基于光譜混合分析法的蘇州城市擴(kuò)張過(guò)程研究

崔婷婷，龍玉橋，王銀堂，胡慶芳，劉 勇

(1.南京水利科學(xué)研究院，南京 210029；2.水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，南京 210098)

城市化水平是衡量一個(gè)國(guó)家或地區(qū)經(jīng)濟(jì)發(fā)展與社會(huì)進(jìn)步的重要標(biāo)志[1]。蘇州的城市化進(jìn)程開(kāi)始較早，截止至2010年蘇州的城市化率躍升至70.5%，城市空間不斷拓展[2,3]。隨著城市空間的不斷拓展，城市下墊面也發(fā)生著巨大的改變，直接影響到區(qū)域產(chǎn)匯流過(guò)程，并帶來(lái)了諸多防洪、內(nèi)澇方面的問(wèn)題，因此如何準(zhǔn)確的獲得城市化進(jìn)程中城市下墊面空間格局變化情況是應(yīng)對(duì)城市防洪除澇問(wèn)題的關(guān)鍵[4,5]。傳統(tǒng)方法依賴于城市統(tǒng)計(jì)數(shù)據(jù)，對(duì)現(xiàn)代規(guī)模越來(lái)越大的城市來(lái)說(shuō)，缺乏空間分布信息，時(shí)間上又缺乏過(guò)程性[6,7]。近年來(lái)，以遙感為數(shù)據(jù)源，對(duì)城市下墊面信息客觀、動(dòng)態(tài)、量化的提取供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。本文利用中尺度Landsat TM/ETM+遙感影像，采用光譜混合分析(SMA)法提取蘇州市不透水面信息，研究1995-2010年蘇州城市空間擴(kuò)張過(guò)程，該法可以有效地解決中尺度遙感影像中存在的混合像元的問(wèn)題，降低分解誤差。

1 研究區(qū)及方法

1.1 研究區(qū)

蘇州，地處太湖之濱，京杭運(yùn)河與婁江的交匯處，東臨上海，南接浙江，西抱太湖，北依長(zhǎng)江，氣候溫和，雨量充沛，屬北亞熱帶季風(fēng)氣候，地貌特征以平緩平原為主，全市地勢(shì)低平，自西向東緩慢傾斜，古稱吳郡，隋代始稱蘇州。2500年前，伍子胥在蘇州建造“闔閭大城”，當(dāng)時(shí)這座城市只有14.2 km2，而今全市面積已經(jīng)擴(kuò)展到8 488 km2。

1.2 數(shù)據(jù)及預(yù)處理

利用1995、2000、2005、2010年4個(gè)年份Landsat TM/ETM+遙感影像數(shù)據(jù)源(Level 1T產(chǎn)品，軌道號(hào)119行號(hào)38和軌道號(hào)119行號(hào)39)，研究蘇州市城市擴(kuò)張過(guò)程。影像的成像時(shí)間在10-11月，所有影像成像時(shí)間天氣狀況良好，影像質(zhì)量高，下載數(shù)據(jù)已經(jīng)過(guò)地面控制點(diǎn)幾何校正，并且通過(guò)DEM進(jìn)行了地形校正?，F(xiàn)有研究已經(jīng)表明，當(dāng)使用影像端元時(shí)，大氣校正對(duì)蓋度影像的獲取并沒(méi)有明顯效果[8]，因此，本文采用的TM/ETM+影像也沒(méi)有經(jīng)過(guò)大氣校正。選用影像的第1到第5及第7波段進(jìn)行光譜混合分析。

1.3 光譜混合分析(SMA)

光譜混合分析被用來(lái)計(jì)算一個(gè)像元內(nèi)土地覆蓋的組分，通過(guò)建模把混合光譜分解成不同種純土地覆蓋類型的組合，對(duì)于定量研究地面覆被類型具有重要意義。遙感影像中混合像元的普遍存在，使得光譜混合分析在近幾年的研究中逐漸成為熱點(diǎn)。光譜混合分析(SMA)主要包括線性光譜混合模型和非線性光譜混合模型。線性光譜混合模型假定傳感器量測(cè)的像元內(nèi)所有組分的光譜呈線性組合[9]?？梢岳枚鄠€(gè)端元描述一個(gè)像元的地面組成信息，每個(gè)端元代表了一種純土地覆蓋類型[10]。線性光譜混合模型可以用下式來(lái)表示：

(2)

式中：Rd是Landsat TM/ ETM+影像的第d波段反射率；N是純凈端元的數(shù)目；fi是端元i的權(quán)重，它由純凈端元i占像元的比例來(lái)決定；Rid是終端地類i在第d波段的反射率；ed是殘差。

模型的正確性需要通過(guò)檢驗(yàn)影像中每個(gè)波段的殘差ei的均方根來(lái)確定，其公式如下：

(3)

