基於Sentinel-1 SAR和Sentinel-2A光學影像的海南島城市不透水面數據集
| 基於Sentinel-1 SAR和Sentinel-2A光學影像的海南島城市不透水面數據集 作者：朱秀林 趙相偉 杜文杰 孫中昶 2019年5月13日 |
 朱秀林, 趙相偉, 杜文杰, 孫中昶. 基於Sentinel-1 SAR和Sentinel-2A光學影像的海南島城市不透水面數據集[J/OL]. 中國科學數據, 2019, 4(2). (2019-04-22). DOI: 10.11922/csdata.2018.0084.zh. |
摘要&關鍵詞[編輯]
摘要：城市不透水面是城市化進度和城市化率評估的重要指標，城市不透水面面積比例也是衡量城市生態系統是否健康的重要指標之一。在全球城鎮化背景下，城市不透水面提取成為研究熱點。本數據集是利用多時相和升降軌 Sentinel-1 SAR和Sentinel-2A光學影像融合併採用一種不透水面快速提取方法得到的。該數據集的空間跨度為北緯18°10′–20°10′，東經108°37′–111°03′，共有2015年和2018年2期不透水面分布圖。每期數據隨機選擇10 000個驗證點，藉助0.5 m高空間分辨率遙感影像對該數據集進行了精度驗證，平均總體精度和總體Kappa係數分別高於90%和0.81。同時將本產品與國家基礎地理信息中心2010年發布的GlobalLand 30（30 m)產品、劉小平的globe urban2015產品以及GHSL產品進行對比分析，結果表明，本產品具有更高的提取精度，並且在城市和居民點內部結構的提取上更加精細。
關鍵詞：城市不透水面；Sentinel-1 SAR；Sentinel-2A；Google Earth Engine
Abstract & Keywords[編輯]
Abstract: Urban impervious surface is an important indicator of urbanization. It is also an important indicator to measure the health of urban ecosystems. In the context of global urbanization, impervious surface extraction has become a hotspot of scholarly attention. This dataset is derived from a fast large-area impervious surface extraction method based on a combined use of optical and SAR data. This dataset has a spatial coverage of 18°10′N–20°10′N, 108°37′E–111°03′E, and a time span of the year 2015. 10,000 randomly selected validation points were utilized to assess the accuracy of this dataset. The overall accuracy (OA) and Kappa coefficients were 90.71% and 0.81, respectively. Additionally, our dataset was compared with existing mainstream land cover products (i.e. GlobalLand30 (30 m), Liu’s products and GHS). Results show that our products have a higher extraction accuracy and are more refined in exhibiting internal structures of human settlements.
Keywords: Urban impervious layer; Sentinel-1 SAR; Sentinel-2A; Google Earth Engine
數據庫（集）基本信息簡介[編輯]
| 數據庫（集）名稱 | 基於Sentinel-1 SAR和Sentinel-2A光學影像的海南島城市不透水面數據集 |
| 數據作者 | 朱秀林，趙相偉，杜文杰，孫中昶 |
| 數據通信作者 | 趙相偉（tlzxw1696@163.com） |
| 數據時間範圍 | 2015年，2018年 |
| 地理區域 | 北緯18°10′–20°10′，東經108°37′–111°03′ |
| 空間分辨率 | 10 m |
| 數據量 | 8.71 MB（解壓後26.4 MB） |
| 數據格式 | TIFF |
| 數據服務系統網址 | http://www.sciencedb.cn/dataSet/handle/695 |
| 基金項目 | 海南省重大科技計劃項目（ZDKJ2016021） |
| 數據庫（集）組成 | 本數據集包括海南島2015年和2018年2期不透水面分布圖數據，所有數據存放於一個壓縮文件中。壓縮文件內含2個TIFF文件，分別對應2015年、2018年海南島不透水面分布。數據集以後每3年進行更新1次。 |
Dataset Profile[編輯]
| Title | A dataset of urban impervious surface of Hainan Island, based on Sentinel-1 SAR and Sentinel-2A optical images |
| Data corresponding author | Zhao Xiangwei (tlzxw1696@163.com) |
