本科毕业设计（论文）

外文翻译

遥感不透水面映现中国40年(1978-2017)人类建成区变化

作者：宫鹏, Xuecao Li, Wei Zhang

国籍：中国

出处：Science Bulletin,2019,64(11):756-763.

摘要：不透水面是人类居住区最显著的特征。在社会经济和自然环境应用中，及时、准确、频繁地获取不透水地表的信息是至关重要的。在过去的40年里，中国不透水的表面积迅速增长。然而在此期间，中国没有空间分辨较高的不透水区域年图。本文使用了之前开发的不透水表面制图算法和谷歌地球引擎(GEE)平台来解决这个数据缺口。利用GEE本身的可用数据，可以实现在1978年左右和1985-2017年间以每年一次的频率绘制全国的不透水表面，1978年和1985-2017年数据的分辨率分别是60米和30米。对1985、1990、1995、2000、2005、2010和2015年的30米分辨率数据进行精度评估，总体准确率达到90%以上。结果表明，中国不透水地表面积的增长速度很快，且远远超过日本等发达国家的人均不透水面面积。中国40年连贯一致的不透水地表分布数据将引起学术界和决策界的广泛兴趣。本研究的不透面结果数据可从http://data.ess.tsinghua.edu.cn免费下载。

关键词：城市化；农村发展；陆地卫星数据；土地覆盖变化；日本

1.引言

不透水地表是人类建成区的主要组成部分，主要是由阻碍或阻止水自然渗入土壤的任何材料构成的人工结构，包括屋顶、人工铺设的表面、主要分布在人类居住区的硬化地面和主要路面[1,2]。利用卫星遥感数据绘制不透水地表已有很长时间[3-6]，自2008年Landsat数据可免费获取以来，世界各地利用时间序列数据对不透水面（或城市土地覆盖）进行了大量研究[7-14]。尽管有许多300-1000m分辨率的城市范围图是在接近每年一次的基础上绘制的^[15,16],但由于所使用的数据来源、定义和制图方法的不同[7,17]，这些不同的城市层之间存在很大的不确定性。

1978-2017年间，中国经历了经济改革和快速城市化，土地覆盖类型也发生了重大变化[18]。对于区域尺度的城市发展与管理、大气与水体污染研究、气候变化与生物多样性研究等诸多应用，迫切需要具有较高空间分辨率的年度建成区变化的高精度数据[19]。从上世纪70年代开始，就能够收集到足够的Landsat数据提取不透水面，来代替1978年改革开放以来中国的建成区。而截至目前，地图形式的建成区范围数据最多每五年才有一次[20,21]。

本研究的目的是，1978年至2017年间，在Landsat数据可用的情况下，绘制年度不透水面地图。在本文的其他部分，若没有另外说明，将不区分人类建成区和不透水表面，因为在本研究中，我们只提取了后者。接下来的内容中，我们介绍了研究方法的框架，阐述了结果，并将结果与其他学者的研究成果进行了比较。

2.研究方法

我们使用之前开发出的算法[12,22]（图 1），在Google Earth Engine(GEE)上开发了一个自动不透水表面映射框架，成功地绘制了北京市和中国其他几个地区30年来的年增长图。首先将中国划分成了298个网格，每个网格大约为200kmtimes;200km；基于早年（20世纪80年代）的Landsat卫星观测数据，收集了网格内部主要城市和农村地区的训练样本单元。其次，收集GEE中所有的Landsat数据集进行去云（及其阴影）处理。接着，使用我们开发的“Exclusion/Inclusion”算法生成城市和周边农村地区不透水表面的初始地图[22]。最后，进行时间一致性检查，然后得到不透水表面反映的人类建成区年度时间序列数据[12]。以上全部算法都是在GEE中编译的，保证了大比例尺下的制图效率。

图 1 本研究的制图程序流程图（a）制图单位和训练样本；（b）Landsat影像数据处理；（c）年度城市/农村地区的初步分类；（d）派生时间序列数据的时间一致性检查。

