劉暢， 楊康,2,3， 程亮,2,3， 李滿春,2,3， 郭紫燕

(1.南京大學(xué)地理與海洋科學(xué)學(xué)院，南京 210023； 2.江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，南京 210023； 3.中國(guó)南海研究協(xié)同創(chuàng)新中心，南京 210023)

0 引言

伴隨著全球范圍內(nèi)的城市化，不透水面正快速取代自然地表，目前已成為一種十分關(guān)鍵的地表覆蓋類(lèi)型[1-2]。不透水面是指水體不能下滲至土壤的物質(zhì)，包括自然不透水面和人工不透水面[3]。不透水面的時(shí)空分布，直接反映了城市擴(kuò)張趨勢(shì)[4-5]。不透水面阻止雨水下滲，導(dǎo)致地表徑流量增大，引發(fā)城市內(nèi)澇，威脅地下水資源補(bǔ)給[6-7]。同時(shí)，不透水面會(huì)作用于城市熱島效應(yīng)，直接影響城市宜居性[8-10]。因此，準(zhǔn)確提取不透水面，尤其是人工不透水面，對(duì)于及時(shí)監(jiān)測(cè)城市動(dòng)態(tài)具有重要意義。

不透水面遙感信息提取方法主要包括指數(shù)法[11-12]、分類(lèi)回歸樹(shù)法[13]、支持向量機(jī)法[14-15]和光譜混合分析法[16-17]等。其中，指數(shù)法可操作性強(qiáng)，自動(dòng)化程度較高，提取結(jié)果不受訓(xùn)練樣本影響，能夠快速提取不透水面遙感信息，現(xiàn)已被廣泛應(yīng)用[18-24]。各種不透水面指數(shù)設(shè)計(jì)的基本原理相似，均是通過(guò)波段組合增強(qiáng)不透水面與其他地表覆蓋類(lèi)型的差異，但具體使用的波段存在差異。例如，陳潔麗等[22]利用紅光、近紅外和短波紅外波段設(shè)計(jì)了新建筑指數(shù)(new built-up index，NBI)，從Landsat5影像中提取了常州市不透水面信息，總體精度達(dá)到90%； 田玉剛等[23]利用藍(lán)光和近紅外波段設(shè)計(jì)了垂直不透水層指數(shù)(perpendicular impervious index，PII)，從Landsat8影像中提取了武漢市與北京市的不透水面遙感信息，總體精度高于96%。

由于使用的波段不同，不同指數(shù)提取不透水面遙感信息的結(jié)果存在顯著差異，這對(duì)綜合分析不透水面動(dòng)態(tài)變化帶來(lái)了較大不確定性[25]。同時(shí)，大部分不透水面指數(shù)只針對(duì)不透水面密集分布的城市區(qū)域[18,20]，在大區(qū)域應(yīng)用的能力有待驗(yàn)證。對(duì)比分析不透水面指數(shù)的提取效果，是不透水面遙感信息提取研究的重要內(nèi)容。為此，本研究歸納總結(jié)了現(xiàn)有的不透水面指數(shù)，選擇具有不同地表覆蓋類(lèi)型特點(diǎn)的實(shí)驗(yàn)區(qū)，分析評(píng)價(jià)不透水面指數(shù)的提取精度，揭示現(xiàn)有不透水面指數(shù)的設(shè)計(jì)優(yōu)勢(shì)和存在問(wèn)題。由于現(xiàn)有不透水面指數(shù)主要用于人工不透水面(建筑物和道路等)提取，進(jìn)而監(jiān)測(cè)城市動(dòng)態(tài)變化，因此，本研究?jī)H考慮人工不透水面，評(píng)價(jià)不透水面指數(shù)提取人工不透水面的精度，不考慮裸巖等自然不透水面。

1 不透水面指數(shù)對(duì)比分析

1.1 不透水面指數(shù)

本研究歸納總結(jié)了目前較常用的8種不透水面指數(shù)，按照其設(shè)計(jì)方法的不同，將其劃分為3類(lèi)。

1)利用衛(wèi)星原始波段構(gòu)建的不透水面指數(shù)。此類(lèi)不透水面指數(shù)包括城市指數(shù)(urban index，UI)[19]、NBI[22]、歸一化建筑指數(shù)(normalized difference built-up index，NDBI)[21]、PII[23]和比值居民地指數(shù)(ratio resident-area index，RRI)[24]。這類(lèi)不透水面指數(shù)都是利用不透水面區(qū)別于其他地類(lèi)的最強(qiáng)和最弱反射波段設(shè)計(jì)，以此增強(qiáng)不透水面遙感信息，抑制其他地類(lèi)信息。圖1展示了不同地類(lèi)在Landsat8影像不同波段的大氣表觀反射率。

