遥感技术在北京城市绿化普查中的应用
李延明 徐 佳 牛玉玲 于力维
(北京市园林科学研究所 100102 北京市园林局 100044)
摘 要：本文采用TM卫星影像、IRS卫星影像及航空影像数据，应用多源遥感数据融合等技术进行图像处理信息分类和解译，以实地踏查进行影像信息的判读纠正，建立了城市绿化覆盖专题图，经过区划和分类统计分析，完成了北京市城市绿化普查的遥感调查，内容包括城近郊区、远郊区县及风景名胜区的绿化覆盖面积、绿化覆盖率及相关的图件，客观地评价了北京城市绿化现状的特点，为北京市园林绿化规划与建设提供了基础资料
。
关键词：多源遥感 影像数据 北京 绿化普查 绿化覆盖率
1、引言
遥感（Remote Sensing，简称 RS），指人类借助于各种飞行器，如人造卫星、宇宙飞船、飞机等，在不与目标直接接触的情况下，通过扫描、摄影、电磁探测等获取地物的有关信息，经数据传输、数据处理、信息提取与综合分析等，对地物进行研究。遥感技术克服了常规方法进行生态环境调查视野小、周期长、调查结果准确性差、实时性差的不足，具有宏观、客观、现势性强等特点，并且数据信息丰富、便于计算机处理、能有效节省人力、物力和财力，因此已广泛用于资源勘查、灾害调查、环境监测、工程建设等领域。随着遥感应用技术的日臻完善，利用遥感技术进行绿化调查，也越来越显示了其优势。
城市绿化，是构成城市生态系统的重要基础，不仅能为广大居民提供良好的生活空间，而且在维持城市环境质量和城市可持续发展中占有不可替代的地位。因此，准确调查城市绿化的现状，是正确评价城市绿地及其生态效益、客观分析城市环境承载力、合理制定城市绿地系统规划、科学建立和有效管理城市绿地的工作基础。
为客观地反映北京城市绿化的状况，我们在2000年北京城市第五次绿化普查中，首次采用遥感技术进行了城市绿化覆盖面积和绿化覆盖率的核查。
2、调查方法
2.1、图像数据和调查范围
本次遥感调查的范围，重点为城近郊区及远郊区的建成市区，与北京城市绿化普查的人工普查范围相一致，此外还包括了国家级和市级风景名胜区等，具体范围和应用的遥感影像数据资料如下：
城近郊八个区。调查范围为东城区、西城区、崇文区、宣武区、朝阳区、海淀区、丰台区和石景山区的建成区。其中东城区、西城区、崇文区、宣武区和海淀区，采用1：10000的真彩色航空影像，朝阳区、丰台区、石景山区采用1：10000彩红外航空影像。
二环路以内、四环路以内地区。调查范围为二环路、四环路的道路中心线以内地区。采用1：10000的真彩色航空影像。
规划市区。调查范围为北京市规划市区（1040平方公里），采用TM卫星影像和TRS卫星影像。
远郊区县。调查范围包括通州区、大兴县、房山区、门头沟区、昌平区、延庆县、怀柔县、密云县、平谷县、顺义区的建成市区。所采用的图像包括：IRS卫星影像、TM卫星影像。
风景名胜区。调查范围为国家级和市级九个风景区：八达岭长城——十三陵风景名胜区、慕田峪长城风景名胜区、十渡风景名胜区、石花洞风景名胜区、东灵山——百花山风景名胜区
、潭柘——戒坛风景名胜区、龙庆峡——松山——古崖居风景名胜区、云蒙山风景名胜区、金海湖——大溶洞——大峡谷风景名胜区。采用IRS卫星影像和TM卫星影像。
2.2、技术路线
调查采用的技术路线如图1，主要包括影像纠正、图像融合、信息提取和解译及信息统计分析等。
2.2.1、图像纠正
利用ENVI图像处理软件对航片、 TM和 IRS卫星影像进行了几何纠正、辐射纠正和配准，消除几何畸变和辐射畸变，进而为影像与影像、影像与地形图或其它专题图件的匹配、影像图的制作等创造条件。
图1、主要技术路线
2.2.2、影像融合
单一传感器获得的单源遥感影像由于存在分辨率、波谱信息等方面的限制，不能提取足够的信息来满足调查的需要，而采用多传感器系统的影像数据，通过多源遥感融合技术可以使影像具有更高的空间分辨率和清晰度，提高分类精度和可靠性，增强解译和检测能力，减少理解的模糊性，提高遥感数据的利用率。
调查中为了充分利用TM数据的波谱信息和IRS的纹理信息，更好地进行绿地特征分析，采用基于HIS的全色IRS数据和TM多光谱数据融合，生成的融合图像具有较好的光谱分辨率和较高的空间分辨率，便于绿化信息解译和提取。
为确保解译和分类的精度，图像融合采用基于像元级的IHS变换技术，使融合影像尽可能多地保留原始影像的信息。
2.2.3、绿化信息提取
卫星遥感影像的绿化信息提取基于植被指数进行。植被指数（Vegetation indexdifferencing）是基于植被叶绿素的主要吸收带位于 0.45μm、0.67μm处，在0.54μm附近则为反射峰，使叶子表现为绿色，0.45μm、0.54μm、0.67μm三个特征峰值分别对应蓝、绿、红三个波段，而在近红外波段，由于植物细胞和细胞间空隙对电磁波的多重反射，使叶子很少吸收红外辐射能，因而在0.70μm附近反射率曲线迅速上升，到1.30μm形成一个高平台。因此，可以通过红外与近红外波段的比值或线性组合实现对植被信息状态的表达。所应用的植被指数为基于TM的VI。表达式为：
