徐 看，熊助國(guó)*，劉向銅，劉 鑫

(1.東華理工大學(xué)測(cè)繪工程學(xué)院，330013，南昌；2.廣州市南沙區(qū)土地利用發(fā)展中心，511548，廣州)

0 引言

不透水層是指能夠阻止水直接滲透到土壤中的任何自然和人工表面，主要由城市中的水泥、瀝青、金屬和玻璃等材質(zhì)構(gòu)成的交通用地(如高速公路、停車場(chǎng)、人行道)、廣場(chǎng)和建筑物屋頂?shù)冉M成[1]。不透水層的快速擴(kuò)張也導(dǎo)致了一系列的城市環(huán)境問(wèn)題：地表下沉、水源污染以及熱島效應(yīng)，同時(shí)不透水層分布的變化也能夠直接反映出城市的發(fā)展和擴(kuò)張[2]。因此，高效、準(zhǔn)確、及時(shí)地獲取不透水層對(duì)城市生態(tài)建設(shè)及監(jiān)測(cè)城市動(dòng)態(tài)有其重要意義。

隨著對(duì)地觀測(cè)技術(shù)的發(fā)展，遙感傳感器已經(jīng)能夠長(zhǎng)時(shí)間連續(xù)觀測(cè)城市表面。與傳統(tǒng)的人工調(diào)查方式相比，基于遙感技術(shù)提取不透水層更加省時(shí)、省力、低成本，其相關(guān)理論方法也已經(jīng)得到國(guó)內(nèi)外的廣泛研究[3]。目前，不透水層的提取方法研究主要集中在光學(xué)遙感上，合成孔徑雷達(dá)(synthetic aperture radar，SAR)以其全天時(shí)、全天候、強(qiáng)穿透的成像能力，已經(jīng)成為光學(xué)遙感的有益補(bǔ)充，有時(shí)甚至是數(shù)據(jù)獲取的唯一手段[4]。在SAR影像信息中，不透水面區(qū)別與其他地物，在長(zhǎng)時(shí)間基線中具有較強(qiáng)的相干性，可根據(jù)這一地物特性將其從其他地物分離出。此外不透水面在 InSAR 反演的平均后向散射系數(shù)、振幅比等參數(shù)均與其他地物有所差異[5]。因此利用雷達(dá)遙感數(shù)據(jù)對(duì)不透水層的提取是具有可行性的。綜上所述，遙感技術(shù)在不透水層提取中的應(yīng)用正不斷創(chuàng)新發(fā)展，為城市發(fā)展和城市生態(tài)建設(shè)提供源源不斷的動(dòng)力。

1 光學(xué)遙感提取不透水層的現(xiàn)狀

隨著遙感技術(shù)的迅猛發(fā)展，利用遙感數(shù)據(jù)進(jìn)行大范圍城市不透水面的估算和制圖是一種廉價(jià)高效的技術(shù)手段[6]。目前已有大量學(xué)者研究基于光學(xué)遙感手段提取不透水面信息。不透水面遙感信息提取方法主要包括指數(shù)法[7]、分類回歸樹(shù)法[8]、支持向量機(jī)法[9]和光譜混合分析法[10]等。

1.1 光譜混合分析法

在采用光譜混合分析法提取不透水層中，其理論模型基礎(chǔ)就是Ridd[11]首次提出的植被-不透水層-土壤(vegetation-impervious-surface-soil，V-I-S)分布模型。VIS模型主要用于城市遙感影像中的土地。 假設(shè)它由植物、土壤和不可滲透層這3個(gè)終端要素組成，則城鎮(zhèn)中主要的土地覆蓋類型基于這3種終端要素，并且比例不同。在圖1中，中央商務(wù)區(qū)具有高不可滲透層，植被與土壤的比率非常低。在中等密度的居住區(qū)中，植被和不滲透層的比例分別占近50%。綜上所述，可以提取這3個(gè)最終要素的分布情況分析和評(píng)估城市土地利用狀況。

