成都市不透水面時空變化分析

辜寄蓉　李　琳

(四川師范大學西南土地資源監(jiān)測與評價教育部重點實驗室，成都　610066)

?

成都市不透水面時空變化分析

辜寄蓉李琳

(四川師范大學西南土地資源監(jiān)測與評價教育部重點實驗室，成都610066)

【摘要】隨著城市化進程的加快，以水泥和瀝青面為主的不透水面逐漸取代了自然景觀，成為城市的主要地表景觀。研究采用TM中分影像，對比分析了歸一化差值不透水面指數(shù)法和城市建成區(qū)指數(shù)法提取不透水面的效果，成功提取研究區(qū)不透水面信息，并分析不透水面在城市區(qū)域的時空變化。成都市第一圈層行政區(qū)內的不透水面明顯多于第二圈層，并呈現(xiàn)“一主、多點”的分布格局，主要分布在中心城區(qū)、周邊縣城、產(chǎn)業(yè)園區(qū)和工業(yè)園區(qū)，與城市建成區(qū)密度形態(tài)一致。隨著城市發(fā)展，不透水面大量增加，向西和向南擴張明顯。

【關鍵詞】不透水面；時空變化；城市建成區(qū)指數(shù)法；歸一化差值不透水面指數(shù)法

1引言

城市化是一個國家或地區(qū)走向現(xiàn)代化的必經(jīng)階段，根據(jù)《2015年中國統(tǒng)計年鑒》顯示，2014年我國城市化水平達到54.77%，已經(jīng)進入快速城市化發(fā)展的階段。不透水面是隨著城市化進程而產(chǎn)生的一種典型城市景觀，反映城市的發(fā)展，影響城市生態(tài)環(huán)境等多方面。不透水面是指一種阻止水分滲入下層地物的物質，主要包括屋頂、瀝青或水泥道路、停車場以及裸巖等具有不透水性的地表面，與透水性的植被和土壤地表面相對。不透水面是城市景觀的重要組成，是城市化的產(chǎn)物。因此，準確地提取不透水面信息，監(jiān)測城市化進程、分析城市擴張具有重要意義。

早期的不透水面研究方法較簡單，主要是結合地面測量的人工遙感解譯。隨著遙感技術的發(fā)展和數(shù)據(jù)的多元化，目前已有眾多學者研究了不透水面的提取方法，多元回歸分析、決策樹分類、光譜混合分析以及人工神經(jīng)網(wǎng)絡模型等方法已廣泛應用于實踐。

1.1傳統(tǒng)方法

(1)人工解譯方法

人工解譯方法是人工通過目視來識別和分析不透水面的色調、紋理、大小、形狀、陰影和背景等信息，從而提取不透水面[1]。該方法可操作性強，但是工作量大，主觀性較強，并且要結合野外調查，費時費力，應用范圍有限。

(2)多元回歸分析法

多元回歸分析法將不透水面作為一個連續(xù)變量，估測每一個像元中不透水面的比例，利用不透水面與遙感或GIS變量之間的回歸關系來求解。該方法可以精確估算每個像元內不透水面的比例，避免將一個含有一定變化范圍的不透水面的混合像元當作單一類別的像元。Weng、任鵬飛等[2，3]利用城市地區(qū)植被覆蓋與不透水面之間的關系，建立多元回歸模型來提取不透水面信息。

(3)決策樹分類法

決策樹分類模擬人工分類過程，從上往下對整個數(shù)據(jù)集進行逐級的細分，直到提取出想要的類別為止。決策樹是嚴格的非參模型，不要求輸入數(shù)據(jù)具有正態(tài)分布的統(tǒng)計特性，更加適合于處理分布不均勻的數(shù)據(jù)集，并且能夠處理特征和類別之間的非線性關系[4]。決策樹分類結構確定、易于解釋、操作性強，但對訓練樣本的依懶性比較大。李明詩、GaoF等[5，6]等通過決策樹算法對中分辨率影像提取不透水面信息。針對髙空間分辨率影像。

