1990―2011年舟山群島不透水面動態遙感分析

張曉萍， 呂 穎， 張華國， 李朝奎

(1.洛陽師范學院國土與旅游學院,洛陽 471934； 2.國家海洋局第二海洋研究所衛星海洋環境動力學國家重點實驗室,杭州 310012； 3.湖南科技大學地理空間信息技術國家地方聯合工程實驗室,湘潭 411201)

0 引言

不透水面(impervious surfaces，IS)是城市中普遍存在的人工地表特征，其表面覆蓋著諸如水泥、瀝青、混凝土、磚和壓實的土地等不滲透性材料[1]。IS隔離地表水向土壤下滲，影響區域地表徑流、水文循環、水體質量及生物多樣性等生態環境要素[2]。近幾十a來，在快速城鎮化的影響下，舟山海島的自然地表被不斷增加的不透水硬化地面所代替[3]。地表覆蓋硬化加劇了海島地表徑流的活動，人類開發活動產生的污染則隨地表徑流匯入島內水庫，或隨河道排入海中，不僅嚴重污染了島上的淡水資源，還使原本就很有限的淡水資源變得更加稀缺。為此，因海島土地利用方式改變而引發的海島淡水資源環境安全問題受到了廣泛關注。在這樣的背景下，定量化研究舟山群島的IS變化動態，對分析海島城市淡水污染機制及其可持續發展具有重要意義。

遙感技術的快速發展使得獲取不同時空尺度的IS變化信息成為可能。Carlson等[4]運用AVHRR和Landsat TM影像，根據植被覆蓋度反比關系，獲取了美國賓夕法尼亞州切斯特地區1987―1996年間的IS變化信息； Xian等[5]運用Landsat TM/ETM+數據及航空數字影像，通過回歸決策樹方法提取了美國佛羅里達州坦帕灣流域1991―2002年的IS動態變化信息； Powell等[6]基于1972―2006年獲取的Landsat數據集，運用光譜混合分析法，估算了美國華盛頓地區的IS變化狀況。徐涵秋[7]基于Landsat ETM+及ASTER影像數據提出一種歸一化差值IS指數，估測了我國福州市的IS動態變化； Zhang等[8]基于1998―2013年獲取的Landsat影像數據集，綜合地表溫度指數、生物物理組合指數及歸一化植被指數與IS覆蓋度的線性關系，分析了近25 a我國珠江流域的IS變化。此外，也有研究者綜合使用WorldView-2等高空間分辨率影像及LiDAR數據，采用面向對象、神經網絡及決策樹方法研究了城市區域的IS動態變化[9-11]。總體上，估算IS的方法大致可分為4類： 光譜混合分析法、回歸法、分類法及指數法[12]。上述研究的IS主要是內陸地區(包括城市、內陸河流域等)，對海島而言，除林地、耕地、建筑區、農村居住區及河流之外，還有鹽田、灘涂、養殖區、水庫及坑塘等，這些地物的光譜特性在水的影響下極易與IS混淆，給海島地區的IS變化分析造成了一定困難。光譜混合分析法在處理混合像元問題上具有一定優勢，但不適用于大范圍、地物復雜區域的IS提取，因為在這種情況下不易獲取代表純凈IS端元的光譜特征[13]。分類法是較為成熟的IS提取方法，可操作性強，但一般需要解譯人員結合野外調查數據建立完善的IS解譯標志。指數法可提出能反映IS分布與其他地物具有較高分離度的特征指數，計算相對簡單、高效，但需要自定義IS分割閾值，且IS指數不能與真實的IS含量相關聯，難以進行絕對量化分析[12]。回歸法是通過地物光譜特征和IS的比例關系建立回歸函數，進而估計區域的IS分布，常應用在地物相對復雜的IS提取中。植被覆蓋度反比關系法是回歸法的一種，其基本原理是根據城市建成區中植被覆蓋度與不透水面覆蓋度的強負相關關系獲取IS信息，植被覆蓋度可由歸一化植被指數或者纓帽變化的綠度分類獲得； 該方法簡單易行，避開了混合像元的問題，在植被、生態環境監測和水文氣候模擬等方面應用廣泛[1]。國內已有不少研究者運用遙感及地理信息技術對我國長島[14]、崇明島[15]、舟山群島[3]和廈門島[16]的土地利用變化進行了分析，但是較少關注并系統分析群島城市的IS動態變化信息[17]。因此，本文的研究目標是在已有研究成果基礎上，基于植被覆蓋度反比關系法提取舟山群島1990─2011年近20 a間的IS信息，包括IS面積變化、新增IS的空間分布及高程分布變化信息，并分析其影響因素。

