武汉市不透水面的提取及其空间自相关分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇武汉市不透水面的提取及其空间自相关分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：利用分类回归树（CART）从高分一号遥感影像提取武汉市2015年不透水面，总体精度为94.17%，Kappa系数为0.898 6，满足精度要求。然后通过Moran指数I和Moran散点图对武汉市13个城区的不透水面盖度进行了空间自相关分析。结果表明，Moran指数为0.241 2，高度显著，说明武汉市13个城区的不透水面盖度存在较强的正向空间自相关。同时，位于武汉市中部的武昌区、青山区、江岸区、江汉区、汉阳区和~口区都位于Moran散点图的第一象限，说明武汉市不透水面在中部地区高度集聚；其他7个城区位于第二象限，说明这7个城区的不透水面盖度较低且呈离散分布。总体而言，武汉市2015年13个城区不透水面盖度存在较强的空间自相关，且中部高，四周低，与实际情况基本一致。
关键词：武汉市；不透水面；分类回归树；空间自相关；Moran指数；Moran散点图
中图分类号：TP79 文献标识码：A 文章编号：0439-8114（2017）09-1642-06
DOI：10.14088/ki.issn0439-8114.2017.09.011
Extraction of Impervious Surfaces and Their Spatial Autocorrelation Analysis of Wuhan City in 2015
YUAN Xiu-liu1，2，YANG Kun2，WANG Bao-yun2
（1.School of Tourism and Geographical Sciences， Yunnan Normal University， Kunming 650500， China； 2.GIS Technology Research Center of Resource and Environment in Western China， Ministry of Education， Kunming 650500， China）
Abstract： The impervious surfaces of Wuhan in 2015 were extracted from the GF1 remote sensing image by the classification and regression tree （CART）. The Overall accuracy was 94.17%， and Kappa coefficient was 0.898 6. Then spatially autocorrelation analysis of the impervious surface coverage of 13 regions of Wuhan was carried out by Moran index and Moran scatter plot. The results showed that Moran index was 0.241 2， and reached highly significant， which indicated that there was a strong positive spatial autocorrelation in impervious surface coverage of 13 areas of Wuhan. Meanwhile， Wuchang district， Qingshan district， Jiangan district， Jianghan district， Qiaokou district and Hanyang district in the central of Wuhan were located in the first quadrant of Moran scatter plot， indicating the impervious surfaces of Wuhan highly concentrated in the central region； other seven regions in the second quadrant， indicating that impervious surface coverage of these seven area were low and presented discrete distribution. Overall， the impervious surface coverage of 13 regions in Wuhan in 2015 has strong spatial autocorrelation， and the center areas were high， and around areas were low， this tendency basically was consistent with the actual situation.
