吴溪¹, 郭斌^1,, 陈忠升², 史文娇³
1. 山东科技大学测绘科学与工程学院,青岛 266590
2. 西华师范大学国土资源学院,南充 637002
3. 中国科学院地理科学与资源研究所,陆地表层格局与模拟重点实验室,北京 100101

Spatio-temporal dynamic characterization of impervious surface in the Jiaozhou Bay based on Landsat imagery

WUXi¹, GUOBin^1,, CHENZhongsheng², SHIWenjiao³
1. College of Geodesy and Geomatics, Shandong University of Science and Technology, Qingdao 266590, China
2. School of Land and Resources, China West Normal University, Nanchong 637002, China
3. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
通讯作者:通讯作者：郭斌,E-mail: guobin121@126.com
收稿日期:2018-06-12
修回日期:2018-08-24
网络出版日期:2018-11-20
版权声明:2018《资源科学》编辑部《资源科学》编辑部
基金资助:国家自然科学基金项目（41807170）山东省自然科学基金项目（ZR2017BD021）
作者简介:
-->作者简介：吴溪,女,江苏徐州人,硕士生,主要从事遥感水文研究。E-mail: wux@lreis.ac.cn



展开

摘要
不透水面是影响城市生态环境的关键因子,及时、精确地掌握不透水面的动态变化对城市的发展规划具有重要指导意义。本文以环胶州湾为例,基于1990年、1995年、2000年、2005年、2011年Landsat TM影像和2016年Landsat OLI影像,采用线性光谱混合分析和决策树相结合的方法分析了环胶州湾不透水面格局演变过程。结果表明：①本文提取的1990—2016年环胶州湾不透水面丰度与验证数据的决定系数R²均在0.70以上,均方根误差RMSE均在16.70%以下。②环胶州湾不透水面面积由1990年的105.17km²增长到2016年的620.02km²,总的扩展方向为由南向北、向东和向西移动。③1990年城阳区成为辅助市区发展的重心,现由城阳区逐渐向黄岛区、崂山区、即墨区和胶州市发展。

关键词：发展重心;不透水面;Landsat;时空分布;环胶州湾
Abstract
Impervious surface areas (ISA) are key factor of affecting urban ecological environments. Information on ISA distribution and dynamics was useful for the planning and development of cities. This study explored a hybrid method consisting of linear spectral mixture analysis (LSMA) on the basis of vegetation-high albedo-low albedo-soil model (V-H-L-S), and regression tree (RT) for estimation of ISA in the Jiaozhou Bay. Medium-resolution remote sensing data (Landsat TM images in 1990, 1995, 2000, 2005, 2011, and Landsat OLI images in 2016) were used as basic data. Then the spatial and temporal distributions of ISA from 1990 to 2016 were identified in the Jiaozhou Bay based on the estimation of ISA. In addition, the regional development center of gravity was located by the extended index and buffer zone. The results demonstrated that the coefficients of determination (R²) of ISA in 1990, 1995, 2000, 2005, 2011, and 2016 were greater than 0.70 and their root mean square error (RMSE) were less than 16.70%. It is noted that the hybrid method consisting of LSMA and RT for estimation of ISA is feasible. The ISA increased from 105.17 km² in 1990 to 620.02 km² in 2016 in the Jiaozhou Bay. The expansion trend was from south to north, east to west. The area of ISA was increasing, but the increasing rate of ISA did show a little change. From 1990 to 1995, the expansion intensity of ISA was the largest, which was much larger than other periods. Downtown has always been the center of urban development, then Chengyang has become the focus of auxiliary urban since 1990. However, the trend was from Chengyang to Laoshan in 1993, Jiaozhou and Jimo in 2005, and Huangdao in 2011. This study will provide scientific foundation for the development and construction of sponge city in the Jiaozhou Bay.

Keywords：development center;impervious surface areas;Landsat;spatio-temporal distribution;the Jiaozhou Bay

-->0
PDF (11114KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
吴溪, 郭斌, 陈忠升, 史文娇. 基于Landsat影像的环胶州湾不透水面格局演变过程[J]. 资源科学, 2018, 40(11): 2260-2269 https://doi.org/10.18402/resci.2018.11.12
WU Xi, GUO Bin, CHEN Zhongsheng, SHI Wenjiao. Spatio-temporal dynamic characterization of impervious surface in the Jiaozhou Bay based on Landsat imagery[J]. RESOURCES SCIENCE, 2018, 40(11): 2260-2269 https://doi.org/10.18402/resci.2018.11.12

