城市遥感课件.ppt

,第9章 城市遥感,资源环境遥感,1,内容提要：,9.1 城市遥感概述 9.2 城市扩张遥感监测 9.2.1 遥感监测城市扩张的原理与方法 一、归一化建筑用地指数 二、改进的归一化裸露指数 三、城镇用地指数 9.2.2 遥感监测城市扩张的实例,2,内容提要：,9.3 城市热岛效应遥感监测 9.3.1 遥感监测城市热岛效应的原理与方法 9.3.2 遥感监测城市热岛效应实例 9.4 城市气溶胶厚度遥感监测 9.4.1 遥感监测城市气溶胶厚度的原理与方法 9.4.1 遥感监测城市气溶胶厚度的实例 9.5 城市人口密度遥感监测 9.5.1 遥感监测城市人口密度的原理与方法 9.5.2 遥感监测城市人口密度的实例,3,9.1 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一，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。,4,9.1 城市遥感概述,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、城市人口及其分布情况、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。,5,6,城市遥感调查的主要技术流程如下图所示。图中的目的、内容和要求由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。,9.1 城市遥感概述,7,城市遥感调查流程,8,9.2 城市扩张遥感监测,9.2.1 遥感监测城市扩张的原理与方法 城市扩张在遥感影像上体现为城市面积的不断扩大，特别是城镇建筑用地的不断扩张。大量的研究表明，利用卫星遥感影像数据通过数字图像处理的方法获取城镇用地信息，从而揭示城市扩张的动态变化是监测城市扩张的有效方法，与统计数据分析方法相比更具实时性和可靠性。,9,9.2.1 遥感监测城市扩张的原理与方法,基于遥感影像上提取城镇用地通常是通过识别城镇用地的特征而获得的。提取城镇用地信息的方法主要有目视解译手工数字化的方法，计算机监督分类和非监督分类的方法和基于光谱特征知识的分类方法。,10,（1）归一化建筑用地指数,NDBI源于对NDVI的深入分析。NDVI之所以能有效提 取植被，是因为植被在TM4上的值大于TM3，而其它 地物的DN值都变小。因此在NDVI图像上一般值大于0 的地物都是植被。由此得到启发，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， NDBI =（TM5 - TM4）/（TM5 + TM4）， 图像上NDBI值大于0的地物则认为是城镇用地。,11,典型地物在Landsat TM影像上的光谱曲线,12,（1）归一化建筑用地指数,但是，研究发现城镇用地TM5波段和TM4波 段的差异远不如构建植被指数的波段之间 的差异来的明显。在Landsat TM影像上DN 值TM5高于M4的除了城镇用地还有裸地以及 含土壤背景信息的低密度植被覆盖区。因 此，利用NDBI提取城镇用地的精度必然会 受到一定程度的影响。,13,（2）改进的归一化裸露指数,NDBI从本质上讲揭示了地表裸露特征，因此将NDBI定义 为归一化裸露指数（Normalized Differenced Barren Index）。从上面的典型地物的光谱曲线我们可以知道研 究发现城镇用地TM5波段和TM4波段的差异远不如构建植 被指数的波段之间的差异来的明显。考虑到归一化植被 指数NDVI反映的是植被信息，那么（1-NDVI）反映的就 是非植被信息，即主要是居民地、裸地以及河流。由于 NDBI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。,14,因此将之称为改进的归一化裸露指数（Modified Normalized Difference Barren Index, MNDBI），,即 MNDBI=NDBI+(1-NDVI)。下图分别是NDBI和MNDBI中心位置的剖面线灰 度值分布图，可以很明显的看出，改进的NDBI 对图像有增强作用，灰度值的变化范围较之NDBI变化很大，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。,15,NDBI图像中灰度值剖面图,16,MNDBI图像中灰度值剖面图,17,（2）改进的归一化裸露指数,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。但是，它需要不断人 为尝试选取MNDBI的阈值，最终获得较好 的提取效果。因此其结果仍然不够客观。,18,(3) 城镇用地指数,在NDBI基础上引入NDVI，通过对图像的二值化、 求交运算，利用这两个指数各自的优势来提取 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（Urban Land-use Index，ULI）。