圖1 Landsat8衛(wèi)星遙感影像不同地類(lèi)光譜特征Fig.1 Spectral characteristics of different land covertypes in Landsat8 satellite image

UI和NDBI通過(guò)選取近紅外波段和短波紅外波段設(shè)計(jì)，RRI和PII則利用了藍(lán)光波段和近紅外波段。雖然RRI和PII具有相同的光譜波段，但在波段組合形式上分別采用了比值組合型和線性組合型。此外，在波段權(quán)重的設(shè)置上，RRI中的藍(lán)光波段和近紅外波段具有相同權(quán)重，而PII能夠根據(jù)實(shí)驗(yàn)區(qū)光譜自適應(yīng)調(diào)整藍(lán)光波段系數(shù)m、近紅外波段系數(shù)n及常數(shù)C[23]。NBI選取了紅光、近紅外和短波紅外波段，利用乘法擴(kuò)大特征波段灰度值，進(jìn)而增強(qiáng)不透水面遙感信息。

2)利用復(fù)合波段構(gòu)建的不透水面指數(shù)。此類(lèi)不透水面指數(shù)的代表是歸一化差值不透水面指數(shù)(normalized difference impervious surface index，NDISI)[12]。這是第一個(gè)直接針對(duì)不透水面特性建立的不透水面指數(shù)，它組合了可見(jiàn)光、近紅外、短波紅外波段及熱紅外波段數(shù)據(jù)提取不透水面。其中，可見(jiàn)光波段包括藍(lán)光、綠光、紅光波段。NDISI還能夠根據(jù)實(shí)驗(yàn)區(qū)的實(shí)際情況采用改進(jìn)的歸一化差值水體指數(shù)(modified normalized difference water index，MNDWI)[26]代替可見(jiàn)光波段。在使用NDISI提取不透水面遙感信息時(shí)，需要分別測(cè)試可見(jiàn)光波段和MNDWI指數(shù)，以獲得更好的不透水面提取結(jié)果。

3)利用指數(shù)波段或分量構(gòu)建的不透水面指數(shù)。此類(lèi)不透水面指數(shù)包括基于指數(shù)的建筑指數(shù)(index-based built-up index，IBI)[20]、生物物理組分指數(shù)(biophysical composition index，BCI)[18]。Xu[20]基于城市中的地表覆蓋類(lèi)型[21]，以NDBI指數(shù)、土壤調(diào)節(jié)植被指數(shù)(soil adjustment vegetation index，SAVI)[27]和MNDWI指數(shù)分別代表不透水面、植被和水體，利用這些指數(shù)代替?zhèn)鹘y(tǒng)的衛(wèi)星原始波段設(shè)計(jì)了IBI。Deng等[18]則利用纓帽變換的亮度(TC1)、綠度(TC2)、濕度(TC3)分量分別代表不透水面、植被和水體，設(shè)計(jì)了BCI提取不透水面遙感信息。

不透水面指數(shù)統(tǒng)計(jì)情況如表1所示。

表1 不透水面指數(shù)匯總Tab.1 Summary of impervious surface indexes

①公式中BLUE，RED，NIR，SWIR1，SWIR2和TIR分別為藍(lán)光、紅光、近紅外、短波紅外1、短波紅外2和熱紅外波段的像素值；VISIBLE為可見(jiàn)光波段的像素值。

1.2 實(shí)驗(yàn)數(shù)據(jù)