1 引言

广义的不透水面（Impervious Surface Areas, ISA）是指天然或人为源,能够隔离地表水渗透到土壤,进而改变洪水径流的流动、物质沉淀和污染剖面的任何物质^[1,2]。目前,不透水面通常被定义为水不能渗透的任何人造表面,主要包括建筑物、停车场、街道、高速公路等^[3]。中国城市不透水面的增加表征城市建设用地规模日益扩大,城市化进程加快^[4],提高了城市宜居性和便利性。但是,不透水面也会阻止水的下渗,阻断自然地表的蒸散作用,从而引发城市热岛、水生态恶化等城市生态环境问题^[5,6,7,8]。近30年,中国正处于快速城市化时期,城市扩张速度达到前所未有的水平,不透水面面积也急速增长^[9]。因此,亟需确定快速城市化地区不透水面范围,研究其时空变化特征,从而为应对城市扩张带来的城市生态环境问题提供一定的理论依据。
近年来,利用遥感技术进行不透水面提取的方法在国内外应用很多,提取的精度不断提高。根据不同的空间尺度可以选择不同的传感器,例如Quick Bird、IKONOS、Landsat、ASTER、MODIS、DMSP-OLS,其中Landsat属于中等空间分辨率且易获得。利用遥感进行不透水面提取的方式从手工或半自动方法^[10,11]到基于像素的自动分类方法^[12],提取方法主要包括光谱混合分析方法、回归方法、分类方法和指数方法4类^[13],其中光谱混合分析法能有效地解决混合像元的问题,应用较为广泛^[9]。光谱混合分析方法分为线性光谱混合分析法和非线性光谱混合分析法^[14,15],其中线性光谱混合分析法在估算不透水面丰度方面应用较多^[9,16,17]。不透水面丰度是指单位面积地表中不透水面面积所占的百分比^[18]。Yue利用Landsat 7 ETM+估算了上海市不透水面,均方根误差RMSE为14.46%,标准误差SE为-6.50%^[16]。Hu等基于空间分辨率较高的Quick Bird影像,利用线性光谱混合方法估算了北京市不透水面,对比了4月和8月不透水面提取精度,4月的RMSE为22.40%,8月的RMSE为14.80%^[17]。仅利用线性光谱混合分析法提取不透水面,提取精度不高,主要是由于土壤和不透水面有相似的光谱曲线,不透水面的组成较为复杂,且与端元选取有关。Li等利用线性光谱混合分析与决策树结合的方法估算了杭州市不透水面,提取精度达95%以上^[9],但该方法在验证时采取混淆矩阵的方法对像元整体进行验证,而不是对不透水面提取丰度进行验证。因此,本文结合线性光谱混合分析法和决策树分类法提取了1990—2016年环胶州湾不透水面丰度,并将目视解译更高分辨率影像的不透水面丰度作为“真值”,验证该方法提取的不透水面丰度,从而分析环胶州湾不透水面时空变化特征及不同时段城市发展重心,为未来城市规划和“海绵城市”建设提供一定的科学依据。

2 研究区概况与数据来源

2.1 研究区概况

胶州湾位于山东半岛南部,又称胶澳。目前胶州湾全境由青岛市管辖,沿岸行政区分别为青岛市的市南区、市北区、李沧区、城阳区、崂山区、即墨区（原即墨市）、胶州市、黄岛区。青岛地处北温带季风区域,属温带季风气候,空气湿润,雨量充沛,温度适中,四季分明。青岛是中国东部沿海重要的经济中心城市和港口城市,与世界130多个国家和地区的450多个港口有贸易往来。2016年青岛入选中国“海绵城市”试点,由于政策和地理位置的支持,青岛城市化进程加快,而环胶州湾地区被列为青岛主要发展规划区,故本文选择环胶州湾为研究区（图1）。沿岸有洋河、大沽河、墨水河、白沙河、李村河和海泊河等十几条河流注入胶州湾^[19]。1995—2015年城市建设面积急聚扩展,且2000年后年均人口增加1.52%,人为无度地围填海使得胶州湾2012年的纳潮量只有约7亿m³。城市建设用地和人口的增加使不透水面持续增加,对胶州湾生态环境造成了严重的破坏。
显示原图|下载原图ZIP|生成PPT
图1研究区位置^[20]
-->Figure 1Location of the study area
-->

2.2 数据来源

本文采用美国地质调查局（United States Geological Survey,USGS）^[21]提供的Landsat 5 TM和Landsat 8 OLI 影像（表1）,影像云覆盖率均为0,空间分辨率为30m。考虑到裸露土壤对不透水面提取精度的影响,选择遥感影像的获取时间集中于6—10月^[22]。
Table 1
表1
表1本研究所采用的遥感数据源
Table 1Remote sensing data applied in this study

	传感器名称	影像获得时间 /年—月—日
遥感数据	Landsat 5 TM	1990—10—15
		1995—09—27
		2000—09—08
		2005—10—05
		2011—09—23
	Landsat 8 OLI	2016—06—16