光譜混合分析法相比與其他方法能夠有效解決中低空間分辨率遙感影像中的混合像元情況，現(xiàn)有的城市防滲層提取研究已經(jīng)廣泛使用基于VIS模型的光譜混合分析來(lái)分解混合像素[12]。但是由于中低空間分辨率圖像在空間分辨率和光譜分辨率上都存在著自身局限性，而且光譜混合分析模型建立基于理想模型,忽略了光線在不同地物像元間的相互作用，會(huì)造成低值區(qū)高估、高值區(qū)低估[13]，影響到整體估算精度，該方法的使用受到了一定得局限性。在后續(xù)研究中，閆如柳[14]等針對(duì)V-H-L-S模型在提取不透水面中端元選取不足的問(wèn)題，提出了一種基于Landsat-8OLI影像提取不透水面的新方法，但其閾值的選取會(huì)對(duì)提取精度造成影響；要志鑫[15]等提出結(jié)合BCI指數(shù)(Biophysical Composition Index)的線性光譜分解方法提取不透水面、植被和土壤蓋度,提高了傳統(tǒng)的線性光譜分解方法的精度，但其在大范圍區(qū)域選取仍然會(huì)存在混合像元情況，影響提取精度； Xu[16]等采用改進(jìn)的線性光譜混合分析方法提取了不透水的表面部分，這一研究目前得到了廣泛的應(yīng)用。

圖1 V-I-S 模型

1.2 指數(shù)法

指數(shù)方法的理論基礎(chǔ)是光學(xué)影像信息中的各地物的光譜特征，其根據(jù)不透水層的光譜特征不同與其他地物的光譜特征從影像信息中分離并建立出能夠代表不透水層分布及與其他地物具有較高分離度的特征指數(shù)模型。經(jīng)典指數(shù)法提取流程如下圖2所示。

圖2 經(jīng)典指數(shù)法提取流程

相對(duì)于其他方法，指數(shù)法具有計(jì)算相對(duì)簡(jiǎn)單、更加高效的優(yōu)點(diǎn)。但是，指數(shù)法的研究關(guān)鍵是其分割閾值的準(zhǔn)確提取，目前的閾值提取大部分采用自定義閾值。因此，對(duì)閾值的自動(dòng)化提取是未來(lái)研究的主要方向之一[17]。這種提取方法還存在著另一方面的問(wèn)題，不透水層指數(shù)不能和真實(shí)地物的不透水層實(shí)現(xiàn)關(guān)聯(lián)分析，因此對(duì)提取結(jié)果就很可能進(jìn)行絕對(duì)量化分析。在后續(xù)研究中，楊栩[18]等在可見(jiàn)光波段范圍內(nèi)建立綠-藍(lán)光譜特征空間，構(gòu)造了能夠?qū)⑼寥馈⒅脖幌裨c不透水面像元有效分離的綠-藍(lán)不透水面指數(shù)，該指數(shù)能夠代替歸一化差值不透水面指數(shù)、垂直不透水層指數(shù)、比值居民地指數(shù)等，應(yīng)用于無(wú)人機(jī)遙感影像的不透水面信息提取中；文獻(xiàn)[19]首次采用復(fù)合波段的形式創(chuàng)建了歸一化差值不透水面指數(shù)(Normalized Difference ImperviousSurface Index，NDISI)；為了提取大范圍的不透水面，Liu等提出了歸一化城市區(qū)域復(fù)合指數(shù)(NUACI)，其建立的依據(jù)是基于歸一化水體指數(shù)(NDWI)和增強(qiáng)植被指數(shù)(EVI)[20]；綜上所述，若要利用指數(shù)方法提取出不透水層，則需要通過(guò)設(shè)定相應(yīng)的閾值大小對(duì)指數(shù)結(jié)果進(jìn)行分類。

1.3 回歸方法

盡管光譜混合分析是監(jiān)視不透水層的有效方法，但此方法可能不適用于大面積和復(fù)雜區(qū)域，因?yàn)樵谶@種情況下，獲取代表純像素的最終元素光譜特性并不容易，從而影響了不可滲透層的提取精度[21]。因此針對(duì)地形復(fù)雜的大范圍區(qū)域的提取不透水層情況，可以采用回歸及回歸樹(shù)模型[22]?；貧w方法通過(guò)地面特征的光譜特征與不透水層的比例之間的關(guān)系建立回歸函數(shù)，以估計(jì)局部不透水層的分布。使用較多的地物特征為原始光譜特征、歸一化植被指數(shù)等。