在本制图工程中，主要数据来源于Landsat影像，此外还使用了夜间灯光数据集（NTL）作为辅助数据。20世纪70年代的数据主要来自Landsat 1-3，其传感器是多光谱扫描仪（MSS），重采样的像元大小为60米，但由于数据采集和数据质量的限制，在20世纪70年代无法实现MSS数据的年度覆盖。所幸，中国的建成区，特别是城市建成区，在这一时期发展缓慢。因此，我们使用1978年左右获得的全面覆盖中国的数据来提取定居点；从Landsat4、Landsat5、Landsat7和Landsat8上获得后面年份的30米分辨率影像基本上可以每年覆盖全国。NTL数据来自于Suomi-NPP 可见光红外辐射仪套件（VIIRS）的昼/夜波段(DNB）探测器[23]。为了降低绘制的不透水地表的不确定性，使用NTL衍生的光照面积（2017年的年平均值）作为掩膜，用于位于干旱或半干旱地区（即腾冲-瑷珲线以西）的网格。从1985年到2017年，我们开发了年度建成区层，总有34个建成区层，覆盖了整个40年的时间跨度。

我们实现了不同的算法来处理60米分辨率MSS和30米分辨率Landsat专题地图仪（TM）、增强型专题地图仪（ETM ）和可操作陆地成像仪（OLI）数据。对于MSS，使用通过几何和地形校正进行校准的digital number（DN）值，利用[24]中提出的基于阈值的方法做去云（及其阴影）处理；使用进行几何校正、地形校正和辐射校正对TM、ETM 和OLI数据进行处理，得到的地表反射率数据，识别出多云区域[25]。我们系统地校正了OLI表面反射率数据，使其与其他传感器（即TM和EMT ）保持一致[26]。将从每年的6-8月获得的所有影像进行图像合成，并将这些影像中归一化植被指数（NDVI）的最高值填充到每个像元。这种合成方法相较于广泛使用的平均值或中位数方法，可以显著降低自2003年以来landsat7影像（例如ETM ）中扫描航线异常问题的影响。

利用早期（1980年代）在核心城市和农村地区收集的训练样本单元对初始不透水地表进行分类，并考虑到城市发展的时间一致性，推导出年度不透水地表动态（1985-2017年）（图 2）。所采用的样本收集策略（图 2 a）可以确保：（1）样本单元在随后的年份中仍然是不透水的表面，因为对大多数地方来说，发展是不可逆转的；（2）每个样本单元可以在空间上扩展（即3times;3像元）到更多的样本单元用于训练[27]。使用每年的NDVI、改进的归一化差异水体指数（MNDWI）和从Landsat图像中提取的短波红外（SWIR）数据，采用“Exclusion/Inclusion”方法绘制初始不透水地表范围图[22]（图 2 b），每个制图年份的不透水面制图所用的阈值要重新确定。从时间序列数据和NTL数据获得掩膜数据，用作空间约束以获得不透水表面（图 2 c），有利于减少不透水覆盖物和裸地之间的潜在混淆，这种效果在干旱和半干旱地区更为显著。城市和农村地区的NDVI、MNDWI、SWIR等指标的均值不同，因此使用分开收集的城市、农村样本单元来提取长时间序列的城市和农村居民点，确定两者的阈值。然后，我们对初始分类结果进行“时间一致性检查”（图 2 d），包括时间滤波和逻辑推理[12]，即利用相邻年份的结果，对由于质量较差的Landsat影像造成的个别年份不透水层进行了修正；此外，推导出的时间序列数据仅遵循从未开发土地到不透水地表的开发逻辑。最后，我们从1985-2017年的城乡不透水数据中得出了年建成区动态（图 2 e）。另外，使用了相同的方法从复合NDVI层（来自MSS）绘制了1978年的建成区范围，并使用1985年的结果进一步检验了1978年的建成区范围。

图 2利用Landsat时间序列数据生成年度城市不透水表面的说明。（a）图像合成和采样（1985年）；（b）、（c）用于初步分类的主要特征和辅助特征；（d）时态一致性；（e）推导不透水表面反映的年度建成区动态。圈内的城市是唐山。NTL数据用于干旱和半干旱地区，在此不包含。（c）中的特征是利用一年内的所有时间序列数据得出的。