,19,低密度植被覆盖区在TM3和TM4上具有植被的光谱 特征(即在TM3和TM4之间DN值)是变大的；而在 TM4和TM5上具有城镇用地的光谱特征或者说具有 裸地的光谱特征即在TM4和TM5波段之间DN值是变大的。因此，低密度植被覆盖区不仅具有植被的 光谱特性,而且具有城镇用地的光谱特性。利用这 一独特的光谱特性可以将NDBI提取得到的城镇用地（其结果还包含裸地和低密度植被覆盖区）中 的低密度植被覆盖区从中分离出来。,20,典型地物二值化后的像元值,21,三种基于谱间特征分析的城镇用地提取方法比较,22,9.2.2 遥感监测城市扩张的实例,选用的是Landsat TM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，所以仅选用了15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。金华市位于浙江省的中部，属亚热带季风气候。,23,（1）NDBI提取城镇用地,通过对影像的预处理，得到了大气校正后的Landsat TM影像（图a）。利用NDBI计算NDBI图，城镇用地在NDBI图上得到了最大的亮度增强，其他地物则普遍受到压抑，其NDBI值为-11（图b）。将NDBI图二值化，将NDBI值大于0的赋值为1，以白色显示，代表城镇用地；其它的赋值为0，以黑色显示，代表非城镇用地（图c）。通过与大气校正后的LandsatTM影像对比发现低密度植被覆盖区也被提取出来了。因此，仅仅利用NDBI0来提取城镇用地是不可靠的。,24,NDBI法提取的城镇用地,（a）大气校正后的 TM影像(543假 彩色合成),(b) NDBI图,(c) NDBI二值化图,25,（2） ULI提取城镇用地,利用ULI提取城镇用地是在NDBI的基础上引入NDVI，并在两者归一化的基础上进行求交运算。,ULI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,26,NDBI提取城镇用地精度分析,ULI提取城镇用地精度分析,27,9.3 城市热岛效应遥感监测,9.3.1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。,28,9.3.1遥感监测城市 热岛效应的原理与方法,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。如果绘制成等温线图，则形成等温线闭合状态的高温区，人们把这个高温区比喻为立于四周围较低温度的乡村海洋中的孤岛，成为“城市热岛”。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）气温的差值大小，则称为城市热岛强度。,29,热岛效应示意图,30,（1）地表温度遥感反演的原理,1 、普朗克黑体辐射定律用于解释物体的辐射与温度之间的关系，其表达式为式中: 是黑体辐射出射度(单位;Wm-2m-1sr-1)； 是波长(单位： )；T是物体的温度(K);C1、C2是普郎克 函数常量,C1 =3.741810-16Wm2, C2 =1.438810-2mK； 这一普遍适用于绝对黑体辐射的定律，是遥感反演陆面温度 的物理基础。,31,2、维恩位移定律,利用普朗克黑体辐射定律还可以推导出维恩位移定律，它是反演地表物体温度时波长的选择依据。黑体辐射光谱中最强辐射的波长与黑体绝对温度成反比： 式中 。由于地面物体的温度一般在300K左右，根据维恩位移定律我们就可以得出温度300K时，最大波长在9.7m附近。反演陆地表面温度时，就可以根据这个来选择适当的传感器波段。,32,3、热辐射传输方程,进入大气的太阳辐射会发生反射、折射、吸收、 散射和透射。因此，反演地面温度主要须解决大 气扰动(主要是水汽)和地表比辐射率订正的问题。 其中对传感器接收影响较大的是吸收和散射。实 际到达传感器的辐射亮度可通过热辐射传输方程 来表示：,33,式中， 为传感器所接收的第i波段的 热红外辐射亮度； 代表地表物理温度 为 TS(单位为K)时的Plank黑体辐射亮度，i为第i波段地表比辐射率； 为从地面 到传感器的大气透过率； 代表地表热辐射经大气削弱后被传感器接收 的热辐射亮度。 为大气上行辐射亮度； 为天顶角为时大气下行辐射；整 个第三项为大气下行辐射经地表反射后再被 大气削弱最终被传感器接收的辐射亮度。式 中 就是需要反演的目标变量。,34,热辐射传输示意图,35,二、地表温度遥感反演的方法,地表温度热红外遥感反演研究工作可以追溯到 20世纪60年代初所发射的TIROS。早期研究 工作主要采用的数据源是NOAA气象卫星数据。 随着Landsat、MODIS、ASTER等卫星数据的推广 使用，地表温度的遥感反演研究取得了长足的 发展。目前从空中反演地表温度主要有3种方法： 单一热红外通道方法，分裂窗方法，针对MODIS 探测仪而设计的白天/夜间MODIS LST方法。,36,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Landsat TM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MODIS LST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。