建立回歸模型操作簡(jiǎn)單，可利用該模型快速獲得大區(qū)域逐像元的不透水面。但是此方法易受季節(jié)影響，地物植被隨著季節(jié)的變化會(huì)影響回歸模型提取精度。目前已有學(xué)者在基于回歸分析的方法上進(jìn)行了改進(jìn)，Liu[23]等提出了利用中分辨率遙感圖像提取植被、土壤和不透水面的定量信息的分析方法(MESMA)，但其定量分析的數(shù)據(jù)易受圖像本身分辨率的影響，其提取結(jié)果并不足以信服；劉帥[24]等結(jié)合空間-光譜組合核函數(shù)和支持向量回歸,提出了一種提取高光譜影像不透水面豐度的改進(jìn)算法；Wu[25]等提出了一種新穎的基于多尺度超像素的分層分類方法，實(shí)驗(yàn)證明該方法具有優(yōu)于傳統(tǒng)的基于像素的方法和單尺度方法進(jìn)行城市不透水面提取的優(yōu)勢(shì)?，F(xiàn)有的研究表明，回歸方法能夠解決在地物復(fù)雜區(qū)域中地物光譜特征區(qū)分不明顯的問(wèn)題，但其也受像元尺度和季節(jié)因素的影響，后續(xù)研究可就結(jié)合其他提取方法展開(kāi)。

1.4 分類方法

提取不透水層的另外一種方法為圖像分類技術(shù)。其所采用的方法有人工神經(jīng)網(wǎng)絡(luò)分類提取、建立隨機(jī)森林等分類技術(shù)。此方法中的不透水層表示的是一種地物類別，其獲取不透水層的分布情況是通過(guò)分析最終的地物分類結(jié)果得出的，即將地物類別分為不透水層和透水再進(jìn)行判定。此類方法可以利用目前較為成熟的遙感分類技術(shù)從地物類別中分類出不透水層，其提取步驟較為規(guī)范化。根據(jù)分類目的，可以將這些分類方法分為基于像素的硬分類方法和基于子像素級(jí)的軟分類方法。

圖像分類技術(shù)也存在著如下缺陷。人工神經(jīng)網(wǎng)絡(luò)方法收斂速度較慢，且其初始權(quán)重及隱含層數(shù)目和隱含層結(jié)點(diǎn)數(shù)難以確定，數(shù)據(jù)樣本要求高。亦有研究表明通過(guò)增加隱含層和結(jié)點(diǎn)數(shù)可提高模擬精度，還可減少局部極小的機(jī)率，但這會(huì)增加學(xué)習(xí)時(shí)間；而CART是一種弱學(xué)習(xí)算法。由于其學(xué)習(xí)能力，它對(duì)數(shù)據(jù)噪聲和訓(xùn)練模式錯(cuò)誤極其敏感。樣本訓(xùn)練集中的微小波動(dòng)會(huì)導(dǎo)致預(yù)測(cè)函數(shù)發(fā)生較大變化。因此其樣本的選擇必須具有代表性并且相對(duì)統(tǒng)一，以實(shí)現(xiàn)良好的學(xué)習(xí)能力。

但是亦有學(xué)者在算法上進(jìn)行了結(jié)合與改進(jìn)。Deng[26]等在隨機(jī)森林的基礎(chǔ)上提出了一種稱為連續(xù)亞像素監(jiān)測(cè)(CSM)的新方法，用于連續(xù)監(jiān)測(cè)和監(jiān)測(cè)亞像素水平的城市不透水表面變化；Hu[27]等提出將CART算法與多源遙感數(shù)據(jù)相結(jié)合來(lái)估計(jì)亞像素級(jí)不透水表面的方法，該方法十分適合于植被中年內(nèi)變化明顯的區(qū)域的多時(shí)間SPIS制圖。

綜上所述，基于光學(xué)遙感影像提取不透水層的方法較為繁瑣且存在光譜特征差異較大、高分辨率影像中的陰影等問(wèn)題。因此，如何更加高效、精確地提取不透水層為下一步研究熱點(diǎn)。