VI=〖SX(〗CH4〖〗CH3〖SX)〗
植被指数用于区分植被与非植被区，可作为植被信息提取的规则，其数值的选定是根据不同
区域、不同时相及不同植被特征的大量样区特征值确定的。
彩红外航空遥感绿化信息提取。航空彩红外航片是可见光与近红外光的能量反射信息，在此谱段内植被信息的反射光谱主要是对红光（R）的选择性吸收，对近红外光（NIR）的强反射，对绿光（G）的一般性反射，由此特征构成了彩红外航空照片上绿色植被为不同饱和度的红色、相近的棕红色与淡黄色等，显示近红外反射光的能量强弱特征。因此，彩红外遥感能够把绿化分布特征十分清楚的反映出来。
真彩色航空遥感绿化信息提取。与彩红外遥感相比，真彩色航空遥感虽然对植被的详细分类不够敏感，但对地物的反映更加直观，如植被为绿色、建筑物为灰白色、水体为蓝色等，并由于航空影像具有更高的空间分辨率，因此对于区分植被与非植被非常有利，便于信息提取。
2.2.4、信息解译
常规分类解译方法是利用航空像片目视解译，手工圈定解译图斑范围，这种解译方法受图像比例尺限制，圈定的最小图斑一般只有4mm2，小于4mm2的图斑无法解译而舍掉，给面积量算带来一定影响。
本次调查采取人机交互方式，发挥计算机的模式自动识别功能和人的分析判断能力，使用经过纠正的数字化图像在计算机屏幕上直接进行综合解译。
先在ENVI、ERMAPPER等软件平台上，通过分析TM4/TM3（VI），用阈值法实现北京市城市绿化的自动解译。
但是，计算机自动解译，是依据图像像元亮度值的不同，将同一等级的亮度值按同一类图斑连接在一起。由于图像上同物异谱和同谱异物现象的存在，使自动识别有误判的可能。通过人机交互，可以有效地弥补自动解译的不足，大大提高解译的精度。其中最有效的方法之一
便是屏幕判读。
为了提高屏幕解译分类的精度，解译前首先对典型的解译标志进行了分类：
表一 彩红外航片的城市绿化解译标志
表2 卫星遥感图像和真彩色航片的城市绿化解译标志
2.3、统计分析
城市绿化覆盖率是以建成区面积为基数进行量算的，建成区的范围以北京市园林局绿化普查办公室及各区县园林部门提供的界线为准，即人工普查的范围。对于城市近郊区范围内的农田等农业用地，为避免其对城市绿化覆盖率计算的影响，统计中按照北京城市绿化普查的要求和实际建成区的范围界线，扣除全部的农业用地。
城市绿化覆盖面积统计是在人机交? 对图面进行色彩调整、反差调整、饱和度调整，并经过注记整饰过程，使整幅图像色调一致，协调美观。使用高精度的数字图像输出设备——Lighjet 5000RS型激光数码成像仪输出图像，保证了输出图像的几何精度和质量。
3、调查结果与分析
3.1、调查结果
依照上述方法，分别对北京市八个城近郊建成区、二环路以内地区、四环路以内地区、十个远郊区县的建成区和九个名胜风景区面积、绿化覆盖面积及绿化覆盖率进行统计计算。北京城近郊八个区的建成区总面积为56844．67公顷，绿化覆盖总面积为19374．80公顷，平均绿化覆盖率为34．08％。十个远郊区县的建成区总面积为16436．10公顷，绿化覆盖总面积为5772．10公顷，平均绿化覆盖率为35.12％。城近郊区建成区和远郊区县建成区的绿化覆盖率平均值为34．35％。详见表3、4、5、6。
表3 北京市城近郊区绿化现状调查结果
建成区面积(公顷) 绿化覆盖面积(公顷) 绿化覆盖率(%)
东城区 2534.43 652.55 25.75
西城区 3184.10 800.38 25.14
崇文区 1646.98 469.72 28.52
宣武区 1892.04 361.27 19.09
朝阳区 18571.42 6283.88 33.84
海淀区 13740.54 5440.31 39.78
丰台区 10635.47 3552.34 33.40
石景山区 4639.70 1814.35 39.10
合计 56844.67 19374.80 34.08(平均)
表4 北京市城远郊区绿化现状调查结果
建成区面积(公顷) 绿化覆盖面积(公顷) 绿化覆盖率(%)
昌 平 1096.95 379.53 34.60
门头沟 1157.87 347.59 30.02
顺 义 1466.47 561.14 38.26
通 县 3645.72 1319.28 36.19
房 山 3330.38 1184.31 35.56
大 兴 2002.48 590.59 29.49