1 研究區概況

選取舟山本島及其附近島嶼為研究區。舟山群島附近島嶼包括金塘島、秀山島、冊子島、長白島、長峙島、大貓島、岙山島、盤峙島、小干島和魯家峙等，行政上涉及舟山市的定海區、普陀區及岱山縣，島陸總面積約703.34 km2(圖1)。

圖1 研究區位置

研究區內各主要海島的基本信息見表1。

表1 研究區主要海島基本信息Tab.1 Basic information of major islands in study area

研究區屬北亞熱帶南緣海洋性季風氣候區，年均降雨量為1 300～1 500 mm； 森林覆蓋類型主要有針葉林、常綠闊葉林及落葉闊葉林。舟山市是海島城市，淡水資源缺乏，海島生態系統脆弱，島嶼眾多(故習慣稱“舟山群島”)，但面積普遍狹小，且以丘陵山地為主，可利用土地資源有限。1988年以來，舟山市的港口海運、臨港工業、海島旅游、海洋漁業等行業發展迅速。在舟山市海洋經濟快速發展的同時，經濟增長與海島土地資源、淡水資源環境安全之間的矛盾也日漸突出。1990―2011年間，舟山群島的IS發生了較大變化。

2 數據與方法

2.1 數據源及預處理

獲取研究區3期中等空間分辨率衛星遙感數據： 1990年6月11日Landsat5 TM、2000年6月14日Landsat7 ETM+和2011年5月20日Landsat5 TM，影像空間分辨率均為30 m； 3期高空間分辨率航空/衛星數據： 1990年12月1 m空間分辨率全色航空影像、2002年10月1 m空間分辨率多光譜航空影像和2011年4月20日2.5 m空間分辨率SPOT5多光譜融合影像。以上數據研究區內都無云遮擋，影像清晰，質量均較好。運用ENVI EX5.1 軟件對TM/ETM+影像進行輻射定標處理，將各時相影像的DN值校正為星上反射率。利用ERDAS IMAGINE2013軟件的AutoSync模塊對多時相遙感影像進行幾何配準，影像重采樣方式為最鄰近像元法，配準的均方根誤差控制在1個像元以內。

本文所用的其他數據包括： 2005年舟山市土地利用調查數據、2011年研究區行政區劃矢量圖、1980年研究區30 m空間分辨率數字高程模型柵格圖及1989―2011年間舟山市統計年鑒等。為便于遙感影像、矢量數據及專題圖等之間進行空間疊置分析，將所有數據的投影方式統一轉換為GCS_WGS_1984橫軸墨卡托(Transverse Mercator)投影。

2.2 IS提取

2.2.1 城市建成區確定

運用分類、掩模的方法獲取建成區信息[17]。首先，將研究區內的用地類型劃分為林地、旱地、水田、鹽田、養殖水面、河流水庫水面、灘涂、高密度建筑用地和低密度建筑用地(其中，高密度建筑用地是指城市、建制鎮、獨立工礦用地、港口碼頭用地、公路用地及特殊用地等IS覆蓋比例較高的用地類型； 低密度建筑用地是指IS覆蓋比例相對較低的居民地及水工建筑用地)，以2005年的實測土地利用調查數據為基礎，通過ENVI EX5.1 軟件中的最大似然監督分類法分別提取1990年、2000年和2011年的土地利用/覆蓋信息，分類結果如圖2所示； 然后，利用ArcGIS10.3軟件分別從上述3景Landsat影像中通過掩模運算去掉除高、低密度建筑用地之外的其他地類，獲得各個時期的城市建成區影像。

