论文部分内容阅读
城市化进程正在全球范围内以前所未有的速度进行着,城市的扩展已使全球的地表在过去的100年里发生了40%的变化。城市化促进经济发展、提高人们生活水平,但同时也带来一系列生态环境问题。不透水面是城市区域中一种典型的土地覆盖类型,指难以被水穿透的地表,是城市环境质量和城市化水平的重要标志之一。不透水面百分比(ISP)是指单位面积内不透水面所占的百分比。与传统基于像元级的遥感研究方法相比,ISP的估算可以进入像元内部,获得更准确的城市信息。作为一门现代化高科技技术,遥感具有宏观、实时、周期性强和信息丰富等特点,利用中分辨率遥感影像去估算ISP已成为城市问题研究的新热点。基于亚像元的不透水面遥感估算方法一般包括多元回归法、线性光谱混合分析法、人工神经网络法和决策树法,其中线性光谱混合分析法和决策树法在近些年来应用非常广泛。 云、积雪和不利天气等导致以Landsat为代表的中分辨率影像存在时间序列上的不连续、空间分布上的数据缺失等问题,影响不透水面的提取,而多时相数据的合成取值可以最大限度地填补缺失数据和消除各种残余的噪声。因此,利用多时相合成数据去反演ISP成为一个新的思路,对于不透水面的提取具有积极意义。在利用遥感技术基于ISP来监测城市扩张变化研究中,如何准确、快速地提取不透水面信息,成为众多学者研究的焦点。目前,为了监测城市化进程导致的不透水面的扩张,大多数研究采用的方法都是以较长时间(比如5年)为间隔地估算某几期(比如3期)不透水面百分比,每估测一期不透水面都需要重新建立估算模型,效率低下。再者,城市面貌瞬息万变,高频率的监测城市不透水面,实时掌握城市化的进程,对城市的发展和城市生态环境均具有重要意义。所以,很显然,仅仅知道较长时间间隔的不透水面变化是不够的。 本文以广州市主城区为研究区,从中选择海珠区作为试验区,先用线性光谱混合分析法与Cubist模型树法估算2004年试验区内的ISP,并对比反演结果。而后,进行基于Cubist模型树的单时相ISP估算模型的优化研究,并根据研究结果选用合适的自变量,利用Cubist模型树建立研究区2000~2010年序列ISP估算模型。最后,定量分析广州市主城区不透水面扩展动态。主要成果如下: (1)线性光谱混合分析法与Cubist模型树法估算2004年试验区(海珠区)内ISP的精度评价和反演结果均显示,Cubist模型树法的估算结果优于线性光谱混合分析法。 (2)在基于Cubist模型树法估算2004年试验区的ISP研究中,基于模型树的集成学习优化算法和中值合成可以最大程度地消除噪声的影响,再通过加入有用的变量和属性精简后得到Optimal Cubist-ISP模型。优化后的模型估算不透水面的整体均方根误差(RMSE)为12.90%,决定系数(R2)为0.90,精度明显优于基础模型(Base Cubist-ISP),RMSE降低了5.11%,异常点显著减少,能较好的识别裸土和水体,很好地改善低值高估的现象,适用于城市区ISP的估算。 (3)本文利用Cubist模型树建立广州市主城区2000~2010年序列ISP估算模型,主要得到三个结论:①多时相数据合成、标准化和归一化等处理可以最大限度地消除自变量年际差异,使得建立年序列ISP的估算模型成为可能。②随着训练样本数的增大,估算模型的精度提高、RMSE逐渐趋于稳定,且训练样本数越大,Cubist模型树对训练样本的敏感程度越低,即模型树表现得越稳定。③在对估算模型评估中可知,模型整体的RMSE为16.02%,MAE为11.01%,高密度不透水面精度较高,中、低密度不透水面和透水面精度较低,高密度不透水面被低估,中、低密度不透水面和透水面被高估;模型在植被和建筑物密集区域的反演效果较好,但对于含水体的混合像元的反演效果不佳,且反射率变量的中值合成可能会使得模型“平滑”掉一些突变;统计分析白云机场和广州塔所在区域的示例像元点逐年ISP变化轨迹,表明模型在时间序列年ISP估算中的可靠性。 (4)2000年到2010年间,广州市主城区和主城区内各行政区的ISP均呈线性增长,且在各个行政区中,白云区的增长最快,其次是荔湾区,而越秀区的增长最慢。这十年间,有36.87%的透水面转化为不透水面,而由于植被生长和城市绿化,有少部分不透水面转化为透水面。对十年间能反映城市扩张的中高密度不透水面扩张情况分析可知:越秀区的中高密度不透水面几乎没有增长,海珠区以湿地公园周边的透水面和低密度不透水面向中高密度不透水面转变为主,荔湾区的中高密度不透水面主要向西南部的农田区域扩张,而黄埔区的整体上来说增加较少,白云区、天河区和萝岗区的中高密度不透水面均呈现向北部山区扩张的趋势。 本文以广州市主城区为例的年序列ISP准确估算为城市规划和管理提供了重要的方法论和数据保证。