基于長時序Landsat數據的城市綠地定量遙感監測研究

黃 健 鄧 琳 魏遠航 廖 栩

(1. 重慶市規劃和自然資源調查監測院 重慶 401120;2. 重慶市土地利用與遙感監測工程技術研究中心 重慶 401120)

0 引言

城市綠地是城市景觀中不可或缺的組成部分,也是城市生態環境和人民生活水平及社會發展的重要標志,其形成和發展受到自然和人文多種因素的共同作用與影響。作為城市形態與城市結構中的元素之一,城市綠地在城市建設和城市發展中發揮著重要的作用。城市綠地受人為因素影響強烈,具有高度的空間異質性,而且景觀變化迅速,采用單純的地面監測方法不僅費時、費力,而且不能滿足生態環境管理與決策的需要。遙感具有宏觀、綜合、動態和快速獲取數據的優點,在城市綠地監測方面具有獨特的優勢[1-2]。近年來,研究人員提出了多種方法用于從遙感影像中提取城市綠地信息[3-4],如張友水等人[5]通過分級分類提取并掩膜的方式提取了城市綠地信息。黃慧萍等人[6]以航空影像為數據源,設計了綠地調查分類系統,以多尺度分割技術為基礎,實現以影像對象為基礎的類別自動提取。

然而,目前利用遙感數據對城市綠地的監測還主要依賴于分期制圖[7],遙感定量化水平比較低,其時間探測精度低,動態更新費時費力,且不能充分利用長時間序列衛星數據優勢,遙感數據時相、定量化處理、分類標準差異、人員主觀因素等給城市綠地的監測帶來很大的不確定性。隨著遙感技術的不斷發展,定量遙感技術成為近年來的研究熱點,并在森林動態變化、水質監測、氣候變化監測等方面的發揮了重要作用。定量遙感技術通過對遙感影像進行定量化、標準化處理,并建立統一的反演模型或分類算法,應用于多期遙感影像的信息提取,這對于傳統的分期制圖法是一種革新。本文基于長時序定量化Landsat數據,設計了一種城市綠地遙感監測指數,建立了一種城市綠地自動提取方法,以期為城市綠地監測提供了一種全新的方法。

1 研究區與數據

本文以重慶主城區為研究區。重慶地處丘陵山區,市區海拔最大高差約220 m,屬于典型的大型山地城市。由于用地的復雜多變,山地城市形態以及其綠地系統形態與平原城市有很大不同,其綠地斑塊在類型、形狀、分布等各方面均體現出獨有的特征。同時,在城市建設發展過程中,重慶多次將城市綠地建設作為重要發展指標。因此,在重慶開展城市綠地遙感監測研究具有重要意義,能夠為城市綠地發展規劃編制和動態調整提供科學支持。

根據重慶市城鄉總體規劃(2007—2020年),重慶主城9區面積為5 473 km2,其中中心城區(核心區)約為1 062 km2,中心城區位于中梁山、銅鑼山之間,是主城建設的主要區域和舊城所在地。由于重慶主城區中的外部區域包含較多的農村區域,因此本項目以中心城區1 062 km2覆蓋范圍為研究區。

本文中所用的美國陸地衛星(Landsat)系列數據包括重慶主城區1986年到2017年的24期數據,所有Landsat數據獲取時間如表1所示,傳感器包括Landsat 5(L5)和Landsat 8(L8)。重慶主城區核心區域涉及Landsat的條帶為全球參考系統(worldwide reference system,WRS-2)P128/R39、40。對于表1所示數據,首先進行輻射定標,然后采用相對輻射校正和大氣校正相結合的方法進行定量化處理[8],得到地表反射率數據。

表1 本文所用Landsat數據列表

2 城市綠地提取算法

2.1 城市綠地遙感光譜特征分析

本文收集的長時序遙感影像覆蓋5—9月份,考慮到城市綠地在生長季的不同階段的光譜會有差異,因此構建城市綠地遙感特征時不能只采用一個時期的數據,而應考慮植被物候的影響。本文綜合考慮時序數據的獲取季節和可供參考的歷史高分辨率遙感影像,最終選擇6景影像(表2)選擇樣本數據。這6期遙感影像覆蓋了植被生長季的不同月份,且對應年份的高分辨率遙感影像齊全,便于選擇樣本。

表2 不同月份影像城市綠地樣本統計參數

利用上述6期數據,并結合各期數據對應的高分辨率遙感影像,分別選擇各期影像的城市綠地樣本。城市綠地樣本在高分辨率遙感影像中選擇,且在大面積的城市綠地中選擇,樣本距綠地邊緣的距離大于100 m,樣本選擇完成后根據坐標信息映射到Landsat影像中。每年的樣本數在Landsat影像中大于5 000個像元。同時,為了分析城市綠地和其他主要地物的差異,還采用相同方法選取了建設用地(包括道路)和裸土兩種地物樣本,然后分別統計三種典型地物的均值光譜曲線。統計結果顯示,城市綠地為典型的植被光譜特征,在藍綠紅波段的反射率值都較小且綠波段比藍波段和紅波段都大;在近紅外呈現高反射率特征,然后在短波紅外反射率值逐漸降低。裸土與城市綠地在藍綠波段差異較小,在紅波段之后差異增大。建設用地與城市綠地在藍綠波段的曲線趨勢一致,在紅波段之后曲線形狀和值的大小均有較大差異。以上分析表明,設計城市綠地的遙感特征指數,應主要考慮Landsat的波段3、波段4、波段5、波段7。