一些學者在決策樹算法的基礎上提出了分類回歸樹算法，它通過連續(xù)二叉樹形式對數(shù)據(jù)集進行訓練，最終實現(xiàn)對離散目標變量的分類和連續(xù)目標變量的預測。該算法基本上是全自動的，并且運行的時間較短，因此可以說這是一種花費少并且適合于大面積不透水面制圖的方法，但對數(shù)據(jù)噪聲和訓練樣本比較敏感。Xian等[7，8]應用分類回歸樹模型法分別對美國3個地區(qū)進行不透水面提取，模擬了其擴張變化過程。

1.2基于光譜與幾何特征的遙感方法

(1)線性光譜混合模型

光譜混合模型包括線性模型和非線性模型，在研究中使用較多的是線性光譜混合模型。線性光譜混合模型中像元在某波段的反射率是由構成像元基本組分的反射率以其所占像元面積比例為權重系數(shù)的線性組合。將VIS模型與具有明確物理意義的線性光譜混合模型相結合，估算城市地表各組分覆蓋度，已成為近年來遙感研究的熱點之一。岳文澤等[9]和周紀等[10]利用該方法分別提取了上海和北京地區(qū)的不透水面信息。

(2)面向對象方法

面向對象方法以影像對象為單位，利用影像對象的光譜信息及真實地物的形狀特征和鄰近關系特征，引入模糊邏輯規(guī)則對分類對象進行描述，使易混淆的地物便于識別與提取，從而提高圖像不透水面信息的提取精度。譚衢霖等利用TM影像試驗了一種基于面向對象分類分析的城區(qū)地面不透水程度分析制圖方法[11]。

1.3人工智能方法

(1)人工神經(jīng)網(wǎng)絡方法

人工神經(jīng)網(wǎng)絡方法是模仿人類神經(jīng)系統(tǒng)的結構和功能進行數(shù)據(jù)接收、處理、存儲和傳輸?shù)囊环N算法，具有并行處理、自組織和自學習等特點。人工神經(jīng)網(wǎng)絡模型的優(yōu)點在于能夠研究非線性關系，分析不同類型數(shù)據(jù)，且只需較少的訓練樣本，分類精度要高于傳統(tǒng)分類方法。目前，多層感知神經(jīng)網(wǎng)絡MLP模型和自組織神經(jīng)網(wǎng)絡SOM模型已被廣泛應用。

(2)支持向量機

支持向量機是一種相對較新的智能分類方法，該方法根據(jù)結構風險最小化準則，在使訓練樣本分類誤差極小化的前提下，盡量提高分類器的泛化推廣能力，具有強大的非線性和高維處理能力，算法復雜度與樣本維數(shù)無關，只取決于支持向量的個數(shù)。該方法快速準確，且在小樣本限制下具有很好的泛化能力，適用于地面樣本獲取難度較大的大區(qū)域不透水面覆蓋率的制圖。程熙等[12]利用SVM模型對天津市主城區(qū)的TM影像進行不透水面估算。

2成都市不透水面提取

成都市的LandsatTM衛(wèi)星遙感數(shù)據(jù)，來源于美國地址調查局USGS網(wǎng)站http：//glovis.usgs.gov/。共收集了4期影像，軌道號為path129/row039和path130/row039，其中前3期遙感影像來源于Landsat5TM影像，第4期遙感影像來源于Landsat8，數(shù)據(jù)詳情見表1。

