趙晨 聶運(yùn)菊 汪博軍 李永飛

摘要 基于亞像元思想，采用線性光譜混合模型對(duì)混合像元進(jìn)行分解，結(jié)合傳統(tǒng)與手動(dòng)方法選取端元，使用Landsat 8 OLI數(shù)據(jù)對(duì)研究區(qū)不透水面覆蓋度（Impervious Surface Coverage，ISC）進(jìn)行提取，并對(duì)初步提取的不透水面采用NDVI閾值法進(jìn)行優(yōu)化處理。對(duì)于模型的分解精度，RMS平均值為0.008 812，達(dá)到精度要求。提取結(jié)果經(jīng)精度驗(yàn)證，提取的不透水面蓋度的均方根誤差為0.139 8，平均絕對(duì)誤差為0.080 9，具有較高的精度。最后，對(duì)南昌部分地區(qū)進(jìn)行不透水面蓋度統(tǒng)計(jì)，并對(duì)其進(jìn)行空間分布分析。研究結(jié)果表明：使用線性光譜混合模型并結(jié)合傳統(tǒng)與手動(dòng)選取端元，能夠較好的提取南昌地區(qū)不透水面蓋度信息，可以解決僅僅基于像元的不透水面提取精度不高的問(wèn)題;南昌地區(qū)不透水面主要集中在研究區(qū)的中部地區(qū)，四周不透水面蓋度較低，平均不透水面蓋度最高的地區(qū)為青云譜區(qū)，平均ISC達(dá)到59%。

關(guān)鍵詞 不透水面;線性光譜混合模型;端元;遙感

中圖分類號(hào) P237文獻(xiàn)標(biāo)識(shí)碼 A

文章編號(hào) 0517-6611（2019）14-0063-04

doi：10.3969/j.issn.0517-6611.2019.14.021

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Abstract Based on the subpixel idea，this paper used linear spectral mixture model to decompose the mixed pixels，which combined the traditional and manual methods to select the endmembers.The landsat 8 operational land imager data was used to extract the impervious surface coverage of the study area and the NDVI threshold method was used to optimize the impervious surface of the initial extraction.For the decomposition accuracy of this paper，the RMS average was 0.008 812，which met the accuracy requirements.The extraction result was verified by accuracy，and the root mean square error of the extracted impervious surface coverage was 0.139 8，and the average absolute error was 0.080 9，which had high precision.Finally，the impervious surface coverage statistics of some areas in Nanchang was conducted and the spatial distribution was analyzed.The results showed that the linear spectral mixiture model combined with traditional and manual selection of endmembers could better extract the coverage of the impervious surface in Nanchang area，which can solve the problem of low precision of impervious surface extraction based on only pixels;the impervious surface of Nanchang area was mainly concentrated in the central part of the study area.The area with impervious surface coverage was lower，and the area with the highest average impervious surface coverage was Qingyunpu area，with an average ISC of 59%.

Key words Impervious surface;Linear spectral mixture model;Endmember;Remote sensing

作者簡(jiǎn)介 趙晨（1993—），女，安徽亳州人，碩士研究生，研究方向：資源環(huán)境遙感、地理信息系統(tǒng)應(yīng)用。*通信作者，副教授，博士，從事資源環(huán)境遙感、地理信息系統(tǒng)應(yīng)用研究。

收稿日期 2019-02-23;修回日期 2019-03-21

近年來(lái)城鎮(zhèn)化進(jìn)程不斷加快，生態(tài)環(huán)境的變化也逐漸引起人們的重視，而城市化最顯著的特點(diǎn)是土地利用類型的變化，主要是不透水面與以植被為主的非不透水面之間的轉(zhuǎn)換。不透水面是指諸如屋頂、瀝青或水泥道路及停車場(chǎng)等具有不透水性的地面。當(dāng)?shù)乇聿煌杆媛蔬_(dá)到10%時(shí)，流域水質(zhì)就會(huì)受到影響，當(dāng)不透水面率超過(guò)30%時(shí)水質(zhì)會(huì)下降[1]，因此，不透水面積的增加對(duì)生態(tài)環(huán)境有一定的負(fù)面影響。不透水面蓋度（Impervious Surface Coverage，ISC）是指某區(qū)域內(nèi)不透水面覆蓋面積與區(qū)域面積的比例[2]，在城區(qū)尺度上，不透水面覆蓋度是表征城市化程度的重要指標(biāo)，現(xiàn)已被廣泛應(yīng)用于城市居民區(qū)的人口估算、土地利用規(guī)劃、地表覆蓋制圖等各方面[3]。