3.结果和验证

所得到的不透水表面很好地反映了40年间的城市化进程（图 3）。1978年的聚落主要集中在城市中心；此后，它们以前所未有的速度从城市中心向外扩展，2000年以后的城市扩展更是迅速。此外，与早期定居点相比，这些新城市化地区在空间上更加分散。特别是深圳在1978年几乎没有建成区，其后来的发展动态与“开放和改革”政策的实施相吻合。

我们利用时间序列数据和高分辨率影像开发了一个验证样本集。基于每年的不透水面序列，提取了（1）非城市层；（2）1985年城市化层；（3）1985-1990年城市化层；（4）1990-1995年城市化层；（5）1995-2000年城市化层；（6）2000-2005年城市化层；（7）2005-2010年城市化层；（8）2010-2015年城市化层（线上图S1a）。每个样本包含100个随机分布在相应地层中的样本单元。通过长期NDVI时间序列的人工解译、Landsat图像的局部视图和高分辨率Google Earth图像，判定了样本单元是否为不透水表面（在线图S1b）。在准确性评估中，使用了不同年份的非城市阶层和城市阶层（表 1），在这7个时间段中，平均总准确度（OA）为93.42%，一般来说，早期的准确性更高。解译结果显示，主要误差来源于贫瘠地区和城市用地之间的混淆。geoNames数据库（http://download.geonames.org）几乎完全涵盖了世界上不同规模的人类居住区，我们利用此数据库其中的地点验证了结果，每个样本位置都反映了一个城镇或城市中的一个落点。对2017年的建成区图进行验证，在2354个采样点（图 4）中，有2039个点位于不透水面区域（87%）。可以看出，沿海地区的地图绘制精度很高；只有内蒙古、青海、西藏、西江和云南的准确率低于70%。由于中国西部地区多为干旱（或半干旱）、寒冷、多山地区，而夜灯数据还不够强大，不能够辅助这些地区的不透水地表的验证。我们还将1990年、2000年和2010年绘制的建成区地图，与同年人工判读的中国全部650个城市的城市范围地图进行了比较[7]。使用城市范围掩膜，分别从1990年、2000年和2010年图层中随机选择了14268、15220和17760个采样点，这三年的总体符合率分别为78.28%、79.13%和80.08%，表明我们的制图结果是一致的。由于人工划分的城市范围包植被、水面和其他不透水表面在内的连接城区，而因为我们选择的样本位置有可能落入人工绘制城市范围地图内的植被或水域中，所以约80%的一致性并不意味着我们地图产品的准确性。

图 3北京（A）、上海（B）和深圳（C）提取的居民点图解。虚线框中的灰色图像是不同年份的NDVI，叠加在红色的提取的建成区上

表 1每个制图时间间隔的精度表^a

^a：UA：用户准确度；PA：生产者准确度；OA：总体准确度

图 4 geoNames样本分布（a）用于准确性评估（b）

中国各省建成区总体趋势都在扩张（图 5）。到2017年，城市扩张幅度最大的省份是山东、江苏、河北、广东和河南。在城乡扩张的总体水平上，前三名的顺序保持不变，但第四名和第五名变成了河南和安徽，这说明中国东部地区土地开发水平较高；广东可能受到地势起伏较大等社会经济因素的制约。截至2017年，中国不透水地表所映射的城市居住区总面积为146102 km²，城乡总面积为209950 km²，约为1978年15364 km²的13.6倍。

图 5 1985至2017年间各省的建成区变化趋势

以中国科学院地理科学与自然资源研究所编制的《20世纪80年代中国土地覆被与土地利用图》[20]为基础，叠加不透水地表增长图，可以估算转化为不透水地表的不同土地覆盖类型和土地利用类型的来源（在线图S2 a）。由自然用地扩张为不透水地表的面积为147551 km²。其中，原始农业用地占80%，原始林地占8.1%，原始草原占6.6%。以省为单位，2017年农田对不透水面的贡献如图S2b（在线）所示。江苏、山东、河北、河南和安徽位列前五，江苏损失了1.5万多平方公里的耕地。

我们的结果可以与已有的几种建成区数据层进行比较，即300m分辨率的全球人类建成区（GHS）[16]和制图间隔为5年、分辨率为30m的人工解译的中国土地覆盖动态层（NLCD）[2

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[268453]，资料为PDF文档或Word文档，PDF文档可免费转换为Word