本研究使用Landsat8衛(wèi)星遙感影像作為實(shí)驗(yàn)數(shù)據(jù)。該衛(wèi)星于2013年發(fā)射，重訪周期為16 d，包含陸地成像儀(operational land imager,OLI)和熱紅外傳感器(thermal infrared sensor,TIRS)傳感器，能夠提供30 m空間分辨率影像，目前已被廣泛應(yīng)用于地表覆蓋動(dòng)態(tài)變化分析[28]。由于大氣校正對(duì)指數(shù)計(jì)算的結(jié)果影響有限，目前已被廣泛使用的MNDWI水體指數(shù)、BCI和NDISI等不透水面指數(shù)都沒(méi)有進(jìn)行大氣校正[18,26,29]，因此本研究使用Landsat8衛(wèi)星原始影像，沒(méi)有對(duì)其進(jìn)行大氣校正處理。為了對(duì)比不同指數(shù)采用Landsat8影像提取不透水面的效果，研究使用1 m空間分辨率的不透水面產(chǎn)品(http: //www.chesapeake. org)作為不透水面真值數(shù)據(jù)，驗(yàn)證不同指數(shù)不透水面提取精度。該數(shù)據(jù)產(chǎn)品為2013年美國(guó)東北部切薩皮克灣地區(qū)的地表覆蓋數(shù)據(jù)，融合美國(guó)1 m空間分辨率的NAIP影像和LiDAR點(diǎn)云數(shù)據(jù)制作而成，是全球空間分辨率最高的土地覆蓋數(shù)據(jù)集之一。本研究從該地表覆蓋數(shù)據(jù)產(chǎn)品中提取出不透水面類(lèi)型，包含建筑物和道路等2類(lèi)人工不透水面，獲取了高空間分辨率不透水面數(shù)據(jù)。從官方提供的數(shù)據(jù)產(chǎn)品精度評(píng)價(jià)和Google Earth影像目視解譯分析可知，該不透水面數(shù)據(jù)產(chǎn)品分類(lèi)精度較高，因此，本研究將其作為真值數(shù)據(jù)用于驗(yàn)證不透水面指數(shù)提取精度。為了與Landsat8影像的空間分辨率保持一致，利用眾數(shù)法將1 m不透水面真值數(shù)據(jù)重采樣至30 m。

1.3 指數(shù)對(duì)比分析方法

不透水面指數(shù)能夠增強(qiáng)Landsat8影像不透水面遙感信息，但為了進(jìn)一步區(qū)分不透水面與非不透水面，仍需要設(shè)定合理閾值生成不透水面二值圖像，獲取“不透水面”與“非不透水面”類(lèi)別信息。通過(guò)比較二值圖像與不透水面真值數(shù)據(jù)，一個(gè)像元將會(huì)出現(xiàn)4種可能結(jié)果： 真正(true positive，TP)、真負(fù)(true negative，TN)、假正(false positive，F(xiàn)P)、假負(fù)(false negative，F(xiàn)N)。TP或TN分別代表二值圖像中被正確分為“不透水面”或“非不透水面”的像元， FP代表被錯(cuò)誤判斷成“不透水面”的“非不透水面”像元，F(xiàn)N代表被錯(cuò)誤判斷成“非不透水面”的“不透水面”像元。在此基礎(chǔ)上，計(jì)算真正率(true positive rate，TPR)和假正率(false positive rate，F(xiàn)PR)能夠評(píng)價(jià)不同不透水面指數(shù)的提取精度。TPR表示被正確分為“不透水面”像元(TP)占真值為“不透水面”像元(TP+FN)的比例，反映指數(shù)提取不透水面的正確率。FPR表示被錯(cuò)誤分為“不透水面”中的“非不透水面”像元(FP)占真值為“非不透水面”像元(FP+TN)的比例，反映指數(shù)提取不透水面的錯(cuò)誤率。

TPR的計(jì)算公式為

(1)

FPR的計(jì)算公式為

(2)

此外，總體精度(overall accuracy，OA)表示被正確分類(lèi)的像元(TP+TN)占全部像元的比例，這一指標(biāo)能夠反映不透水面提取結(jié)果的總體情況，其計(jì)算公式為

(3)

