基于高空間分辨率遙感影像的三維綠度度量

白曉瓊，王 汶，林子彥，張耀軍，王 昆

(1.自然資源部城市土地資源監(jiān)測與仿真重點實驗室，深圳 518034；2.中國人民大學環(huán)境學院地理空間信息研究中心，北京 100872；3.中國人民大學人口與發(fā)展研究中心，北京 100872)

0 引言

作為城市基礎設施建設的必要內容之一，城市綠地對改善人居環(huán)境具有十分重要的作用，因此城市綠化景觀設計日益受到重視[1]?！冻鞘芯G地分類標準CJJ/T85—2017》對于小區(qū)綠化標準雖然有明確的規(guī)定[2]，但仍以綠地率、綠化覆蓋率、人均公共綠地面積這3大二維綠化指標為主要評價依據[3]，存在如下問題：首先，城市綠地生態(tài)效益不僅取決于綠色植被的覆蓋面積，還取決于植被空間結構及其生長狀況[4-5]，但二維綠化指標不能準確地反映植物空間構成的合理性及其生態(tài)效益水平[6]；其次，二維綠化指標對于綠地的定義比較寬泛，不考慮植被的種類和生長情況，甚至將大致長草的地方都算作綠地，因此很容易出現為盡快達到規(guī)定綠化標準而選用低成本草地代替高成本景觀植被的現象。然而，無論是從居民對于小區(qū)宜居性的滿意度[7]方面考慮，還是從水土保持[8]、固碳釋氧[9-10]、滯塵減污[11-13]、降溫增濕[14]等生態(tài)效益[15-16]方面，特別是從景觀結構與功能[17]、生物多樣性[18]等景觀生態(tài)學原理方面考慮，草地的價值均普遍低于灌木、喬木等高大立體的植被[19-20]，不能充分響應人們對優(yōu)美人居環(huán)境的需求以及實現城市綠地的立體景觀價值。因此在城市綠地建設中亟需一個科學合理的度量指標來反映城市綠地的立體景觀。

1995年“上海市綠化三維量遙感調查”項目提出了“綠化三維量(living vegetation volume,LVV)”[21]亦即“三維綠量”這一量化值來更合理地度量綠地。三維綠量指的是綠色植物所占據的空間體積，相對于平面綠量，三維綠量反映了城市綠化植被的空間結構量值，更能體現綠地的立體景觀?，F有的三維綠量測算方法主要有以下幾種：①模型模擬法[22]，即通過對植物植株進行大量的實地測量，采用模擬方程推算城市森林主要樹種樹木綠量，來估計城市森林三維綠量，這種方法雖然精度較高，但是存在投入成本高、工作繁瑣耗時、難以大范圍應用等缺陷；②平面量模擬立體量法，周堅華等[23]在分樹種逐株測算的基礎上，建立冠徑-冠高回歸方程，再利用航空像片上量得的冠徑求取不同樹種冠高，進而求得不同樹種樹冠的體積(樹冠綠量)，計算機及遙感技術的加入節(jié)省了大量人力物力，但在大范圍應用航空影像成本較高，且涉及樹種過多導致工作量過大的問題；③遙感植被指數法[24-25]，此法利用高光譜遙感影像豐富的光譜信息構建植被指數，直接與實地測算的三維綠量樣本之間建立回歸方程，進而推廣到整個區(qū)域反演三維綠量，與上述第二種方法相比省去了實測樣本冠徑、冠高以及量測航片冠徑等中間步驟，但仍然需要大量野外實測數據來滿足回歸方程可靠性。上述3種方法在三維綠量計算過程中均需要大量實測數據，在城市尺度大范圍應用時成本過高，因此，需要一個快速度量城市尺度大范圍綠地空間景觀的方法，以及一個科學合理的三維綠化指標，以用于城市綠地規(guī)劃和管理。