(a) 1990年 (b) 2000年 (c) 2011年

圖21990―2011年舟山群島土地利用/覆蓋分類

Fig.2Landuse/landcovermapofZhoushanIslandsfrom1990to2011

2.2.2 植被覆蓋度計算

植被覆蓋度是衡量地表植被覆蓋狀況的一個重要指標，可通過纓帽變化的綠度分量或歸一化植被指數(normalized difference vegetation index，NDVI)獲得[4,18]。在確定城市建成區的基礎上，本文利用NDVI方法計算掩模運算后各時期遙感影像的植被覆蓋度，即

綜合前文兩個回歸分析結果，我們可以發現較高程度的銀行信任雖有助于提高小微企業的信貸可獲得性(假說1成立)，但對其議價能力的提升無顯著影響，既未對其貸款利率產生顯著影響，也無益于降低貸款抵押要求(假說2和假說3不成立)。

Fr≈N*2,

(1)

(2)

(3)

式中：Fr為植被覆蓋度；N*為調整后的植被指數；NDVIs為純裸土像元；NDVIv為純植被像元；ρr為TM/ETM+影像紅光波段(630～690 nm)的反射率；ρnir為近紅外波段(760～900 nm)的反射率。

對于多數裸露地表，NDVIs一般不隨時間改變，理論上接近0； 但因受地表溫度、粗糙度、土壤類型、土壤顏色和土地利用程度等條件影響，變化范圍一般在-0.1～0.2之間[19]。受植被類型不同等因素影響，NDVIv也會隨時間和空間而改變。因此，應根據實際情況對NDVIs和NDVIv這2個參數做出適當的判斷。本文通過把每一時相的NDVI圖疊置到相應時期的分類圖上，分別提取與林地、旱地對應的NDVI像元，作為純植被像元和純裸土像元。

2.2.3 IS覆蓋度估算及精度驗證

利用城市建成區內IS覆蓋度(impervious surface area，ISA)與植被覆蓋度之間的強負相關關系，定義ISA為單位面積地表中IS面積所占百分比，無量綱。其計算方法為

ISA=(1-Fr)dev,

(4)

式中：ISA為單個像素中的ISA； 下標dev表示城市建成區。

從高空間分辨率影像中隨機選擇樣本，通過目視解譯和最大似然分類法對樣本進行分類，包括不透水面、草地、林地、農田、裸地、水體、陰影及灘涂。基于高空間分辨率數據分類結果，統計落在30 m×30 m網格內的IS像元數，得到30 m空間分辨率的ISA。以高空間分辨率數據計算的ISA為參考值，以Landsat影像提取的ISA為估計值，選取平均相對誤差(average relative error，MRE)、相關系數(R)為ISA提取的精度評價標準[20]，即

(5)

(6)

3 結果與分析

3.1 IS面積變化

1990―2011年間舟山群島ISA分布如圖3所示。

(a) 1990年 (b) 2000年 (c) 2011年

圖31990―2011年舟山本島及其附近島嶼ISA分布

Fig.3ISAmapsofZhoushanIslandsfrom1990to2011

ISA提取結果的精度評價見表2。

表2ISA提取結果的精度評價

Tab.2AccuracyassessmentforresultsofISAextraction

年份統計指標MRE/%R1990年15.050.6712000年11.950.6052011年 8.000.733

2000年的ISA提取精度相對較低，主要是因所用的高空間分辨率參考數據與對應的ISA估算數據獲取時間不一致引起的。此外，裸土、灘涂及細小水體的混入，也會影響ISA估算值，進而影響樣本點的精度對比。總體上，R>0.6，MRE控制在15%以內，表明本文方法基本能較好地估算研究區近20 a的IS變化信息。1990—2011年間研究區IS面積變化見圖4。

(a) 研究區 (b) 舟山島(c) 金塘島(d) 秀山島

(e) 冊子島 (f) 長白島(g) 長峙島(h) 大貓島

圖4-11990―2011年研究區及各主要島嶼IS面積變化

Fig.4-1ChangesofISareainZhoushanIslandsfrom1990to2011

(i) 岙山島 (j) 小干島(k) 盤峙島(l) 魯家峙

圖4-21990―2011年研究區及各主要島嶼IS面積變化

Fig.4-2ChangesofISareainZhoushanIslandsfrom1990to2011

由圖4可知，IS面積1990年為47.96 km2(占研究區總面積的6.28%)，2000年為64.98 km2(占比9.24%)，2011年為114.40 km2(占比16.27%)。1990―2011年間，研究區IS面積呈快速增加趨勢。2000―2011年IS面積的增加明顯大于1990―2000年，平均增幅為4.49 km2/a。