表1　采用Landsat衛(wèi)星遙感影像數(shù)據(jù)詳情

本次研究采用歸一化差值不透水面指數(shù)NDISI法和城市建成區(qū)指數(shù)BUAI法提取研究區(qū)2000-2014年不透水面信息。

2.1水體掩膜

成都市范圍內含有反射率較低的水體，如府河、南河、沙河等，這些水體的存在會對不透水面信息的提取產(chǎn)生干擾，因此在不透水面提取過程中必須對水體進行剔除。

采用改進的歸一化差異水體指數(shù)MNDWI法獲取水體信息，進行水體掩膜。MNDWI的取值在-1到1之間，值越大為水體的概率越高。經(jīng)過反復目視判讀實驗確定在2000、2005和2009年中MNDWI>0.12的區(qū)域為水體，2014年MNDWI>0.195的區(qū)域為水體，生成水體掩膜文件，再運用該掩膜文件對研究區(qū)影像進行水體掩膜，得到不包含水體信息的遙感影像。

2.2歸一化差值不透水面指數(shù)法

不透水地面不是由一種物質組成的，是由多種電磁波譜成分組成，依靠單一的強弱波段很難增強地表的不透水面信息，因此需要從不透水面成分的共性進行分析研究。徐涵秋通過研究城市主要地類在遙感影像的光譜特征發(fā)現(xiàn)，各種不透水性質的地表在熱紅外波段的輻射率普遍都較高，但在近紅外波段的反射率都較低[13]。據(jù)此，可將代表地物熱射能力的熱紅外波段和表征植被特性的近紅外波段作為指數(shù)創(chuàng)建的強弱反射率波段來增強不透水面信息，使得具有不透水性質的地表表現(xiàn)出更高的熱輻射強度，而植被表現(xiàn)出更低的反射度。但是由于土壤、沙地和水體也具有類似的光譜特征。因此如果僅采用熱紅外與近紅外波段的比值運算，其所增強的不透水面信息中會混有沙土和水體等非不透水面信息，影響研究精度。所以不能僅使用這兩個波段進行增強不透水專題信息，要利用復合波段的比值來創(chuàng)建新的專題信息增加指數(shù)。

通過研究沙地和水體的電磁波譜特征發(fā)現(xiàn)，雖然沙地和水體在熱紅外和近紅外波段處的光譜特征與不透水面相似，但這兩類物質在中紅外和可見光范圍的反射率都比其他屬性的地表高，并且水體在可見光范圍的反射率與不透水面材料沒有確定關系，可高也可低。因此可將中紅外和可見光的任一波段結合原來指數(shù)的近紅外波段作為不透水面新指數(shù)的弱反射部分，這樣的組合使得不透水面可以區(qū)別于沙地和水體[13]。這種復合波段組成的不透水面信息提取指數(shù)稱為歸一化差值不透水面指數(shù)NDISI，其表達式為：

式中，Tir為熱紅外波段的反射率，VIS1為可見光中的某一波段的反射率，Nir為近紅外波段的反射率，Mir1為中紅外1波段的反射率。NDISI具有歸一化指數(shù)的特征，取值介于[-1，1]之間，被增強的信息大于0，受抑制的信息普遍小于或等于0。

上式中的可見光波段VIS1用于區(qū)分不透水面和水體。但是當水體在可見光處的反射率低于不透水面地類時，采用上式估算的不透水面信息中會含有水的噪音。徐涵秋通過研究發(fā)現(xiàn)，用原始波段衍生的水體指數(shù)波段可以有效地解決這一問題，即將可見光波段替換為水體指數(shù)波段，以進一步擴大水體和不透水面的反差。則上式可以改寫為：

式中，MNDWI為改進的歸一化差異水體指數(shù)。

2.3城市建成區(qū)指數(shù)法

建筑用地是城市不透水面的主要組成部分，查勇等通過分析NDVI發(fā)現(xiàn)，在近紅外和中紅外兩波段之間，只有城鎮(zhèn)區(qū)域的灰度值是增高走勢，其他地物灰度值都是降低走勢，利用建筑用地在短波紅外波段的反射率大于近紅外波段，建立了歸一化建筑指數(shù)NDBI，其表達式為：

式中，Mir 為中紅外波段的反射率，Nir為近紅外波段的反射率。NDBI反映建筑用地的信息，取值介于[-1，1]之間，數(shù)值越大表明為建筑用地的概率越高，理論上取值大于0的為建筑用地，小于0的為非建筑用地。

