羅新，周翔，胡忠文，楊超，鄔國鋒

(1.自然資源部大灣區(qū)地理環(huán)境監(jiān)測重點(diǎn)實(shí)驗(yàn)室，深圳 518060；2.深圳大學(xué) 生命科學(xué)與海洋學(xué)院，深圳 518060；3.深圳大學(xué) 土木與交通工程學(xué)院，深圳 518060；4. 深圳大學(xué) 建筑與城市規(guī)劃學(xué)院，深圳 518060)

0 引言

不透水面是指人工制造的水不能滲透的地表，如瀝青路面、停車場和屋頂?shù)萚1]。作為反映城市化進(jìn)程和城市生態(tài)環(huán)境的主要指標(biāo)，不透水面的遙感監(jiān)測越來越受到重視，已成為遙感信息提取中的一個研究熱點(diǎn)[2-4]。利用遙感提取不透水面的方法主要可以分為3類：光譜混合分析法[5]、指數(shù)法[6]和經(jīng)典機(jī)器學(xué)習(xí)分類法[7]。具體而言，在光譜混合分析方法方面，Wu[8]利用光譜混合分析法，以V-I-S(vegetation-impervious-soil)模型為基礎(chǔ)，基于Landsat ETM+影像對美國俄亥俄州哥倫布市的城市用地進(jìn)行分類。Deng等[9]提出一種應(yīng)用于城市不透水面區(qū)分的指數(shù)BCI，該指數(shù)在[0，1]區(qū)間，接近1代表不透水面，接近0代表裸土。機(jī)器學(xué)習(xí)方法方面，Marir等[10]提出了一種模塊化的支持向量機(jī)方法并將其應(yīng)用于城市不透水面的高精度提取。Li等[11]提出一種貝葉斯網(wǎng)絡(luò)并應(yīng)用于城市不透水面的自動提取。Du等[12]則提出一種改進(jìn)的隨機(jī)森林方法，實(shí)現(xiàn)了城市不透水面的高精度遙感提取。

近年來，深度卷積神經(jīng)網(wǎng)絡(luò)在圖像處理領(lǐng)域取得了巨大突破[13]，如Krizhevsky等[14]使用ReLU激活函數(shù)解決了網(wǎng)絡(luò)較深時梯度彌散問題；Simonyan等[15]提出卷積塊的概念，通過設(shè)計(jì)卷積塊使網(wǎng)絡(luò)具有更大感受野同時減少了網(wǎng)絡(luò)參數(shù)；Szegedy等[16]引入Inception概念，采用并行的方式構(gòu)造深度卷積神經(jīng)網(wǎng)絡(luò)，以此提高了計(jì)算效率；He等[17]則提出ResNet深度殘差網(wǎng)絡(luò)。由于深度卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)對影像深層次空間場景特征的學(xué)習(xí)理解，該方法在城市不透水面的遙感識別和提取等方面也展示出了巨大的應(yīng)用潛力[18-20]。Huang等[21]提出一種半遷移深度卷積神經(jīng)網(wǎng)絡(luò)，通過將卷積神經(jīng)網(wǎng)絡(luò)與基于街區(qū)數(shù)據(jù)的骨架分解方法相結(jié)合，保證了遙感影像上卷積處理過程中城市不透水面在空間格局上的完整性；Zhang等[22]則提出了一種基于對象的卷積神經(jīng)網(wǎng)絡(luò)方法，實(shí)現(xiàn)了城市不透水面中居民區(qū)、商業(yè)區(qū)以及高速公路地表要素的精細(xì)提取。深度學(xué)習(xí)算法在智能化方面展示出了顯著優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)算法的性能；然而，其嚴(yán)重依賴于高性能計(jì)算機(jī)圖形處理器和標(biāo)注數(shù)據(jù)集，這在一定程度上制約了其在遙感信息提取中的應(yīng)用。此外，傳統(tǒng)基于本地服務(wù)器進(jìn)行城市不透水面提取往往會遇到海量數(shù)據(jù)管理及處理負(fù)擔(dān)大、計(jì)算資源不足、模型訓(xùn)練數(shù)據(jù)集不充分等問題。當(dāng)前，用于提供海量衛(wèi)星遙感數(shù)據(jù)的Earth Engine云服務(wù)平臺已廣泛應(yīng)用于遙感信息提取中[23-25]，國產(chǎn)遙感數(shù)據(jù)云平臺PIE-Engine目前也在開發(fā)完善中。提供計(jì)算資源是這些云平臺的重要屬性，為遙感信息智能提取提供了條件。本研究工作主要為提出一種協(xié)同云計(jì)算平臺與深度學(xué)習(xí)算法的遙感信息提取框架,并應(yīng)用于深圳市長時序城市不透水面提取和擴(kuò)張分析，本文的主要內(nèi)容如下：1)構(gòu)建云平臺下遙感信息智能提取統(tǒng)一框架，實(shí)現(xiàn)基于云平臺遙感信息的智能提??；2)結(jié)合云平臺遙感影像數(shù)據(jù)資源和計(jì)算資源，采用深度U型卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建一種全自動城市不透水面提取方法，利用該方法實(shí)現(xiàn)深圳市1986—2020年逐年不透水面信息的智能化遙感提取；3)對深圳市特區(qū)建立以來的不透水面擴(kuò)張進(jìn)行分析，并總結(jié)近35年來深圳市快速城市發(fā)展背景下不透水面擴(kuò)張的時空特征。

