基于高光谱数据的城市不透水面研究

基于高光谱数据的城市不透水面研究

摘要：针对多光谱卫星遥感数据监测城市生态环境的限制和高光谱遥感数据的优越性，以北京城区为例，选择2004年地球观测卫-1( EO-1) Hyperion 高光谱遥感数据，在波段选择、大气校正等预处理的基础上，利用最大似然监督分类对研究区进行了分类，并用线性光谱混合模型，提取研究区的不透水面。体现出利用高光谱对城区地物分类有优势，体现出高光谱遥感数据运用混合像元分解方法提取不透水面的优势，利用高光谱遥感数据的丰富光谱信息，可以弥补传统遥感数据源（如航片、多光谱遥感数据等）在区分城市地物所需光谱分辨率等相关信息上的不足。从光谱分析与光谱匹配技术出发对城市地物和人工目标进行精细分类，可提供城市规划、环境监测、城市变迁乃至相关社会经济等方面的信息。

关键字：高光谱遥感；监督分类；混合像元分解；不透水面

城市化导致城市土地利用/覆盖类型发生剧烈变化，引起各种自然资源的急剧消耗和城市环境的严重恶化。为了实现城市可持续发展， 有必要对城市土地利用变化及其生态环境响应进行动态监测与分析。Ridd提出植被-不透水层-土壤(VIS)模型（Ridd，1995.Exploringa V-I-S ( vegetation impervious surface soil) model for urban ecosystemanalysis through remote sensing：comparative anatomy forcities）之后，结合遥感手段的VIS模型成为了研究城市景观生态系统全新的视角。不透水层是城市发展的主要特征，是与城市水文过程、水质面源污染以及城植被制图等研究密切相关的重要参数。城市不透水面的空间格局和动态变化引发城市热岛效应、城市点源污染等一系列环境问题。研究城市不透水层及其演变，对城市规划及环境治理有着重要意义（FEIY， MARVIN E B，2007.Comparison of impervious surface area and normalized difference vegetat ionindex as indicators of surface urban heat island effects in Landsat imagery）。但不透水层构成材料复杂，光谱特征不明显，导致其估算非常困难。文献（JIM，JENSEN J R，1996.Fuzzytraining in supervised image classification）在亚像元分析和分层分类的基础上对不透水层比率进行了估计，由于亚像元处理过程中的局限，结果并不理想。文献（SMALL C，2001.Estimation and vicariousvalidation of urban vegetation abundance by spectral mixture analysis）利用植被覆盖度(Fr) 与不透水层之间的关系，研究了适合城市建成区不透水层信息提取的方法。文献（LU DS，WENG Q H，2004.Spectralmixture analysis of the urban landscape in Indianapolis with LandsatETM +imagery）验证了绿色植被、阴影、土壤或不透水层是光谱混合分解中有效的终端单元，同时提出了亚像元分类方法是定量获取不透水层比例的有效方法。随着不透水层研究的发展，文献（POWELL S L，COH EN W B，YANG Z Q，2008. Quantification of impervio ussurface in the Snohomish water resources inventory area of western Washingtonfrom 1972- 2006）利用光谱混合分解模型求解城市不透水层比例。

目前提取不透水层的数据源主要是以Landsat T M/ ETM+，ASTER等中分辨率多光谱数据为主，但在自然界与人类活动的共同作用下，城市下垫面的组成复杂多样，地表组成均质性较差，光谱特性极为复杂，中分辨率多光谱数据明显存在不足，而高光谱遥感技术所获取的图像包含了丰富的空间、辐射和光谱三重信息，表现了地物空间丰富的影像特征和辐射特征，能够以其中某一像元或像元组为目标获得辐射强度以及光谱信息。与多光谱遥感手段相比，它具有波段多、光谱分辨率高等优点。利用高光谱数据不仅能有效地识别地表物质，而且能深入研究地表物质的成分和结构（童庆禧，张兵，郑兰芬，2006.高光谱遥感：原理