Key words： Wuhan city； impervious surface； the classification and regression tree； spatial autocorrelation； Moran index； Moran scatter plot
不透水面指不透水的人造硬化地表，主要包括屋、沥青或水泥道路以及停车场等具有不透水性的地表面，与透水性的植被和土壤地表面相对；不透水面盖度（Impervious surface coverage，ISC）指某区域内不透水面覆盖面积与区域面积的比例[1]。不透水面是城市景观的最主要特征，近年来，城市化的快速发展使得不透水面不断扩张，利用遥感影像提取不透水面并分析不透水面的密度、空间范围和格局以及动态变化有助于城市土地的合理利用与发展规划。Yang等[2]采用阈值分割的方法将ISC分为自然地表、低密度城市用地、中等建设密度用地和高密度城市用地。任鹏飞等[3]利用Landsat ETM+影像提取了昆明市主城区的不透水面，且分析指出了2000-2010年该地区的不透水面明显增加，并向郊区扩张。王丽云等[4]利用TM影像分析了宁波市2000-2010年不透水面变化，该地区不透水面在10年间不断增长，且不同年份之间增长速度不同。翟珂[5]利用Landsat8 OLI影像分析了渤海地区的不透水面趋向海岸分布，不透水面斑块化程度增加。谢慧君等[6]利用光谱混合分解的方法提取了天津于桥水库流域的不透水面的盖度，并分析指出了该流域的不透水面盖度在30年间逐年增高，且呈线性增长。综上，已有很多研究对不透水面的密度、空间范围和格局以及动态变化进行了分析，但是几乎没有对不透水面的空间自相关性进行分析。然而，通过分析不透水面的空间相关性可以进一步了解某地区不透水面的空间分布规律以及空间差异，从而揭示该地区城市化水平的空间差异。
本研究利用高分一号遥感影像为主要数据源，通过分类回归树（Classification and regression tree，CART）提取了武汉市2015年12月6日的不透水面，在保证有效提取精度基础上，对该地区13个行政区划单元的不透水面盖度进行了空间自相关分析。通过此分析可以了解武汉市2015年13个城区不透水面盖度的空间分布规律和空间分布差异，进而揭示该地区城市化水平的空间差异，这对该城市的规划与发展具有重要意义。
1 数据来源与方法
1.1 研究区概况
武汉市位于东经113°41′-115°05′，北纬29°58′-31°22′。地处中国中心，江汉平原东部，长江与汉江的交汇处，是国家区域中心城市（华中）、副省级市和湖北省省会。武汉市现有13个辖区，其中江岸区、江汉区、~口区、汉阳区、武昌区、洪山区、青山区7个为中心城区，|西湖区、蔡甸区、江夏区、黄陂区、新洲区、汉南区6个为新城区。截至2014年末，武汉市全境面积8 494.41 km2；常住人口1 033.80万人，户籍人口827.31万人；其中，农业人口268.03万人，非农业人口559.26万人。武汉还是中国重要的工业基地，拥有钢铁、汽车、光电子、化工、冶金、纺织、造船、制造、医药等完整的工业体系；2014年，武汉市GDP达到10 069.48亿元，迈入中国城市“万亿GDP俱乐部”居华中首位。
2 结果与分析
2.1 不透水面提取
武汉市2015年主要的土地覆盖类型分为植被（含农用地）、水体和不透水面（建筑用地）、裸地4类。因此，在遥感影像样本选择时选择植被、水体、裸地和不透水面4类样本，选取的4类样本用于建立CART分类规则和分类的精度验证。4类样本的数量和样本的可分离性如表2所示。为了利用CART有效地提取不透水面，需对样本进行统计分析，提取CART分类规则。首先通过波段运算得到新波段的比居民地指数（RRI）和归一化差异水体指数（NDWI），其中RRI=■[11]，NDWI=（B2-B4）/（B2+B4）[12]，其中，B为波段b的像元值。然后把RRI和NDWI和已有的4个波段（b1，b2，b3，b4）进行波段叠加，生成具有6个波段的新遥感影像，最后在新的遥感影像的基础上对4类样本进行样本统计，如表3所示，得到4类样本在6个波段上的平均像元统计值，为CART分类规则的建立提供依据。