1 云平臺遙感信息智能提取統(tǒng)一框架構(gòu)建

本研究充分利用當(dāng)前遙感數(shù)據(jù)產(chǎn)品和深度學(xué)習(xí)數(shù)據(jù)處理算法，結(jié)合云計(jì)算平臺資源，提出一種云平臺下遙感信息智能化提取統(tǒng)一框架。該框架(圖1)主要分為4個部分：深度學(xué)習(xí)模型構(gòu)建、深度學(xué)習(xí)模型云平臺部署、基于高質(zhì)量遙感產(chǎn)品的模型訓(xùn)練、基于云平臺的遙感信息自動提取。

2 研究方法

基于提出的云平臺下遙感信息智能提取統(tǒng)一框架，在云平臺海量遙感影像數(shù)據(jù)和豐富計(jì)算資源支持下，以深圳市1986—2020年長時間序列不透水面提取為例，開展了云平臺下遙感信息提取應(yīng)用研究。具體而言，利用已有高質(zhì)量遙感不透水面數(shù)據(jù)產(chǎn)品對所構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將充分訓(xùn)練所得模型遷移，用于深圳市長時序遙感影像并進(jìn)行不透水面信息的自動提取，最終獲得深圳市1986—2020年地表不透水面信息高精度提取結(jié)果(圖2)。

2.1 云計(jì)算平臺

本研究主要依托谷歌云平臺，具體包括：1)Earth Engine云平臺，該平臺用于訓(xùn)練及預(yù)測數(shù)據(jù)的篩選及預(yù)處理；2)AI云平臺，該平臺用于部署深度學(xué)習(xí)模型以及配置計(jì)算資源從而滿足深度學(xué)習(xí)模型高性能計(jì)算需求，采用12 GB顯存的Tesla K80顯卡；3)云存儲，該工具為云端不同平臺間數(shù)據(jù)交互所用。本文具體涉及云存儲為7個GB。

2.2 Landsat影像數(shù)據(jù)及預(yù)處理

本研究所用數(shù)據(jù)具體包括Landsat 5、Landsat 7、Landsat 8地表反射率遙感影像。為了獲得研究區(qū)域內(nèi)無云干擾影像，首先獲取同一年中所有影像，進(jìn)而利用CFMask算法[26]對影像進(jìn)行云掩膜處理，并逐像元選取同一年按時間排列下像元值中位數(shù)，以此生成以年為單位的無云Landsat影像。

