基于ETM_遥感影像的南京市城市绿地的动态监测_郑光

基于ETM+遥感影像的南京市城市绿地的动态监测

郑光①②③,田庆久①,李明诗②

(①南京大学国际地球系统科学研究所,南京210093;②南京大学城市与资源学系,南京210093;

③南京林业大学森林资源与环境学院,南京210037)

摘要:城市绿地在改善城市生态环境、人与自然的和谐相处过程中,起着积极的作用。动态监测城市绿地的消长有利于科学、有效地管理城市,为城市绿地系统规划提供科学的依据和评价标准。本文利用1988年和2002年的南京市域范围的ETM+/T M影像,通过分别计算亮度指数和垂直植被指数,建立“亮度—垂直植被指数”(BI-PV I)平面,通过计算“T M3-TM4”平面内的点到“非植被线”的距离,求得亮度-植被指数向量,进而得出变化向量获取城市绿地的变化。结果表明,在过去的二十多年中,由于南京城市建设的不断发展,以及城市开发力度的不断加大,城市绿地大大减少,城市绿地的空间分布不均匀,不能够很好的发挥其生态功能。

关键词:动态监测;城市绿地;遥感

中图分类号:P237.9 文献标识码:A 文章编号:1000-3177(2005)81-0022-03

1　引　言

随着对全球变化研究的深入,当前土地利用/土地覆盖越来越被人们所关心。对变化的检测、定量化、和变化制图也变得越来越重要。森林生态系统在全球的碳循环过程中起着积极的作用。城市绿地是城市中唯一有生命的基础设施,也是城市生态系统中重要的组成部分,在改善城市生态环境和人居环境方面起着积极的作用。城市绿地的生态效应与其自身在城市当中的空间分布格局有着密切的关系,同时城市绿地的变化又导致了城市空间分布格局的变化。为了充分发挥绿地在城市中“绿肺”的作用,使人们更加科学地解决好土地的使用紧张和合理分配绿地面积二者之间的矛盾。因此非常有必要客观、准确地掌握城市绿地的变化情况。

利用传统的方法进行城市绿地的变化监测,既费时,又费力,而且结果也不够理想。与此相比,遥感技术突破了传统方法的限制,能够快速、自动地提取绿地,为城市绿地资源的清查和城市规划提供依据。

运用遥感技术的高分辨率影像进行城市绿地资源的调查及景观分析国内外已有先例,John Rogan(2002)[5]等人曾比较了多时相的缨帽变换、多时相的光谱混合分析等方法,同时还就最大似然法分类和决策树分类方法进行了对比。他认为利用遥感多时相光谱混合分析法和决策树分类法相结合的方法效果更好;车生泉[7]等人利用TM数据和SPOT 数据对上海市城市绿地景观进行分类的实践;石雪冬,李敏[10]等人论述了地理信息系统技术和遥感卫星图像处理技术在广州市城市绿地系统总体规划工作中的应用;吕妙儿,黄杏元[6]等曾就城市绿地监测遥感方面做过探索。在以往的动态监测研究中,已经发展了很多基于遥感影像处理的方法,主要有影像相减法、植被指数相减法、HIS、K-L、K-T、光谱特征变异法、分类结果的目视解译比较法等等[1]。

城市绿地的概念有广义和狭义之分:狭义的城市绿地是指城市中人工种植花草树木形成的绿色空间;广义的城市绿地是指植被所覆盖的土地、丘陵、旷野等空旷地的总称。将遥感技术应用于城市绿地的监测中可以从宏观和微观两个方面进行:宏观方面可以监测城市绿化覆盖率和监测城市绿地分布的均衡性;微观方面可以监测植被结构、树种、植被长势等[6]。南京市在过去的二十年中,随着经济的加速发展,城市化进程大大加快,大量的农业用地转为非农业用地。本次实验主要是从宏观角度来进行的。

2　研究区概况与数据源介绍

南京市位于江苏省西南部,地处北纬31°14′～32°36′,东经118°47′～119°14′,属于北亚热带季风气候区,四季分明,夏热冬冷,春秋短暂,雨量集中,历年平均气温16℃,主导风向夏半年为西南风,冬半年为东北风。本次实验的研究区为南京市市域范围,包括鼓楼区、玄武区、栖霞区、下关区、秦淮区、白下区、建邺区、雨花台区、江宁区、六合区、浦口区、溧水县和高淳县,共十一区两县。