多次試驗(yàn)發(fā)現(xiàn)，單純使用這2種方法選取的端元均不能達(dá)到很好的分解效果。有研究表明，使用手工選取的方法能達(dá)到較高精度[11]，但僅使用手工選取工作量較大，也可能產(chǎn)生一定的人為誤差，因此該研究使用結(jié)合PPI法和手動(dòng)選取的方法來(lái)獲取端元。首先對(duì)MNF變換后的數(shù)據(jù)進(jìn)行PPI計(jì)算，經(jīng)比較設(shè)PPI閾值為5和2，能較好的選出植被和山區(qū)、田地間土壤端元，通過(guò)對(duì)研究區(qū)影像目視判讀以及參考文獻(xiàn)[12]，土壤端元還應(yīng)包括建筑工地裸露土壤以及裸露基巖，對(duì)于這些不透水面，主要借助高分辨率影像目視解譯手工選取，不透水面分為高反射率不透水面和低反射率不透水面，主要在水泥、瀝青地面和屋頂處選取。將以上選取的端元加載到谷歌高分辨率影像上，交互瀏覽，刪除錯(cuò)分和純度不高的像元，獲得質(zhì)量較好的端元。

線性分解的結(jié)果是各個(gè)端元的豐度圖和最后一個(gè)殘差均方根（RMS Error）波段，不透水面覆蓋度即為高反射率不透水面與低反射率不透水面覆蓋度之和;RMS的值用來(lái)檢驗(yàn)線性光譜分解的合理性，RMS均值一般要小于0.02[6]。該文的分解結(jié)果RMS平均值為0.008 812，表明模型分解具有較高的度。

2.4 優(yōu)化處理 在初步分解的結(jié)果中往往存在一些錯(cuò)分現(xiàn)象，如陰坡植被容易與低反射率不透水面混淆，干土壤容易與高反射率不透水面混淆，這就增大了不透水面提取結(jié)果的誤差。為了優(yōu)化結(jié)果，對(duì)初步提取的不透水面結(jié)果，可使用歸一化建筑指數(shù)（NDBI）和歸一化植被指數(shù)（NDVI）進(jìn)行掩膜處理。有研究分別使用這2個(gè)指數(shù)處理，提高了不透水面的提取精度[4，13]。但對(duì)于該文的研究區(qū)域，試驗(yàn)發(fā)現(xiàn)，使用NDBI進(jìn)行掩膜處理，在剔除山體植被的同時(shí)，也掩膜掉了部分建筑，造成不透水面提取誤差，因此，該文使用NDVI進(jìn)行優(yōu)化處理。

理論上當(dāng)NDVI>NDVI0時(shí)，ISC=0，NDVI0為植被與非植被的臨界值，經(jīng)密度分割以及交互瀏覽多次試驗(yàn)，并在保證不透水面基本范圍的基礎(chǔ)上，將NDVI0設(shè)為0.557。初提不透水面蓋度以及進(jìn)行優(yōu)化處理的不透水面覆蓋度結(jié)果分別如圖3和圖4所示。為了對(duì)比優(yōu)化處理的結(jié)果，在驗(yàn)證精度時(shí)，分別對(duì)初步提取和經(jīng)優(yōu)化處理后的數(shù)據(jù)進(jìn)行精度驗(yàn)證。