本文針對上述三維綠量度量及傳統綠化指標用于規(guī)劃存在的問題，以高空間分辨率遙感影像為數據源，采用面向對象的分類方法提取植被陰影，節(jié)省了大量實地測量的時間、人力、物力等成本；應用植被高度和陰影長度的幾何關系模型[26]快速反演植被高度，在此基礎上構建三維綠度指數(three-dimensional green index，TGI)作為綠地規(guī)劃建設新指標，并將其與傳統的二維指標綠化覆蓋率進行比較分析。結果表明，三維綠度指數不僅獲取快速方便、成本較低，而且更能實際反映綠化植被的立體景觀與城市綠地建設質量，因此可用于大范圍城市三維綠地度量，為城市綠化規(guī)劃、決策、管理提供科學依據。

1 數據和方法

1.1 研究區(qū)概況

本研究選取深圳市西南部福田區(qū)沙頭街道為研究區(qū)(圖1)。該區(qū)位于E114°0′～ 114°2′，N22°31′～22°33′之間，面積約為7.89 km2。研究區(qū)東北部和西南部分別為深圳高爾夫球俱樂部和濱海濕地，植被資源較為豐富；東南部和西北部均為居民區(qū)，西部為商業(yè)區(qū)，植被資源較少，主要為行道樹(灌木、喬木等)和小型綠地(草地、小灌木等)。

圖1 研究區(qū)示意圖(GF-2 RGB影像)Fig.1 The study area (RGB image of GF-2)

1.2 數據源及其預處理

本研究選取深圳市西福田區(qū)沙頭街道2015年1月高分二號(GF-2)PMS2數據，1月份太陽高度角較小，陰影信息比較明顯，有利于植被陰影的提取。該影像包括一個1 m空間分辨率的全色波段和4個4 m空間分辨率的多光譜波段，其中，多光譜波段包括3個可見光波段和1個近紅外波段[27]。在對原始遙感影像進行預處理(包括正射校正、輻射定標、大氣校正、圖像融合)后，獲得1 m空間分辨率遙感融合影像，充分利用了原始影像的光譜信息并保留了高空間分辨率的優(yōu)勢，提高了利用數據解析地物的能力。

1.3 研究方法

以經過預處理的高分辨率遙感影像為基礎，運用面向對象分類技術提取植被及其對應的陰影信息；然后根據二者的幾何關系模型，利用陰影的長度反演植被高度；最后基于植被高度構建三維綠度指數模型，并將該模型的計算結果與傳統二維綠化指標計算結果進行對比分析。TGI構建的具體技術流程如圖2。

圖2 技術流程圖Fig.2 Technology roadmap

1.3.1 三維綠度指數

本研究將TGI定義為一定區(qū)域內等效基礎綠化植被面積所占的比例。其中，基礎綠化植被泛指在城市綠化建設中普遍采用的草坪植物與地被植物，其高度一般在1 m以下，這樣的植被成本低、成活率高，能更迅速地達到相關綠化標準中規(guī)定的數量指標，因而在城市基礎綠化中被廣泛使用；將不同高度的植被面積依照一定規(guī)則統一換算為基礎綠化植被所占的面積即為等效基礎綠化植被面積。TGI的具體計算公式為

(1)

式中，S為研究區(qū)域面積，m2；Ci為研究區(qū)域內的第i個植被像元對應的高度等級，均為整數，植被高度及其等級對應關系見表1；Si為第i個植被像元的對應的實地面積，m2；∑CiSi為等效基礎綠化植被面積。

表1 植被高度等級表Tab.1 Vegetation height grades

1.3.2 面向對象的影像分類

TGI是基于植被高度等級的計算結果，其中植被高度的反演是三維綠度指數計算的關鍵，而準確提取植被與陰影信息又是植被高度反演的前提。由于在高空間分辨率遙感影像中，面向對象的遙感影像分類方法比傳統基于像元的分類方法具有更高的精度[28-29]，因此本文利用面向對象分類軟件eCognition9.0[30]，基于多尺度分割算法和光譜差異算法，對陰影信息、植被信息以及水體信息進行提取。首先選擇尺度為300的分割層對粗尺度陰影(即建筑物陰影)和水體進行提取，再進一步根據亮度、面積以及NDWI值等特征將二者區(qū)分開；在排除建筑物陰影和水體后，選擇像素層對細尺度陰影進行提?。蛔詈筮x擇尺度為50的分割層對草地和林地進行提取，并根據空間同質性及NDVI值將二者區(qū)分開。具體分割尺度及分類規(guī)則見表2，其中分割的形狀權重為0.2，顏色權重為0.8，緊致度和光滑度權重分別設置為0.1和0.9。