對比各主要島嶼的IS面積變化，發現呈明顯的異質性。在過去20 a中，小干島和長峙島的IS面積變化最大(增加約8倍)，其次是冊子島和岙山島(增加約4倍)，秀山島、長白島和魯家峙增加約2～3倍，其他島(大貓島、盤峙島、舟山島及金塘島)的IS面積增加最少(約1倍)。其中，1990―2000年間，岙山島和冊子島的IS面積變化最大(增加近1倍)； 長峙島和魯家峙的IS面積增加最少(約10%)； 2000―2011年間，長峙島和小干島的IS面積增幅最大(約5～7倍)，而舟山島和盤峙島的IS面積增幅最小(約40%)。

3.2 新增IS空間分布變化

以1990年研究區的IS分布為參考，1990―2000年和2000―2011年2段時期內新增IS的空間分布如圖5所示。從總體來看，2段時期中新增的IS沿著各島陸周邊外圍分布。1990年的IS區域主要分布在舟山本島的定海、普陀2個老城區(即解放街道、昌國街道、環南街道與沈家門街道)，以及一些建制鎮(如展茅鎮、白泉鎮、馬岙鎮、岑港鎮及金塘鎮等)。1990―2000年間，舟山本島的定海老城區內及外圍城東街道和普陀區的東港街道的IS明顯增加，其他建制鎮及其附近島嶼的IS面積也有不同程度的擴張。2000―2011年間，舟山本島定海區的IS分布由中心城區向東南方向的臨城街道擴展，并逐漸與普陀區連成一片，而舟山本島其他地區以及秀山島、長白島、小干島、冊子島、魯家峙及金塘島的周邊沿岸區域也增加了大片IS區域。

圖5 不同時期新增IS的空間分布

3.3 新增IS高程分布變化

將獲取的1990―2000年和2000―2011年2段時期內的新增IS空間分布分別疊置在1980年的研究區數字高程模型柵格圖上，得到不同時期新增IS處的高程變化情況。

以高程值0為分界線，2段時期的新增IS主要分布在高程值>0的區域； 但2000―2011年間則有更多的新增IS分布在高程值<0的區域，表明新增IS明顯在向沿岸低海拔地區推進。進一步統計新增IS處高程值的變化發現，在高程值≤0區域，1990―2000年間的高程均值為-1.21 m； 而2000―2011年間則降低為-1.59 m。在高程值>0區域，2段時期的高程均值約為13 m，而高程最大值則達到了455 m以上，但這些極大高程值的頻數較低(圖6)，且一般分布在山上(表3)。

(a) 1990―2000年 (b) 2000―2011年

圖6 不同時期新增IS處高程變化Fig.6 Changes of height for new increased IS during different periods表3 不同時期新增IS區域的高程Tab.3 Height of new increased IS during different periods (m)

4 討論

1)影響IS動態變化的地形因素。1990―2011年間，舟山本島及其附近島嶼的IS呈快速增加趨勢，新增IS多分布在舟山本島老城區周邊、本島沿岸及附近島嶼(圖3―圖5)。研究區屬海島和丘陵地貌，尤其在舟山本島內部分布有大片的丘陵和山地，這樣的海島地形不利于舟山市城區的快速發展。2000年前新增的IS多分布在舟山本島南部的定海及普陀老城區周邊，且增加的IS面積相對較小； 而附近島嶼(如魯家峙、小干島和長峙島等)離舟山市城區近，且分布有大量灘涂平原，為舟山市臨港工業的快速發展提供了有利的土地基礎，因此2000―2011年間附近島嶼的IS面積增加迅速。可見，地形是研究區IS動態變化的主要影響因素之一。