2.3 MSMT-RF不透水面遙感產(chǎn)品

MSMT-RF不透水面遙感產(chǎn)品是結(jié)合了時間序列Landsat 8影像、時間序列Sentinel-1影像以及SRTM-ASTER DEM、MODIS EVI影像、VIIRS夜光影像等數(shù)據(jù)，采用隨機(jī)森林算法獲得的一套2015期高質(zhì)量全球不透水面遙感產(chǎn)品[27]。本研究選取2015期MSMT-RF不透水面遙感產(chǎn)品作為Landsat影像不透水面的標(biāo)注數(shù)據(jù)，利用其對所構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。MSMT-RF為全球尺度的不透水面遙感產(chǎn)品，由于本文研究區(qū)域?yàn)橹袊钲谑?圖3)，僅選取包含該區(qū)域的單幅(幅號：E110N30)產(chǎn)品進(jìn)行深度學(xué)習(xí)模型的訓(xùn)練與評估。

2.4 U型深度卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建及模型訓(xùn)練

本文根據(jù)經(jīng)典的U型網(wǎng)絡(luò)設(shè)計(jì)[28]構(gòu)建U型卷積神經(jīng)網(wǎng)絡(luò)并部署于云平臺進(jìn)行深圳市的不透水面自動提取。所構(gòu)建的U型網(wǎng)絡(luò)由編碼部分和解碼部分組成，其中編碼部分和解碼部分各含有6個編碼和解碼模塊。每個編碼模塊產(chǎn)生的特征與對應(yīng)解碼模塊獲得的特征進(jìn)行疊加并用于后續(xù)的特征解碼。每個編碼模塊和解碼模塊由卷積模塊或反卷積模塊構(gòu)成，而卷積模塊和反卷積模塊由卷積運(yùn)算、批標(biāo)準(zhǔn)化、ReLU激活函數(shù)構(gòu)成，具體網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示，其中，Conv2D-B為卷積塊；DeConv2D-B為反卷積塊；Encoder-B為編碼塊；Decoder-B為解碼塊。選擇該模型的主要原因是該模型為一個輕量級模型，在參數(shù)量小的情況下仍然能夠保持較高的性能。

基于隨機(jī)獲取的模型訓(xùn)練區(qū)域和評估區(qū)域選取數(shù)量相同的2015年Landsat 7和Landsat 8影像用于模型訓(xùn)練和評估。總計(jì)獲得6 000個影像場景用于模型訓(xùn)練，1 800個影像場景用于模型評估。模型訓(xùn)練采用后向傳播算法，選取Adam算法[29]進(jìn)行模型優(yōu)化，其中，權(quán)重延遲β1=0.9，β2=0.999。選用交叉熵函數(shù)計(jì)算模型損失，訓(xùn)練過程中首先設(shè)置較大學(xué)習(xí)率0.001對模型訓(xùn)練50次，然后設(shè)置較小學(xué)習(xí)率0.000 2對模型訓(xùn)練50次，最終使得模型收斂于較小的損失值。

2.5 云平臺下不透水面遙感提取及時序?yàn)V波后處理

本研究通過Earth Engine云平臺收集1986—2020年深圳市范圍Landsat遙感影像，通過對影像進(jìn)行必要預(yù)處理，如去云處理、缺失條帶去除、多時相影像自動補(bǔ)全等，獲得深圳市1986—2020年逐年無云遙感影像。基于云平臺將所構(gòu)建且充分訓(xùn)練的U型網(wǎng)絡(luò)應(yīng)用于深圳市Landsat影像的自動不透水面提取。為了進(jìn)一步抑制不透水層的誤提取和漏提取，遵循已有研究成果的假設(shè)，認(rèn)為在所研究時間序列下透水層向不透水面的轉(zhuǎn)變?yōu)橐徊豢赡孢^程，本研究設(shè)計(jì)了一種基于最大類間方法時間序列不透水面分類結(jié)果時間濾波后處理方法。首先，對每個像元的地表覆蓋屬性(透水層和不透水面)進(jìn)行編碼，透水層編碼為0，不透水面編碼為1。之后，沿著時間序列對每個時間點(diǎn)的地表覆蓋屬性進(jìn)行搜索，將每一個時間點(diǎn)作為分割閾值，即將搜索時間點(diǎn)看作透水層向不透水面的轉(zhuǎn)換節(jié)點(diǎn)，計(jì)算前后兩個時間區(qū)間內(nèi)地表覆蓋編碼值的最大類間方差(圖5)。具體而言，分別求出時間節(jié)點(diǎn)前后時間區(qū)間內(nèi)編碼均值u0和u1，令時間節(jié)點(diǎn)前的時序數(shù)占總時序數(shù)的比例為W0，時間節(jié)點(diǎn)后時序數(shù)占總時序數(shù)的比例為W1，則滿足的條件如式(1)所示。