| Data authors | Zhu Xiulin, Zhao Xiangwei, Du Wenjie, Sun Zhongchang |
| Time range | 2015, 2018 |
| Geographical scope | 18°10′N—20°10′N, 108°37′E—111°03′E |
| Spatial resolution | 10 m |
| Data volume | 8.71 MB (26.4 MB after being decompressed) |
| Data format | TIFF |
| Data service system | <http://www.sciencedb.cn/dataSet/handle/695> |
| Sources of funding | Major Science and Technology Program of Hainan Province (ZDKJ2016021) |
| Dataset composition | This dataset includes Hainan Island’s 2015–2018 Phase 2 impervious surface distribution data, all data is stored in a compressed file. The compressed file contains 2 TIFF files, which correspond to the distribution of impervious surface of Hainan Island in 2015 and 2018. And the dataset is updated once every three years. |
引 言[編輯]
城市不透水面是指阻止水滲入土壤的土地覆蓋表面，主要包括道路、停車場、車道、人道、建築物屋頂和城市地物中其他不具有滲透性的表面。隨着不斷地開發，城市自然景觀被破壞，不透水面覆蓋的土地百分比逐漸增加[1]。城市不透水面與許多環境問題，諸如水體質量、徑流以及城市熱島效應都有密切關係[2][3]，所以不透水面已經成為評估城市生態環境的一個關鍵指標[4][5]。
光學遙感影像在提取城市不透水面時主要依靠圖像分類的方法，此種方法存在主觀的單景數據分析，而且具有複雜的計算，耗費時間；中低空間分辨率的光學影像存在混合像元、異物同譜以及同物異譜的情況，對地物分類造成困擾；受雲、霧天氣以及水汽的影響，低緯度地區很難獲取質量較好的光學影像，為城市動態遙感監測帶來了很大的困難[6]，並且光學影像在提取城市不透水面中受影像獲取的時相影響很大[1]。相較於光學圖像，合成孔徑雷達（Synthetic Aperture Radar，SAR）具有全天時、全天候、精度高、效率高等特點，SAR數據在城市遙感中具有很大的應用潛力[7][8]。目前為止，基於SAR數據和光學影像融合的大範圍、高空間分辨率不透水面製圖的研究很少。
1 數據採集和處理方法[編輯]
1.1 研究區域簡介[編輯]
海南島位於中國最南端，地理位置介於東經108°37'–111°03′，北緯18°10′–20°10′之間，島嶼輪廓為橢圓形。海南島地勢中部高四周低，山地、丘陵、台地、平原構成環形層狀地貌，梯級結構明顯，比較大的河流大都發源於中部山區，組成輻射狀水系。海南島上地形複雜，分布着大量城鎮、農村以及不同類型的地物。本數據集主要針對海南島進行製作，研究區域Sentinel-1 SAR影像如圖1所示。
圖1 研究區域影像圖
1.2 數據預處理[編輯]
哨兵1號（Sentinel-1）衛星是歐洲航天局哥白尼計劃（GMES）中的地球觀測衛星，本文的研究數據主要是利用哨兵1號（Sentinel-1A）獲取了雙極化C波段合成孔徑雷達儀器的S1地距產品（Ground Range Detected）數據集。在谷歌引擎（Google Earth Engine，GEE）平台上，利用Sentinel-1工具箱對SAR影像進行處理[9]，即應用軌道文件（使用恢復的軌道）、熱噪聲去除、輻射定標、地形校正以及條紋處理，該數據集已經是生成定標和正射校正後的產品，且每周更新一次。
在上升和下降軌道期間，Sentinel-1數據通過幾種不同的儀器配置、分辨率、頻段組合收集，並將數據轉化到同質子集。在GEE中，Sentinel-1圖像被處理成以分貝(dB)為單位的後向散射係數（\({\mathrm{ }\sigma }^{°}）\)。後向散射係數表示每單位地面區域目標的後向散射面積。
輔助數據包括Sentinel-2數據，是一種寬幅、多光譜成像的高空間分辨率影像數據。Sentinel-2數據包含13個16字節光譜波段，如表1所示；同時，Sentinel-2數據還有3個QA頻段，其中Q60是具有雲遮罩信息的位掩模頻段。在本研究中，2015年不透水面數據共用了517景SAR數據和1376景光學數據，2018年不透水面數據共用了522景SAR數據和2313景光學數據。
表1 Sentinel-2數據光譜信息表
| 波段名稱 | 中心波長/μm | 地面空間分辨率/m |
| B1 | 0.443 | 60 |
| B2 | 0.490 | 10 |
| B3 | 0.560 | 10 |
| B4 | 0.665 | 10 |
| B5 | 0.705 | 20 |
| B6 | 0.740 | 20 |
| B7 | 0.783 | 20 |
| B8 | 0.842 | 10 |
| B8A | 0.865 | 20 |
| B9 | 0.945 | 60 |
| B10 | 1.375 | 60 |
| B11 | 1.610 | 20 |
| B12 | 2.190 | 20 |
1.3 數據處理原理與步驟[編輯]
