基于兩種衛(wèi)星傳感器的不透水面提取指數(shù)比較

馬羽赫 趙牡丹 周鵬 王建

（西北大學(xué)城市與環(huán)境學(xué)院，西安 710127）

0 引言

不透水面泛指由瀝青、混凝土、塑料等會阻止地表水分下滲至土壤的物質(zhì)構(gòu)成的地表面（如廣場、道路、建筑物屋頂?shù)龋1]，已經(jīng)成為衡量城市化進程和環(huán)境品質(zhì)評價的重要指標[2]。隨著城市化程度加深，大量植被、濕地等自然表面被不透水面所代替[3]，城市地表結(jié)構(gòu)和熱環(huán)境受到改變，導(dǎo)致地表徑流污染[4-5]、熱島效應(yīng)增強[6-7]、物種多樣性下降[8]等生態(tài)環(huán)境問題。因此，快速、精確地提取城市不透水面信息具有重要意義。

衛(wèi)星遙感具有更新周期短、可以大范圍監(jiān)測的特點被廣泛應(yīng)用[9-10]，為快速、大范圍監(jiān)測不透水面動態(tài)變化提供了一種有效手段。目前，不透水面遙感信息提取的方法主要有：回歸模型[11]、指數(shù)法[12-14]、線性光譜混合分解法[15]，以及包括支持向量機[16-17]、人工神經(jīng)網(wǎng)絡(luò)[18]、隨機森林[19]、決策樹[20]等的分類器模型法。指數(shù)法主要利用不透水面同其他背景地物的光譜特征在不同波段上的差異，通過建立波段間的比值運算，突出不透水面信息，并輔以合適閾值將其與背景地物分離。該方法可以簡單、高效、快速地提取大范圍的不透水面，并且無需設(shè)置參數(shù)[21]，目前已得到廣泛的應(yīng)用。但是，不同的指數(shù)構(gòu)建方式和提取效果存在較大差別。文獻[22]提出比值居民地指數(shù)（Ratio Resident-area Index，RRI）用于裸地較多城鎮(zhèn)信息提取；文獻[23]利用植被指數(shù)（Soil Adjusted Vegetation Index，SAVI）、改進的水體指數(shù)（Modified Normalized Difference Water Index，MNDWI）和建筑指數(shù)（Normalized Difference Built-up Index，NDBI）三個專題指數(shù)構(gòu)建遙感建筑用地指數(shù)（Index Based Built-up Index，IBI）；文獻[24]等構(gòu)建生物物理指數(shù)（Biophysical Composition Index，BCI）推導(dǎo)城市的構(gòu)成；文獻[25]等結(jié)合夜間燈光數(shù)據(jù)構(gòu)建植被溫度指數(shù)（Vegetation Temperature Light Index，VTLI）；文獻[26]等構(gòu)建組合建筑指數(shù)（Combinational Build-Up Index，CBI）識別不透水面；文獻[27]選用藍、近紅外波段組合提出一種新的垂直不透水層指數(shù)（Perpendicular Impervious Index，PII）；文獻[28]提出一種針對西北干旱區(qū)城市不透水面提取的增強型不透水面指數(shù)（Enhancement Normalized Difference Impervious Surface Index，ENDISI）。

以上指數(shù)模型均能有效對不透水面進行提取，但各模型最初為追求提取效果均基于單一傳感器針對特定區(qū)域進行實驗，鮮有推廣到其他新型傳感器的討論。另外，各模型均提到裸土、沙地對不透水面提取結(jié)果的影響，但尚無研究對不同模型受裸土、沙地的影響程度進行定量對比。因此，本文使用目前數(shù)據(jù)品質(zhì)高、易獲取的開放免費傳感器數(shù)據(jù)Landsat8 OLI和Sentinel-2A MSI數(shù)據(jù)，并選取NDBI、RRI、IBI、PII和ENDISI五種不透水面提取指數(shù)進行實驗，這些指數(shù)主要利用可見光、近紅外和中紅外波段構(gòu)建，不涉及分辨率較低、數(shù)據(jù)源較少的熱紅外波段，具有一定普適性。結(jié)合不同傳感器數(shù)據(jù)和提取方法，本研究以大量裸土、沙地與人工不透水面混合分布的銀川市部分區(qū)域為研究區(qū)，系統(tǒng)對比這5種指數(shù)對不同傳感器數(shù)據(jù)的響應(yīng)效果和對人工不透水面與裸土沙地的區(qū)分程度，填補各指數(shù)在兩種傳感器研究區(qū)下不透水面提取差異的研究空白，以期為今后不透水面的大范圍精準提取、多時序監(jiān)測提供參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