怀 柔 523.69 258.77 49.41
密 云 934.34 229.61 24.57
平 谷 1360.49 517.65 38.05
延 庆 917.71 383.64 41.80
合 计 16436.10 5772.10 35.12(平均)
表5 北京市城远郊区绿化现状调查结果
范 围 总面积(公顷) 绿化覆盖面积(公顷) 绿化覆盖率(%)
1040内 103668 28612 27.6(含非建成区)
二环路内 6265 1549.961 24.74
四环路内 30273 8421.9486 27.82(含农田、非建成区)
表6 北京市风景名胜区绿化现状调查结果
风景区名称 总面积(公顷) 绿化覆盖面积(公顷) 绿化覆盖率(%)
八达岭 29883 24729 82.8
百花山 33339 23832 71.5
金海湖 32637 21910 67.1
龙庆峡 19946 16949 85.0
慕田峪 9645 8989 93.2
石花洞 6484 6050 93.3
谭柘戒 8151 7135 87.5
云蒙山 19277 15747 81.7
十 渡 28877 20994 72.7
合 计 188239 146335 77.7(平均)
3.2、结果分析
影响遥感调查结果精度的主要因素为：遥感影像数据的质量、信息解译和提取的方法等。
本次使用的航天遥感资料（Landsat-TM、IRS）数据、航空遥感资料（彩红外及真彩色航片）质量普遍较好，图像清晰，光谱分辨率、空间分辨率较高；数据范围也都满足城市绿化调查的要求；图像的几何精度较高，经计算机融合，数字纠正镶嵌的建成区影像，减少了由于各种畸变引起的几何误差，从根本上保证了面积量算的准确性；采用目视解译和计算机自动识别相结合的人机交互方式进行分类解译，减少了判读的误差，解决了手工圈定类别造成的微小图斑遗漏的难题，提高了信息提取和圈定界限的精度；面积量算直接统计像元面积，减少了常规方法转绘、矢量化等中间环节带来的误差，提高了成果精度和工作效率。抽样检查结果显示，绿化覆盖率的误差均小于1.34％，符合调查的要求。
3.3、对今后绿化普查工作的建议
通过此次遥感技术在城市绿化普查中的首次应用，奠定了采用新技术进行城市绿化普查的基础，为今后提高城市绿化普查的科学性和准确性积累了经验。
1. 采用遥感技术进行城市绿化普查，目前已经有了成熟的方法和经验，并且在统计结果上可以最大限度地减少人为误差造成的影响。为提高绿化普查的精度、降低普查的人力和财力投入，建议今后把遥感调查方法作为城市绿化普查的必须方法之一。
2. 加大遥感调查的投入，采用高分辨率的遥感数据，减小调查误差。
3. 为提高绿化调查的精度，今后在进行绿化普查时，应事先进行调查范围的准确界定，一是就调查单位的属性和植物属性作明确限定，使人工普查范围明确，二是把人工普查范围准确地落实到地形图上，使遥感调查的范围与人工调查范围准确吻合，以提高遥感普查和分析的精度，同时将植被属性与空间位置的调查相统一，为实现城市绿地的数字化管理提供基础
数据。
4. 及早研究开发城市绿地数字信息管理系统，把调查结果与绿化规划和建设相结合，更高效地为城市绿地建设和管理服务。
主要参考文献
1．陈述彭等，遥感信息机理研究。科学出版社，1998
2．孙家柄等，遥感原理、方法和应用。测绘出版社，1997
3．植被光学遥感模型与植被结构参数化．科学出版社，1995
4．戴昌达等，TM图像的光谱信息特征与最佳波段组合．陆地卫星遥感在中国，中国科学院遥感卫星地面站，1989
5.闫利等，利用数字化彩红外航空影像进行城市绿化覆盖调查．遥感信息．第55卷，第3期，1999
6．贾永红等，多源遥感影像数据融合。遥感技术与应用，第15卷，第1期，41-44，2003.3.
7．车生泉等，城市绿地景观卫星遥感信息解译，城市环境与城市生态，第12卷，第2期，10．12，2001.4
8.Carper W.J.et al.，The use of lntensity－ Hue－Saturation transformatings formerging SPOT Panchromatic and multispectral image data，J．Photogramm. Eng．＆Remote Sens，1990 56(4)
9．Chaves P S．Comparison of Three Different Methods to Merge Multiresolution andMultispectral Data： Landsat TM and SPOT Panchromatic［J］. Phot Eng ＆ R S，1
991,57(3):295-303