【文章內(nèi)容簡介】 7］將不透水面定義為“任何阻擋水分流入土壤的物質(zhì)”，不僅包括人工建筑物，還包括自然產(chǎn)生的物質(zhì)（如堅硬的裸露基巖）。目前，大部分研究者都將道路、停車場及建筑物等研究對象作為城市不透水面。 研究方法 人工解譯法 人工解譯方法是利用人的主觀想法對研究區(qū)的地物進行目視判讀，通過自己的先驗知識來判讀和分析地物的大小、形狀、紋理、色調(diào)、陰影等信息。從而獲得不透水面的信息 [8]。盡管該方法可操作性強，實驗原理簡單，但是解譯工作需要耗費大量的人力物力，同時受個人主觀性的影響較大，還要于野外調(diào)查相結(jié)合，工作量大，所以應用范圍十分有限 [9]。 線性光譜混合分析法（ LSMA） 線性光譜混合模型 ( linear spectral mixture analysis， LSMA)[10]是指像元在某波段的反射率是由構(gòu)成像元基本組分的反射率以其所占像元面積比例為權(quán)重系數(shù)的線性組合。 Murray[11]研究發(fā)現(xiàn)同一城市的同一地物的光譜之間存在很大的差異 ,并在此基礎(chǔ)上提出了改進后的的歸一化混合像元線性分解模型。該模型算法簡單、計算方便，在不透水面的研究中得到廣泛應用。 指數(shù)模型法 指數(shù)模型法是指采用特定的指數(shù)，直接或者間接地與研究對象建立起一種數(shù)學函數(shù)模型，利用計算機程序運行出所需的信息 [12]。在對不透水面的研究中，也有許多學者相繼采用多種指數(shù)模型法。查勇等利用 NDBI（歸一化建 筑指數(shù)）提取了城鎮(zhèn)建設(shè)用地信息，進而獲得了不透水面的信息。 決策樹分類法（ Decision Tree Classifier） 決策樹分類法是圖像分類方法之一，它是由一系列二叉樹連接而成，它是一種典型的多級分類器，用于將圖像中的像元歸屬到相應的類別中去，每個決策樹池州學院本科論文（設(shè)計） 4 用一個設(shè)定好的關(guān)系式將圖像中的像元分成兩類，新生成的類又可以根據(jù)另外的關(guān)系式繼續(xù)向下分類。一直分類下去，直到停止。 面向?qū)ο蠓? 面向?qū)ο蠓椒? ( object based image analysis， OBIA)[13]就是以像元對象為單位，利用影像的光譜信息及現(xiàn)實情況下的地物的形狀和相鄰關(guān)系，采用模糊邏輯對影像進行分類描述，使容易混淆的地物區(qū)分開來并且提取出來，進而更精確的獲得不透水面的信息。這種方法避免了基于像元的高分辨率遙感圖像信息提取時所產(chǎn)生的“椒鹽”現(xiàn)象。李彩麗 [13]等使用南京 IKONOS 影像，采用面向?qū)ο蟮姆椒?，剔除了遮蓋再不透水面上的植被和解決了基本的陰影歸類問題，提高了提取不透水面信息的精度。 人工神經(jīng)網(wǎng)絡(luò)分類法 （ Artificial Neural Network） 人工神經(jīng) 網(wǎng)絡(luò) ( artificial neural work， ANN)模型是模擬人腦神經(jīng)元處理因變量與自變量之間復雜關(guān)系的計算機信息處理方法，由大量的節(jié)點（激勵函數(shù)）大腦中稱作神經(jīng)元，與連接節(jié)點的加權(quán)值（權(quán)重）相當于人工神經(jīng)網(wǎng)絡(luò)的記憶。只需要少量的訓練樣本。就可以試驗地物的分類。目前，多種類型的人工神經(jīng)網(wǎng)絡(luò)模型已應用于土地利用和不透水面的提取，其中應用最廣泛的是多層感知神經(jīng)網(wǎng)絡(luò) ( multi － layerperceptron neural work， MLP)模型和自組織神經(jīng)網(wǎng)絡(luò) ( self － anizing map neural work， SOM)模型。 研究內(nèi)容 本文以 Landsat8 數(shù)據(jù)個波段為數(shù)據(jù)，利用 ENVI 軟件作為平臺，在數(shù)據(jù)預處理的基礎(chǔ)上，以兩種方法為研究方法，基 于植被覆蓋度提取不透水面 和線性光譜混合分析法提取城市不透水面，論文章節(jié)的具體安排如下： 第一章 ：緒論。主要闡述不透水面的研究背景與意義，以及國類外研究現(xiàn)狀，還有研究的一些方法理論。 第二章 ：數(shù)據(jù)的預處理。 