基于BCI 方法的城市不透水面提取研究

魏志宏

（武威市規劃測繪設計研究院有限公司，甘肅 武威733000）

當前，我國城市化進程加快，導致以不透水面為主的地表覆蓋類型逐漸取代了以植被、土壤等為主的地表覆蓋類型，不透水面是指能夠阻止水滲入土壤的地表覆蓋類型，城市不透水面比例的增加會影響城市的植被、水體和城市水質環境、地表熱環境等，對生態環境的質量和人民的生活質量都產生負面影響。不透水面阻止雨水滲入土壤，會導致地表徑流量增加，造成城市澇災和地下水資源緊張；此外，不透水表面可能會導致城市熱島效應，改變城市生態系統，影響生物遷徙。為了使城市不透水面能夠被合理的開發和利用，快速、準確地獲取城市不透水面的信息是一項刻不容緩的任務[1，2]。面向對象的影像分析技術來提取不透水面一定程度上避免了影像中常見的“同物異譜和同譜異物”現象，但影像分割的算法費時且提取結果受圖像分辨率限制[3，4]；目前已經提出了各種光譜指數，用于不透水面的提取，包括不透水面指數(normalized difference impervious surface index，NDISI)、基于紅波段可見光的指數(visible red-based built-up index，VrNIR-BI）、基于綠波段可見光的指數(visible green-based built-up Index，VgNIR-BI）等。結果顯示運用這些方法提取不透水面較為便捷且效果較好[5-7]，但忽略了水體和裸土的波譜與建成區相似的情況，提取操作時往往會將裸土、水體與建成區混淆，出現錯分、漏分，總體分類精度不高的情況，且一般指數方法對波段依賴性高，存在普適性不強的問題，為了提高不透水面提取的精度和提取方法適用度，本文使用生物物理指數（biophysical composition index, BCI）方法提取不透水面。

1 方法介紹

BCI 方 法 是 在 Ridd 構 建 的 的 V-I-S 模 型(Vegetation-Imperious-Soil)基礎上提出的，其基本思路是將城市表面的基本組成部分看作是土壤、建成區和植被，BCI 是一種指數，被用于區分城市環境不同地物的類型。纓帽變換是用于識別農業谷物長勢的一種方法，由Kauth 提出，而BCI 指數就是基于纓帽變換(TC transformation)生成的亮度(TC1)、綠度(TC2)和濕度(TC3)三個分量所構建的。由于它具有突出不同土地覆被類型光譜特征和將光譜信息壓縮的優點，近年來被廣泛應用。TC 分量廣泛用于機器學習方法估算城市建成區。該指數與植被豐度呈負相關，與建成區豐度呈現明顯正相關。經過BCI 指數計算的結果，所有地物的數值都分布在-1 到1 間，植被BCI 值最低且小于0；建成區的BCI 值最高且大于0；裸土BCI 值接近0。在城市區域的運用方面，BCI 指數相比其它指數更有獨特優勢：NDISI 指數需要依賴遙感影像熱紅外波段，而攜帶有熱紅外波段的影像并不多，這就導致該指數的普適性遜色于其它指數；BCI 指數和植被豐度的相關性與NDVI 指數相同，和建成區的相關性比NDVI 指數強，與NDBI 指數相比，BCI 指數在土壤和高反照率建成區之間具有較高的區分度；ISA 指數只考慮了植被和建成區兩種地表覆蓋，所以只適用于以植被和建成區為主的地區，不宜用于裸土和水體的分布區。因此，BCI 指數比NDISI、NDVI、NDBI 和ISA 等指數更適合監測和分析城市環境。計算的BCI 指數前，需對數據進行三步預處理：包括影像預處理、水體掩膜和穗帽變換(TC 變換)。由光譜指數方法計算的結果是亮度值，還不是分類結果，無法進行分類后處理，因此使用基于知識的決策樹分類再進行分類。

2 圖像預處理

圖像預處理是通過波段運算計算出BCI 指數，然后根據經驗和專家知識獲取一定的閾值規則范圍，在BCI 公式中要運用到地物在各波段的反射率，而輻射定標和大氣校正的根本目的，就是修正和消除地物在各波段的反射率與真實值的差異。本文預處理流程為：輻射校正和圖像裁剪。

輻射定標就是將傳感器記錄的數字量化值DN 轉換為大氣表觀反射率的過程，定標輻射亮度值公式為：

式中K1、/K2為常量，在元數據中獲取。本文計算所用公式為反射率，因此定標選擇表觀反射率（大氣層頂反射率）。

本文使用大氣校正的方法為輻射傳輸方程法。輻射傳輸方程法計算溫度是基于來自熱紅外通道的輻射能量（大氣窗口）。熱紅外傳感器接收的能量主要包括三個部分：大氣減弱后的地表熱輻射、大氣向下輻射的地表反射、大氣向上輻射，如下式：

3 結果與精度評定

3.1 實驗結果

沈陽市是遼寧省省會，位于遼寧中部，北緯41°48′11.75″、東經123°25′31,18″之間，是東北老工業基地的特大城市，其重工業發達，人口眾多，同時戰略位置重要。本次實驗選取沈陽市區作為研究區，準確快速獲取不透水面信息，了解沈陽發展狀況及城市發展中存在的不足，對于東北振興和沈陽未來規劃具有重要意義。

本文以2020 年3 月11 日的Landsat-8 影像為數據源，含云量2.09%，影像質量良好，方便不透水面信息的提取工作。經過BCI 指數計算、基于專家知識的決策樹分類后，得到如下沈陽市不透水面提取結果。（圖1）

圖1 沈陽市不透水面提取結果

通過與原圖對比，沈陽市不透水面整體提取結果準確，但城市東南部區域的水體被誤當做不透水面提取，這是因為水體的輻射亮度值與不透水面相當，且水體與建成區的波譜響應函數相似，因此在實際提取時出現水體與不透水面混淆情況。沈陽市不透水面分布密集，基本城區內基本沒有天然的土地覆蓋類型，以不透水面為地表覆蓋類型已經取代了原本以植被、土壤和水體覆蓋的地表覆蓋類型，一方面表明沈陽市發展速度很快，另一方面不透水面的分布也代表著沈陽正在面臨著嚴重的環境污染，城市熱島、溫度上升、雨水無法滲入土壤造成的地下水資源匱乏、地下水循環受阻及城市排水功能下降等都將會以各種形式表現出來，最終威脅著沈陽這座城市的發展和生存。

3.2 精度驗證

本研究利用的精度評價方法為混淆矩陣，通過在未分類前的影像中選擇感興趣區作為評價提取精度的真實參考源，表1為精度評定結果。

表1 精度評定結果

4 結論

通過BCI 方法對沈陽市不透水面提取，提取總體精度為88%，kappa 系數為0.8，證明了BCI 方法適用于不透水面提取，沈陽市不透水面分布密集，其引發的城市熱島、溫度上升、雨水無法滲入土壤造成的地下水資源匱乏、地下水循環受阻及城市排水功能下降等結果都將會以各種形式表現出來，最終威脅著沈陽這座城市的發展和生存，因此政府相關部門合理規劃沈陽市發展和環境保護已經刻不容緩。