本研究繪制接收者操作特征曲線(receiver operating characteristic curve，ROC)以比較不透水面指數(shù)在不同全局閾值下的提取精度。由于在生成不透水面二值圖像時(shí)，閾值選擇會(huì)對(duì)提取精度產(chǎn)生重要影響[21,30-31]。如果設(shè)定的閾值過(guò)低，會(huì)高估地表不透水面真實(shí)分布，在提取結(jié)果中混入非不透水面信息。如果閾值過(guò)高，部分不透水面不能被有效提取，將會(huì)低估地表不透水面真實(shí)分布。ROC曲線能夠定量評(píng)估分類(lèi)方法在選擇不同閾值下的表現(xiàn)優(yōu)劣，現(xiàn)已廣泛應(yīng)用于機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域[32]。ROC曲線以FPR為橫軸，TPR為縱軸，是不同閾值下對(duì)應(yīng)TPR和FPR點(diǎn)的連線。如果ROC曲線越接近坐標(biāo)左上角((0，1)點(diǎn))，即TPR越高、FPR越低，表示不透水面指數(shù)的提取精度越高。如果某一不透水面指數(shù)的ROC曲線能夠完全包括其他指數(shù)的ROC曲線，可判斷該指數(shù)的不透水面提取表現(xiàn)優(yōu)于其他指數(shù)。若出現(xiàn)不同指數(shù)的ROC曲線互相交叉的情況，還需計(jì)算ROC曲線下面積(area under curve，AUC)進(jìn)一步判斷不透水面指數(shù)的優(yōu)劣。AUC是ROC曲線下的區(qū)域面積，通常取值在0.5～1之間。AUC越大，不透水面指數(shù)的提取精度越高。

研究從ROC曲線中可以獲取不透水面提取的最優(yōu)全局閾值[33]。繪制ROC曲線時(shí)，最初設(shè)定的閾值較低，此時(shí)TPR與FPR值均較大。隨著閾值不斷提高，TPR與FPR值會(huì)同時(shí)減小。因此，最優(yōu)全局閾值的確定需要權(quán)衡TPR與FPR。本研究使用Youden Index(J)方法[34]確定不透水面提取的最優(yōu)全局閾值。該方法中P值能夠評(píng)價(jià)二值分類(lèi)的表現(xiàn)，其計(jì)算公式為

P=TPR-FPR。

(4)

P值越高，表明二值分類(lèi)效果越好。當(dāng)P值最大時(shí)，分類(lèi)效果最好，以該點(diǎn)的閾值劃分不透水面遙感信息，能夠在降低錯(cuò)誤分類(lèi)的同時(shí)準(zhǔn)確提取不透水面，進(jìn)而獲得不透水面指數(shù)的最優(yōu)提取效果。

2 實(shí)驗(yàn)結(jié)果

2.1 方法實(shí)現(xiàn)

在Visual Studio平臺(tái)下，利用Python2.7開(kāi)發(fā)環(huán)境實(shí)現(xiàn)前文所述的8種不透水面指數(shù)提取方法。在計(jì)算不透水面指數(shù)時(shí)，大多研究選擇了原始影像的灰度值，如NDBI，RRI，NDISI，IBI和NBI指數(shù)，僅有PII指數(shù)采用表觀反射率計(jì)算。因此本研究統(tǒng)一采用原始影像的灰度值計(jì)算不透水面指數(shù)。根據(jù)不同指數(shù)要求，對(duì)RRI，BCI和PII覆蓋MNDWI水體掩模。設(shè)置SAVI指數(shù)的經(jīng)驗(yàn)常數(shù)為0.5[22,27]，BCI中所使用的Landsat8纓帽變換系數(shù)由Baig等[35]提供，設(shè)置PII中常數(shù)C=0.02。由于PII在不同實(shí)驗(yàn)區(qū)的藍(lán)光波段系數(shù)m和近紅外波段系數(shù)n非常接近，研究分別取田玉剛等[23]所選實(shí)驗(yàn)區(qū)m和n的平均值(m=0.905，n=0.435)。通過(guò)分別測(cè)試NDISI的可見(jiàn)光波段和MNDWI指數(shù)，當(dāng)以MNDWI指數(shù)作為輸入?yún)?shù)時(shí)，實(shí)驗(yàn)區(qū)的不透水面提取精度最高，因此本研究只選用MNDWI計(jì)算NDISI。此外，對(duì)不同不透水面指數(shù)的提取結(jié)果進(jìn)行歸一化處理，設(shè)ROC曲線的閾值間隔為0.01。

2.2 實(shí)驗(yàn)區(qū)