在样本统计的基础上建立初步的CART分类规则，构建初步的分类树，并通过多次的阈值调整对分类规则进行修改，从而得到最终的分类规则和分类树（图1）。分类规则构建步骤如下：①如表3所示，水体的NDWI平均值为-0.27，而其他类型的NDWI平均值都大于0，因此，利用NDWI
CART分类树建立之后执行分类树，则可提取到武汉市2015年13个城区的不透水面。为了进行不透水面的空间自相关分析，需保证不透水面提取的精度。遥感影像分类精度的验证通常用Kappa系数和总体精度来检验，利用之前选取的4类样本对分类结果进行精度验证，结果显示，Kappa系数为0.898 6，总体精度为94.17%，不透水面生产者精度为81.63%，户精度为98.53%。由此可知，利用CART得到武汉市2015年的遥感影像分类结果满足基本精度需要，保证了不透水面的提取精度，可以对不透水面进行后续的分析。由于本研究主要是对不透水面进行空间自相关分析，因此在ENVI5.1平台上先把得到的不透水面栅格图转化为矢量图，再在ARCMAP10.2平台上对矢量图进行进一步处理与分析，得到武汉市2015年13个城区不透水面盖度（图2）。
2.2 不透水面空间自相关分析
由表4可知，武汉市中部的江汉、江岸、~口、汉阳、青山、武昌和东西湖7个地区的不透水面盖度均在0.4以上，最高的为江汉区，不透水面盖度为0.815 9，最低是黄陂区，不透水面盖度为0.133 1。总体显示，武汉市2015年不透水面中部高，四周低。
为了更好地体现武汉市2015年13个城区不透水面的分布规律，利用各个城区的不透水面盖度来进行空间自相关分析。按照公式（6）来定义邻近关系wij，依照公式（5）计算全局Moran指数I，用公式（7）来计算其检验的标准化统计值Z，得出I为0.241 2，Z为1.2，P为0.01。由于全局Moran指数可能掩盖完全随机化的样本数据子集，有时甚至出现全局的空间趋势和局部的空间趋势相反的情况。因此，为了进一步揭示武汉市2015年13个城区不透水面盖度的空间自相关性，需采用局部Moran指数进行进一步分析。
按照公式（6）来定义邻近关系wij，依照公式（8）计算局部Moran指数Ii，用公式（7）来计算其检验的标准化统计值Zi。结果显示，全局Moran指数与局部Moran指数一致，都等于0.241 2，且都位于α=0.01置信区间，表明高度显著。这说明武汉市2015年13个城区的不透水面盖度分布存在显著的空间集聚现象，而且各城区的不透水面盖度呈现较强的正向空间自相关。
为了进一步揭示武汉市2015年13个城区不透水面盖度空间集聚存在哪几种形式，借助GeoData 9.0软件绘制Moran散点图，如图3所示，可以看出样本点分布在第一和第二象限，说明13个城区不透水面盖度的空间自相关形式主要是高值与高值、低值与高值集聚。具体表现为江汉、江岸、~口、汉阳、青山、武昌6个城区2015年不透水面盖度较高，且这6个城区周围地区的不透水面盖度也较高，6个城区在空间上集聚在一起；东西湖、洪山、蔡甸、汉南、新洲、江夏、黄陂7个城区2015年不透水面盖度较低，但这7个城区周围地区的不透水面盖度较高。
由图2可知，不透明水平盖度较高的江汉、江岸、~口、汉阳、青山、武昌、东西湖和洪山8个城区集中在武汉市中部，而低不透水面盖度的蔡甸、汉南、新洲、江夏、黄陂5个城区分布在武汉市的四周。结合图3，第一象限的6个城区和第二象限的7个城区则更能说明武汉市2015年不透水面主要集中在中部，而四周的不透水面盖度较低，从而反映出武汉市2015年城市化水平中部高而四周低，且差异较大。这与江岸、江汉、~口、汉阳、武昌、洪山、青山7个城区是中心（老）城区，而东西湖、蔡甸、江夏、黄陂、新洲、汉南6个城区是新城区的实际情况基本一致。
3 小结与讨论
3.1 讨论
武汉市2015年不透水面提取的有效精度是对13个城区不透水面盖度进行空间自相关分析的前提。本研究采用精度较高的CART分类树进行不透水面的提取，但由于武汉市地表特征复杂及遥感影像空间分辨率较低，武汉市2015年不透水面的提取精度受到一定限制。
武汉市原有的7个中心城区开发较早，城市发展较快，各类建筑用地较多，这些地区主要的土地利用类型为建筑用地（不透水面）和绿地，但有不少绿地和裸地位于建筑物之间，且有的绿地或裸地面积不及高分一号影像的一个像元（16 m×16 m）大小，使得这些绿地或裸地被错分为不透水面。同时，武汉市后来新加的6个新城区开发较晚，城市发展也较缓慢，各类建筑用地较少，且过于分散，这些地区主要的土地利用类型为植被和农用地；有些建筑面积往往不及一个像元大小，而被错分为植被。总之，武汉市地表复杂，加之所用遥感影像空间分辨率的限制，混合像元普遍存在，在一定程度上影响了不透水面的提取精度。并且，武汉市中心城区高大建筑较多，使得遥感影像存在较多的阴影，影响了不透水面的有效提取。最后，武汉市建筑类型很多，建筑用地使用的材料各异，使得不透水面的光谱反射值存在很大的差异，使得很难建立不透水面的提取规则，最终影响不透水面的提取精度。