銀川市位于寧夏回族自治區(qū)北部，祁連山以東，黃河上游以西，地處北緯37°29′~38°53′、東經(jīng)105°49′~106°53′。銀川市下轄興慶區(qū)、金鳳區(qū)、西夏區(qū)、永寧縣、賀蘭縣以及靈武市。本次研究區(qū)主要包括市轄區(qū)大部以及賀蘭縣和永寧縣的部分區(qū)域（見圖1）。銀川市是我國西北地區(qū)重要的中心城市，是國家西部大開發(fā)戰(zhàn)略的重點發(fā)展城市，“一帶一路”建設(shè)的重要節(jié)點城市，素有“塞上江南，魚米之鄉(xiāng)”之美譽。2017年，銀川市常住人口達222.54萬人，GDP達1 803.17億元，城市化率達到74%。受自然環(huán)境和人為活動影響，區(qū)域內(nèi)有大量沙地和裸露地表。

圖1 研究區(qū)位置Fig.1 Location of study area

1.2 數(shù)據(jù)源及預(yù)處理

Landsat8是美國陸地衛(wèi)星系列的第8顆光學(xué)對地觀測衛(wèi)星，發(fā)射于2013年2月11日，延續(xù)了Landsat TM/ETM+的空間和時間分辨率，保持較好的時序性，并且在波段數(shù)量、波譜范圍和輻射分辨率上得到了改進[29]。Sentinel-2是歐洲航天局分別于2015年6月23日和2017年3月7日發(fā)射的Sentinel-2A和Sentinel-2B雙衛(wèi)星，可以獲取地球表面10~60m空間分辨率的光學(xué)影像，擁有較高的空間分辨率、較短的重訪周期，并在全球范圍免費開放獲取[30]。Landsat8 OLI和Sentinel-2 MSI數(shù)據(jù)是目前和今后一段時期可穩(wěn)定獲得的高品質(zhì)多光譜遙感數(shù)據(jù)[31]。Landsat8 OLI和Sentinel-2 MSI的常用波段對比見表1。

本研究所使用的Landsat8 OLI數(shù)據(jù)下載于地理空間數(shù)據(jù)云（http://www.gscloud.cn），條帶號為130/33，成像時間2017年6月25日。Sentinel-2數(shù)據(jù)下載于歐洲航天局（https://scihub.copernicus.eu/）L1C級產(chǎn)品，成像時間為2017年7月29日，經(jīng)Sen2Cor插件進行輻射定標和大氣校正處理后轉(zhuǎn)換為L2A級產(chǎn)品。Sentinel-2 MSI的可見光和近紅外波段為10m分辨率，短波紅外為20m分辨率，為了使6個波段的分辨率保持一致，利用“哨兵”數(shù)據(jù)應(yīng)用平臺（Sentinel Application Platform，SNAP），使用最近鄰方法對可見光和近紅外波段進行重采樣。兩種數(shù)據(jù)時間相近，都經(jīng)過預(yù)處理得到地表反射率。

表1 Sentinel-2 MSI和Landsat8 OLI常用波段對比Tab.1 Comparison of common bands between Sentinel-2 MSI and Landsat8 OLI

1.3 研究方法

（1）歸一化建筑指數(shù)（NDBI）

文獻[12]受到歸一化植被指數(shù)（NDVI）構(gòu)建的啟發(fā)，發(fā)現(xiàn)在Landsat5 TM影像的第4與第5波段之間，城鎮(zhèn)的灰度值遞增，其他地類灰度值減小，據(jù)此構(gòu)建指數(shù)NDBI如式（1）

