张维 李军

摘 要：不透水面的分布规模和空间格局是影响区域生态系统和环境变化的重要指标。该研究基于Landsat OLI遥感影像，以长株潭主城区核心区为研究区域，进行了归一化建筑指数法、归一化差值不透水面指数法和最小噪声分离结合支持向量机分类法3种方法提取不透水面信息的综合比较。结果表明：MNF结合SVM方法步骤相对较多，在选取端元和去除水体掩膜等方面都存在人工干涉，受人工影响较大;归一化建筑指数法虽然能快速地提取不透水面，但存在裸土与不透水面混淆的情况;而归一化差值不透水面指数法可有效区分裸土与不透水面，提取精度高于其他2种方法。最终选择归一化差值不透水面指数法，提取研究区2013年、2015年的不透水面信息，分析了其空间格局和扩展情况。

关键词：不透水面;归一化建筑指数法（NDBI）;归一化差值不透水面指数法（NDISI）;最小噪声分离（MNF）结合支持向量机（SVM）分类法;Landsat OLI

中图分类号 X87文献标识码 A文章编号 1007-7731（2019）21-0083-04

Abstract：lmpervious surface of distribution scale，spatial framework and diversification are the key indicators of regional ecosystem and environmental change. Remote sensing technology based on OLI image，the information of impervious surface is extracted，and the normalized building index method is compared and analyzed by taking the core area of Changsha-Zhuzhou -Xiangtan City as the research area. The combination of normalized difference impervious surface index method and minimum noise separation support vector machine classification. The results showed that，the combination of MNF and SVM method steps are relatively more complex. In the selection of end member and removal of water Mask，artificial interference exists，which is greatly by artificial. The normalized building index method can quickly extract impervious surface，but the situation of bare land and construction land is confused. The normalized difference impervious surface index method can solve this problem. And the precision of extracting the construction land is higher than that of the normalized building index method.

Key words：Impervious surface;Normalized building index method;Normalized difference impervious  surface index method;Minimum noise separation combined with support vector machine classification;Landsat OLI

近年来，随着城镇化进程的加快，不透水面的变化速度越发频繁，如何找到一个行之有效的方法来对不透水面的数据进行估算，已成为了城市研究的一个关键性问题。随着遥感手段的发展，基于遥感方法进行不透水面信息的提取已经得到了广泛的应用，不同的基于遥感方法不透水面提取方法相继被提出[1]，如归一化建筑指数法、归一化差值不透水面指数法和最小噪声分离结合支持向量机分类法[2-5]等。查勇等提出了歸一化建筑指数（NDBI），该指数利用Landsat TM数据的4～5波段亮度值变化异常于其他地物的特征来增强不透水面信息[2];徐涵秋对研究对象通过采用复合波段的形式建立了归一化差值不透水面指数（NDISI）的数学模型，有针对性地考虑沙土和水体因素，无需预先将水体剔除，消除由于预处理可能引起的误差，增强图像上不透水面特征，达到了快速提取不透水面信息的目的[3];翟珂研究认为，利用最小噪声分离法（MNF）结合支持向量机（SVM）分类方法，可提高不透水面分类精度和速度[4]。不同方法提取的不透水面信息结果差异明显，对比分析不同提取方法的精度和效率，是不透水面信息提取研究的重要内容之一[5]。为此，本研究选取NDBI法、NDISI法和MNF结合SVM分类法，对比分析提取长株潭城市群核心区不透水面的适宜方法，并分析了其不透水面空间格局。

1 研究区及数据概况

研究区域（图1）位于112°54′～113°10′E，27°50′～28°11′N，湘江干流将研究区域南北贯通，地形东北高西南低，地势起伏大，地貌类型多样，以丘、岗平为主，兼有山地、水面。长株潭核心区是长株潭城市群最重要的组成部分，总面积8642.15km2。考虑到裸露土壤对不透水面提取精度的影响，选择遥感影像的获取时间集中于夏季6—9月。从地理空间数据云下载2013年、2015年OLI影像共4幅，影像云覆盖率小于0.1%，空间分辨率为30m。

2 研究方法

2.1 归一化建筑指数法（NDBI） 利用辐射校正后的Landsat OLI影像，构建归一化建筑指数[2]（式1），NDBI可以较为准确地反映建筑用地信息。

NDBI图像颜色越深，代表值越大，表明建筑用地比例越高，建筑密度越高，通过目视解译，不断调整NDBI阈值，直到找到合适的阈值，提取建设用地，调整阈值后获得不透水面分布。该方法提取结果见图2。

