mixture Analysis [J]. Remote Sensing of Environment， 2003， 84（4）：493-505.

【責(zé)任編輯 張 帥】