式中 TM4、TM5分別指近紅外和中紅外波段的反射率，NDBI取值在–1與1之間。

（2）比值居民地指數(shù)（RRI）

文獻[22]采樣分析影像上6類典型地物的光譜特征，認為Landsat5 TM影像的第1和第4波段對比度較大，能很好地反映城鎮(zhèn)和裸地信息，因此提出指數(shù)RRI如式（2）。在此基礎(chǔ)上，通過設(shè)置合適閾值剔除裸地，掩膜水體，最終提取出城鎮(zhèn)信息。

式中 TM1、TM4分別指藍波段和近紅外波段的反射率。

（3）遙感建筑用地（IBI）

文獻[23]針對建筑用地光譜性質(zhì)的復(fù)雜性，未采用影像的原始波段，而選用三個有關(guān)的專題指數(shù)，利用土壤調(diào)節(jié)植被指數(shù)SAVI、改進水體指數(shù)MNDWI和歸一化建筑指數(shù)NDBI，構(gòu)建遙感建筑用地指數(shù)IBI，如式（3）。由于這三個專題指數(shù)互為負相關(guān)，因此能夠很好地從遙感影像中分離出建筑用地信息。

（4）垂直不透水層指數(shù)（PII）

文獻[27]在分析比值型植被指數(shù)和線性型植被指數(shù)的基礎(chǔ)上，認為在不透水層提取中，線性形式構(gòu)建的指數(shù)能夠根據(jù)不同研究區(qū)內(nèi)的土壤線自適應(yīng)調(diào)整參數(shù)，減弱土壤帶來的噪聲影響。因此，利用藍波段和近紅外波段組合構(gòu)建線性指數(shù)PII，如式（4）

式中BBlue、BNIR為藍波段和近紅外波段的反射率；m、n分別為藍波段和近紅外波段系數(shù)；C為隨參照線選取而變化的常數(shù)，m、n、C可通過參照線方程求出。在PII計算中，需要根據(jù)研究區(qū)土壤樣本和不透水層樣本計算藍波段和近紅外波段系數(shù)m、n。但是m、n值在不同的研究區(qū)中差異不大[32]，所以這里取文獻[27]所選研究區(qū)m、n、C的平均值（m=0.905，n=0.435，C=0.019）進行實驗。

（5）增強型不透水面指數(shù)（ENDISI）

文獻[28]在對主要地類譜特征對比分析的基礎(chǔ)上，發(fā)現(xiàn)在藍波段，不透水面的值高于水體、植被和裸土，并且差值較大；在紅波段，裸土的反射率高于不透水面；在近紅外波段，裸土和植被的值均高于不透水面。據(jù)此提出ENDISI，如式（5）

式中BRed、BSWIR1、BSWIR2分別為紅波段和2個中紅外波段的反射率。

2 結(jié)果與分析

2.1 不透水面提取結(jié)果

使用最大類間方差法（OTSU）[33]自適應(yīng)閾值分別對Landsat8 OLI和Sentinel-2 MSI兩種數(shù)據(jù)的5種不透水面指數(shù)進行閾值分割。文獻[34]提出的MNDWI指標可以有效消除植被信息，快速提取水體，因此利用MNDWI對水體掩膜，最終得到不透水面提取結(jié)果，如圖2、圖3所示。對比假彩色合成圖和Google Earth高清影像，發(fā)現(xiàn)每種指數(shù)基本都可以將不透水面信息提取出來，但NDBI、RRI、IBI、ENDISI四種指數(shù)出現(xiàn)明顯的誤提（紅線標出），特別是裸土信息誤提嚴重，PII指數(shù)出現(xiàn)明顯的漏提（黃線標出）。

圖2 OTSU閾值的Landsat8不透水面提取結(jié)果Fig.2 OTSU threshold Landsat8 impervious surface extraction results

圖3 OTSU閾值的Sentinel-2不透水面提取結(jié)果Fig.3 OTSU threshold Sentinel-2 impervious surface extraction results