新窗口打开

3 研究方法

本文基于修正的城市覆盖植被-不透水面-土壤（Vegetable-Impervious-Soil Model,V-I-S）模型^[23],采用线性光谱混合模型和决策树相结合的方法进行不透水面提取。主要步骤如下：
（1）根据植被-高反照率-低反照率-土壤（Vegetation-High albedo-Low albedo-Soil,V-H-L-S）模型提取端元,得到植被端元-高反照率端元-低反照率端元-土壤端元。
（2）运用线性光谱混合模型由Landsat多光谱影像生成不透水面丰度影像。
（3）计算修正后的归一化差异水体指数（Modified Normalized Difference Water Index,MNDWI）和归一化植被指数（Normalized Difference Vegetation Index,NDVI）,并将其用于决策树分类器中。再利用决策树分类得到的不透水面掩膜由线性光谱混合模型得到的不透水面丰度图。
（4）利用Google Earth数据和Landsat全色波段作为参考数据进行结果精度验证。

3.1 不透水面提取

3.1.1 不透水面提取方法
（1）端元提取。端元选取是进行线性光谱混合分析至关重要的一步。由于影像波段之间相关性高、数据冗余,需要对数据进行去相关化,降低数据维度^[24]。最小噪声分离变换（Minimum Noise Fraction Transform,MNF）降低波段间的相关性^[25,26,27]。将选出的4类端元进行n维可视化,检验端元是否纯净^[28]。
（2）线性光谱混合模型。线性光谱混合模型认为像元在某一波段的反射率是由几个不同端元的反射率与其所占像元面积比例为权重系数的线性组合^[29,30],线性光谱混合模型包括不约束、部分约束和全约束模型^[31]（非负约束和丰度值加和等于1）。考虑到后面的时空分析需要具有实际物理意义的端元面积,采用全约束最小二乘方法分解各季相的遥感影像。其公式为：
Ri=∑k=1nfkRik+εi∑k=1nfk=1,0≤fk≤1（1）
式中,i = 1, 2, …, m为光谱波段数;k =1, 2, …, n 为端元数目;R_i为波段i的反射率,其中包含一种或多种端元成分;f_k为端元k在像元内部所占比例;R_ik为端元k在波段i的反射率;ε_i为模型在波段i的拟合误差。
（3）决策树。经线性光谱分析得到的高反射率不透水面的丰度图可能掺杂土壤,低反射率不透水面的丰度图可能掺杂水、阴影等,因此需要进行决策树分类,以实现更高的精度^[32,33]。本文选择不透水面丰度图减去土壤丰度图,得到的影像范围为-1~1,大于0的部分为不透水面,用以区分不透水面丰度图中掺杂的土壤。根据决策树得到的影像图建立不透水面二值图,再与线性光谱混合分析模型得到的不透水面丰度图进行掩模,得到更为精确的不透水面丰度图。
3.1.2 不透水面精度验证
2000年ETM影像的全色波段与多光谱波段融合得到15m×15m的遥感影像和2005年、2011年、2016年Google Earth高分辨率影像分别与提取的对应年份的不透水面丰度结果进行空间配准,按照3×3（90m× 90m）像元大小在不透水面丰度结果中随机选择样本,样本值取像元空间平均值,然后目视解译高分辨率影像不透水面所占比例,作为不透水面的实际值。
本文选取决定系数R²和均方根误差RMSE作为定量的验证指标：
R2=∑i=1NI?i-I?i2∑i=1NIi-I?i2（2）
RMSE=∑i=1NI?i-I?i2N（3）
式中, I?i为第i个像元估算的不透水面丰度值;I_i为第i个像元实际的不透水面丰度值; I?i为所有像元不透水面丰度平均值;N为样本像元总数。
表2显示R²均在0.70以上,RMSE均小于16.70%。
Table 2
表2
表2环胶州湾不透水面提取精度验证
Table 2Accuracy assessment of ISA extraction results in the Jiaozhou Bay

指标	1990年	1995年	2000年	2005年	2011年	2016年
R2	0.74	0.70	0.73	0.75	0.71	0.78
RMSE /%	12.60	11.00	12.20	16.70	15.60	14.50

新窗口打开

3.2 不透水面扩展指标

本文用不透水面密度、扩展速度和扩展强度3个指标^[34,35]研究环胶州湾不透水面扩展趋势。不透水面密度表征一个区域不透水面占该区域总面积的比重,计算公式如下：
Di=UiAi（4）
式中,D_i为i区域的不透水面密度;U_i为i区域的不透水面面积;A_i为i区域的总面积。
不透水面扩展速度表征在一个时段内,以年为单位的不透水面面积增长情况,公式如下：
v=Ub-UaT（5）
式中,v为不透水面扩展速度;T为时间间隔;U_a和U_b分别为研究初期和研究末期的不透水面面积。
不透水面扩展强度指某一段时间内,以年为单位的不透水面面积增长的速率,公式如下：
R=Ub-UaUa×1T×100%（6）
式中,R为不透水面扩展强度;T为时间间隔;U_a和U_b分别为研究初期和研究末期不透水面面积。