W0+W1=1

(1)

可求得時序數(shù)編碼值總體平均值為(式(2))

u=W0×u0+W1×u1

(2)

由于在城市擴(kuò)張過程中地表覆蓋一般由透水層變?yōu)椴煌杆?，本研究考慮方差的方向性，定義前后時序區(qū)間編碼值的類間方差如式(3)所示。

η=W0×u-u0×(u-u0)+W1×u-u1×(u-u1)

(3)

由公式推導(dǎo)，類間方差的計(jì)算最終可簡化為式(4)。

η=W0×W1×u-u1×(u-u1)

(4)

針對每一個時間點(diǎn)t，將其看作是透水層向不透水面的轉(zhuǎn)換節(jié)點(diǎn)，可計(jì)算獲得相對應(yīng)的類間方差值。其中，類間方差最大值對應(yīng)的時間節(jié)點(diǎn)為最終獲得的透水面向不透水面的轉(zhuǎn)換節(jié)點(diǎn)，表達(dá)如式(5)所示。

t=argmax(η)

(5)

3 結(jié)果與分析

3.1 深圳市1986—2020年不透水面提取精度分析

本文選取4個年份(1990、2000、2010、2020年)提取結(jié)果進(jìn)行定量精度分析。地表真實(shí)類型由結(jié)合對應(yīng)年份的高分辨率遙感影像人工識別所得。基于量化精度分析，本文所選4個年份不透水面提取結(jié)果的全局精度均高于91%(表1)，其中最高的2020年提取結(jié)果全局精度為97.12%。4個年份提取結(jié)果的平均全局精度為94.93%，略低于用于模型訓(xùn)練的MSMT-RF不透水面數(shù)據(jù)集全局精度95.1%。與同類型數(shù)據(jù)產(chǎn)品相比，其精度高于Gong等的GAIA[30]、Chen等的GlobeLand 30[31]不透水面產(chǎn)品。通過對比發(fā)現(xiàn)，MSMT-RF和GAIA產(chǎn)品精度較高，主要原因在于這兩套數(shù)據(jù)集皆是基于多源遙感數(shù)據(jù)獲得的，本研究所用數(shù)據(jù)僅為光學(xué)遙感影像數(shù)據(jù)，該類數(shù)據(jù)的歷史資料可追溯到20世紀(jì)80年，因此本文所提方法在長時間序列不透水面提取方面具有更大的應(yīng)用潛力。將所得地表制圖結(jié)果與國際上兩套同類地表覆蓋產(chǎn)品進(jìn)行對比分析(圖6)，本文所提全自動方法所獲得結(jié)果總體上與Gong等及Chen等產(chǎn)品的精度相當(dāng)。通過圖7所示的精細(xì)對比分析，Gong等的分類結(jié)果更為破碎，這在一定程度上使得分類結(jié)果更加精細(xì)，但另一方面，也破壞了地表覆蓋景觀的空間連續(xù)性。Chen等的不透水面分類結(jié)果保持了較高的景觀空間連續(xù)性，這主要是由于Chen等采用了面向?qū)ο蟮姆椒ㄟM(jìn)行地表覆蓋制圖。通過分析圖7(e)～圖7(j)可知，無論是Gong等的GAIA產(chǎn)品還是Chen等的GloeLand30產(chǎn)品都出現(xiàn)了在沿海區(qū)域不透水面的大量漏提取情況。該區(qū)域?yàn)榻陙硖詈Ｔ礻懰茫ㄟ^對比分析也反映出已有數(shù)據(jù)產(chǎn)品對于沿海城市填海造陸區(qū)域的忽略，這在一定程度上影響了沿海城市不透水面相關(guān)的應(yīng)用分析。