3 結(jié)果與分析

3.1 不透水面提取精度驗(yàn)證 該研究采用均方根誤差（RMSE）和平均絕對(duì)誤差（MAE）來(lái)驗(yàn)證初步提取和經(jīng)過(guò)優(yōu)化處理后的不透水面覆蓋度提取精度，RMSE和MAE的值越小表明誤差越小，即精度越高。精度驗(yàn)證使用經(jīng)幾何校正后的3.0 m谷歌高分辨率影像，校正誤差小于0.5個(gè)像元。以3×3個(gè)像元窗口為樣本單元，在研究區(qū)的原始影像上均勻選取50個(gè)樣本（對(duì)應(yīng)高分辨率影像上，樣本大小即為30×30個(gè)像元），分別統(tǒng)計(jì)初提和經(jīng)優(yōu)化處理后每個(gè)樣本的不透水面覆蓋度;將樣本進(jìn)行矢量化并加載到谷歌高分影像上，通過(guò)目視解譯，統(tǒng)計(jì)計(jì)算每個(gè)樣本的不透水面比例，作為真實(shí)數(shù)據(jù)。RMSE和MAE計(jì)算公式分別如式（4）和（5）所示。

式中，Yi為高分辨率影像驗(yàn)證樣本的真實(shí)不透水面比例，Xi為該文提取結(jié)果的樣本區(qū)域內(nèi)不透水面比例，n為樣本數(shù)，在該研究中n為50。

經(jīng)統(tǒng)計(jì)計(jì)算，線性光譜分解初步提取結(jié)果的RMSE為0.144 3，MAE為0.092 2;經(jīng)優(yōu)化處理后的RMSE為0.139 8，MAE為0.080 9。結(jié)果表明，線性光譜分解獲得的不透水面蓋度具有較高的精度，特別是經(jīng)NDVI優(yōu)化處理后精度得到一定程度的提高。

3.2 南昌地區(qū)不透水面空間分布分析 對(duì)最終的不透水面覆蓋度提取結(jié)果進(jìn)行統(tǒng)計(jì)處理，獲得南昌部分地區(qū)的不透水面覆蓋度分布情況，結(jié)果如表1所示。為了更好地對(duì)比每個(gè)區(qū)縣的不透水面覆蓋度情況，使用ENVI分區(qū)統(tǒng)計(jì)擴(kuò)展工具進(jìn)行分區(qū)統(tǒng)計(jì)，并計(jì)算不透水面面積，結(jié)果如表2所示。分類后不透水面空間分布情況如圖5所示。

由統(tǒng)計(jì)結(jié)果可知，含有不透水面的像元數(shù)占總像元數(shù)的22.87%，其中不透水面覆蓋度在75%以上的面積占總面積的9.39%。由不透水面覆蓋度空間分布圖（圖5）以及表2可知，不透水面分布較集中，主要分布在青山湖區(qū)、青云譜區(qū)、西湖區(qū)、東湖區(qū)以及南昌縣的西南部地區(qū)，其中，青云譜區(qū)和西湖區(qū)的平均不透水面覆蓋度最高，分別達(dá)到59%和57%。而不透水面蓋度的低值區(qū)主要在研究區(qū)的四周，其中灣里區(qū)尤為顯著，主要因?yàn)樵摰貐^(qū)以山地為主，植被茂盛，建筑物稀少，從而不透水面覆蓋度較低。另外新建區(qū)的大部分地區(qū)以丘陵農(nóng)田為主，開發(fā)的建設(shè)用地所占比例相對(duì)較低，因此其整體不透水面覆蓋度不高。

4 結(jié)語(yǔ)

該研究基于混合像元的存在，采用完全約束的線性光譜混合模型（LSMM）對(duì)南昌部分地區(qū)不透水面覆蓋度的提取方法進(jìn)行研究，采用植被—土壤—高反射率—低反射率端元的四端元組合，能夠較好的表示研究區(qū)的地表覆被情況。結(jié)合手動(dòng)選取端元方式，提取出高反射率和低反射率不透水面豐度圖，從而獲得研究區(qū)不透水面覆蓋度，由分解結(jié)果及精度驗(yàn)證可知，該方法能夠有效的獲取南昌地區(qū)不透水面覆蓋度及空間分布情況。精度驗(yàn)證結(jié)果表明，不透水面提取整體精度較高，具有一定的可信性。