3.3 城市发展重心变化

将胶州湾根据行政区域划分5个区域,分别是城阳区、黄岛区、胶州市、即墨区、崂山区。市中心毋庸置疑是发展重心,所以本文没有分析市中心。分别以5个区域的行政中心为半径做4km的缓冲区分析,计算1990—2016年各区域在缓冲区范围内的不透水面面积,从而获得各区域中心的密度,根据各区域缓冲区内不透水面密度的变化来衡量环胶州湾区域发展重心。

4 结果与分析

4.1 环胶州湾不透水面分布格局与演变过程

4.1.1 环胶州湾不透水面时空格局变化
1990—2016年环胶州湾不透水面面积由105.17km²增长到620.02km²,总的扩展方向为由沿海向内陆,由南向北呈带状发展,并向东扩展、向西移动,具体为沿着胶州湾东岸、北岸和西岸发展（图2）。东岸城区包括市南区、市北区、崂山区、李沧区;北岸城区包括城阳区、即墨区;西岸城区包括黄岛区、胶州市。
显示原图|下载原图ZIP|生成PPT
图21990—2016年环胶州湾不透水面空间分布格局
-->Figure 2The spatial distribution characteristics of ISA in the Jiaozhou Bay from 1990 to 2016
-->

东岸城区中,市中心（市南区、市北区和李沧区）的不透水面发展比较成熟。近26年市南区变化较小,市北区向东扩展,李沧区以工业发展为主,向东部和北部扩展。由于1993年市政府东迁,崂山区成为城市发展的热点区域^[36],向北部和东部快速扩展。北岸城区中,城阳区快速向东部扩展,红岛经济区位于城阳区西部,向北部扩展,是青岛市重要的战略储备空间。即墨区沿着城区中心向南与城阳区连接,尤其是在2011—2016年期间,即墨区东部的鳌山卫新建科研基地,交通区位优势明显,靠近青岛流亭国际机场,周边优势和政策支持使鳌山卫快速发展,不透水面快速增加。西岸城区,胶州市沿着城区中心向北、西部及东北方向发展,尤其是2013年青岛胶东国际机场批复后发展更为迅速。黄岛区沿海岸发展,之前青岛和黄岛交通只能通过轮渡,所以发展中心沿轮渡站点,确定修建隧道后,隧道点在黄岛南部,便向黄岛南部发展,2011年隧道开通后发展更快,2014年6月,青岛西海岸新区获国务院批复设立,成为第九个国家级新区,使得西海岸新区不透水面快速扩散。
4.1.2 环胶州湾不透水面空间扩散动态
根据1990—2016年不透水面扩散结果得到1990—2000年、2000—2011年、2011—2016年3个时段不透水面动态变化（图3）。1990—2000年时段（图3a）,市中心（市南区、市北区、李沧区）为主要不透水面扩散区域,方向由南向北扩散,城阳区扩散也较广,主要是南北方向扩散,崂山区向北部扩散,且不透水面增加比例较大,即墨区和胶州市沿着区域中心向四周扩散,即墨区主要向南扩散,与城阳区连接,黄岛区主要由轮渡港口向南部扩散,黄岛区范围较小,并未与胶南市合并,中部沿海扩散的区域为当时的胶南市。2000—2011年时段（图3b）,不透水面主要沿着胶州湾扩散,各个区扩散范围变大,该时段市中心扩散明显比1990—2000年扩散比例减小,崂山区向东北部扩散,城阳区主要扩散区域为红岛经济开发区,即墨区向南扩散趋势明显,与城阳区相接,胶州市向东部扩散,黄岛区依然向南部扩散。2011—2016年时段（图3c）,不透水面扩散方向更为分散,乡村不透水面增加,这可以从侧面反映乡村在不断发展,城乡差距逐渐减小,鳌山卫和红岛南部不透水面也有明显的增加。
显示原图|下载原图ZIP|生成PPT
图3不同时段环胶州湾不透水面动态变化
-->Figure 3Dynamic changes of ISA in the Jiaozhou Bay during different periods
-->

4.2 环胶州湾不透水面扩展指标分析

4.2.1 环胶州湾不透水面扩展指标
1990—2016年环胶州湾不透水面面积和密度不断增加（图4、表3）,环胶州湾各时段不透水面扩展速度相差较小,均在（14.54~24.60）km²/a之间,其中1990—1995年扩展速度最大为24.60km²/a,此时扩展强度也最大,高达23.39%,而其余时段扩展强度均在5%左右浮动。
显示原图|下载原图ZIP|生成PPT
图41990—2016年环胶州湾不透水面面积与密度变化
-->Figure 4The area and density of ISA in the Jiaozhou Bay from 1990 to 2016
-->