,37,1、适用于TM遥感影像数据的算法 由于Landsat TM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Landsat 5，求算卫星高度的像元 亮度温度：,38,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。如果大气透射率 ，大气平均作用温 度 和地表辐射率 已知，则可用如下单窗 算法从像元的亮度温度值中T6推算该像元的平均地 表温度 。,39,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 ：,40,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1.1。从而能满足大多数应用的精度要求。,41,2、适用于MODIS遥感影像数据的算法,1）分裂窗方法 分裂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:,其中，Ts为地表温度，P、M为常数，且,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。,42,2）白天/夜间MODIS LST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：,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。,43,9.3.2 遥感监测城市热岛效应实例,以西安地区为例，介绍一个遥感监测城市“热岛效应”的例子。选用了1988年8月23日和2003年5月29日上午10点的TM6数据进行地表亮温反演，通过对比两期的地表亮温的变化情况，分析15年因城镇扩展所带来的城市“热岛效应”变化的影响。,44,(a) 1998年 (b) 2003年,45,(a) 1998年 (b) 2003年,研究区TM6热红外三维伪彩色图像,46,(a) 1988年,(b) 2003年,研究区亮温等级分布图,47,通过分析表明：15年来，西安地区随着城镇面积不断扩展，道路不断拓宽，人工不透水 铺面和吸热表面积的增加，使自然植物生长的表面相对减少，地面的保水能力下降，调节气候的作用相应减弱，使市区的“热岛效应”的倾向更加严重。为了改善西安市的热环境，要采取一系列的相关措施以缓解“热岛效应”。 如：加大市区绿化力度，提高城市绿化覆盖率。,48,9.4 城市气溶胶厚度遥感监测,气溶胶是影响地表能量收支平衡的决定性因素之一，它以直接辐射强迫和间接辐射强迫两种方式影响着气候系统，同时在局地、区域乃至全球大气环境质量中也扮演着一个重要角色。大气气溶胶对大气环境有明显的影响，而且在不同的空间尺度上，其表现出的影响差异较大。,49,在局地尺度上，气溶胶的影响主要是对人类健康的危害。 在区域尺度上，气溶胶对大气质量有影响，可以反映局地大气环境质量。 在全球尺度上，气溶胶对全球大气环境的贡献主要表现在气溶胶的气候辐射强迫(Climate radiative Forcing) 。,50,9.4.1遥感监测城市气溶胶 厚度的原理与方法,（1）遥感监测城市气溶胶厚度的原理 卫星遥感陆地上空气溶胶发展于大气上界观测表观反射率。假设陆地表面是均匀朗伯表面，大气垂直均匀变化，卫星测量值可用等效反射率，即表观反射率 表达，,L是卫星测量辐亮度，Es是大气顶的太阳辐射通量密 度， ， 是太阳天顶角。,51,假设卫星观测的目标表面为均匀朗伯表面，不考虑气体吸收，那么卫星观测的表观反射率为：,其中， 和 分别为太阳天顶角和卫星天顶角： 是相对方位角，由太阳方位角 和卫星方位角 确定； 和 分别为向下和向上整层大气透过率(直射+漫射)；S为大气的球面反照率； 为地表反射率。 和 和S取决于单次散射反照率 、气溶胶光学厚度和气溶胶散射函数P0。方程右端第一项 为大气中分子和气溶胶散射产生的反射率，第二项为地表和大气共同产生的反射率。由上式可以看出，当地表反射率很小时( 0.06)，卫星观测反射率主要取决于大气贡献项(第一项)；但地表反射率很大时，地面的贡献(第二项)将成为主要贡献项。,52,（2）遥感监测城市气溶胶厚度的方法,1. 暗像元法陆地上的稠密植被、湿土壤及水体覆盖区在可见光波段反射率很低，在卫星图像上称为暗像元。模拟及观测研究表明，在晴空无云的暗像元上空，卫星观测反射率随大气气溶胶光学厚度单调增加，利用这种关系反演大气气溶胶光学厚度的算法，称为暗像元方法。,53,暗像元方法，是由Kaufman和Sendra（1988 ）反演稠密植被上空气溶胶光学厚度建立的。暗像元方法利用大多数陆表在红(0.600.68m)和蓝(0.400.48m)波段反射率低的特性，根据植被指数(NDVI )或近红外通道(2.1m)反射率进行暗像元判识，并依据一定的关系假定这些暗像元在可见光红或蓝通道的地表反射率，用于反演气溶胶光学厚度。