本次研究所采用的遥感数据为南京地区的2002.10.24的LA NDSAT ET M+和1988.07.15LA NDSAT T M影像。

收稿日期:2005-01-25 修订日期:2005-03-17

作者简介:郑光(1982～)男,山西长治人,硕士研究生,主要从事植被生态遥感研究。 E-mail:zhengguang1982@

3　动态监测的方法动态监控方法的技术路线见图1所示

:图1　技术路线图3.1　辐射校正当电磁波在太阳-大气-地表-大气-传感器整个传输过程中,与大气中的水气、尘埃、气溶胶等微粒分子相互作

用,使得到达传感器的信号不能够真实的反映地表的反射

率。不同时相的影像由于过境时间不同,当时的大气条件也

不同,并且缺乏卫星过境时的实时大气状况参数,所以利用

大气校正模型很难消除由于两幅影像的辐射状况不同所造

成的变化监测的误差。本文采用归一化处理,使不同时相影

像的辐射状况基本处于同一状况。即首先选取了一些比较

确定的在不同时相的影像上没有变化的地物(比如本例中的

玄武湖和长江大桥等地物目标),分析它的灰度并拟合出辐

射水准归一化线,再对另一时相的影像进行计算,从而获得

新的影像数据,因而减少了由于辐射误差所带来的“伪变化

信息”。

3.2　几何校正

本次试验所采用的几何精校正的方法是,从研究区用

G PS 实际采点和利用1∶5万的地形图找同名地物点读取坐

标相结合,控制点的选取尽量选一些永久性的明显地物点,

比如本次试验中的南京长江大桥的公路和铁路的交叉点等

等。经过筛选,共选取出30个控制点,控制点的残差精度为

0.533个像元。

3.3　研究方法简介

对于一个城市的用地,通常可以分为城区用地与郊区用

地。对于城区用地来讲,由于它的集中性和多功能性,各种

人工目标占主导地位,在空间上主要表现为土地利用和土地

覆盖类型变化的高频性和复杂性;但对于郊区用地,在空间

上则表现为具有一定的连续性和周期性。在生态城市的建

设中,调查清楚绿地资源空间上的分布和动态变化就显得尤

为重要。在以往的动态监测研究中,已经发展了很多基于遥

感影像处理的方法,主要有影像相减法、植被指数相减法、

HIS 、K -L 、K -T 、光谱特征变异法、分类结果的目视解译比较

法等等[1]。由植被的反射光谱特性我们可知:植被与其他典型地物

的光谱特征相比,有其特殊之处。在近红外波段,具有较强

的“陡坡效应”。而水体在可见光之后的波段,其反射率就很

低。一般清水的反射率在可见光区都很低(仅蓝光波段稍

高),以后随波长增加而进一步降低,至0.75μm 以后的红外

波段几乎全都成了吸收体[1]。而土壤的反射光谱,与植被的

相比,具有明显的差异,主要表现在近红外、中红外等谱段。

遥感影像某一类地物的光谱,具有一定的相似性。同时

在一定的二维空间中也具有一定的聚集效应。这就为我们

利用计算机对遥感影像进行分类提供了理论基础。因此,本

文采用了戴昌达[1]等人提出的方法,该方法的核心思想是在

采用了“垂直植被指数(PV I )”概念的基础上,建立“亮度———

植被指数”平面。进而计算在这个平面上两种不同时相的图

像产生的变化向量,最后获得城市绿地的变化情况。

城市绿地的动态变化,在遥感影像上主要表现为亮度的

不同和植被指数变化。因此,从这两方面考虑对城市绿地进

行提取与监测。

首先计算亮度指数:

BI =13[(X S 1)2+(XS 2)2+(XS 3)2]1/2(1) 其中,BI 为图像的亮度植被指数,XS 1,XS 2,XS 3分别为第1,2,3波段的亮度值,i =1、2、3其次,计算垂直植被指数。为了计算垂直植被指数,首先在影像中分别对土地利用可以肯定的非植被区,进行采样拟合“非植被线”,在本次试验中,分别对湖泊、长江、机场跑道、建筑物、道路进行了采样,采样与拟合结果如下

:图2　非植被拟合直线为了能够实现植被的分离,在TM 3-T M 4平面中计算每一个像元到“非植被线”的距离D ,D 被作为垂直植被指数