4.2.2 环胶州湾各区域不透水面扩展指标
将胶州湾根据行政区域划分为6个区域,分别是市中心（包括市南区、市北区和李沧区）、城阳区、崂山区、即墨区、胶州市、黄岛区。1990—2016年,各区域不透水面面积均呈增加趋势,但增加程度差异较大,其中市中心增加较为平缓,1990年市中心不透水面面积比其他区域大,但是增加面积较少（图5a）,市中心的密度在各个时段都远大于其他区域,并且不断增加（图5b）。1990—2000年,崂山区不透水面面积增加较多,主要由于1993年青岛市政府东迁,崂山区成为城市发展的热点区域。1990—2011年,城阳区不透水面面积迅速增加,几乎呈线性趋势,主要是重工业较发达,但2011年后不透水面增加较少,因为政府正积极引导城阳区从现有工业向现代服务业和居住社区相融合的方向转化,为人才公寓的建设预留好空间。1995—2000年,即墨区不透水面面积增加较少,其余时间增加较多,但不透水面密度均较小,主要由于即墨区面积较大。2005—2011年胶州市不透水面面积增加较多,其余时段增加较少,不透水面密度也较小,而黄岛区不透水面面积在各个时段均增加较多,这缘于黄岛区是青岛重点发展区域,胶州湾跨海大桥和海底隧道建成后,发展潜力得到释放。
显示原图|下载原图ZIP|生成PPT
图51990—2016年环胶州湾各区域不透水面面积和密度变化
-->Figure 5The area and density of ISA in each region in the Jiaozhou Bay from 1990 to 2016
-->

环胶州湾各区域在不同时段不透水面扩展速度和扩展强度相差较大。1990—1995年,不透水面扩展强度均大于其余时段(市中心除外),主要由于该时期城市建设力度较大。1990—2000年,市中心不透水面积扩展速度加快,但2000年后扩展速度减缓且变化较小,均小于0.97km²/a（图6a）,与此相应,市中心不透水面扩展强度亦较小,均在3.76%以下,说明市中心可开发的建设用地较少,不透水面面积已趋于饱和（图6b）。1990—2011年,崂山区不透水面扩展速度一直处于减小状态,2011—2016年期间扩展速度有所增加,扩展强度在1990—2000年期间较大,但均呈减小趋势,2011年扩展强度有所增强。1990—2011年城阳区不透水面扩展速度在（3.06~5.38）km²/a之间波动。即墨区不透水面扩展速度波动较大,1990—1995年期间扩展速度和扩展强度均最大,扩展速度在5个时段成“W”状,而不透水面扩展强度急速下降后略有波动。2005—2011年胶州市不透水面扩展速度达到最大值,其余时段均在（1.49~4.51）km²/a之间波动,1990—1995年期间扩展强度最大,其余时段扩展强度均不大。2011—2016年黄岛区不透水面扩展速度达到最大值,为9.88 km²/a,黄岛区扩展强度与崂山区相似,即1990—2000年期间较强,2000年之后的扩展强度远远小于2000年之前的扩展强度。
显示原图|下载原图ZIP|生成PPT
图61990—2016年环胶州湾各区域不透水面面积扩展速度和强度变化
-->Figure 6The speed and intensity of ISA in each region in the Jiaozhou Bay from 1990 to 2016
-->

4.3 环胶州湾发展重心变化

1990年城阳区成为环胶州湾发展的重心,重点发展重工业,1990—1995年期间不透水面密度增加最大为13.00%,2005年后由于转型不透水面增速有所减缓。1993年市政府迁移后,崂山区成为发展重心,虽然崂山区不透水面密度变化小于6.75%,但不透水面密度均呈增加趋势,特别是2005年以后。由于胶州市和即墨区有足够的发展空间,2005年胶州市和即墨区成为环胶州湾的发展重心,2005—2011年胶州市不透水面密度增加最快,虽然即墨区密度变化小于胶州市,但变化依然很大。2011年胶州湾跨海大桥和海底隧道建成并投入使用后,黄岛区不透水面面积表现出明显的快速增加趋势,2014年中央同意建设西海岸国家级新区,从而黄岛区成为重点发展区域,即2011年后黄岛区逐渐成为环胶州湾发展重心（图7a,图7b）。
显示原图|下载原图ZIP|生成PPT
图71990—2016年缓冲区不透水面密度和密度变化
-->Figure 7The density and density changes of ISA in buffer from 1990 to 2016
-->

