[发明专利]一种区域年度最大蓝绿空间信息提取方法

说明书

本发明公开了一种区域年度最大蓝绿空间信息提取方法，包括：对区域同年度的所有遥感影像进行辐射定标和大气校正，得到区域多时相遥感影像结果；提取遥感影像有效范围；根据构建的去云指数、暗像元指数、NDVI、水体指数提取相应的专题信息；对单时相遥感影像进行去云和暗像元处理，并利用NDVI提取植被信息；在提取暗像元的基础上，利用海蓝、绿波段和水体指数逐步提取水体信息；对单时相植被和水体进行合成；对区域多时相蓝绿空间信息进行空间融合，最终得到区域年度最大蓝绿空间信息结果。本发明通过构建去云指数、暗像元指数和水体指数逐层剔除云层和阴影、季节差异等因素对植被和水体信息的影响，操作过程简单、灵活，易于在大尺度范围推广应用。

技术领域

本发明涉及一种区域年度最大蓝绿空间信息提取方法，属于生态遥感、国土空间规划领域。

背景技术

坚持生态优先，推动绿色发展，是建设幸福宜居之城的必然趋势。蓝绿空间指区域范围内以提供生态系统服务为主的水体和绿地两种生态元素的总称，其建设质量直接影响着区域的生态宜居环境与生态建设水平。在生态、美丽、和谐、宜居的新时代城市发展建设的理念下，蓝绿空间是区域公共空间的主体和特色精华所在，为市民供给休闲游憩服务，改善提升城市环境风貌，并对优化城市空间结构、隔离防护各种危险和污染具有重要意义。近几年“国土开发格局”和“蓝绿空间”的要义在国家重要文件和重大规划中不断被深化。2018年《河北雄安新区规划纲要》明确要求雄安新区蓝绿空间占比稳定在70％；而且在国土规划新背景下，蓝绿空间规划已作为重要支撑纳入市县级国土空间规划体系，体现了国土空间规划体系对建设“生态文明、美丽中国”的高度重视。但随着城镇化、工业化进程的不断加快，2020年末中国常住人口城镇化率已经超过60％；在城镇扩展过程中的土地利用/土地覆盖变化(LUCC)客观上表现出生产、生活性用地与生态性用地间的双向流动特征，加剧了蓝绿生态格局的演变，使得蓝绿生态要素受损，引发环境污染，水土流失，自然生境侵蚀等系列生态问题，严重制约区域生态宜居环境建设。因此，急需快速、全面、准确摸清“蓝绿”家底，掌握区域蓝绿位置、数量等空间基础资料，为蓝绿空间系统规划与日常管理决策提供依据，确保区域范围内蓝绿空间的布局更加科学合理，进而推动区域的高质量可持续发展。

长期以来，区域蓝绿空间分布主要依靠人工进行地面实测，这种解译方式直接利用了人脑的智慧和知识，解译结果一般具有很高的可靠性，但费时、费力，解译成本高，而且定量化的分析精度较差，不适合大尺度研究。遥感技术的快速发展，为更加精确地获取“蓝绿”空间数据提供了现实的技术支撑。2010年之前的植被和水体提取受限于遥感技术与影像质量的影响，只能进行简单基于像素波段间的计算；Rouse等利用红光和和近红外波段构建了归一化植被指数NDVI，Gao等根据植被指数的构建原理，基于TM影像利用绿光波段和近红外波段构建了归一化差异水体指数NDWI，这两个指数均取得了较好的效果，且广泛应用于生态研究的各个领域。期间随着计算机技术的发展，以阈值法为基础基于机器学习的决策树和支持向量机SVM方法陆续应用到植被和水体提取中。近十年来，随着三高遥感数据的出现以及植被和水体遥感定量与反演研究的深入，面向对象的技术逐步发展起来；崔齐等提出一种基于面向对象的矢量约束来实现高空间分辨率遥感影像水体提取的方法，该方法能够准确提取细小水体信息；蒲智基于QuickBird遥感数据，采用面向对象的技术对遥感影像进行阴影检测和补偿，然后对阴影校正后的影像进行绿地信息提取；面向对象的提取方法抗噪性强，但更适合地物纹理突出的高分辨率遥感影像。从2015年开始植被和水体提取的研究越来越广泛，其他技术相继出现，其中具有代表性的是基于机器学习的深度学习方法在植被和水体中的应用。但新型提取方法主要针对特殊地形或精度要求偏高的区域，算法的可泛化性较低，目前植被和水体的提取仍以阈值法和分类器法为主要识别方法。