式中：N是影像的波段數(shù)。

光譜混合分析的結(jié)果將得到混合像元內(nèi)各純凈端元對(duì)應(yīng)的豐度值，即fi滿足式(2)，并使得RMS最小。

1.4 端元的選取

端元的收集是整個(gè)光譜混合分析過(guò)程中的關(guān)鍵，也是難點(diǎn)，端元的種類、數(shù)量及取值直接影響著光譜混合分析的精度。根據(jù)端元的收集方式，端元可以分為參考端元和圖像端元兩種。參考端元是根據(jù)野外波譜測(cè)量或者從己有的地物波譜信息庫(kù)中選擇端元，這樣選擇的端元稱為參考端元。圖像端元是直接從待分類的圖像上選擇端元，然后不斷修改調(diào)整，使用這種方法選擇的端元即為圖像端元。在實(shí)際選取過(guò)程中，最佳方法是二者的結(jié)合，但由于參考端元選擇的成本較大，較難實(shí)現(xiàn)，因而大多數(shù)研究是直接收集圖像端元。同時(shí)，由于城市覆蓋物質(zhì)波譜信息十分復(fù)雜，加之大氣的影響，因而大量研究表明，直接收集圖像端元，能夠很好地保證分解精度。

本研究通過(guò)純凈象元指數(shù)法(PPI)提取端元，國(guó)內(nèi)外研究中選取的端元數(shù)目有3種和4種之分，其各自的精度也不相同，本研究中借鑒Wu等人[11]的方法，選取高反射率、低反射率、植被和土壤等4種純凈地類作為端元進(jìn)行線性光譜分解，高反射率端元(以新的水泥混凝土表面、玻璃等為主)、低反射率端元(以瀝青、老式建筑的屋頂材料和河流水面等為主)、植被端元(草地、樹(shù)林和農(nóng)田)和裸土端元。端元的確定需要滿足在它所對(duì)應(yīng)的地類中具有較高的PPI值。在端元選擇的過(guò)程中需要反復(fù)嘗試，直到殘差滿足要求且光譜混合分析過(guò)程中所需要的兩個(gè)條件成立。經(jīng)過(guò)反復(fù)選擇，最終確定4種端元的光譜值特征曲線如圖1所示。

圖1 最終選取的四類端元波普Fig.1 The final selection of four kinds of endmember pop

2 結(jié)果與討論

2.1 光譜混合分析(SAM)結(jié)果

由光譜混合分析得到4種端元豐度信息，結(jié)合Wu等人[11]的研究發(fā)現(xiàn)，不透水面幾乎與高反射率分量和低反射率分量線性相關(guān)。在完全強(qiáng)制線性光譜混合模型中，純凈的不透水面覆蓋類型可以被模擬為高反照率和低反照率端元的組合，而植被和土壤對(duì)不透水面分量的計(jì)算幾乎不起作用，因此，不透水面分量可以通過(guò)高反射率分量和低反射率分量的求和得到。

將高反射率與低反射率兩分量進(jìn)行加和求得不透水面豐度信息，數(shù)值越大，表示該混合像元中所含的不透水面成分越多。利用該方法，得到蘇州市1995-2010年不透水面的空間分布情況，參見(jiàn)圖2，圖2中左側(cè)一列顏色差異清晰的反映了不透水面的豐度以及空間分布情況，右側(cè)一列反映了光譜混合分析提取不透水面信息的誤差分布情況。

進(jìn)行線性光譜混合分解之后，必須對(duì)分解精度進(jìn)行評(píng)價(jià)，以確保分解結(jié)果的可靠性。由圖2可以看出，各個(gè)代表年份的分解誤差(RMS)最大值為 0.02，最小值為 0，該分解結(jié)果完全滿足誤差小于0.02的精度要求，也定量的說(shuō)明了本次研究選取的端元數(shù)目較為合適，端元光譜值選取合理，分解精度較高，分解結(jié)果具有實(shí)際意義。

圖2 蘇州市不透水面豐度提取及誤差分布結(jié)果Fig.2 Impervious and Error distribution of Suzhou City

2.2 城市擴(kuò)張分析

城市高反射率與低反射率兩分量共同組成了城市的不透水面，不透水面的變化是表征城市擴(kuò)張過(guò)程的重要因素。由圖2可以看出城市的中心區(qū)域不透水面豐度值變化不大且接近于1，從城市中心向外擴(kuò)展不透水面豐度值逐漸減小，城市郊區(qū)處耕地與建設(shè)用地相互交錯(cuò)，其不透水面豐度值接近于0.5左右，城市周圍的耕地區(qū)域不透水面豐度值接近于0。

由表1可以看出蘇州市在1995-2010年城市擴(kuò)張迅速，尤其以2000年之后最為顯著，其中1995-2000年間蘇州市不透水面積增加53 km2，但2000-2005年間蘇州市不透水面積增加達(dá)482 km2，是1995-2000年間不透水面積增加量的9倍，2005-2010年間蘇州市不透水面積增加達(dá)800 km2，且從4個(gè)年份不透水面分布圖上看，蘇州市不透水面呈現(xiàn)出以城市中心為核心向四周不斷擴(kuò)張的整體趨勢(shì)。

表1 蘇州1995-2010年城市不透水面擴(kuò)張情況表Tab.1 Suzhou 1995-2010 urban expansion in the case of the surface