5 结论与讨论

本研究基于线性光谱混合模型和决策树相结合的方法提取了1990—2016年环胶州湾的不透水面面积,分析了其时空格局变化特征,并采用扩展指数和缓冲区探讨了区域发展重心。得到如下结论：
（1）通过线性光谱混合分析与决策树结合的方法得到的不透水面面积决定系数R²均达到0.70以上,均方根误差RMSE均小于16.70%,由此说明该方法在提取不透水面中是可行的。
（2）1990—2016年环胶州湾不透水面面积不断增加,不透水面所占比例不断增大,但增长速度变化较小,总的扩展方向为由南向北呈带状发展、东扩西移。1990—1995年扩展强度较大,其余时段均小于该时段且变化较小。
（3）1990年开始城阳区重工业发展迅速,许多工厂落户该区,使得城阳区成为环胶州湾发展重心;1993年市政府迁移后崂山区成为环胶州湾发展重心;2005后胶州市和即墨区成为环胶州湾发展重心;2011年后胶州湾跨海大桥和海底隧道建成后使得青岛和黄岛连接通畅,黄岛有大片未开发区域,成为环胶州湾发展重心。
本文应用了决策树与线性光谱混合分析模型相结合的方法提取环胶州湾不透水面丰度,提取精度在可取范围内。但端元提取的精度在一定程度上影响不透水面的提取精度^[37],Li等^[38]和Wu等^[39]利用混合像元分解分别提取上海市和美国Columbus市不透水面,上海市提取不透水面验证结果表示RMSE和SE分别低于16.1%和3.7%,美国Columbus市不透水面提取验证结果的RMSE为10.6%。此外,不透水面信息与裸土信息混淆也是降低不透水面反演精度的重要原因之一^{[40, 41]},即使本文的影像选择在土壤裸露面积减少的季节,依然很难彻底解决这一问题。接下来研究中还需要进一步探讨如何提高不透水面提取精度及影响环胶州湾不透水面扩展的主要影响因素。
The authors have declared that no competing interests exist.