本數據集是利用多時相、升降軌的SAR數據和光學影像提取得到，技術路線如圖2所示。該技術方法包括2個方面內容：一是對GEE多時相升降軌SAR數據進行後向散射處理和逆運算獲取原始的後向散射係數\({\mathrm{ }\sigma }^{°}\)：
\({\mathrm{ }\sigma }^{°}={10}^{\frac{x}{10}}\) (1)
式中x為GEE下Sentinel-1影像的初始像元值；二是基於像素，通過分析獲取SAR數據的圖像紋理特徵，對其進行閾值分割，並利用光學影像和數字高程模型（Digital Elevation Model，DEM）數據掩模細化進行不透水面自動提取。
圖2 技術路線圖
在進行第一方面數據處理時，首先獲取多時相升降軌Sentinel-1A GRD（多視處理後的地距產品）數據，經過處理得到SAR數據的後向散射係數，並對其進行均值處理，以便解決山區和城市區域陰影或疊掩對不透水面提取的影響；通過均值處理將多時相升降軌SAR影像融合為單個影像圖層並獲取平均後的參數文件。
在進行第二方面數據處理時，根據平均後的SAR強度影像和相關參數獲得相應的紋理特徵，通過分析強度特徵獲得潛在的不透水面分布圖；在分析SAR圖像及其紋理特徵的基礎上，對海南島光學指數和均值濾波後的SAR數據的後向散射係數進行直方圖統計，利用「雙峰法」估計最優閾值，並且通過在本地處理上的反覆試驗後獲取最優分割閾值，利用不透水面快速提取算法，在GEE平台上得到不透水面分布數據。圖3是通過分析SAR圖像後向散射係數獲取最優閾值的示意圖。
圖3 雙峰法計算出的直方圖
為減少山區陰影和疊掩對不透水面提取的影響，本數據集採用30 m空間分辨率的SRTM產品，利用坡度屬性進行解決。同時，我們還會採用Sentinel-2光學影像生成的NDVI _max指數對低密度不透水面區域進行精細提取。NDVI_ max指數是對同一像元內每景影像計算得到的植被覆蓋指數的最大值。海南島植被掩模閾值選取如圖4所示。
圖4 植被分離閾值選取圖
2 數據樣本描述[編輯]
海南島不透水面分布結果如圖5所示。本數據集為海南島不透水面數據，數據集影像的空間分辨率為10 m，TIFF格式，所有數據的坐標係為WGS1984。
圖片（a）
圖片（b）
圖5 2015–2018年共2期海南島不透水面分布圖（a）2015年海南島不透水面分布圖 （b）2018年海南島不透水面分布圖
3 數據質量控制和評估[編輯]
對海南島分類結果進行精度驗證，建立混淆矩陣，根據10 000個隨機選擇的參考點，對分類的準確性進行定量評估，準確性計算方法為混淆矩陣中對角線元素之和與總數之比[10]。通常，Kappa係數達到0.6表示分類的質量良好。通過計算，海南島的總體準確性高於90%，Kappa係數高於0.81，如表2和表3所示。由此表明，海南島的提取結果良好，精度較高。
表2 2015年海南島不透水面分布數據精度驗證結果
| 透水面 | 不透水面 | 總計 | UA/% | |
| 透水面 | 4637 | 363 | 5000 | 92.47 |
| 不透水面 | 566 | 4434 | 5000 | 88.68 |
| 總計 | 5203 | 4797 | 10000 | |
| PA/% | 89.121 66 | 92.432 77 | ||
| 總體精度OA/ % | 90.71 | |||
| Kappa係數OK | 0.814 2 | |||
表3 2018年海南島不透水面分布數據精度驗證結果
| 透水面 | 不透水面 | 總計 | UA(%) | |
| 透水面 | 4716 | 284 | 5000 | 94.32 |
| 不透水面 | 583 | 4417 | 5000 | 88.34 |
| 總計 | 5299 | 4701 | 10000 | |
| PA(%) | 88.99292 | 93.95873 | ||
| 總體精度OA | 91.33% | |||
| Kappa係數OK | 0.8266 | |||
每期數據隨機選取70個block區域，利用Google Earth歷年影像統計每個block區域2010年、2015年和2018年的不透水面面積，分別與本數據集，GlobalLand30產品，globe urban2015產品和GHSL產品的提取結果建立線性回歸方程，如圖6所示。通過比較發現，本數據集的提取結果精度更高。
圖片（a）
圖片（b）
圖片（c）
圖片（d）
圖片（e）
圖6 不同數據與Google Earth線性回歸方程圖（a）2015年不透水面分布結果 ；（b）2018年不透水面分布結果；（c）GlobalLand30產品；（d）urban2015產品；（e）GHSL產品
對分類結果細節圖進行比較發現，本數據集的提取結果能夠直觀、清晰地展現出城市的內部結構以及建築分布方式。與本數據集相比，GlobalLand30產品結果較為聚合，無法體現不透水面內部結構的細節；urban2015產品未能提取出低密度區域的不透水面，並且在城市周邊出現矩形邊界；GHSL產品對低密度不透水面區域的提取效果較差，最終提取結果出現漏估現象。如圖7所示。
圖片（a）
圖片（b）
圖片（c）
圖片（d）
圖片（e）
圖片（f）
圖片（g）
圖片（h）
圖片（i）
圖片（j）
圖片（k）
圖片（l）
圖片（m）
圖片（n）
圖片（o）
圖7 提取結果與GlobalLand30產品、urban2015產品細節對比圖（a）、（b）、（c）為Sentinel-2光學影像圖；（d）、（e）、（f）為數據集結果；（g）、（h）、（i）為GlobalLand30產品結果；（j）、（k）、（l）為urban2015產品結果；（m）、（n）、（o）為GHSL產品結果
我們對2期數據進行了對比，可以明顯地看到城市不透水面範圍的變化，通過對變化範圍的分析，我們能夠了解到城市發展的進程。以海口美蘭國際機場為例，如圖8所示。