本研究選擇美國(guó)華盛頓(實(shí)驗(yàn)區(qū)1)和賓夕法尼亞州東部(實(shí)驗(yàn)區(qū)2)作為實(shí)驗(yàn)區(qū)，分別獲取了2個(gè)實(shí)驗(yàn)區(qū)的Landsat8影像作為輸入數(shù)據(jù)(圖2)。實(shí)驗(yàn)區(qū)1影像獲取時(shí)間為2013年4月21日，實(shí)驗(yàn)區(qū)2影像獲取時(shí)間為2014年5月26日，圖2(b)和(d)均采用B7(R)，B6(G)，B4(B)假彩色波段組合，圖2(c)和(e)為高空間分辨率不透水面真值數(shù)據(jù)，其中紅色代表不透水面。2個(gè)實(shí)驗(yàn)區(qū)的面積較大，適合測(cè)試不同不透水面指數(shù)在大區(qū)域的應(yīng)用表現(xiàn)。同時(shí)，2個(gè)實(shí)驗(yàn)區(qū)具有不同的地表覆蓋特點(diǎn)，能夠反映不透水面指數(shù)在不同地表覆蓋條件下的提取效果，具有較強(qiáng)的代表性。實(shí)驗(yàn)區(qū)1的地表覆蓋類(lèi)型以植被、人工不透水面和水體為主，裸地面積較小。研究將裸巖與未種植農(nóng)作物地表裸露的農(nóng)田均視為裸地。該區(qū)的不透水面分布特點(diǎn)多樣，中心城區(qū)的不透水面密集、面積大，郊區(qū)的不透水面稀疏、面積小。實(shí)驗(yàn)區(qū)2的主要地表覆蓋類(lèi)型是植被，裸地面積較大，而人工不透水面分布稀疏、面積小。實(shí)驗(yàn)區(qū)1和實(shí)驗(yàn)區(qū)2的面積分別為2 464像素×2 225像素和1 366像素×1 341像素。同時(shí)期獲取并經(jīng)重采樣后的高空間分辨率不透水面真值數(shù)據(jù)作為精度驗(yàn)證數(shù)據(jù)。

(a) 實(shí)驗(yàn)區(qū)區(qū)位圖 (b) 實(shí)驗(yàn)區(qū)1遙感影像 (c) 實(shí)驗(yàn)區(qū)1真值數(shù)據(jù)

(d) 實(shí)驗(yàn)區(qū)2遙感影像 (e) 實(shí)驗(yàn)區(qū)2真值數(shù)據(jù)

圖2 實(shí)驗(yàn)區(qū)分布及Landsat8影像

Fig.2StudyareasdistributionandLandsat8satelliteimages

2.3 不透水面提取精度評(píng)價(jià)

實(shí)驗(yàn)獲得了8種不透水面指數(shù)在2個(gè)實(shí)驗(yàn)區(qū)的ROC曲線(圖3)。結(jié)果表明，PII在2個(gè)實(shí)驗(yàn)區(qū)所得的AUC值均最高，分別為0.895和0.839，說(shuō)明PII提取不透水面遙感信息的精度最高； 其次是BCI和RRI，對(duì)應(yīng)AUC值略低于PII； 而NDBI，IBI與NDISI這3個(gè)指數(shù)提取不透水面的精度較低，對(duì)應(yīng)AUC值均低于0.8(表2)。此外，對(duì)比實(shí)驗(yàn)區(qū)1和實(shí)驗(yàn)區(qū)2，實(shí)驗(yàn)區(qū)1的不透水面提取精度高于實(shí)驗(yàn)區(qū)2，PII的AUC值從0.895降低至0.839，RRI的AUC值降低了0.050。這說(shuō)明，相比裸地分布較廣的區(qū)域，現(xiàn)有不透水面指數(shù)更適用于不透水面分布較為密集的區(qū)域。

(a) 實(shí)驗(yàn)區(qū)1 (b) 實(shí)驗(yàn)區(qū)2

圖3 不透水面指數(shù)的ROC曲線 Fig.3 ROC curves of impervious surface indexes表2 不透水面指數(shù)在實(shí)驗(yàn)區(qū)1和實(shí)驗(yàn)區(qū)2的AUCTab.2 AUC of impervious surface indexes in study areas 1 and 2

為了進(jìn)一步對(duì)比不同指數(shù)在各自最優(yōu)閾值條件下的最佳不透水面提取結(jié)果，綜合權(quán)衡TPR和FPR，利用Youden Index(J)方法確定了不同不透水面指數(shù)的最優(yōu)全局閾值(圖3)，并以該閾值劃分不透水面和非不透水面，獲取了2個(gè)實(shí)驗(yàn)區(qū)的不透水面二值圖像(圖4和圖5)，其中白色代表不透水面。

