第五章-城市遥感

第五章城市遥感城市与环境学院王细元[e-mail]遥感地学分析，黄家柱教授遥感地学分析王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing内容提要5.1城市遥感概述5.2城市扩张遥感监测5.3城市热岛效应遥感监测5.4城市人口密度遥感监测王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing5.1城市遥感概述城市是人口集中、集约经济活动及不同生活方式并存的复杂社会。城市又是人类活动的缩影，并且不断地经历着迅速变化的过程，需要及时地进行监测与分析。城市规划和城市建设者面临的重大任务之—，就是获取与分析那些能有效地用于城市规划、建设和管理的资料。城市遥感的任务就是为城市规划、建设和管理提供多方面的基础地理信息和其他与城市发展有关的资料，诸如城市土地利用现状、城市演变、城市及区域的自然状况、城市人门及其分布情况、城市道路与交通状况、城市热岛、通讯受地理限制的因素等。城市遥感与传统的城市相关资料调查相比，既省时，又省钱，而且效率很高，因而具有广阔的应用和发展前景。王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing目的、内容、要求地形图遥感图像专业资料工作底图影像解译信息提取遥感调查专题图调查数据图表应用分析图中的目的、内容和要求出调查的项目需要所决定；遥感图像包括两类，一是航天遥感图像(主要用于区域性和市域性的宏观调查)和航空遥感图像(主要用于建成区和城市局部地区的较微观调查)；地形图主要用于划分调查的空间层次、地理单元和影像解译时的参考以及作为遥感调查的基础底图。王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing020406080100120140TM1TM2TM3TM4TM5TM7LandsatTM影像光谱波段(LandsatTMspectralBands)DN值(DNvalue)城镇用地裸地林地农田水体低密度植被覆盖区典型地物在LandsatTM影像上的光谱曲线王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing地物光谱特征王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing5.2城市扩张遥感监测一、归一化建筑用地指数NDBI在TM4和TM5波段之间除了城镇用地DN值走高之外，其他地物DN值都变小。因此图像上NDBI值大于0的地物则认为是城镇用地。NDBI=TM5-TM4/TM5+TM4（）（）王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing原始图NDBI结果图NDBI二值化结果图王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing二、改进的归一化裸露指数MNDBINDBI主要反映的是城镇和裸露地信息，所以将NDBI和（1-NDVI）相加就可以更加突出居民地信息。因此将之称为改进的归一化裸露指数（ModifiedNormalizedDifferenceBarrenIndex,MNDBI），即MNDBI=NDBI+(1-NDVI)MNDBI是对NDBI的改进突出了城市信息，使其与周围地物的反差增大，有利于提取城市信息。王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing原始图NDBI结果图NDVI结果图王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensingMNDBI二值化MNDBI结果图NDBI结果图王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing三、城镇用地指数ULI在NDBI基础上引入NDVI，通过对图像的二值化求交（相乘）运算，利用这两个指数的各自的优势来提取城镇用地，把这两个指数的结合用于提取城镇用地称为城镇用地指数（UrbanLand-useIndex，ULI）。典型地物二值化后的像元值城镇用地林地农田水体低密度植被覆盖区NDBI10001NDVI10010NDBI*NDVI10000王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensingNDBI结果图反NDVI结果图ULI结果图$n1_ndbi*$n2_no王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing三种基于谱间特征分析的城镇用地提取方法比较方法名称作者公式优点缺点归一化建筑建筑指数（NDBI）查勇，杨山等（2003）（TM5-TM4）/（TM5＋TM4）相对于传统方法快速有效，提取精度较高，结果较为客观，可信提取结果包含低密度植被区、裸地信息改进的归一化裸露指数（MNDBI）吴宏安，蒋建军等（2005）NDBI+(1-NDVI)相对NDBI更加突出了城镇用地信息，提取结果得到改善需要人为设定阈值，结果受主观因素影响；提取结果包含低密度植被区、裸地信息城镇用地指数（ULI）徐军，蒋建军等（2007）NDBI&NDVI相对NDBI去除了低密度植被区的影响，提取精度得到提高，结果客观、可信，是一种自动提取城镇用地的方法提取结果仍含有裸地信息王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensingNDBIMNDBIULI王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing5.2.2遥感监测城市扩张的实例选用的是LandsatTM影像，研究区覆盖浙江省金华地区，成像时间是1996年9月6日，TM6波段是热红外波段，仅选用了1~5波段和7波段，其空间分辨率为30m。