表1 精度定量評估結(jié)果

3.2 深圳市1986—2020城市擴(kuò)張過程分析

利用本文所提方法對1986—2020年深圳市不透水面信息進(jìn)行逐年提取?；跁r間序列提取結(jié)果，統(tǒng)計(jì)了各個年份深圳市不透水面的面積，進(jìn)一步分析了其演變的時空格局。結(jié)果表明，整個研究期內(nèi)，深圳市不透水面持續(xù)快速擴(kuò)張，呈現(xiàn)出一定的階段性與顯著的區(qū)域性特征，具體為以下幾點(diǎn)。

1)1986—1995年。深圳經(jīng)濟(jì)特區(qū)初建，社會經(jīng)濟(jì)發(fā)展對工業(yè)、居住、交通等建設(shè)用地的需求旺盛，導(dǎo)致該時期區(qū)域建設(shè)用地迅猛擴(kuò)張，由于初建時期深圳經(jīng)濟(jì)特區(qū)的范圍僅限于毗鄰中國香港地區(qū)的羅湖、福田、南山等關(guān)內(nèi)地區(qū)，因而該時期新增不透水面主要集中于這些區(qū)域。

2)1995—2000年。由于《基本農(nóng)田保護(hù)條例》等政策法規(guī)的頒布實(shí)施，全國范圍的農(nóng)業(yè)用地開發(fā)建設(shè)受到一定程度的約束和限制，導(dǎo)致該時期深圳市建設(shè)用地的擴(kuò)張速率有所放緩，新增不透水面仍然集中在關(guān)內(nèi)地區(qū)。

3)2000—2005年。隨著土地開發(fā)管控的松綁以及社會經(jīng)濟(jì)發(fā)展的加速，該時期深圳市建設(shè)用地?cái)U(kuò)展速率顯著加快。由于關(guān)內(nèi)地區(qū)發(fā)展空間趨于飽和，不透水面的增長熱點(diǎn)轉(zhuǎn)移到關(guān)外地區(qū)。與此同時，深圳開始“向海要地”，通過圍墾西部珠江口和西南部南山半島灘涂，拓寬了城市的發(fā)展空間。

4)2005年以后。深圳整個市域的發(fā)展空間均趨于飽和，該時期區(qū)域建設(shè)用地的擴(kuò)張速率再次放緩，不透水面的增長熱點(diǎn)完全轉(zhuǎn)移到關(guān)外地區(qū)，同時填海造陸的規(guī)模也顯著擴(kuò)大。

4 結(jié)束語

為適應(yīng)海量遙感數(shù)據(jù)處理及應(yīng)用需求，本文充分結(jié)合云計(jì)算平臺和深度學(xué)習(xí)技術(shù)，構(gòu)建了云平臺下遙感信息智能提取統(tǒng)一框架，并基于所構(gòu)建方法框架實(shí)現(xiàn)了深圳市近35年不透水面信息的逐年提取。通過定量精度分析，本文獲得了平均精度為94.93%的不透水面提取結(jié)果。通過與國際上同類地表覆蓋產(chǎn)品的對比分析，本文提出的全自動方法獲得的不透水面提取結(jié)果不亞于已有不透水面遙感產(chǎn)品?；谏钲谑?986—2020年逐年不透水面信息提取結(jié)果，本文分析了深圳市近35年城市擴(kuò)張的時空特征。結(jié)果表明，近35年深圳城市不透水面持續(xù)快速擴(kuò)張，時間上呈現(xiàn)“快速擴(kuò)張-擴(kuò)張放緩-加速擴(kuò)張-趨于飽和”的階段性特征，主要受不同時期經(jīng)濟(jì)社會發(fā)展?fàn)顩r和宏觀土地政策影響；空間格局上，深圳不透水面的增長熱點(diǎn)實(shí)現(xiàn)了從毗鄰中國香港地區(qū)的羅湖、福田、南山等關(guān)內(nèi)地區(qū)向?qū)毎?、龍華、龍崗等關(guān)外地區(qū)的轉(zhuǎn)移，且在2000年后開始大規(guī)模圍墾西部珠江口和西南部南山半島的灘涂，以此拓寬城市發(fā)展空間。