2.2 归一化差值不透水面指数法（NDISI） 归一化差值不透水面指数（NDISI）指数通过多光谱波段的不透水面最强辐射和最弱反射波段，利用归一化比值运算扩大两者的差距，显著增强不透水面信息。由于水体在可见光处的反射率低于不透水面，将改进型归一化水体指数（MNDWI）加入NDISI指数（式2）的弱反射波段[6]，即：

在影像预处理时需要对热红外波段、近红外波段、短波红外波段MNDWI进行归一化处理，将其均拉伸至[0，1]之间，以保证所有数据量化级一致[4]。该方法提取结果见图3。

2.3 最小噪声分离结合支持向量机分类法 最小噪声分离（MNF）结合支持向量机（SVM）分类法中，MNF变换可将噪声和信号进行分离并定制数据的维度，SVM分类器是一个将向量特征投射到高位空间的分类器，具有算法复杂度低、抗噪声、可有效解决不平衡分类等优点[6]。该方法涉及的主要步骤包括：（1）端元选取：将MNF变换后前3个包含光谱信息多的分类构成散点图，以其犄角像元确定为端元，根据地物影像光谱特征和几何特征等，目视解译端元类型;（2）SVM分类：利用选取的样本，借助ENVI5.1中的SVM模块，选择径向基内核，执行监督分类;（3）分类结果优化：采用改进的归一化水体指数（MNDWI）进行水体掩膜，去除水体影响。该方法提取结果见图4。

3 方法对比和精度评价

利用NDBI法计算简单方便，但存在裸土与建设用地混淆的情况;MNF结合SVM方法步骤相对较多，在选取端元和去除水体掩膜等方面都存在人工干涉，受人工影响较大;部分区域存在错分现象，如峡山口附近的部分裸土被NDBI指数法和MNF结合SVM方法错分为不透水面，水体等信息被MNF结合SVM方法错分为不透水面（图5）。利用总体精度和Kappa系数来评价3种方法分类结果。精度评价结果表明（表1），NDISI法分类精度最高，其次为MNF结合SVM分类法，NDBI法分类精度最低。

4 不透水面空间分布特征及格局

通过方法对比，最终确定采用NDISI法提取长株潭核心区不透水面信息。基于2013年和2015年Landsat OLI遥感影像，利用NDISI法提取到的不透水面结果见图6。从图6可以看出，基于影像提取的不透水面信息与现有城市、农村居民点和工业区的分布相吻合。2013年不透水面总规模为1099.74km2，占长株潭核心区研究区总面積的12.73%;2015年不透水面总规模为1376.76km2，占长株潭核心区研究区总面积的15.93%。靠近湘江的长沙市区、株洲市区、湘潭市区是区域不透水面分布的集中区。2013—2015年间，不透水面分布范围增大，斑块集中区域增多，不透水面扩张现象明显。

5 结论与讨论

利用2013年和2015年OLI数据提取了长株潭城市的核心区的不透水面信息，发现不透水面分布范围增大，斑块集中区域增多，不透水面扩张现象明显，研究结果可为城市规划提供重要的参考。

通过NDBI法、NDISI法和MNF结合SVM法3种分类方法的对比分析，确定了NDISI最适宜于长株潭城市群核心区不透水面信息的提取。该方法在有效增强不透水面信息的同时，也减弱了其他地物的信息，解决了不透水面信息提取过程中容易受稀疏植被、裸地等混淆的问题，在一定程度上提高了提取精度。而由于热红外波段的空间分辨率较低，虽然通过波段运算减弱了其影响，但对于高分辨率的不透水面制图仍具有一定的局限性。今后可考虑利用亚像元分解方法[7]提高热红外波段的分辨率，进一步提高该分类方法的精度。

参考文献

[1]徐涵秋，王美雅.地表不透水面信息遥感的主要方法分析[J].遥感学报，2016，20（5）：1270-1289.

[2]查勇，倪绍祥，杨山.一种利用TM图像自动提取城镇用地信息的有效方法[J].遥感学报，2003，7（1）：37-40.

[3]徐涵秋.一种快速提取不透水面的新型遥感指数[J].武汉大学学报：信息科学版，2008，33（11）：1150-1153.

[4]翟珂，吴晓青，秦元伟，等.基于OLI影像的环渤海湾不透水面提取及空间格局分析[J].资源科学，2015，37（10）：1920-1928.

[5]王浩，卢善龙，吴炳方，等.不透水面遥感提取及应用研究进展[J].地球科学进展，2013，28（3）：327-336.

[6]李海涛，顾海燕，张兵，等.基于MNF和SVM的高光谱遥感影像分类研究[J].遥感信息，2007（5）：12-25.

（责编：张宏民）

安徽农学通报2019年21期