歸一化植被指數(shù)NDVI是遙感監(jiān)測植被覆蓋和生態(tài)環(huán)境狀況最常用的指標，它增強了對植被的響應能力，使區(qū)域植被信息得到增強。NDVI的值在[-1，1]之間，當NDVI為正值時，說明此處可能為植被覆蓋區(qū)，其植被覆蓋度隨著NDVI取值的增大而增大；當NDVI值為負值時，則說明此處為非植被覆蓋區(qū)，是其他類型的地物如不透水面等。

如果某一像元為不透水面，那么其NDBI值為正，NDVI值為負，兩者如果相減所得的值會增大，也就增強了建筑用地信息，即城市的不透水面信息得到了增強；若某一像元為植被，那么其NDBI值為負，NDVI值為正，兩者相減所得的值會大大減小，也就削弱了植被信息。李瑋娜結合NDBI和NDVI來增強城市不透水面信息的響應能力，創(chuàng)建了一個新的城市不透水面提取指標，稱為城市建成區(qū)BUAI，其表達式為[14]：

BUAI=NDBI-NDVI

式中，NDBI是歸一化建筑指數(shù)，NDVI是歸一化植被指數(shù)。BUAI的取值范圍為[-2，2]，理論上大于0的部分被增強的不透水面信息，小于或等于0的部分為透水表面信息。

3成都市不透水面提取結果

通過上述兩種方法分別提取建立圖像模型對不透水面專題信息進行增強，利用ENVI遙感處理軟件得到研究區(qū)不透水面結果。圖1為2000-2014年兩種方法的提取結果，在圖中越紅的地方表示值越高，地面不透水率越高。

圖1　研究區(qū)2000-2014年不透水地面信息結果

從提取結果對比可以看出，在有云區(qū)域NDISI表現(xiàn)為低值，而BUAI表現(xiàn)為高值，也就是說NDISI法提取不透水面明顯不受云的影響，BUAI法則受云影響相對較大，在有云遮蓋的區(qū)域，提取的誤差明顯加大。為了更準確的比較兩種方法的提取效果，本文進一步通過高分辨率影像進行提取適宜性分析比較兩種方法在無云區(qū)域的提取精度。將2014年TM8的全色波段與原影像進行影像融合，以融合后的圖像作驗證影像。同時應用四川省測繪局天地圖影像進行對比驗證。首先將NDISI和BUAI結果分別進行二值化提取出不透水面信息。然后將融合后的高分辨率影像與二值化后的NDISI和BUAI不透水結果疊加在一起，在無云區(qū)域采用隨機抽樣的方法抽取了1000個驗證像元進行人機交互檢驗。結果發(fā)現(xiàn)NDISI法有236個誤分，總精度達到70.4%，Kappa系數(shù)為0.7783；BUAI法有189個誤分，總精度達到81.1%，Kappa系數(shù)為0.8165。從圖2可以看出，NDISI法主要是在高反照度的像元上判斷不及BUAI精度高。從2014年的精度評價結果可看出，城市建成區(qū)指數(shù)法提取不透水面信息精度更高，使用BUAI法可以較簡單、快捷和相對準確的將不透水面信息提取出來。其他3個年份由于沒有相關影像數(shù)據(jù)支持，故沒有進行精度評價。

通過分析發(fā)現(xiàn)，城市建成區(qū)指數(shù)BUAI法雖然受云影響在有云區(qū)域存在誤差，但在無云區(qū)域提取精度較高，故本次研究最終采用BUAI結果進行云掩膜，得到成都市的不透水面。