2)影響新增IS變化的功能定位及交通因素。由圖4中可以看出，舟山本島附近主要島嶼的IS面積變化呈明顯的異質性： 在島陸面積較小的小干島、長峙島及岙山島，近20 a間IS面積增加約4～8倍； 而在島陸面積相對較大的秀山島和長白島，IS面積增加約2倍。結合表1中的基本信息發現，凡IS面積變化大的島嶼，其功能定位一般是“港口物流”或“臨港工業”，且由跨海大橋連接舟山本島，交通便利，人類活動影響大； 而IS面積變化相對較小的島嶼，其功能定位為“海洋旅游”，大多無跨海大橋連接舟山本島，交通不便，人類活動干擾相對較小。因此，功能定位及交通狀況是影響各島嶼新增IS變化的2個重要因素。

3)影響IS時空格局動態變化的政策因素。2000―2011年間，臨城街道有大片IS面積增加，并與定海及普陀老城區連成一片，極大擴大了舟山本島的城區面積(圖5)。1990年，舟山政府開始推行“大島建小島遷”政策，組織居民向大島遷移，以便共享更多的淡水資源和基礎設施(包括能源、醫院、道路和住房等)，提高防御臺風、風暴潮等海洋災害的能力。圖7顯示，近20 a來舟山本島的人口密度呈持續增長趨勢，而附近島嶼的人口密度整體呈降低趨勢。

圖7 不同時期各島嶼的人口密度變化

因此，“大島建小島遷”政策在一定程度上促使舟山本島城區IS面積增加。2005年起，舟山政府開始實行“以港興市”的發展政策，使靠近岸線地區興建了很多港口、碼頭和工礦企業，故這期間臨港工業發展迅猛。圖7也顯示，2001―2011年多數島嶼的人口密度呈增加趨勢。無疑，“以港興市”的政策促使這一時期舟山本島沿岸及附近島嶼有大片IS區域增加(圖5)。此外，根據《舟山市灘涂圍墾規劃》，預計到2020年，將新建促淤圍墾項目30處，圍墾面積為24.62萬畝*1畝≈0.066 7 hm2，促淤面積為3.46萬畝。在快速城鎮化壓力下，舟山市通過圍墾工程逐漸向深水區“要地”，以增加居住空間、發展海洋臨港工業。由圖6也可以看出，2000―2011年間新增IS的高程均值明顯降低。因此，政策是影響研究區IS時空格局動態變化的又一重要因素。

5 結論

1)1990―2011年間，研究區IS面積快速增加，由1990年的47.96 km2(占研究區總面積的比例為6.28%)增至2011年的114.40 km2(占比為16.27%)。其中，2000―2011年的IS增加最快，平均增幅為4.49 km2/a。研究區各主要島嶼的IS面積變化呈明顯的異質性： 小干島、長峙島、冊子島及岙山島的IS面積變化最大(增加約4～8倍)； 其次是秀山島、長白島和魯家峙(增加約2倍)； 大貓島、盤峙島、舟山島及金塘島增加的最少(約1倍)。

2)1990―2000年間，新增IS主要分布在舟山本島定海老城區與城東街道、普陀區的東港街道及一些建制鎮。2000―2011年，舟山本島定海區的IS分布由中心城區向東南方向的臨城街道擴展，并逐漸與普陀區連成一片； 舟山本島其他地區以及秀山島、長白島、小干島、冊子島、魯家峙及金塘島的沿岸地帶有大量IS區域增加。

3)與1990―2000年相比，2000―2011年間有更多的新增IS分布在高程值<0的區域，或在很大高程處，前者發生在灘涂圍墾區，后者主要分布在山上的工礦用地中。從總體上來看，近20 a來研究區新增IS明顯向沿海低海拔地區擴張。

4)對IS變化的影響因素進行討論分析，發現地形、政策、功能定位及交通(跨海大橋)等因素是影響研究區IS時空格局動態變化的主要驅動力。

參考文獻(References)：

[1] Weng Q H.Remote sensing of impervious surfaces in the urban areas:Requirements,methods,and trends[J].Remote Sensing of Environment,2012,117:34-49.

[2] 劉珍環,王仰麟,彭 建.不透水表面遙感監測及其應用研究進展[J].地理科學學報,2010,29(9):1143-1152.

Liu Z H,Wang Y L,Peng J.Remote sensing of impervious surface and its applications:A review[J].Progress in Geography,2010,29(9):1143-1152.