圖片（a）
圖片（b）
圖片（c）
圖片（d）
圖8 海口美蘭國際機場2015年和2018年結果對比圖（a）2015年4月19日Google earth影像圖；（b）2015年不透水面提取結果；（c）2018年10月30日Google earth影像圖；（d）2018年不透水面提取結果
4 數據價值[編輯]
本文基於GEE雲計算平台，利用多時相和升降軌Sentinel-1 SAR數據和Sentinel-2A光學影像，採用不透水面快速提取方法獲取了高準確性的不透水面數據集。
城市不透水面是城市化進程的評價指標，也是監測環境變化和生態系統的必要指標。城市不透水面會影響城市水循環、水體質量、地表徑流、氣候等生態環境要素，對分析評價城市地區的氣候、環境、水循環等具有重要意義，被廣泛應用在城市綜合評估過程中。不透水面數據集不僅有助於城市環境的管理，對城市的未來規劃也有很大的指導作用。
5 數據使用方法和建議[編輯]
海南島城市不透水面數據集保存為TIFF格式，ArcGIS、ENVI、ERDAS等常用的GIS與遙感軟件可支持該數據的讀取和操作。
參考文獻[編輯]
- ^ 1.0 1.1 SUN Z C, WANG C Z, GUO H D, et al. A modification of normalized difference impervious surface index (MNDISI) for automatic impervious surface area extraction[J/OL]. Remote Sensing, 2017, 9(9): 942. DOI: 10.3390/rs9090942.
- ↑ SUN Z C , LI X W, FU W X, et al. Long-term effects of land use/land cover change on surface runoff in urban areas of Beijing, China[J]. Journal of Applied Remote Sensing, 2013, 8(1): 1354-1365.
- ↑ WENG Q H. Remote sensing of impervious surfaces in the urban areas: Requirements, methods, and trends[J]. Remote Sensing of Environment, 2012, 117(2): 34-49.
- ↑ LI W L, WU C S, Choi W. Predicting future urban impervious surface distribution using cellular automata and regression analysis[J/OL]. Earth Science Informatics, 2018,11(1): 19-29. DOI: 10.1007/s12145-017-0312-8.
- ↑ FAN F L, FAN W, WENG Q H. Improving urban impervious surface mapping by linear spectral mixture analysis and using spectral indices[J/OL]. Canadian Journal of Remote Sensing, 2015, 41(6): 577-586. DOI: 10.1080/07038992.2015.1112730.
- ↑ 禹絲思, 孫中昶, 郭華東, 等. 海上絲綢之路超大城市空間擴展遙感監測與分析[J]. 遙感學報, 2017, 21(2): 169-181.
- ↑ ZHANG H S, LIN H, WANG Y P. A new scheme for urban impervious surface classification from SAR images[J/OL]. ISPRS Journal of Photogrammetry & Remote Sensing, 2018, 139: 103-118. DOI: 10.1016/j.isprsjprs.2018.03.007.
- ↑ LAN H N, NGHIEM S V, HENEBRY G M. Expansion of major urban areas in the US Great Plains from 2000 to 2009 using satellite scatterometer data[J/OL]. Remote Sensing of Environment, 2018, 204: 524-533. DOI: 10.1016/j.rse.2017.10.004.
- ↑ VECI L, PRATSIRAOLA P, SCHEIBER R, et al. The Sentinel-1 Toolbox[C]. IEEE International Geoscience & Remote Sensing Symposium DLR, 2014.
- ↑ CONGALTON R G. A review of assessing the accuracy of classification of remotely sensed data[J]. Remote Sensing of Environment, 1991, 37(1): 35-46.
數據引用格式[編輯]
朱秀林, 趙相偉, 杜文杰, 孫中昶. 基於Sentinel-1 SAR和Sentinel-2A光學影像的海南島城市不透水面數據集[DB/OL]. Science Data Bank, 2018. (2018-11-29). DOI: 10.11922/sciencedb.695.
