城市遙感生態指數的工程化應用研究

楊德彬,厲香蘊,葉元元

(安徽省基礎測繪信息中心,安徽 合肥 230031)

0 引 言

良好的生態環境是實現社會經濟可持續發展的基礎。及時準確地監測、掌握區域生態環境變化規律,將對促進區域經濟可持續發展、城市生態文明建設具有極其重要的現實意義。利用衛星遙感技術成像范圍大、能夠實時快速獲取地物信息且重復觀測的優勢,在較大尺度下開展區域性生態環境變化監測評價,已成為生態系統保護的重要技術手段,在生態遙感領域發揮了積極重要的作用。

目前,遙感監測技術研究大多數是基于單一的指數進行分析,如植被指數、水體指數、地表溫度指數等。當前需要一個能綜合多種生態因素的數學指標模型,對整個生態系統實現快速、準確的監測和評價。影響生態環境質量的自然因素很多,反映其特征的參量也很多,其中綠度、濕度、熱度和干度因素是與人類活動密切相關的4個重要指標。徐涵秋教授提出了遙感生態指數RSEI指數,該模型綜合了4個指標信息的函數[1,2],更是直觀地反映了生態環境優劣的評價因素。張浩等利用RSEI指數對南京市進行多指標的生態影響評價研究,并探討影響城市生態環境變化的關鍵因素[3]。本文基于包含綠度、濕度、熱度、干度等指標因素的遙感綜合生態指數,旨在探索工程化應用技術路線,實現對合肥市城市生態環境進行快速監測與評價。

合肥作為長三角城市群副中心之一,各領域都發展迅速,自然生態方面有一定壓力?？焖俦O測生態變化對于改善合肥城市生態環境,對于整個城市的可持續發展具有重大影響。因此,本文利用遙感生態指數RSEI對合肥市進行工程化應用,產品成果應用于合肥生態環境的監測和評價,對于合肥市生態環境監測具有重要意義。

1 研究區域及數據源

1.1 研究區域

合肥市,位于安徽省的中間,在中國長江、淮河之間。合肥市是中國長三角城市群副中心之一,也是著名的綜合性國家科學中心, 同時也是合肥都市圈中心

圖1 研究區域范圍

城市、皖江城市帶核心城市、中國著名的四大科教基地之一。全市總面積1.14萬平方千米,地處30°57′N～32°32′N、116°41′E～117°58′E。截至2020年,合肥市已建成區面積 528.5 km2,常住人口為936.98萬人。本研究選取合肥全市區域為研究區進行遙感生態指數的工程化應用。

1.2 數據源

本研究采用合肥市域2008年、2013年、2018年Landsat影像為數據源,對研究區30m多光譜影像進行常用的預處理,得到后續遙感生態指數工程化應用的初始遙感數據。

2 遙感生態指數

本文使用的遙感生態綜合指數綜合了綠度、熱度、濕度、干度這4個重要指標的信息。

從遙感影像中提取植被指數表示綠度,地表溫度表示熱度,纓帽變換的濕度信息表示濕度[3]。其次,其中裸土也是造成生態地表“干化”的重要因素之一,因而可以利用建筑和裸土指數來代表“干化”程度。在生態指數方面,研究采用RSEI并工程化應用該模型實現遙感生態數據監測,即:

RSEI=f(Wet,VI,LST,NDBSI)

(1)

公式(1)中,Wet表示濕度分量指標,VI表示植被指數指標,LST表示地表溫度指標,NDBSI表示建筑、裸土指標。

(1)濕度指標

纓帽變換是遙感圖像處理中常用的有效數據壓縮技術,也可以去除遙感影像中的冗余信息,其中的亮度、綠度、濕度分量維度與地表物理參量則直接相關,本文采用濕度分量表示濕度參數。

(2)綠度指標

歸一化植被指數(NDVI)是最常用的指數之一,本文中采用NDVI來代表綠度指標。

(3)熱度指標

代表熱度指標的地表溫度采用定標參數進行計算,經過計算的溫度T必須進行比輻射率糾正才能成為地表溫度LST。

(4)干度指標(NDBSI)