2 基于雷達(dá)數(shù)據(jù)提取不透水層的研究現(xiàn)狀

雷達(dá)數(shù)據(jù)由于其較高的空間分辨率，較短的處理時(shí)間和較低的成本而越來(lái)越多地被使用。 相比與其他遙感數(shù)據(jù)，雷達(dá)數(shù)據(jù)只集中在地形的幾何特征上，并且能捕獲地形的絕對(duì)高程，尤其適宜提取城市建筑物。SAR數(shù)據(jù)處理流程如圖3所示。

圖3 D-InSAR數(shù)據(jù)處理流程

目前，基于SAR影像信息提取不透水面信息主要是基于紋理特征區(qū)分地物。Zhang[28]等提出利用SAR影像信息對(duì)地物進(jìn)行細(xì)分類的方法；Dumitru[29]等基于SAR圖像信息提出了研究區(qū)域內(nèi)不同時(shí)間的不同用地類型的土地類型分類。此類提取方法高效、不受數(shù)據(jù)限制，但是完全基于SAR影像信息進(jìn)行地物分類的精度并不高，雖然不同地物的紋理特征不同，但是一些地物的紋理特征十分相近，其提取閾值的選取十分困難甚至無(wú)法區(qū)分。

在提取不透水層方面， 廖明生等提出了基于CART集成學(xué)習(xí)的城市不透水層百分比遙感估算，證實(shí)了利用雷達(dá)干涉數(shù)據(jù)提取不透水層的可行性與潛力，但CART是弱學(xué)習(xí)算法，選取的樣本時(shí)間也不一致，影響提取結(jié)果[30]?，F(xiàn)有研究已經(jīng)表明將SAR遙感技術(shù)應(yīng)用于提取亞熱帶城市不透水面具有其獨(dú)特的優(yōu)勢(shì)。Zhang[31]等進(jìn)行了利用光學(xué)和SAR遙感圖像提取城市ISA的比較研究，單獨(dú)的ETM +圖像比單獨(dú)的ASAR圖像提供更好的ISA估計(jì)?？偟膩?lái)說(shuō)，由于SAR影像成像時(shí)的斑點(diǎn)噪聲和幾何形變，無(wú)法輕易消除SAR 影像信息中的誤差，因此，完全基于SAR影像信息提取城市不透水面信息仍然是目前遙感研究的難題之一。

3 融合多源遙感數(shù)據(jù)提取不透水層的提取現(xiàn)狀

目前，不透水層的提取研究主要集中在將不同類型的 SAR數(shù)據(jù)與光學(xué)數(shù)據(jù)融合來(lái)提高城市不透水面的提取精度。其原理是通過(guò)結(jié)合光學(xué)影像的光譜特征信息和SAR影像的紋理特征信息，采用不同的分類器在不同的級(jí)別上進(jìn)行融合，結(jié)合兩類影像各自的優(yōu)勢(shì)提高精度。

張鴻生[32]等提出了通過(guò)融合光學(xué)和SAR遙感數(shù)據(jù)提高不透水面提取精度的方法，實(shí)驗(yàn)結(jié)果表明，融合光學(xué)和SAR數(shù)據(jù)提取不透水面再一定程度上可以彌補(bǔ)光學(xué)影像信息的缺失，在光學(xué)影像信息中加入了SAR影像信息的紋理特征，在一定程度上可以提高城市不透水面的提取精度。C Sukawattanavijit[33]等提出了一種利用SAR和光學(xué)遙感數(shù)據(jù)改進(jìn)土地覆蓋分類的GA-SVM算法，結(jié)果顯示出提高的分類精度，并展示了使用GA-SVM算法的優(yōu)勢(shì)，該算法使用較少的功能即可提供最佳的精度。Zhang[34]等通過(guò)探索SAR和光學(xué)數(shù)據(jù)之間的最佳集成水平，以更好地繪制珠江三角洲的城市土地覆蓋圖，研究表明將SAR數(shù)據(jù)的紋理特征與光學(xué)數(shù)據(jù)結(jié)合用于土地覆蓋分類的好處，研究還表明，與使用單一數(shù)據(jù)源進(jìn)行城市土地覆蓋分類相比，將光學(xué)和SAR數(shù)據(jù)結(jié)合起來(lái)不能保證有所改善。