因此，本文在OTSU法確定的分割閾值基礎(chǔ)上，結(jié)合Google Earth同期高清影像，人機交互確定出每種指數(shù)的人工閾值進行提取實驗。Landsat8數(shù)據(jù)的NDBI、RRI、IBI、ENDISI、PII最終閾值分別為–0.012、0.353 2、–0.013 5、–0.033 7、–250.413 8；Sentinel-2數(shù)據(jù)的NDBI、RRI、IBI、ENDISI、PII最終閾值分別為–0.054 9、0.440 6、–0.071 3、–0.023 9、–117.503 0，提取結(jié)果如圖4、圖5所示。

2.2 精度評價分析

分別選用本次使用的10m分辨率的Sentinel-2真彩色影像和2017年7月15日更新的Google Earth銀川市高清歷史影像，作為Landsat8和Sentinel-2的驗證數(shù)據(jù)源，通過目視解譯的方式，從驗證數(shù)據(jù)源中隨機選取300個不透水面樣本和300個非不透水面樣本作為真值參考，對OTSU法閾值分割的結(jié)果和人機交互閾值分割的結(jié)果進行精度驗證，結(jié)果如表2所示。

可以得出2種傳感器數(shù)據(jù)、5種不透水面提取指數(shù)的10種組合中人機交互閾值提取結(jié)果的總體精度均高于OTSU法閾值，原因在于人機交互閾值提取的結(jié)果可以很好的平衡錯分和漏分情況，從而提高了總體精度。針對最終選取的人機交互閾值提取結(jié)果來看，以Sentinel-2為數(shù)據(jù)源的5種指數(shù)提取結(jié)果的總體精度各自均高于Landsat8。同一傳感器下，ENDISI、PII、RRI的總體精度相對NDBI、IBI更高。5種指數(shù)中提取結(jié)果總體精度最高的為RRI。

2.3 不同指數(shù)提取結(jié)果分析

圖4 人機交互閾值的Landsat8不透水面提取結(jié)果Fig.4 Landsat8 impervious surface extraction results of human-computer interaction threshold

圖5 人機交互閾值的Sentinel-2不透水面提取結(jié)果Fig.5 Sentinel-2 impervious surface extraction results of human-computer interaction threshold

表2 2種傳感器數(shù)據(jù)的5種不透水面指數(shù)提取結(jié)果精度指標Tab.2 Accuracy index of five kinds of water-impermeable surface index extraction results of two sensor data 單位：%

圖6 Landsat8和Sentinel-2數(shù)據(jù)下5種指數(shù)的不透水面提取結(jié)果疊加Fig.6 Superposition of the impervious surface extraction results of the five indices under Landsat8 and Sentinel-2 data

表3 5種不透水面指數(shù)提取結(jié)果像元統(tǒng)計Tab.3 Pixel statistics of the extraction results of the five types of impervious surface index 單位：%

分別將Landsat8和Sentinel-2兩種數(shù)據(jù)源的5種指數(shù)提取結(jié)果進行疊加，如圖6，顯示每個像元被幾種指數(shù)提取為不透水面，并統(tǒng)計各類像元的占比，如表3所示。經(jīng)驗證比對，被5種指數(shù)均提取為不透水面的像元基本與實際吻合；被4種和1種指數(shù)提取為不透水面的像元較少，主要為建筑或道路與高亮度裸土的混合像元；被3種指數(shù)提取為不透水面的像元多分布于城區(qū)內(nèi)，主要由ENDISI、RRI和PII的提取結(jié)果組成，由于NDBI和IBI未能正確識別大量建筑、道路和小面積裸土混合分布的區(qū)域，因此出現(xiàn)了較多的漏提，這種漏提現(xiàn)象在Landsat8數(shù)據(jù)中更加明顯；被2種指數(shù)提取的像元在Landsat8數(shù)據(jù)下多分布在南部的城區(qū)外圍，主要由于這些地方分布較多裸土、未種植作物的裸露農(nóng)地與零散建筑混合，NDBI和IBI兩種指數(shù)錯提較多造成，而這種情況在Sentinel-2數(shù)據(jù)中更加突出，錯提像元在近郊區(qū)大量出現(xiàn)，東部、南部城區(qū)外尤為嚴重。從總體上看，該研究區(qū)裸土和沙地占比較大，干擾嚴重，但是在兩種傳感器下分別被5種指數(shù)均判別為不透水面和非不透水面的像元分別達79.31%和77.7%，說明5種指數(shù)均可以基本識別研究區(qū)內(nèi)的不透水面。從結(jié)果上看，對該研究區(qū)東部、南部不透水面及大量裸土沙地混合分布的區(qū)域，NDBI和IBI的不透水面提取效果相對ENDISI、PII和RRI較差。