暗像元算法基于表观反射率的大气贡献项，即利用卫星观测的路径辐射反演气溶胶光学厚度。它是目前陆地上空气溶胶遥感应用最为广泛的算法。,54,2. 结构函数法,大多数可见光通道的气溶胶遥感算法基于暗地表上的反演理论。但是，对于中高纬度地区冬季或干旱季节，大多数像元是亮地表，在暗地表上以路径辐射为主的反演算法用在亮地表上会产生很大的反演误差。因此，在陆地亮地表上，发展了对比法(结构函数法)来替代暗像元法反演气溶胶光学厚度。,55,对比法是早期研究陆地污染气溶胶采用的卫星遥感算法。它同样采用可见光红、蓝通道数据。对比法是依据下面的假定，即在同一地区，假定在一段时间内地表反射率不变。那么，利用“清洁日”大气作为参考，可以反演“污染日”大气的气溶胶光学厚度。 它不同于暗像元法基于大气路径辐射对卫星信号的贡献项反演气溶胶光学厚度。结构函数的用法，解决了确定不变地表的困难，使对比法的应用有了广阔前景。它为在暗像元算法不适用的干旱、半干旱地区和城市区域等亮地表上空的气溶胶光学厚度反演提供了一条途径。,56,9.4.2 遥感监测城市 气溶胶厚度的实例,下面着重介绍针对EOS-MODIS辐射仪提出的用于气溶胶遥 感的方法。MODIS的36个光谱通道中用于气溶胶遥感的 通道是分辨率为250m的0.66m通道（红光）和分辨率为 500m的0.47m通道（蓝光）和2.1m通道和分辨率为1km 的3.8m通道。此外，还要应用11m的红外窗区通道来 订正3.8m通道的地表辐射。此外，还要利用1m的水汽 通道订正大气可降水总量，9.6m通道订正臭氧总量。通 过云检测，确定出晴空像元之后，求取全球气溶胶光学厚 度，质量浓度和辐射强度分布，可概括如下：,57,第一步，选取暗背景像元，确定其地表反射率。利用2.1m通道的反射率，以及它与蓝光、红光的地表反射率的经验关系，可以较精确地得出地表反射率。第二步，初步估计光学厚度。利用全球大陆及气溶胶模式和卫星测得的红光通道和蓝光通道表观反照率，推算气溶胶的光学厚度。第三步，确定气溶胶模式利用第二步得到的气溶胶光学厚度，确定气溶胶模式和在蓝光、红光通道气溶胶的单次散射的路径之比。利用此比值可以区分出沙尘气溶胶模式和非沙尘气溶胶模式。,58,第四步，重新计算气溶胶的光学厚度，根据气溶胶模式订正红光和蓝光的光学厚度。利用大陆模式气溶胶等新模式气溶胶的转换关系，得到重新计算的气溶胶光学厚度。第五步，用网格计算以上步骤得到的气溶胶的分辨率是10km10km。对于空间变化剧烈的气溶胶就显得不够。为此，首先利用10km10km气溶胶的光学厚度和标准差来确定是否需要订正，如对标准差与光学厚度之比大于0.5，则气溶胶的空间变化剧烈，需要更正。然后，将网格分成5km5km，重新计算。,59,2002-09-24 MODIS level2产品在北京地区的空间分布,60,MODIS遥感气溶光学厚度的时间序列(北京）,61,2002-11-05T11:20(北京时间 )MODI Slevel2 气溶胶光学厚度(550nm)空间分布,62,2004年10月5日、6日、7日、8日、9日和11日北京及周边地区大气气溶胶光学厚度（颜色和等值线代表气溶胶光学厚度）,63,64,(a)(b) 利用 MODIS 资料反演的北京市及城区 周边气溶胶光学厚度年平均分布(2003),65,9.5城市人口密度遥感监测,9.5.1遥感监测城市人口密度的原理与方法 利用遥感监测城市人口密度主要有：居住单元法、土地利用密度法、建成区面积法、耗 能法及地物光谱法。方法的差异主要在于采用 航空像片或卫星像片的波段和比例尺的不同。 但是利用土地密度法估算人口密度的方法应用 较多。,66,假设城市某区域内的同一类型住宅的密度一致， 通过抽样调查住宅面积和人口，求得每一住宅类 型的代表人口密度D1，D2，Dn，利用航空 像片或卫星影像判读出各种住宅类型并求出其面 积S1，S2，Sn，则可用下式估算该区人口总 数P估： P估S1* D1+ S2* D2+ Sn* Dn 此时在已知该区的统计人口数量P统，则可求出估算误差P： P|P统P估| / P统 当误差在一定小的范围内时，可以进行全面估算。,67,这个方法的关键在于抽样区的代表性。事实 上，即使相邻区域的同类住宅，由于为不同时 期所建或居民成分不同，其建筑容积率、人均 居住面积均有所差异，因此人口密度很难保持 一致。这就为选择样本区域带来了一定的难度。 因此所抽样区域的选择在很大程度上决定着最 后城市人口或者人口密度的估算精度。,68,9.5.2 遥感监测城市 人口密度的实例,设某城市区域有n种居住用地类型，每一住宅类型的人口密度为Di（i1，2，n）；又设该区域被分为m个行政街道，且已知每一街道的统计人口数量为Pj（j1，2，m）；航空遥感调查获得的每个街道内的各种住宅用地面积为Sij（i1，2，n；j1，2，m），则可建立线性方程组：,69,在此方程组中mn时，即街道个数多于居住类型数时，可采用最小二乘法原理，将方程组转化成为nn正规方程组。解正规方程组，即可求得该区域内统计人口数总误差为最小的各类住宅密度估计值。,70,最终人口密度估算结果表（徐建刚等，1994）,（单位：人/km2）,71,