圖2　不透水信息提取準確度對比

4成都市不透水面時空變化分析

4.1基于行政區(qū)的時空變化分析

研究中對成都市各轄區(qū)進行分析，統(tǒng)計研究區(qū)內各區(qū)縣的平均BUAI值，得到結果如圖3所示。

圖3　2000-2014年成都市各區(qū)縣平均BUAI

這4期數(shù)據(jù)均反映了中心城區(qū)的五個區(qū)即錦江區(qū)、青羊區(qū)、金牛區(qū)、武侯區(qū)和成華區(qū)之間差異不大，但由于城市發(fā)展在空間布局上的差異以及各個區(qū)內建筑密度、綠地、水面等條件的差異，中心區(qū)域的五個區(qū)與第二圈層的幾個區(qū)之間的平均BUAI差異明顯。中心區(qū)域的五個區(qū)，由于建筑密度高度密集，平均BUAI明顯高于周圍的幾個區(qū)。

4.2基于剖面帶的時空變化分析

為了深入剖析成都市不透水面的空間格局，下面分別以天府廣場為中心，劃東西和南北兩條剖面線，提取兩個方向的剖面BUAI，如圖4和圖5所示。

圖4　研究區(qū)2000-2014年東西向BUAI剖面線

東西向剖面線從西部溫江區(qū)金馬鎮(zhèn)開始，經(jīng)過西部的繞城高速、天府廣場、東部的繞城高速，到達東部龍泉驛區(qū)萬興鄉(xiāng)。上圖反映了從西向東剖面線上BUAI變化的趨勢，2000年和2005年最為明顯的特征就是中部高，兩端低，說明中心城區(qū)的BUAI高于其他地區(qū)。2009年和2014年剖面線西段BUAI升高，這是由于溫江區(qū)金馬鎮(zhèn)快速發(fā)展，不透水面大量增加；而剖面線東段的變化不明顯，也就是說不透水面向東擴展不明顯。

圖5　研究區(qū)2000-2014年南北方向BUAI剖面線

南北向剖面線從北部新都區(qū)新民鎮(zhèn)開始，經(jīng)過北部的繞城高速、人民北路、天府廣場、人民南路、南部的繞城高速，到達南部雙流縣籍田鎮(zhèn)。上圖反映了從北向南剖面線上BUAI變化的趨勢，2000-2009年最為明顯的特征就是中部高，兩端低，說明中心城區(qū)的BUAI高于其他地區(qū)。2014年剖面線南段BUAI明顯升高，這是由于天府新區(qū)成立導致南部快速發(fā)展，不透水面大量增加；而剖面線北部的變化不明顯，也就是說不透水面向東擴展不明顯。

4.3基于道路圈層的時空變化分析

將計算得到的BUAI結果采用閾值計算得到的各年不透水面，然后進行疊加分析，得到研究區(qū)2000-2014年不透水面分布圖(見圖6)，并分別統(tǒng)計出各年份不透水面面積，如圖7所示。

圖6　研究區(qū)2000-2014年不透水面分布圖

圖7　研究區(qū)2000-2014年不透水面面積

從圖中可以看出：2000年成都市不透水面呈現(xiàn)主要分布在中心城區(qū)二環(huán)路范圍內，這些區(qū)域人口密度大，建筑密集，是城市發(fā)展的中心；在雙流縣、溫江區(qū)、郫縣、新都區(qū)、青白江區(qū)和龍泉驛區(qū)也出現(xiàn)了小面積的不透水面分布區(qū)，位于其縣城、產(chǎn)業(yè)園區(qū)和工業(yè)園區(qū)等區(qū)域；在主要交通干道，如三環(huán)路、繞城高速、天府大道、成龍大道、成南高速、蓉都大道、G318和G317等沿線上也出現(xiàn)了不透水面分布區(qū)，這主要是道路本身及其帶來的沿線發(fā)展。

2005年成都市不透水面在2000年的基礎上向外擴展，擴張區(qū)域主要集集中分布在主城區(qū)二環(huán)路和三環(huán)路之間；由于城市向西向南發(fā)展，西南方向和西北方向擴展十分明顯；第二圈層上龍泉驛區(qū)由于其汽車產(chǎn)業(yè)的發(fā)展城市不透水面擴展最為明顯，其次是溫江區(qū)、新都區(qū)和青白江區(qū)；新都區(qū)新修建的火車站也使地表變成了不透水面。