2.4 不同傳感器提取結(jié)果分析

先將Landsat8提取結(jié)果重采樣至10m，然后分別對5種指數(shù)的Landst8和Sentinel-2兩種數(shù)據(jù)源提取結(jié)果進行疊加，如圖7，共有僅S2為不透水面、僅L8為不透水面、L8、S2均為非不透水面和L8、S2均為不透水面這4種像元類型（L8、S2分別代表Landst8、Sentinel-2數(shù)據(jù)的不透水面提取結(jié)果），統(tǒng)計每種指數(shù)疊加結(jié)果的各類像元占比，如表4所示。結(jié)合圖7和表4可知，5種指數(shù)的2種傳感器數(shù)據(jù)提取結(jié)果在大部分區(qū)域較為一致，提取結(jié)果中同類型像元占比均在80%左右，但像元分布有所差異，NDBI和IBI的疊加結(jié)果中僅Sentinel-2判定為不透水面的像元較多。經(jīng)對比發(fā)現(xiàn)，在Sentinel-2數(shù)據(jù)下，NDBI和IBI可以更好的提取城區(qū)內(nèi)建筑密集區(qū)域的不透水面，漏提現(xiàn)象較少，另外，這兩種指數(shù)對研究區(qū)東部和東北部的人工大棚識別效果較好。RRI的疊加結(jié)果中僅Landsat8判定為不透水面的像元較多，主要是誤提了大量的高亮度裸土信息。ENDISI和PII對兩種傳感器數(shù)據(jù)的提取結(jié)果比較一致，因此，這兩種指數(shù)對Landsat8和Sentinel-2的響應(yīng)效果具有更好的一致性。

圖7 5種指數(shù)下Landsat8和Sentinel-2的不透水面提取結(jié)果疊加Fig.7 Landsat8 and Sentinel-2 impervious surface extraction results are superimposed under five indexes

表4 各像元類型不同疊加結(jié)果的面積占比Tab.4 Proportion of each pixel type 單位：%

2.5 提取結(jié)果局部對比分析

為進一步對比各指數(shù)在不同傳感器下的提取精度和細節(jié)效果，選取研究區(qū)內(nèi)6個較為典型的局部區(qū)域，將2種數(shù)據(jù)源的5種指數(shù)提取結(jié)果進行對比（見表5）。區(qū)域1為包含植被和水體的密集建筑區(qū)，可以看出Landsat8影像由于分辨率相對更低，混合像元的存在極大影響了提取效果，尤其在Landsat8數(shù)據(jù)的提取結(jié)果中可以明顯觀察到NDBI和IBI指數(shù)的漏提較為嚴重，Sentinel-2數(shù)據(jù)則能更好的表現(xiàn)建筑細節(jié)。區(qū)域2為農(nóng)田中的道路，可以看到Landsat8數(shù)據(jù)的提取結(jié)果雖然相對較粗，但RRI和PII指數(shù)基本能較為完整的識別出道路和建筑，Sentinel-2數(shù)據(jù)的分辨率優(yōu)勢極大的減少了混合像元的影響，對道路這類細小的不透水面的識別較為準確，但可以看到NDBI和IBI指數(shù)有將農(nóng)田中的裸土識別為不透水面的情況。區(qū)域3為細碎的建筑和裸土混合分布的地區(qū)，盡管基于Sentinel-2數(shù)據(jù)能提取更多的建筑細節(jié)，但Landsat8和Sentinel-2兩種數(shù)據(jù)在不同方法下均出現(xiàn)了將裸土識別為人工不透水面的情況。區(qū)域4為被道路圍著的大塊裸地，可以看到兩種數(shù)據(jù)源下NDBI和IBI指數(shù)基本將裸土全部識別為不透水面，ENDISI也將大部分裸土識別為不透水面，而RRI和PII指數(shù)則能較好的區(qū)分出道路和裸土，并且在Sentinel-2數(shù)據(jù)下的區(qū)分效果更好。區(qū)域5和區(qū)域6主要為包含裸土的農(nóng)地，有零散建筑分布其中，可以看到NDBI和IBI指數(shù)將大量的裸土識別為不透水面，ENDISI指數(shù)同樣也有一定程度的誤提情況，而RRI和PII指數(shù)則能較為準確的識別面積較小的不透水面?？傮w上，Landsat8數(shù)據(jù)受限于分辨率較低，導(dǎo)致提取結(jié)果較為粗糙，局部漏提較嚴重，細節(jié)不完整，Sentinel-2數(shù)據(jù)能表現(xiàn)更多的細節(jié)，提取結(jié)果比較完整，5種指數(shù)的提取效果均好于Landsat8數(shù)據(jù)，因此，提高數(shù)據(jù)的分辨率，可以改善地物識別效果。具體來看，兩種數(shù)據(jù)源下PII和RRI的總體提取效果、局部提取細節(jié)以及區(qū)分不透水面和裸土沙地的能力均優(yōu)于NDBI、IBI和ENDISI。