由于缺乏武汉市同时期高分辨率遥感影像或者同时期的土地利用图，故用选取的样本进行分类的精度验证，但4类样本的数量有限，且不透水面和裸地两类样本的可分离性小于1.9，这对分类精度的验证产生一定影响，也表明不透水面和裸地存在一定的错分。因此，为提高不透水面的提取精度，需进一步区分不透水面和裸地。除此之外，遥感影像上显示出武汉市界内长江上有船舶，这些船舶在提取时很难与不透水面区分开来。同时，长江边和江心上的一些沙滩的光谱反射值与建筑物的光谱反射值差别很小，分类时很难对两者进行区分，导致这些沙地被分为不透水面。但这些错分地物可以在ARCMAP10.2平台上进行纠正，即去除明显的沙地等一些不是不透水面的地物，在一定程度上提高了不透水面的提取精度。
3.2 结论
本研究利用CART对武汉市2015年不透水面进行提取，其Kappa系数为0.898 6，总体精度为94.17%，满足基本精度要求。同时，为了使提取到的不透水面更符合实际情况，利用ARCMAP10.2对提取的不透水面进行了人工纠正，不透水面的提取精度得到进一步提高。
在ENVI5.1平台上利用CART提取到武汉市2015年不透水面，并在ACRMAP10.2平台上对提取到的不透水面进行进一步分析，最终得到武汉市2015年13个城区的不透水面盖度。在此基础上借助GeoData9.0平_对武汉市2015年13个城区的不透水面盖度进行空间自相关分析，结果显示，全局和局部Moran指数都为0.241 2，位于α=0.01置信区间，高度显著，说明武汉市13个城区的不透水面盖度存在较强的正向空间自相关。同时，位于武汉市中部的武昌区、青山区、江岸区、江汉区、汉阳区和~口区都位于Moran散点图的第一象限，说明武汉市不透水面在中部地区高度集聚。其他7个城区位于第二象限，说明这7个城区的不透水面盖度较低且呈离散分布。总体来说，武汉市2015年13个城区的不透水面盖度存在较强的空间自相关，且中部高，四周低，与实际情况基本一致。不透水面作为城市化的标志之一，武汉市2015年不透水面的空间分布特征在一定程度上反映了武汉市城市化建设过于集中，地区间差异较大，这与武汉市行政区划变化和武汉市城市发展规划密切相关。
参考文献
[1] 王 浩，卢善龙，吴炳方，等.不透水面遥感提取及应用研究进展[J].地球科学进展，2013，28（3）：327-336.
[2] YANG X J，LIU Z. Use of satellite-derived landscape imperviousness index to characterize urban spatial growth[J].Computers， Environment and Urban Shyster，2005，29（5）：524-540.
[3] 任鹏飞，甘 淑，谢显奇，等.基于ETM+遥感探测山地城市不透水面及其动态分析[J].水土保持通报，2013，33（5）：109-112.
[4] 王丽云，李 艳，周 阳，等.基于TM影像的宁波市不透水面变化研究[J].遥感信息，2014，29（1）：35-39.
[5] 翟 珂.环渤海湾不透水面时空格局变化及其景观生态效应研究[D].山东烟台：中国科学院烟台海岸带研究所，2015.
[6] 谢慧君，李崇巍，张亚娟，等.基于光谱混合分解的流域不透水面提取及其动态分析――以于桥水库为例[J].测绘与空间地理信息，2015，38（10）：34-37.
[7] 邓书斌.ENVI遥感图像处理方法[M].第二版.北京：高等教育出版社，2014.10.
[8] 栾丽华，岩根林.决策树分类技术研究[J].计算机工程，2004， 30（9）：94-96.
[9] 廖 芹.数据挖掘与数学建模[M].北京：国防工业出版社，2010.2.
[10] 徐建华.计量地理学[M].北京：高等教育出版社，2006.1.
[11] 徐涵秋.利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究[J].遥感学报，2005，9（5）：589-594.
[12] WILSON E H，SADER S A. Detection of forest harvest type using multiple dates of Landsat TM imagery[J].Remote Sensing of Environment，2002，80（3）：385-396.