---

参考文献文献选项 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	Slonecker E T, Jennings D B, Garofalo D.Remote sensing of impervious surfaces: A review [J]. Remote Sensing Reviews, 2001, 20(3): 227-255. [本文引用: 1]
[2]	任金华, 吴绍华, 周生路, 等. 城市不透水面遥感研究进展 [J]. 国土资源遥感, 2012, (4): 8-15. [本文引用: 1] [Ren J H, Wu S H, Zhou S L, et al. Advances in remote sensing research on urban impervious surface [J]. Remote Sensing for Land & Resources, 2012, (4): 8-15.] [本文引用: 1]
[3]	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. [本文引用: 1]
[4]	王静, 苏根成, 匡文慧, 等. 特大城市不透水地表时空格局分析-以北京市为例 [J]. 测绘通报, 2014, (4): 90-94. [本文引用: 1] [Wang J, Su G C, Kuang W H, et al. Spatial and temporal patterns analysis of impervious surface in megacity: a case study of Beijing [J]. Bulletin of Surveying and Mapping, 2014, (4): 90-94.] [本文引用: 1]
[5]	Haustein M D.The Urban-Rural Environment: Effects of Impervious Surface Land Cover on Lake Ecosystems [D]. Minnesota: The University of Minnesota, 2010. [本文引用: 1]
[6]	Chithra S V, Nair M H, Amarnath A, et al. Impacts of impervious surfaces on the environment [J]. International Journal of Engineering Science Invention, 2015, 4(5): 2319-6726. [本文引用: 1]
[7]	Zhang L, Weng Q H.Annual dynamics of impervious surface in the Pearl River Delta, China, from 1988 to 2013, using time series Landsat imagery [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 113(3): 86-96. [本文引用: 1]
[8]	徐涵秋, 王美雅. 地表不透水面信息遥感的主要方法分析 [J]. 遥感学报, 2016, 20(5): 1270-1289. [本文引用: 1] [Xu H Q, Wang M Y.Remote sensing-based retrieval of ground impervious surfaces [J]. Journal of Remote Sensing, 2016, 20(5): 1270-1289.] [本文引用: 1]
[9]	Li L W, Lu D S, Kuang W H.Examining urban impervious surface distribution and its dynamic change in Hangzhou Metropolis [J]. Remote Sensing, 2016, 8(3): 265. [本文引用: 4]
[10]	王俊松, 杨逢乐, 贺彬, 等. 利用QuickBird 影像提取城市不透水率的研究 [J]. 遥感信息, 2008, 23(3): 69-73. [本文引用: 1] [Wang J S, Yang F L, He B, et al. Study on reducing shadow impact in the extraction impervious surface coverage of urban based on Quick Bird image [J]. Remote Sensing Information, 2008, (3): 69-73.] [本文引用: 1]
[11]	Zhang Y S, Odeh I O A, Han C F. Bi-temporal characterization of land surface temperature in relation to impervious surface area, NDVI and NDBI, using a sub-pixel image analysis [J]. International Journal of Applied Earth Observation & Geoinformation, 2009, 11(4): 256-264. [本文引用: 1]
[12]	胡实, 熊黑钢, 朱忠鹏. 北京市各区县不透水面动态变化特征研究 [J]. 安徽农业科学, 2015, 43(7): 237-240. [本文引用: 1] [Hu S, Xiong H G, Zhu Z P.Dynamic characteristics of the impervious surface changing in different districts in Beijing [J]. Journal of Anhui Agricultural Sciences, 2015, 43(7): 237-240.] [本文引用: 1]
[13]	李德仁, 罗晖, 邵振峰. 遥感技术在不透水层提取中的应用与展望 [J]. 武汉大学学报·信息科学版, 2016, 41(5): 569-703. [本文引用: 1] [Li D R, Luo H, Shao Z F.Review of impervious surface mapping using remote sensing technology and its application [J]. Geomatics and Information Science of Wuhan University, 2016, 41(5): 569-703.] [本文引用: 1]
[14]	穆亚超, 颉耀文, 张玲玲, 等. 一种新的增强型不透水面指数 [J]. 测绘科学, 2018, 43(2): 84-87. [本文引用: 1] [Mu Y C, Xie Y W, Zhang L L, et al. An enhanced normalized difference impervious surface index [J]. Science of Surveying and Mapping, 2018, 43(2): 84-87.] [本文引用: 1]
[15]	王浩, 卢善龙, 吴炳方, 等. 不透水面遥感提取及应用研究进展 [J]. 地球科学进展, 2013, 28(3): 327-336. [本文引用: 1] [Wang H, Lu S L, Wu B F, et al. Advances in remote sensing of impervious surfaces extraction and its applications [J]. Advances in Earth Science, 2013, 28(3): 327-336.] [本文引用: 1]
[16]	Yue W Z.Improvement of urban impervious surface estimation in shanghai using Landsat 7 ETM+ data [J]. Chinese Geographical Science, 2009, 19(3): 283-290. [本文引用: 2]
[17]	Hu X F, Weng Q H.Estimation of impervious surfaces of Beijing, China, with spectral normalized images using linear spectral mixture analysis and artificial neural network [J]. Geocarto International, 2010, 25(3): 231-253. [本文引用: 2]
[18]	Weng Q.Remote Sensing of Impervious Surfaces[M]. Boca Raton: CRC Press, 2007. [本文引用: 1]
[19]	马立杰, 杨曦光, 祁雅莉, 等. 胶州湾海域面积变化及原因探讨 [J]. 地理科学, 2014, 34(3): 365-369. [本文引用: 1] [Ma L J, Yang X G, Qi Y L, et al. Oceanic area change and contributing factor of Jiaozhou Bay [J]. Scientia Geographica Sinica, 2014, 34(3): 365-369.] [本文引用: 1]
[20]	中国科学院资源环境科学数据中心. 中国土地利用现状遥感监测数据库 [EB/OL]. (2016-02-01)[2018-06-12]. .URL [本文引用: 1] [Resource and Environment Data Cloud Platform. Remote Sensing Monitoring Database of Land Use Status in China [EB/OL]. (2016-02-01) [2018-06-12]. .]URL [本文引用: 1]
[21]	United States Geological Survey. Landsat 5 TM and Landsat 8 OLI[EB/OL]. (2016-06-16) [2018-06-12]. URL [本文引用: 1]