表5 5種指數(shù)在2種傳感器數(shù)據(jù)下的局部提取結(jié)果Tab.5 Local extraction results of five indexes under two sensor data

3 結(jié)束語

本文以銀川市部分區(qū)域為例，選取NDBI、IBI、ENDISIS、PII和RRI五種常用不透水面提取指數(shù)，分別對Landsat8和Sentinel-2兩種傳感器數(shù)據(jù)的不透水面進行提取，得出以下結(jié)論：

1）5種指數(shù)針對Landsat8和Sentinel-2數(shù)據(jù)均可以基本提取出研究區(qū)的不透水面信息，但提取結(jié)果均不同程度的受到裸土和沙地的干擾，在裸土和沙地分布較廣泛的情況下，NDBI、IBI的精度在70%左右，ENDISI、PII和RRI可達80%以上，其中，RRI和PII區(qū)分不透水面和裸土沙地的效果最好，RRI提取結(jié)果的總體精度最高。

2）總體上，以Sentinel-2為數(shù)據(jù)源的5種指數(shù)提取結(jié)果總體精度各自均高于Landsat8，提取的不透水面細節(jié)表現(xiàn)更清晰、更完整。結(jié)果表明，NDBI和IBI對Sentinel-2數(shù)據(jù)的響應(yīng)效果更好，在不透水面密集分布的城市內(nèi)部較Landsat8數(shù)據(jù)提取精度更高，同時，這兩種指數(shù)可以很好的識別人工大棚。RRI在Landsat8數(shù)據(jù)下，裸土和沙地誤提現(xiàn)象較Sentinel-2嚴重。ENDISI和PII對兩種傳感器數(shù)據(jù)的響應(yīng)效果較一致。

總體上看，數(shù)據(jù)分辨率仍是影響提取精度的主要因素，這也是相同指數(shù)在不同傳感器下提取結(jié)果產(chǎn)生差異的直接原因，今后需要結(jié)合更高分辨率的數(shù)據(jù)進行分析。此外，由于不同指數(shù)方法選取的波段組合不同，導(dǎo)致了相同傳感器下不同指數(shù)提取結(jié)果的差異性，未來仍需在更多典型區(qū)域進行推廣實驗，探究更加合理的識別方法。目前，對裸土沙地和不透水面的準確區(qū)分仍是不透水面提取的難點之一，本文通過比較5種不透水面指數(shù)在2種傳感器數(shù)據(jù)下的提取結(jié)果，對比分析了5種指數(shù)的差異性、區(qū)分不透水面和裸土沙地信息的能力以及對兩種傳感器數(shù)據(jù)的響應(yīng)效果，希望能為未來大范圍、快速、精準地提取不透水面提供參考，并進一步促進這兩種數(shù)據(jù)在不透水面提取中的應(yīng)用。