2.2 城市綠地遙感光譜指數

本文參照Huang等人[9]提出的森林概率指數模型,設計了城市綠地概率指數(index of urban greenspace,IUG)模型,其計算公式為

利用前文所述的6期影像和城市綠地樣本數據,統計了各期影像的樣本均值和標準差,如表2所示。

圖1 不同區域地物的時序IUG曲線

根據Gi和GIU的定義,并結合圖1,可知GIU的大小與某一像元是城市綠地的可能性成反比,即GIU越接近0,該像元是城市綠地的可能性越大。對于穩定的城市綠地,鵝嶺公園的時序GIU均小于2,而對于穩定的非城市綠地,朝天門的時序GIU均大于5,對于城市綠地地物向非城市綠地地物的轉變(國博中心)以及非城市綠地地物向城市綠地地物的轉變(鴻恩寺公園),在時序GIU中均有明顯的變化,其變化時間也與實際情況符合:公開資料顯示,重慶市政府在2009年5月確定在悅來建設重慶國博中心,在時序GIU曲線中,2009年的值為1.25,隨著建設的開始,2010年GIU值增大為7.74。

2.3 城市綠地識別算法

利用前文選擇的6期城市綠地樣本,并結合對應的IUG影像,統計城市綠地的GIU值分布規律。統計結果顯示,在城市綠地樣本直方圖中,累積頻率0.99對應的GIU值為3.81,0.98為3.06,0.95為2.46?？紤]到樣本中可能存在少量像元為非城市綠地,本文以GIU值小于2.46作為城市綠地判斷閾值。具體算法如下:

(1)采用Fmask云檢測算法[10]進行云識別。

(2)水體識別。根據反射率數據計算歸一化差異水體指數(modified normalized difference water index, MNDWI),以Im表示，然后提取Im大于0.2且波段7反射率值小于0.1個像元為水體。Im計算公式為

(3)

式中,ρG和ρMIR分別為綠波段和中紅外波段的反射率,在Landsat中分別為波段2和波段5。

(3)以GIU小于2.46提取為城市綠地。

根據城市綠地提取算法,對2017年獲取的研究區遙感影像進行城市綠地提取,部分提取結果如圖2所示。

圖2 研究區2017年典型城市綠地提取結果

圖2為2017年研究區的三處典型城市綠地提取結果。圖中結果顯示,通過IUG模型將多波段數據轉換為單波段數據后,城市綠地和建設用地區別明顯,城市綠地的像元值明顯低于建設用地像元值;基于IUG影像建立的城市綠地提取算法可有效提取對城市綠地進行識別,圖中三個典型城市公園綠地的提取結果都較好。

同時,本研究也對比了本文方法和基于歸一化植被指數(normalized difference vegetation index,NDVI)分割算法的結果。利用2017年的Landsat反射率數據計算了NDVI,然后結合前文選取的2017年城市綠地樣本,統計樣本NDVI直方圖中累積頻率0.95所對應的NDVI值作為閾值,然后提取2017年NDVI影像中大于閾值的像元為城市綠地。兩種方法的提取結果對比顯示,對于推土區域,本文方法提取結果中,推土區域只有少量植被較多的像元識別為城市綠地,而NDVI閾值法提取結果中,推土區域的綠地像元明顯多于本文方法,本文的基于城市綠地指數的提取方法結果與實地的一致性更好。

3 研究區城市綠地提取結果

對表1中所有Landsat數據采用本文建立的城市綠地算法提取所有數據中的城市綠地,結果如下圖所示。根據圖3的結果,按行政區分區統計了城市生態綠地面積的比例,部分年份結果如表3所示。

圖3 研究區長時序城市綠地提取結果

表3 重慶市主城區核心區城市綠地面積比例 單位：%

在本項目的研究時間內(1986—2017年),渝中區基本都為城市建成區,因此表3中渝中區的城市綠地面積變化情況最具有參考價值,最能反映城市建設過程中生態綠地的變化信息。表中顯示,從1986年到2017年,渝中區的生態綠地面積從1986年的25%,降低到2000年左右的15%,后又增加到約20%。這與渝中區城鎮發展規律相一致:在城鎮化發展早期,城市發展沒有成體系的規劃,規劃跟著項目走,在滿足基本建筑間距下,建筑密度、綠化率等指標根據項目需要確定,城市建設陷入無序的局面;在城鎮化發展后期,渝中區啟動渝中半島城市形象設計(2002年),提出“減量、增綠、留白、留容”規劃發展原則,各項城市發展形成了統一的規劃,因此城市綠地比例逐漸增加。

4 結束語

本研究在長時序定量化Landsat定量化數據基礎上,利用6期不同季相(5—9月,覆蓋植被生長季)的Landsat數據,結合同期的高分衛星影像選擇了城市綠地訓練樣本,分析了城市綠地遙感光譜特征,建立了城市綠地遙感概率指數,設計了城市綠地提取流程和算法,最后對研究區的24景數據進行了城市綠地進行了提取,結果顯示,本文建立的基于時序定量化遙感數據的城市綠地提取結果較好,提取結果優于NDVI閾值分割結果。但本文采用的Landsat數據分辨率為30 m,對于小面積的城市綠地提取有一定遺漏。

重慶市主城區生態綠地時序定量遙感監測結果顯示:在城市建設的早期階段(2000年之前),由于城市規劃偏弱或規劃執行不到位,這期間建設發展的城區,城市綠地面積偏低,包括渝中區全區、沙坪壩核心區、九龍坡核心區、江北核心區。而2000年之后,城市規劃設計更合理,這一階段建設的新城區的城市綠地比例明顯增高。此外,重慶主城區南北向分布有中梁山、明月山兩大山系,兩山為城市的發展帶來一定限制,但同時也為城市增添了許多城市綠地,提高了重慶市主城區的綠化率。