(a) 真值數(shù)據(jù) (b) PII(c) BCI

(d) RRI (e) NDBI(f) UI

(g) IBI (h) NDISI (i) NBI

圖4 實(shí)驗(yàn)區(qū)1中最優(yōu)不透水面提取效果

Fig.4Optimalimpervioussurfaceextractionresultsofstudyarea1

(a) 真值數(shù)據(jù) (b) PII(c) BCI

(d) RRI (e) NDBI(f) UI

(g) IBI (h) NDISI (i) NBI

圖5 實(shí)驗(yàn)區(qū)2中最優(yōu)不透水面提取效果

Fig.5Optimalimpervioussurfaceextractionresultsofstudyarea2

在實(shí)驗(yàn)區(qū)1，PII，BCI和RRI的最優(yōu)不透水提取結(jié)果與不透水面真值數(shù)據(jù)的吻合度較高，所對(duì)應(yīng)的不透水面提取OA分別是89.6%，87.4%和87.5%，高于其他指數(shù)的OA(表3)。在這3種指數(shù)中，PII獲得了最高的不透水面提取總體精度，提取不透水面的效果最好，原因在于相比BCI和RRI，PII的FPR值更低(9.5%)，表明PII提取不透水面的錯(cuò)誤率更低。這與PII的設(shè)計(jì)原理有關(guān)，盡管PII和RRI的輸入波段相同，但PII采用了波段線性組合形式，相比于RRI的波段比值組合形式，PII能夠根據(jù)實(shí)驗(yàn)區(qū)的土壤線調(diào)整波段權(quán)重，減弱了土壤噪聲影響[23]。而NDBI，IBI和NDISI的最優(yōu)不透水面提取效果較差，對(duì)應(yīng)的OA均低于75%。它們表現(xiàn)較差的主要原因是FPR值較高。IBI和NDBI的FPR值分別為28.2%和26.7%，遠(yuǎn)高于PII的FPR值。在實(shí)驗(yàn)區(qū)2，盡管PII，BCI和RRI的不透水面提取OA仍然高于其他5種不透水面指數(shù)，分別是77.3%，77.4%，78.3%，但相比于實(shí)驗(yàn)區(qū)1的實(shí)驗(yàn)結(jié)果，它們的不透水面提取精度均明顯降低。PII指數(shù)的TPR值降低到77.1%，而FPR值升高到22.7%。除了PII，BCI和RRI，其他5種不透水面指數(shù)的OA也明顯下降，平均降幅約9.6%。

表3 最優(yōu)閾值不透水面指數(shù)的精度評(píng)價(jià)結(jié)果Tab.3 Accuracy evaluation of impervious surface indexes using the optimal threshold (%)

實(shí)驗(yàn)測(cè)試的8種指數(shù)提取出的不透水面范圍，均大于地表真實(shí)不透水面分布，但也漏提了部分不透水面。在實(shí)驗(yàn)區(qū)1，UI，NDBI，IBI和NDISI將部分水體誤提取為不透水面，RRI和IBI則漏提了郊區(qū)面積較小的不透水面。而在實(shí)驗(yàn)區(qū)2，所有指數(shù)均未能準(zhǔn)確提取人工不透水面信息，提取結(jié)果中混入了大面積裸巖等自然不透水面，該結(jié)果表明不透水面指數(shù)難以正確區(qū)分人工和自然不透水面，這將影響不透水面指數(shù)監(jiān)測(cè)大區(qū)域城市動(dòng)態(tài)變化的能力。造成不透水面指數(shù)誤提的主要原因?yàn)椋?一方面，部分指數(shù)(UI，NDBI，IBI和NDISI)在設(shè)計(jì)時(shí)，低估了水體對(duì)不透水面的干擾作用，未作掩模處理[36-37]； 另一方面，由于不透水面建設(shè)材料的主要成分多為石和砂，這與裸地的組成成分基本相同[38]，造成了不透水面和裸地的光譜特征十分相似[39-40](圖1)，盡管有的指數(shù)在此方面作了改進(jìn)嘗試，PII在組合波段的基礎(chǔ)上設(shè)置土壤線，NDISI在設(shè)計(jì)時(shí)引入了熱紅外波段，但是實(shí)驗(yàn)結(jié)果表明，現(xiàn)有指數(shù)未能在光譜特征上有效區(qū)分裸地和不透水面，進(jìn)而影響不透水面指數(shù)在大區(qū)域的推廣應(yīng)用。此外，部分不透水面指數(shù)漏提了郊區(qū)的不透水面，這是由于郊區(qū)不透水面面積較小，容易與周邊地類(lèi)產(chǎn)生混合像元效應(yīng)，不透水面光譜特征不顯著。