表2 分類規(guī)則Tab.2 Classification rules

1.3.3 植被高度提取

在準確提取植被和陰影的基礎上，用ArcGIS的鄰域分析功能將屬于植被的陰影從細尺度陰影中提取出來，接著通過太陽、衛(wèi)星和樹木陰影成像時的相對幾何位置關系即可求得植被對應的陰影長度。最后仿照根據建筑物陰影提取建筑物高度的方法[31-32]，利用陰影在太陽高度角方向上的長度，反演其對應植被的高度。太陽高度角和方位角、衛(wèi)星高度角和方位角與樹木高度及陰影的幾何關系如圖3所示。

圖3 考慮方位角時，太陽、衛(wèi)星與陰影的幾何關系Fig.3 The geometrical relationship between sun,satellite and shadow when azimuth is taken into account

(2)

當衛(wèi)星和太陽位于目標地物的兩側的時候，幾何位置模型可以簡化為一種只需要利用太陽高度角、陰影長度即可計算高度的簡單投影模型，即

H=A·tanβ，

(3)

式中：H為樹木高度；β為太陽高度角。參照高分二號數據自帶的參數信息文件(擴展名為*.xml)中提供的太陽方位角和衛(wèi)星方位角信息，二者作差求其交角γ；若0°≤γ<180°，則認為衛(wèi)星和太陽位于目標地物的同側，若180°≤γ<360°，則認為衛(wèi)星和太陽位于目標地物的兩側。根據以上原則確定，判斷本文采用的遙感影像屬于衛(wèi)星與太陽位于目標地物兩側的情況，故應用公式(3)計算植被高度。基于植被、陰影分布提取結果，結合太陽方位角，對林地邊緣像元沿太陽方位角方向的陰影長度進行計算，再將得到的陰影長度按照影像空間分辨率轉換為實際地面長度；最后利用公式(3)求出樹木高度。此外，對于成片林地中內部的樹木由于受其他樹木的遮擋，難以在水平地面形成有效陰影的情況，本文采用普通克里金(ordinary Kriging)插值法對林地邊緣高度進行空間插值來獲得林地內部的樹木高度。

2 結果與分析

2.1 影像分類結果

基于面向對象的分類方法，結合多尺度分割算法和光譜差異算法提取的目標地物信息如圖4所示。從圖4中可以看出細尺度陰影與植被在空間分布上對應關系較為顯著，即保證在植被高度計算時所依據的是植被陰影而非建筑物陰影或者水體。

(a)綠地 (b)陰影與水體

圖4 提取結果

Fig.4Extractionresult

針對分類結果，本文采用分層抽樣的方法，按照常數分配法將80個樣點分配給林地、草地、水體、陰影4個不同的類別，在ArcGIS中參照影像分別在4種類別范圍內隨機創(chuàng)建20個樣本點，利用基于像素的混淆矩陣(error matrix based on TTA mask)進行精度檢驗，用生產者精度 (producer accuracy,PA)、用戶精度 (user accuracy,UA )、總體精度 (overall accuracy,OA)和Kappa系數4個精度[33]評價指標定量評價分類精度?；煜仃嚰跋鄳仍u價指標見表3。結果顯示，本方法的總體精度在85%以上，Kappa系數大于0.8，分類效果良好，精度滿足要求。

表3 地物分類混淆矩陣及分類精度Tab.3 The confusion matrix and summary of the classification accuracies