[22]	翟珂, 吴晓青, 秦元伟, 等. 基于OLI影像的环渤海湾不透水面提取及空间格局分析 [J]. 资源科学, 2015, 37(10): 1920-1928. [本文引用: 1] [Zhai K, Wu X Q, Qin Y W, et al. Extraction and spatial analysis of impervious surfaces in the Bohai Bay region based on OLI imagery [J]. Resources Science, 2015, 37(10): 1920-1928.] [本文引用: 1]
[23]	Wang W, Yao X F, Zai J P, et al. A tetrahedron-based endmember selection approach for urban impervious surface mapping [J]. Plos One, 2014, 9(6): e93479. [本文引用: 1]
[24]	崔天翔, 宫兆宁, 赵文吉, 等. 不同端元模型下湿地植被覆盖度的提:以北京市野鸭湖湿地自然保护区为例 [J]. 生态学报, 2013, 33(4): 1161-1171. [本文引用: 1] [Cui T X, Gong Z N, Zhao W J, et al. Research on estimating wetland vegetation abundance based on spectral mixture analysis with different endmember model: a case study in Wild Duck Lake wetland, Beijing [J]. Acta Ecologica Sinica, 2013, 33(4): 1160-1171.] [本文引用: 1]
[25]	Smith M O, Johnson P E, Adams J B.Quantitative determination of mineral types and abundances from reflectance spectra using principal components analysis [J]. Journal of Geophysical Research, 1985, 90(S2): 797-804. [本文引用: 1]
[26]	Van Der Meer F, De Jong S M. Improving the results of spectral unmixing of Landsat Thematic Mapper imagery by enhancing the orthogonality of end-members [J]. International Journal of Remote Sensing, 2000, 21(15): 2781-2797. [本文引用: 1]
[27]	Lu D S, Weng Q H.Use of impervious surface in urban land use classification [J]. Remote Sensing of Environment, 2006, 102(1): 146-160. [本文引用: 1]
[28]	Roberts D A, Smith M O, Adams J B.Green vegetation, nonphotosynthetic vegetation, and soil in AVIRIS data [J]. Remote Sensing of Environment, 1993, 44(2-3): 255-269. [本文引用: 1]
[29]	谭春阳, 匡文慧, 徐天蜀, 等. 近20年上海市不透水地表时空格局分析 [J]. 测绘地理信息, 2014, 39(3): 71-74. [本文引用: 1] [Tan C Y, Kuang W H, Xu T S, et al. Analyzing spatio-temporal pattern of impervious surface for recent two decades in Shanghai [J]. Journal of Geomatics, 2014, 39(3): 71-74.] [本文引用: 1]
[30]	Chang C I, Ji B H.Weighted abundance-constrained linear spectral mixture analysis [J]. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(2): 378-388. [本文引用: 1]
[31]	姜宛贝, 孙强强, 曲葳, 等. 基于多季相光谱混合分解和决策树的干旱区土地利用分类 [J]. 农业工程学报, 2016, 32(19): 1-8. [本文引用: 1] [Jiang W B, Sun Q Q, Qu W, et al. Land use classification in arid region based on multi-seasonal linear spectral mixture analysis and decision tree method [J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(19): 1-8.] [本文引用: 1]
[32]	Zhang C, Chen Y L, Lu D S.Mapping the land-cover distribution in arid and semiarid urban landscapes with Landsat thematic mapper imagery [J]. International Journal of Remote Sensing, 2015, 36(17): 4483-4500. [本文引用: 1]
[33]	Lu D S, Weng Q H.Extraction of urban impervious surfaces from an IKONOS image [J]. International Journal of Remote Sensing, 2009, 30(5): 1297-1311. [本文引用: 1]
[34]	吴晓青, 胡远满, 贺红士, 等. 沈阳市城镇扩展时空格局及其驱动力 [J]. 应用生态学报, 2007, 18(10): 2282-2288. [本文引用: 1] [Wu X Q, Hu Y M, He H S, et al. Spatiotemporal pattern and its driving forces of urban growth in Shenyang City [J]. Chinese Journal of Applied Ecology, 2007, 18(10): 2282-2288.] [本文引用: 1]
[35]	王厚军, 李小玉, 张祖陆, 等. 1979-2006年沈阳市城市空间扩展过程分析 [J]. 应用生态学报, 2008, 19(12): 2673-2679. [本文引用: 1] [Wang H J, Li X Y, Zhang Z L, et al. Analysis on urban spatial expansion process in Shenyang City [J]. Chinese Journal of Applied Ecology, 2008, 19(12): 2673-2679.] [本文引用: 1]
[36]	杨超. 1990s以来青岛城市空间形态演变研究 [D]. 济南: 山东建筑大学, 2010. [本文引用: 1] [Yang C.Research on Evolution of Urban Form of Qingdao Since the 1990s [D]. Jinan: Shandong Jianzhu University, 2010.] [本文引用: 1]
[37]	邓蕾, 赵小锋, 王慧娜, 等. 城市混合像元分解中土壤与不透水面纯像元选取方法的对比研究-以厦门为例 [J]. 遥感技术与应用, 2013, 28(6): 1039-1045. [本文引用: 1] [Deng L, Zhao X F, Wang H N, et al. Pure pixel collection methods for soil and impervious surface in urban spectral mixture comparative analysis [J]. Remote Sensing Technology and Application, 2013, 28(6): 1039-1045.] [本文引用: 1]
[38]	Li J, Song C, Cao L, et al. Impacts of landscape structure on surface urban heat islands: a case study of shanghai, China [J]. Remote Sensing of Environment, 2011, 115(12): 3249-3263. [本文引用: 1]
[39]	Wu C, Murray A T.Estimating impervious surface distribution by spectral mixture analysis [J]. Remote Sensing of Environment, 2003, 84(4): 493-505. [本文引用: 1]
[40]	徐涵秋, 王美雅. 地表不透水面信息遥感的主要方法分析 [J]. 遥感学报, 2016, 20(5): 1270-1289. [本文引用: 1] [Xu H Q, Wang M Y.Remote sensing-based retrieval of ground impervious surfaces [J]. Journal of Remote Sensing, 2016, 20(5): 1270-1289.] [本文引用: 1]
[41]	李霞, 徐涵秋, 李晶, 等.基于NDSI和NDISI指数的SPOT-5影像裸土信息提取 [J]. 地球信息科学学报, 2016, 18(1):117-123. [本文引用: 1] [Li X, Xu H Q, Li J, et al. Extraction of bare soil features from SPOT-5 imagery based on NDSI and NDISI [J]. Journal of Geo-information Science, 2016, 18(1):117-123.] [本文引用: 1]