為了進(jìn)一步展示不透水面指數(shù)在不同區(qū)域的提取精度，研究選取了2個(gè)實(shí)驗(yàn)區(qū)的6個(gè)典型局部區(qū)域(表4)。表4中的6行分別表示從2個(gè)實(shí)驗(yàn)區(qū)內(nèi)選取的6個(gè)局部區(qū)域(圖4—5)，第2列為局部區(qū)域的Landsat8衛(wèi)星遙感影像，第3列為所對(duì)應(yīng)的不透水面真值數(shù)據(jù)，第4—11列分別為各個(gè)不透水面指數(shù)的最優(yōu)提取結(jié)果(白色代表不透水面)。從表4中可以看出，區(qū)域1的不透水面分布密集，現(xiàn)有指數(shù)對(duì)該區(qū)域中心城區(qū)的不透水面提取效果較好，其中PII，BCI和RRI與不透水面真值數(shù)據(jù)吻合度最高，NDBI，UI，IBI和NDISI將部分水體誤提取為不透水面，NDISI漏提了少量不透水面。區(qū)域1較好的提取結(jié)果符合大部分不透水面指數(shù)只考慮城市地區(qū)的設(shè)計(jì)思路。區(qū)域2內(nèi)不透水面的面積較小，除NDISI外，大部分指數(shù)均能準(zhǔn)確提取不透水面。在區(qū)域3，現(xiàn)有指數(shù)都將位于區(qū)域中心的裸地誤提取為不透水面。區(qū)域4和區(qū)域5內(nèi)分布著裸地，不透水面指數(shù)的表現(xiàn)均受到了裸地的干擾。而對(duì)于裸地大面積分布的區(qū)域6，現(xiàn)有指數(shù)均未有效增強(qiáng)不透水面信息，人工不透水面提取結(jié)果受到裸巖等自然不透水面的干擾，造成大面積裸地被誤提取為人工不透水面，不透水面提取精度較低，這將影響不透水面指數(shù)在地表覆蓋類(lèi)型較為復(fù)雜的大區(qū)域中的應(yīng)用。

表4 不透水面指數(shù)在局部區(qū)域的提取結(jié)果Tab.4 Example zoomed images showing the impervious surface extraction results

3 結(jié)論

本文選擇具有不同地表覆蓋特點(diǎn)的實(shí)驗(yàn)區(qū)，利用Landsat8衛(wèi)星遙感影像，較為全面地測(cè)試了現(xiàn)有8種主要不透水面指數(shù)的提取精度，得到如下結(jié)論：

1)在不透水面分布密集、裸地面積小的區(qū)域，8種不透水面指數(shù)中PII指數(shù)的不透水面提取精度最高(約90%)，其次是RRI和BCI指數(shù)(約87%)，而NDISI，NDBI和IBI等指數(shù)的提取精度較低(約73%)。

2)在不透水面分布稀疏、裸地面積較大的區(qū)域，現(xiàn)有不透水面指數(shù)未能有效剔除裸地干擾，不透水面提取精度普遍較低(約71%)。

3)在裸地廣泛分布的區(qū)域，不透水面指數(shù)提取精度偏低，不利于監(jiān)測(cè)大區(qū)域的城市不透水面動(dòng)態(tài)變化，反映出目前不透水面指數(shù)設(shè)計(jì)的局限性。

對(duì)于大區(qū)域的不透水面制圖，指數(shù)法操作簡(jiǎn)單、不需要訓(xùn)練樣本，但因其無(wú)法有效區(qū)分不透水面和裸地，限制了指數(shù)法在大區(qū)域不透水面制圖中的應(yīng)用。今后對(duì)不透水面指數(shù)的改進(jìn)，可從指數(shù)設(shè)計(jì)原理出發(fā)，在利用地類(lèi)光譜特征的基礎(chǔ)上融入多源數(shù)據(jù)(例如夜間燈光數(shù)據(jù))，以有效識(shí)別不透水面。