由于城市的快速發(fā)展，可以明顯看出2005年到2009年成都市不透水面的增加與2000年到2005年的增加相比，增加面積明顯增多，城市的擴張明顯增強；2009年成都市不透水面已基本布滿三環(huán)路內區(qū)域，在西南方向和西北方向甚至已與外圈層的不透水面連接連片；由于雙流機場的擴建和西航港區(qū)域的發(fā)展，使得這一區(qū)域地表覆蓋類型變化明顯，不透水面大大增加；產(chǎn)業(yè)的發(fā)展和工業(yè)園區(qū)的建立也使成都市周邊出現(xiàn)了新的不透水面分布區(qū)；由于高新區(qū)和高新西區(qū)的成立，向南和向西北擴展的趨勢仍在繼續(xù)。

由于天府新區(qū)的成立，成都市向南快速發(fā)展，使得2014年在成都向南方向南的區(qū)域出現(xiàn)了大量的新的不透水面，并可以明顯看出已初步形成了道路交通網(wǎng)絡；另外中心城區(qū)仍繼續(xù)向外擴展，不透水面已向繞城高速擴張。

總體來說，對比成都市幾期不透水面分布圖進行比較分析可以發(fā)現(xiàn)，成都市不透水面的分布和演變具有一定的規(guī)律性。成都市不透水面的空間分布和城市建成區(qū)密度形態(tài)是一致的，呈現(xiàn)“一主、多點”的分布格局，即不透水面主要分布在中心城區(qū)、周邊縣城、產(chǎn)業(yè)園區(qū)和工業(yè)園區(qū)。從2000-2014年，伴隨著城市的發(fā)展，成都市不透水面大量增加，并且可以看出不透水面向西向南擴展迅速，在這些區(qū)域不透水面大片連接趨勢越來越明顯，這也與成都市城市發(fā)展方向是一致的。

5結論與展望

成都市在西部大開發(fā)的推進下，2000年以來成都市城市化發(fā)展迅速，2014年城市化水平已達70.3%，城市建設和改造高速發(fā)展，使得城市不透水面快速增長。

(1)研究中對比分析了歸一化差值不透水面指數(shù)法和城市建成區(qū)指數(shù)法提取不透水面的效果，發(fā)現(xiàn)歸一化差值不透水面指數(shù)法不受云影響，但提取精度不如城市建成區(qū)指數(shù)法好。最終采用城市建成區(qū)指數(shù)法，成功提取了研究區(qū)不透水面信息。

(2)成都市第一圈層的錦江區(qū)、青羊區(qū)、金牛區(qū)、武侯區(qū)和成華區(qū)由于建筑密度高度密集，平均BUAI明顯高于第二圈層的雙流縣、溫江區(qū)、郫縣、新都區(qū)、青白江區(qū)和龍泉驛區(qū)，即第一圈層行政區(qū)內的不透水面明顯多于第二圈層。

(3)東西剖面帶上由“低、高、低”變?yōu)椤案?、高、低”，西邊溫江區(qū)發(fā)展迅速，不透水面大量增加；南北剖面線上由“低、高、低”變?yōu)椤暗汀⒏?、高”，南邊天府新區(qū)成立，導致發(fā)展迅速，不透水面增加。

(4)成都市不透水面的空間分布和城市建成區(qū)密度形態(tài)是一致的，呈現(xiàn)“一主、多點”的分布格局，即不透水面主要分布在中心城區(qū)、周邊縣城、產(chǎn)業(yè)園區(qū)和工業(yè)園區(qū)；伴隨著城市的發(fā)展，成都市不透水面面積明顯增加，并且可以看出不透水面向西向南擴展迅速，在這些區(qū)域不透水面大片連接趨勢越來越明顯，這也與成都市城市發(fā)展方向是一致的。

在本次研究中，由于數(shù)據(jù)獲取的問題，僅采用中等分辨率的TM影像進行不透水信息的提取，并只對2014年不透水面提取精度進行了驗證。

參考文獻：

[1]李偉峰，歐陽志云，陳求穩(wěn)等.基于遙感信息的北京硬化地表格局特征研究[J].遙感學報，2008，12(4)：603-612.