[3] Chen J Y,Pan D L,Mao Z H,et al.Land-cover reconstruction and change analysis using multi-source remotely sensed imageries in Zhoushan Islands since 1970[J].Journal of Coastal Research,2014,30(2):272-282.

[4] Carlson T N,Arthur S T.The impact of land use-land cover changes due to urbanization on surface microclimate and hydrology:A satellite perspective[J].Global and Planetary Change,2000,25(1/2):49-65.

[5] Xian G,Crane M.Assessments of urban growth in the Tampa Bay watershed using remote sensing data[J].Remote Sensing of Environment,2005,97(2):203-215.

[6] Powell R L,Roberts D A,Dennison P E,et al.Sub-pixel mapping of urban land cover using multiple endmember spectral mixture analysis:Manaus,Brazil[J].Remote Sensing of Environment,2007,106(2):253-267.

[7] 徐涵秋.近30 a來福州盆地中心的城市擴張進程[J].地理科學,2011,31(3):351-357.

Xu H Q.Urban expansion process in the center of the Fuzhou Basin,Southeast China in 1976―2006[J].Scientia Geographica Sinica,2011,31(3):351-357.

[8] Zhang L,Weng Q H.Annual dynamics of impervious surface in the Pearl River Delta,China,from 1988 to 2013,using time series Landsat imagery[J].ISPRS Journal of Photogrammetry and Remote Sensing,2016,113:86-96.

[9] Im J,Lu Z Y,Rhee J,et al.Impervious surface quantification using a synthesis of artificial immune networks and decision/regression trees from multi-sensor data[J].Remote Sensing of Environment,2012,117:102-113.

[10] Zhao T,Wang J F.Use of Iidar-derived NDTI and intensity for rule-based object-oriented extraction of building footprints[J].International Journal of Remote Sensing,2014,35(2):578-597.

[11] Yan W Y,Shaker A,El-Ashmawy N.Urban land cover classification using airborne LiDAR data:A review[J].Remote Sensing of Environment,2015,158:295-310.

[12] 李德仁,羅 暉,邵振峰.遙感技術在不透水層提取中的應用與展望[J].武漢大學學報(信息科學版),2016,41(5):569-577.

Li D R,Luo H,Shao Z F.Review of impervious surface mapping using remote sensing technology and its application[J].Geomatics and Information Science of Wuhan University,2016,41(5):569-577.

[13] Lu D S,Li G Y,Kuang W H,et al.Methods to extract impervious surface areas from satellite images[J].International Journal of Digital Earth,2014,7(2):93-112.

[14] 黃建波.中國海島.沙洲.瑚礁遙感監測應用中的典型問題研究[D].青島:中國海洋大學,2006.

Huang J B.Research on Typical Questions of China Islands,Sand Banks and Coral Reefs Remote Sensing Monitoring Application[D].Qingdao:Ocean University of China,2006.

[15] Zhao B,Kreuter U,Li B,et al.An ecosystem service value assessment of land-use change on Chongming Island,China[J].Land Use Policy,2004,21(2):139-148.

[16] Quan B,Chen J F,Qiu H L,et al.Spatial-temporal pattern and driving forces of land use changes in Xiamen[J].Pedosphere,2006,16(4):477-488.

[17] Zhang X P,Pan D L,Chen J Y,et al.Using long time series of Landsat data to monitor impervious surface dynamics:A case study in the Zhoushan Islands[J].Journal of Applied Remote Sensing,2013,7(1):073515.

[18] Gillies R R,Box J B,Symanzik J,et al.Effects of urbanization on the aquatic fauna of the Line Creek watershed, Atlanta-a satellite perspective[J].Remote Sensing of Environment,2003,86(3):411-422.

[19] Carlson T N,Ripley D A.On the relation between NDVI,fractional vegetation cover,and leaf area index[J].Remote Sensing of Environment,1997,62(3):241-252.

[20] 王 浩,吳炳方,李曉松,等.流域尺度的不透水面遙感提取[J].遙感學報,2011,15(2):388-400.

Wang H,Wu B F,Li X S,et al.Extraction of impervious surface in Hai Basin using remote sensing[J].Journal of Remote Sensing,2011,15(2):388-400.