Landsat8 數(shù)據(jù)的分辨率為 30 米，數(shù)據(jù)要經(jīng)過投影轉(zhuǎn)換、輻射校正、幾何校正等相關(guān)的預處理。 第三章 ：基于植被覆蓋度提取 不透水面。 第四章 ：線性光譜混合分解法提取不透水面。 第五章 ：結(jié)論與展望。分析總結(jié)，發(fā)現(xiàn)存在問題，并對未來進行展望。 研究方法與技術(shù)路線 第二章 研究區(qū)遙感數(shù)據(jù)的預處理 Landsat8 數(shù)據(jù)簡介 2020 年 2 月 11 號， Landsat8 衛(wèi)星成功發(fā)射， Landsat8 攜帶著 OLI（陸地成像儀）、 TIRS（熱紅外傳感器），相對以前，有兩個新增的波段：藍色波段（ band1） ,主要用于海岸觀測，短波紅外波段（ band9）可用于云檢測。下面是 Landsat8 各池州學院本科論文（設(shè)計） 5 波段相關(guān)屬性信息。 波段序號 波段名稱 波段 (um) 空間分辨率(m) OLI Band1 Coastal 30 Band2 Blue 30 Band3 Green 30 Band4 Red 30 Band5 NIR 30 Band6 SWIR1 30 Band7 SWIR2 30 Band8 Pan 15 Band9 Cirrus IRS Band10 TIRS1 100 Band11 TIRS2 100 圖一： Landsat8各波段信息 遙感數(shù)據(jù)預處理 投影轉(zhuǎn)化 常見的地圖坐標系有兩種，即地理坐標系和投影坐標系。地理坐標系是以經(jīng)緯度來表現(xiàn)的，它由地球橢球體及大地基準面兩個重要參數(shù)構(gòu)成。由于地球表面的不規(guī)則性，我們無法用數(shù)學公式進行表達，所以我們假想一個大小、形狀與地球想似的橢球體來代替地球表面，這樣就方便了測量與制圖。大地基準面是用一個規(guī)則的曲面代替地球本身的 不規(guī)則球面，我國有兩個大地基準面即北京 54 坐標系、西安 80 坐標系。投影坐標系是指按照一定的數(shù)學法則，將地球上地物投影到平面上的一種手段，常見的有高斯 克呂格投影、墨卡托投影等。本文所給數(shù)據(jù)中已經(jīng)對數(shù)據(jù)進行了投影轉(zhuǎn)換。如下圖基本信息： 池州學院本科論文（設(shè)計） 6 圖二：數(shù)據(jù)基本信息 幾何校正 遙感成像的時候，由于遙感平臺位置和運動狀態(tài)變化的影響（飛行器的姿態(tài)、高度、速度），地形起伏、地球表面曲率、地球自轉(zhuǎn)，以及地球表面曲率的影響， 造成圖像元在幾何位置上發(fā)生變化產(chǎn)生諸如像元大小與地面大小對應不準確，像元相對于地面目標 的置發(fā)生擠壓、扭曲、拉伸和偏移等，對這些情況影響進行校正就是幾何校正。一般來說，地面站提供給用戶的都是經(jīng)過幾何粗校正的遙感衛(wèi)星產(chǎn)品。如果想進一步開展遙感應用研究，還必須對遙感影像做進一步的幾何精校正處理。 輻射校正 進入傳感器的輻射強度反應在圖像上的就是亮度值（灰度值）。輻射強度越大。亮度值（灰度值）越大。目標的光譜反射率與所得到的測量值之間的差值稱為輻射誤差。消除輻射誤差的影響稱為輻射校正。 生成標準文件 原始數(shù)據(jù) Landsat8 是按照波段順序存儲的，在進行試驗是我們應該生成標準文件。 第三章 基于植 被覆蓋度提取不透水面 基于植被覆蓋度提取不透水面原理 基于植被覆蓋度提取不透水面是利用植被覆蓋度和不透水面之間的反比關(guān)系，將除植被以外的一切地表信息（水體除外）都歸屬于不透水面。將土壤、沙土和陰影的影響忽略不計。 實驗流程 水體掩膜 池州學院本科論文（設(shè)計） 7 在研究區(qū)內(nèi)存在多種地表類型，包括反射率較低的水體，它的存在對不透水面的提取有影響，故在研究之前必須剔除水體。采用改進后的歸一化水體指數(shù)（ MNDWI） 計算公式，在 Landsat8 中： Green、 SWIR1 分別對應第三波段和第六波段： MNDWI=(GreenSWIR1)/(Green+SWIR1) 利用 ENVI 的波段運算工具得實驗結(jié)果為： 圖三：水體指數(shù)圖 其中藍色部分為水體，淡藍色表示透水性較好的地物，黃色表示不透水面，顏色越深的地方不透水性越強。 不透水面提取 眾多學者研究發(fā)現(xiàn)，在城市研究區(qū)內(nèi)，不透水面與植被覆蓋度 ,呈現(xiàn)很強的負相關(guān)性。由此