該研究有些地區(qū)不透水面的提取還有待繼續(xù)探討：在研究區(qū)域的東北部，即鄱陽(yáng)湖與陸地的交界處，由于富含水分，造成地表覆被類型復(fù)雜，可能存在較小部分的反射率較低的含水泥沙等，并且很難通過(guò)剔除水體的方式去除。因此，會(huì)對(duì)該小部分區(qū)域的低反射率不透水面的提取有一定影響，從而可能降低該區(qū)域不透水面整體的提取精度，僅使用剔除水體的四端元組合很難對(duì)這部分地區(qū)進(jìn)行精確的分解。而在初步的嘗試中，將水體作為端元?jiǎng)t對(duì)南昌城市內(nèi)部的低反射率不透水面的提取中有明顯的影響，降低了低反射率不透水面的提取精度。在后續(xù)研究中可將這些因素考慮進(jìn)去，探討新的端元組合形式與不透水面提取方法，從而更好地提取特定區(qū)域的不透水面信息。

城市不透水面覆蓋度變化會(huì)對(duì)地表徑流、城市熱環(huán)境等有一定影響，并與城市化進(jìn)程有一定關(guān)系。因此，對(duì)于不透水面提取的研究，能夠?yàn)槌鞘猩鷳B(tài)健康狀況評(píng)價(jià)、土地利用變化和城市化監(jiān)測(cè)以及城市規(guī)劃建設(shè)等提供一些輔助信息，具有一定的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] ARNOLD C L，Jr，GIBBONS C J.Impervious surface coverage：The emergence of a key environmental indicator [J].Journal of the American planning association，1996，62（2）：243-258.

[2] 王浩，盧善龍，吳炳方，等.不透水面遙感提取及應(yīng)用研究進(jìn)展[J].地球科學(xué)進(jìn)展，2013，28（3）：327-336.

[3] 姜增琛，張繼賢，梁勇，等.泰安市區(qū)不透水面覆蓋度遙感估算研究[J].測(cè)繪科學(xué)，2017，42（5）：76-81.

[4] 徐涵秋，王美雅.地表不透水面信息遙感的主要方法分析[J].遙感學(xué)報(bào)，2016，20（5）：1270-1289.

[5] RIDD M K.Exploring a V-I-S （vegetation-impervious surfacesoil） model for urban ecosystem analysis through remote sensing：Comparative anatomy for cities[J].International journal of remote sensing，1995，16（12）：2165- 2185.

[6] WU C S，MURRAY A T.Estimating impervious surface distribution by spectral mixture analysis[J].Remote sensing of environment，2003，84（4）：493-505.

[7] 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.

[8] 程熙，沈占鋒，駱劍承，等.利用混合光譜分解與SVM估算不透水面覆蓋率[J].遙感學(xué)報(bào)，2011，15（6）：1228-1241.

[9] 徐涵秋.一種快速提取不透水面的新型遙感指數(shù)[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2008，33（11）：1150-1153.

[10] BROMN M，LEWIS H G，GUNN S R.Linear spectral mixture models and support vector machines for remote sensing[J].IEEE Transaction Geoscience and Remote Sensing，2000，38（5）：2346-2360.

[11] 黃艷妮，查良松，陳健.基于線性光譜混合模型的混合像元分解研究：以合肥市為例[J].安徽師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，35（3）：258-263.

[12] 鄧?yán)?，趙小鋒，王慧娜，等.城市混合像元分解中土壤與不透水面純像元選取方法的對(duì)比研究：以廈門為例[J].遙感技術(shù)與應(yīng)用，2013，28（6）：1039-1045.

[13] 趙怡，許劍輝，鐘凱文，等.LSMA結(jié)合NDBI提取廣州市部分城區(qū)不透水面的方法[J].地理空間信息，2018，16（3）：90-93.