2.2 植被高度提取結果

研究區(qū)植被最終估算高度如圖5所示。由于草地類型的植被高度較低，在當前空間分辨率下不能形成有效陰影信息，所以粗略地將草地高度視為0.2 m。植被高度提取結果顯示，該區(qū)域植被最高不超過30 m，而在這些植被中，超過1/4為低成本地被植物，其中草地面積約占17.66%，小灌木(高度3 m以下)面積約占10.03%。利用百度街景地圖，采用分層抽樣的方法，按照高度等級分層，小灌木層樣本量為5株，大灌木及喬木層樣本量為35株，與植被高度提取結果比較，平均絕對誤差小于1 m，在植被高度分級的允許誤差范圍內，故此植被高度提取結果可用于TGI的計算。

圖5 植被高度分布圖Fig.5 Distribution of the green space height

2.3 三維綠度指數結果

基于上述植被分布及植被高度提取結果，以20 m×20 m為標準格網，通過三維綠度指數模型計算得到TGI空間分布圖(圖6)。研究區(qū)TGI指數呈現出東北、西南較高，東南、西北以及西部較低的空間分布特征。其中，TGI>2的區(qū)域為喬木較多的區(qū)域，集中于東北區(qū)域；1≤TGI≤2的區(qū)域為灌木較多的區(qū)域，集中于道路兩側的行道樹附近；TGI<1的區(qū)域為草地集中的區(qū)域，主要位于城市公園或綠地中的草坪區(qū)域；TGI=0表示沒有植被分布。TGI結果與前面計算的植被高度分布較為吻合：即植被高的區(qū)域TGI明顯較高，植被高度較低的地方則TGI偏低，能夠在定性(植被的有無)的基礎上定量地(植被量的多少)評價綠化水平。

圖6 TGI分布Fig.6 Distribution of TGI

2.4 三維綠度指數分析

傳統的城市綠地規(guī)劃多采用綠化覆蓋率這個二維綠化指標。本文以深圳市福田區(qū)沙頭街道為研究區(qū)，比較了上述公式(1)所構建的三維綠化指標TGI(如圖6)與傳統二維綠化指標綠化覆蓋率(如圖7)結果在空間分布及結果細節(jié)上的異同。對比圖6與圖7可以看出，二者的空間總體分布基本一致；但在二者的結果細節(jié)上，TGI的數值區(qū)間(0～2.69)要比綠化覆蓋率的數值區(qū)間(0～1)大，這是因為TGI考慮了與植被高度有關的等效基礎綠化面積，而綠化覆蓋率依據的是研究區(qū)域內植被的垂直投影面積，TGI比綠化覆蓋率多包含了“植被高度”這一維度的信息，不僅反映了遙感像元對應區(qū)域植被的“有”或“無”，還反映了該區(qū)域內植被景觀的“量”的特征，體現了植被的綠化的立體景觀效應。此外，從人類認知感受角度，相同面積的喬木和草地景觀感受是不同的，但是在二維綠化覆蓋率指標中不能反映這種差異，三維綠度指數TGI則可以很好地反映這種不同，所以TGI更接近居民的實際體驗和綠度認知，更能夠體現植被立體景觀的細節(jié)以及城市環(huán)境的宜居性，可以為城市綠地規(guī)劃和綠化建設質量評估等提供科學依據。

圖7 綠化覆蓋率分布圖Fig.7 Distribution of the green coverage ratio

3 結論

1)本文基于高分二號遙感影像數據，利用植被的陰影長度來反演植被高度，構建了一個新的三維綠度度量指標——TGI，用來度量綠地的立體景觀以及綠化建設的質量。

2)與傳統二維綠化指標綠化覆蓋度相比，TGI更能反映植被空間結構的實際情況，并且改善了以往三維綠量的研究中數據成本高、工序繁瑣、難以大范圍推廣等不足，能夠用于城市綠地規(guī)劃管理，提高城市綠地景觀建設的合理性。

3)通過遙感提取植被陰影的方法，比較適用于大尺度城市綠地三維綠度度量。未來的小尺度城市三維綠量研究當中，在獲得飛行許可的區(qū)域，可以采用無人機激光雷達提取植被高度，推算城市綠地三維綠量，其結果將會更加準確可靠。