綜上所述，雷達(dá)數(shù)據(jù)與光學(xué)遙感數(shù)據(jù)的融合的方法可以在3個(gè)不同的層次上進(jìn)行：像素級(jí)融合、特征級(jí)融合和決策級(jí)融合，3種融合方法都可以在一定程度上提高不透水面的提取精度。

4 新的融合方法

綜上所述，基于雷達(dá)數(shù)據(jù)提取不透水層是具有可行性的，融合雷達(dá)數(shù)據(jù)和光學(xué)遙感數(shù)據(jù)提取不透水層也可以在一定程度上提高精度，但是雷達(dá)數(shù)據(jù)的不同也會(huì)影響提取精度。目前，部分雷達(dá)數(shù)據(jù)已經(jīng)面向大眾免費(fèi)提供，在一定程度上解決了數(shù)據(jù)獲取難及數(shù)據(jù)量不足的問(wèn)題。

因此，本文研究探討了一種融合多源遙感數(shù)據(jù)提取不透水層的具體理論與實(shí)現(xiàn)方法。首先研究基于D-InSAR技術(shù)利用哨兵1號(hào)(Sentinel-1A)多極化數(shù)據(jù)提取不透水層，哨兵1號(hào)(Sentinel-1)衛(wèi)星是歐洲航天局哥白尼計(jì)劃(GMES)中的地球觀測(cè)衛(wèi)星，由2顆分別于2014 年4 月與2016 年4 月發(fā)射的載有C波段合成孔徑雷達(dá)的衛(wèi)星組成，中國(guó)地區(qū)重返周期為 12 d。并將提取結(jié)果與同時(shí)期基于指數(shù)法利用landsat8數(shù)據(jù)影像提取不透水層的結(jié)果進(jìn)行對(duì)比。此方法主要是提出了一種新的基于紋理的圖像分類技術(shù)通過(guò)建立隨機(jī)森林提取出研究區(qū)不透水面信息，其理論路線圖如圖4。在此可行的基礎(chǔ)上，探究利用SBAS_InSAR技術(shù)提取出時(shí)間序列的南昌地區(qū)不透水層，分析時(shí)間序列的不透水層的變化與當(dāng)?shù)亟?jīng)濟(jì)發(fā)展、生態(tài)環(huán)境、土地利用等方面的關(guān)系。在理論上，該方法具有可行性。在后續(xù)研究中，擬探討基于L波段的ALOS多極化數(shù)據(jù)提取不透水層，并將提取精度結(jié)果與基于C波段的數(shù)據(jù)提取不透水層的精度結(jié)果進(jìn)行對(duì)比，分析波段的不同對(duì)提取結(jié)果的影響。由于多源遙感數(shù)據(jù)融合能獲得更高精度的不透水面，在之前研究都完成的基礎(chǔ)上，可以探討融合雷達(dá)數(shù)據(jù)(Sentinel-1A數(shù)據(jù)、ALOS數(shù)據(jù))和光學(xué)遙感數(shù)據(jù)(landsat8數(shù)據(jù))提取不透水層的方法，擬采用SVM分類器或者ANN分類器，在數(shù)據(jù)量足夠的情況下，還可以研究融合數(shù)據(jù)提取的不透水層在時(shí)間序列上的變化情況。

圖4 理論技術(shù)路線

5 結(jié)束語(yǔ)

基于遙感影像提取不透水層的廣泛研究中，由于遙感影像數(shù)據(jù)源的不同和遙感影像信息處理的復(fù)雜性，在保證高效、及時(shí)的基礎(chǔ)上，如何提高不透水層提取的精度仍然是一大研究難點(diǎn)。基于光學(xué)遙感影像信息提取不透水面的總體精度容易受到光學(xué)成像時(shí)云層遮擋及大氣影響問(wèn)題，容易產(chǎn)生光譜混淆；而完全基于SAR影像信息提取不透水面又極易受到分辨率低、噪聲問(wèn)題等影響；因此總體來(lái)講，基于多源數(shù)據(jù)融合提取不透水層是目前研究的主要方向，而具體的融合方法也將成為一個(gè)研究重點(diǎn)。