[2]WengQH，LuDS.Estimationoflandsurfacetemperature-vegetationabundancerelationshipforurbanheatislandstudies[J].RemoteSensingofEnvironment，2004，89：467-483.

[3]任鵬飛，甘淑，謝顯奇等.基于ETM+遙感探測山地城市不透水面及其動態(tài)分析[J].水土保持通報，2013，33(5)：109-112，160.

[4]McCauleyS，GoetzSJ.Mappingresidentialdensitypatternsusingmulti-temporalLandsatdataandadecision-treeclassifier[J].InternationalJournalofRemoteSensing，2004，25(6)：1077-1094.

[5]李明詩，彭世揆，周林等.基于ASTER數(shù)據(jù)的決策樹自動構建及分類研究[J].國土資源遙感，2006，3：33-42.

[6]GaoF，DeColstounEB，MaR，etal.Mappingimpervioussurfaceexpansionusingmedium-resolutionsatelliteimagetimeseries：acasestudyintheYangtzeRiverDelta，China[J].InternationalJournalofRemoteSensing，2012，33(24)：7609-7628.

[7]XianG，CraneM.AssessmentofurbangrowthintheTampaBaywatershedusingremotesensingdata[J].RemoteSensingofEnvironment，2005，97(2)：203-215.

[8]XianG.Mappingimpervioussurfacesusingclassificationandregressiontreealgorithm[M].WengQ.RemoteSensingofImperviousSurfaces.BocaRaton，F(xiàn)L：CRCPress，2007.

[9]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].遙感學報，2007，11(6)：914-922.

[10]周紀，陳云浩，張錦水等.北京城市不透水層覆蓋度遙感估算[J].國土資源遙感，2007，73(3)：13-17.

[11]譚衢霖，徐東彪.基于對象分類的密云縣城區(qū)地面不透水程度分析[J].北京交通大學學報，2011，35(4)：107-113.

[12]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].遙感學報，2011，15(6)：1228-1241.

[13]徐涵秋.一種快速提取不透水面的新型遙感指數(shù)[J].武漢大學學報：信息科學版，2008，(11)：1150-1153.

[14]李瑋娜.基于遙感技術的城市不透水面信息的提取應用[D].中北大學，2013.

作者簡介：辜寄蓉，教授，碩士生導師，博士，長期從事地理信息系統(tǒng)理論和應用研究

中圖分類號：TP79

文獻標識碼：A

文章編號：1673-288X(2016)04-0211-06

Study on Spatial and Temporal Variation of The ImperviousSurfaceinChengdu

GU JirongLI Lin

(Key Laboratory of Land Resources Evaluation and Monitoring in Southwest of Sichuan Normal University，Chengdu，610068)

Abstract：With the rapid development of urbanization，the natural surface is continuously substituted by urban artificial surface. We extracted the impervious surface in Chengdu using TM images. We contrasted two RS algorithm：NDISI and BUAI，and extracted the impervious surface using BUAI. The spatial and temporal characteristics of impervious surface were analyzed in Chengdu. The impervious surface of the first circle within the administrative region is significantly more than the second circle. Impervious surface presents a main，multi point distribution pattern in Chengdu，and is mainly distributed in central urban area，surrounding counties，industrial parks and industrial parks. With the development of the city，the impervious surface is increasing，and the expansion of the West and the south is obvious.

Keywords：The impervious surface；Spatial and temporal variation；Built UpArea Index；Normalized Difference Impervious Surface Index

引用文獻格式：辜寄蓉等.成都市不透水面時空變化分析[J].環(huán)境與可持續(xù)發(fā)展，2016，41(4)：211-216.