基于多源遥感数据的城市不透水层估算方法研究

Urban impervious surface is not only an indicator of the degree of urbanization, but also a major sensitive factor of urban environment.The impervious surface is closely related to many environmental problems, such as water quality, stream health, the urban heat island effect and so on. Therefore, impervious surface and its effects on urban environment have attracted more interest recently in the remote sensing community.Rencently, urban impervious surface is mostly extracted from medium-high resolusion optical remote sensing imagery, and many information extraction methods are developed based on optical imagery. However,there are some limitations for estimating impervious surface from optical imagery, including different objects with same spectrum, mixed-pixel, shadows caused by tall buildings or large tree crowns, and extrating impervious surfaces covered by tree crowns.In order to resolve those limitations, multi-source remote sensing data (e.g. PolSAR data, airborne LiDAR data and optical imagery) are used to develop the estimation methods of high-precision urban impervious suface in our project. Firstly，this project investigates the impervious surface estimation method using PolSAR data, and focuses on researching impervious suface estimation model based upon PolSAR data,PolSAR features optimizing selection, shadow and layerover removal for PolSAR data. Further, the PolSAR data and optical imagery are combined in order to improve estimation accuracy. Then, the project is to explore the potential to extract high-precision impervious surface from hyper-spectral imagery and airborne LiDAR data.The improved P-SVM algorithm is used to estimate the urban impervious surface. Finally,an accuracy assessment of impervious surface is performed using high-resolution imagery (e.g. WorldView) and field measurement data. Our results can provide some robust algorithms for mapping high-precision urban impervious surface from remote sensing imagery, and then promote that PolSAR and airborne LiDAR data are used for estimating urban impevious surfaces.

城市不透水层不仅是城市化进程的指示器，更是评估城市环境的一个重要敏感因子，因此开展不透水层及其相关方面的研究已成为当前研究的热点。传统的不透水层提取大多基于中、高分辨率光学遥感影像，但存在很多限制，主要包括：异物同谱、混合像元、阴影以及树冠覆盖下的不透水层探测等。为解决这些问题，本项目采用全极化数据、机载激光雷达数据以及高光谱影像等多源遥感数据相结合来发展精确的城市不透水层估算方法。本项目首先基于极化数据进行不透水层估算方法研究，重点开展极化数据不透水层估算模型、极化特征优化选择、利用升降轨消除阴影和叠掩；进一步融合光学影像提高不透水层估算精度；然后探讨综合高光谱和LiDAR的高精度不透水层估算方法；并且将PSVM算法应用到不透水层估算中；最后利用高分影像和实测数据进行不透水层精度评估。研究结果为高精度不透水层遥感估算提供一些新方法，进而推动极化雷达和LiDAR在不透水层遥感估算中的应用。

城市不透水层是一种水不能通过它下渗到土壤中的人工地表面，包括城市中的公路、车道、人行道、停车场、建筑屋顶等等。不透水层不仅是城市化程度的指示器，更是城市生态环境的一个重要敏感因子。研究表明，不透水层在城市化进程监测、城市生态环境评价、城市土地覆盖动态监测、城市水文模拟、热岛效应研究、区域气候变化分析等方面的研究有重要意义，因而开展与城市环境相关的不透水层进行研究是当前城市遥感的重要研究方向和热点之一。.为了解决中、高分辨率光学遥感影像在提取不透水层中存在的异物同谱、混合像元、阴影以及树冠覆盖等问题，本项目研究目标是基于多源遥感数据开展城市不透水层估算方法研究。本研究所用的数据包括：升降轨全极化RADARSAT-2、高分辨率TerraSAR-X、机载LiDAR、WorldView-2和SPOT-5等。基于这些遥感影像，本项目开展的研究工作包括：（1）城市不透水层在SAR、LiDAR以及多光谱高分辨率光学影像的散射机制与光谱特征研究，为提高不透水层信息提取提供理论支持；（2）开展改进的P-SVM、随机森林、C5.0决策树等分类方法研究，并结合图像分割技术，开发面向对象和基于像素的遥感分类系统；（3）基于高分辨率TerraSAR-X和全极化RADARSAT-2数据的城市不透水层遥感估算方法研究，并探讨升降轨全极化SAR数据在不透水层提取方面的潜力；（4）利用全极化PolSAR和光学融合来提高不透水层遥感估算精度；（5）开展机载LiDAR数据和多光谱遥感影像融合方法研究，并将其应用到不透水层信息提取中。.本项目的研究结果表明多源遥感数据融合可以很大程度上提高不透水层提取精度，并且很好地解决光学影像在提取不透水层方面存在的问题。研究结果证明多源数据融合是提高不透水层估算的一种有效方法，并且为高精度不透水层遥感估算提供一些新算法，进而推动极化雷达和LiDAR在不透水层遥感估算中的应用。.另外，将本项目提出的研究方法和软件系统应用到30个全球超大城市1970s-2015年的不透水层信息提取中，并进一步探讨了全球典型城镇化发展模式。通过多源遥感影像开展与城市环境相关的不透水层精细提取与制图在为国家宏观把握、长远规划新型城镇化空间格局以及区域可持续发展决策等方面具有重要的研究意义。