本文采用建筑指數(IBI)和土壤指數(SI)綜合表示干度指標。

(5)主成分分析

主成分分析(PCA)是一種信息壓縮方式[4,5]。本文通過PCA分析變換綜合綠度度量、熱度度量、濕度度量、干度度量進行分析。由于各指標之間不統一,在進行主成分變換前,需要先對各個指標歸一化處理,從而使數值歸一化在[0,1]數值區間內,實現指標的統一量化。

3 遙感生態指數工程化應用

3.1 技術路線

本文先對合肥市遙感影像數據進行預處理,然后對預處理后的遙感影像分別進行濕度分量Wet、綠度分量NDVI、干度分量NDBSI、熱度分量LST遙感反演,再分別對4個分量指標進行歸一化計算處理,根據綜合指標進行主成分分析PCA變換得到RSEI0,再歸一化RSEI0，得到最終遙感生態指產品,如圖2所示。

圖2 遙感生態指數工程化應用技術路線

3.2 遙感生態指數模型

遙感生態指數模型如表1所示。

表1 遙感生態指數模型

根據上述遙感生態指數模型,進行工程化研究實踐需要對各模型中的參數進行定量化。

(1)模型中的ρB、ρG、ρR、ρNIR、ρSWIR1、ρSWIR2分別表示影像各波段的反射率[6,7]。

對于Landsat5 TM多光譜影像,模型中的:

C1=0.031 5、C2=0.202 1、C3=0.310 2、C4=0.159 4、C5=-0.680 6、C6=-0.610 9;

對于Landsat7 ETM+多光譜影像,模型中的:

C1=0.262 6、C2=0.214 1、C3=0.092 6、C4=0.065 6、C5=-0.762 9、C6=-0.538 8;

對于Landsat8 OLI多光譜影像,模型中的:

C1=0.151 1、C2=0.197 3、C3=0.328 3、C4=0.340 7、C5=-0.711 7、C6=-0.455 9。

(2)模型的ρNIR、ρR表示Landsat各傳感器紅外、紅光反射率。

(3)模型的L6/10表示熱紅外像元輻射值。DN表示灰度值;gain和bias分別表示增益值、偏置值。傳感器溫度值T由K1、K2定標參數表示。模型中的LST表示地表溫度,λ為熱紅外中心波長[2,3]。

3.3 基于Python的遙感生態指數工程化應用

基于Python語言,根據其包含的強大的遙感圖像處理模塊包進行編碼,如gdal模塊,實現遙感數據的讀寫;numpy模塊,實現數據矩陣的快速運算;sklearn深度學習模塊,實現遙感數據綜合分量的主成分分析。本文基于上述遙感生態指數模型,實現了基于Python的遙感生態指數工程化應用,為多期遙感數據的批量化處理和生態指數的評價提供了科學支撐和工程應用基礎。關鍵代碼如下:

import numpy as np

from osgeo import gdal,gdalconst

from sklearn.decomposition import PCA

def get_rsei(self): # 綜合處理

wet = self.get_wet_degree() ndvi = self.get_green_degree()

lst = self.get_temperature() ndbsi = self.get_dryness_degree()

data = np.array([self.normlize(wet),self.normlize(ndvi),self.normlize(lst),self.normlize(ndbsi)])

data = data.reshape(data.shape[0],-1).T

rsei = self.normlize(1 - np.reshape(pca.fit_transform(data),newshape=(self.img_height,self.img_width)))

return wet,ndvi,lst,ndbsi,rsei

4 遙感生態指數產品結果及分析

本研究以合肥市為例,采用2008年、2013年、2018年Landsat衛星遙感影像,根據遙感影像的Python編程開發,分別進行濕度分量、綠度分量、熱度分量、干度分量的信息提取生成相應濕度、綠度、熱度、干度專題產品,通過PCA主成分分析,生成遙感生態指數專題產品,如圖3所示。通過該技術方法,可快速實現各遙感生態指數產品的快速生產和綜合制圖,為生態環境保護提供科學數據和支持。

圖3 合肥市遙感生態指數產品

5 結 語

遙感生態指數(RSEI)是一種有效的生態環境質量監測與評價方法[8,9],本文以生態環境質量評價的遙感生態指數模型為基礎,對RSEI模型各指標進行編程開發,實現了遙感生態指數的工程化應用,對合肥市生態系統狀況監測評價。后續研究中將對多期衛星遙感影像產品結果進行分析,深入探索區域內城市生態指數的空間變化規律,為生態環境保護提供數據支撐和決策支持。