為了定量研究1995-2010年間蘇州市的城市擴(kuò)張過(guò)程，將不透水面豐度分解結(jié)果進(jìn)行比較分析，可以得到蘇州市不透水率的空間擴(kuò)張過(guò)程。將1995-2010年蘇州城市擴(kuò)張過(guò)程分為3個(gè)階段(1995-2000年、2000-2005年、2005-2010年)分別計(jì)算分析不透水率變化情況(見(jiàn)圖3)。

圖3 蘇州市1995-2010年不透水率空間擴(kuò)展情況Fig.3 Spatial expansion of Suzhou 1995-2010

從圖3可以看出，在城市的中心區(qū)域即老城區(qū)，由于前期發(fā)展的比較完善，不透水率變化較小，城市郊區(qū)在城市化的推動(dòng)下不透水率不斷增加， 1995-2000年和2000-2005年蘇州市不透水率變化呈現(xiàn)從城市中心向四周環(huán)形擴(kuò)張的趨勢(shì)，且擴(kuò)張的范圍逐漸增大。從2005-2010年不透水率空間擴(kuò)展情況可以看出，蘇州市不透水率擴(kuò)展速度較前兩個(gè)時(shí)期更加迅速且與其西邊相鄰的無(wú)錫市和東邊相鄰的上海市空間連續(xù)性加強(qiáng)，表現(xiàn)出較明顯的帶狀關(guān)聯(lián)特征，并有逐漸相互聯(lián)通形成城市群的趨勢(shì)，這跟這5年來(lái)這些區(qū)域快速的城市化進(jìn)程密切相關(guān)。

3 結(jié) 語(yǔ)

本文利用1995、2000、2005及2010年4期Landsat TM/ETM+遙感影像，基于光譜混合分析方法完成了蘇州市不透水面信息的提取，并將提取的四期不透水面結(jié)果進(jìn)行比較分析，量化了蘇州市1995-2010年城市擴(kuò)張過(guò)程及空間擴(kuò)張情況，主要結(jié)論如下。

(1)光譜混合分析方法是一種有效的提取城市不透水面信息的方法，混合像元分解誤差較小，能滿足城市擴(kuò)張過(guò)程的研究需要。

(2)蘇州市在1995-2010年間城市擴(kuò)張呈現(xiàn)逐漸加速的趨勢(shì)，尤其以2005-2010年擴(kuò)張最為迅速，城市不透水面擴(kuò)張面積達(dá)800 km2，是1995-2000年城市不透水面擴(kuò)張面積的15倍。

(3)從蘇州市城市擴(kuò)張的空間分布來(lái)看，城市中心區(qū)域由于社區(qū)成熟較早，不透水面豐度變化不大。城市擴(kuò)張過(guò)程中，不透水面豐度高值區(qū)不斷向城市周邊擴(kuò)展，且蘇州由于處于社會(huì)經(jīng)濟(jì)較為發(fā)達(dá)的區(qū)域，距離上海無(wú)錫等城市較近，隨著城市擴(kuò)張過(guò)程的加劇，表現(xiàn)出城市間相互連通形成城市群的趨勢(shì)。

□

[1] 王成軍,王穩(wěn)琴,劉大龍.中國(guó)城市化發(fā)展的演變進(jìn)程及其特征[J].西安建筑科技大學(xué)學(xué)報(bào),2011,43(3):404-409.

[2] 朱茀華,馬海濤.蘇州城市化進(jìn)程中的動(dòng)力因素分析[J].產(chǎn)業(yè)與科技論壇,2011,10(11):39-41.

[3] 孫燕瓷,張學(xué)雷,陳 杰.城市化對(duì)蘇州地區(qū)土壤多樣性的影響[J].應(yīng)用生態(tài)學(xué)報(bào)，2005,16(11)：2 060-2 065.

[4] 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(xué)報(bào),2007,11(6):914-922.

[5] 何春陽(yáng)，史培軍，陳 晉，等．北京地區(qū)城市化過(guò)程與機(jī)制研究[J].地理學(xué)報(bào),2002,57(3):363-371．

[6] Harris P J，Longley P A．New data and approaches for urban analysis，modeling residential densitie[J].Transactions in GIS,2000,4(3):217-234．

[7] Plane D A，Rogerson P A．The geographical analysis of population with applications to business and planning[M]．New York：Wiley，1994．

[8] Lu D S, Weng Q H. Spectral mixture analysis of the urban landscape in Indianapolis with landsat ETM+imagery [J].Photogrammetric Engineering and Remote Sensing,2004,70:1 053-1 062．

[9] R S Lunetta, C D Elvidge. Remote sensing change detection: Environmental monitoring methods and applications[M]．Ann Arbor，MI：Ann Arbor Press．, 1998:163-180.

[10] Adams J B，Sabol D E，Kapos V，et al．Classification of muhispectral images based on fractions of endmembers, application to land-cover change in the Brazilian Amazon[J]. Remote Sensing of Environment,1995,52(2):137-154．

[11] Wu C, Murray A T. Estimating impervious surface distribution by spectral mixture analysis[J]. Remote Sensing of Environment, 2003,84: 493-505.