其他数据包括金华市1996年的土地利用现状图以及1:5万地形图，用于几何校正和精度检验。王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensingNDBI法提取的城镇用地（a）大气校正后的TM影像(543合成)(b)NDBI图(c)NDBI二值化图王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensingULI提取的城镇用地(a)NDVI图(b)NDVI二值化图(c)求交运算后的二值化图王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensingNDBI提取城镇用地精度分析城镇用地非城镇用地合计精度城镇用地55167177.46%非城镇用地6232979.31%合计613910078.39%ULI提取城镇用地精度分析城镇用地非城镇用地合计精度城镇用地6166791.04%非城镇用地4293387.88%合计653510089.46%王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing5.3城市热岛效应遥感监测5.3.1遥感监测城市热岛效应的原理与方法城镇扩展对大气环境的另外一个显著影响就是城市的“热岛效应”。快速城市化进程改变了地表下垫面的理化性质。原本是土壤、草地和水体等比热大的自然表面被水泥、沥青等比热小的表面代替，这不仅改变了反射和吸收面的性质，还改变了近地面层的热交换和地面的粗糙度，使大气的物理状况受到影响。大量的观测对比和分析研究确认，城市热岛是城市气候中最普遍存在的气候分布特征。这种城市气温高于四周郊区气温的现象称为城市“热岛效应”，有时也统称为城市热岛。城市气温与郊区同期（瞬时、日平均、月平均、年平均等）气温差值大小，则称为城市热岛强度。王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing热岛效应示意图王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing第一种方法需要已知地表比辐射率；主要包括大气校正法和单窗算法。适用于只包含一个热红外波段的遥感影像，如LandsatTM影像。第二种方法根据分裂窗通道对水汽吸收的差异将地表比辐射率作为输入变量进行大气和地表比辐射率订正。适用于包含2个或多个热红外波段的遥感影像，如NOAA/AVHRR和MODIS遥感影像。第三种方法：白天/夜间MODISLST方法，该方法利用MODIS的7个热红外通道的白天/夜间资料同时反演地表温度和通道平均比辐射率，而不需要高精度的大气温度和水汽廓线。二、地表温度遥感反演的方法王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing1、适用于TM遥感影像数据的算法由于LandsatTM影像只有第6波段是热红外波段，因此，在反演地表温度的时候只能用单一热红外通道方法进行地面温度的演算。算法具体演算过程如下：对于Landsat5，求算卫星高度的像元亮度温度：式中为TM6的像元DN值，0≤≤255，T6为亮度温度值，单位为K。由于大气辐射和地表热特性的影响，卫星高度的亮度温度与实际地表温度有较大差距。对于要求精度较高的地面热量空间分析，有必要进行较为精确的地表温度演算。661260.56/ln[160.766/(0.12380.00563256)]TMTDN6TMDN6TMDNST王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing666666666{(1)[(1)(1)1]}/SaTaCDbCDTDTC式中Ts单位为K；a6=-67.355351，b6=0.458606，C6和D6为中间变量，分别用以下两式表示：6666666(1)[1(1)]CTD因此，只要知道参数即可用上述单窗算法推算任何像元的实际地表温度。对、进行估计时可通过一些简单易行的方法：大气平均作用温度主要是根据当地的地面气象观测数据（地面附近的气温和水分含量）进行估计，如果不能获得当地地面气象观测数据，则可以利用适当的方法进行模拟替代；大气透射率主要是根据大气水分含量来估计。当参数估计没有误差时,该方法的地表温度演算精度达到0.4℃,在参数估计有适度误差时,演算精度仍达1.1℃。从而能满足大多数应用的精度要求。66aT、和，aT6aT6王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing2、适用于MODIS遥感影像数据的算法1）分裂窗方法劈窗方法是到目前为止应用最广泛的地表面温度反演方法，尤其是用来分析NOAA/AVHRR数据。Becker等通过研究认为，地面温度可以表示为两个热红外波段在大气顶层亮温的线性组合即:4545STTTTT1.274PM22其中，Ts为地表温度，P、M为常数，且221P10.156160.4821M6.263.9838.33T4和T5分别为NOAA卫星AVHRR第4和第5波段的亮温值，和分别为NOAA卫星第4和第5波段发射率，为二者之差。45245王细元城市与环境学院遥感地学分析GeographyAnalysisforRemoteSensing2）白天/夜间MODISLST算法该算法适用于包括具有变化的或未知比辐射率的地表在内的所有地表。在MODIS通道j测量到的辐射率可表示为：120341()()()()()()()()()()()ssrdtjLjtjBTLjtjjtjEjtjEj其中各项均为通道平均值,是通道比辐射率，是地表温度为Ts的黑体辐射率，散射太阳辐射，大气层顶的太阳辐射率，和分别为到达地表的通道平均太阳漫射辐射和大气向下的热辐射。为通道有效传递函数。该方程可由统计回归法或最小二乘法解出。Ts即为所要求算的地表温度。