2、研究区与数据源
2.1研究区概况
海上丝绸之路起点为中国泉州，横跨亚、非、欧三大洲，途经太平洋和印度洋，包括东海和南海两条起航线，东经朝鲜半岛到达韩国、日本，西经东南亚及印度洋地区到达非洲和欧洲(全毅 等，2014)。本文以海上丝绸之路沿线的11个超大城市为研究对象，分别是：中国的上海、广州，菲律宾马尼拉，印度尼西亚雅加达，孟加拉国达卡，印度加尔各答、班加罗尔、孟买，巴基斯坦卡拉奇，埃及开罗和土耳其伊斯坦布尔。土耳其是后期兴起的发达国家，其他国家均为发展中国家。这些超大城市大多为本国的经济、政治中心，地理位置优越，交通便利，是中国与其他国家进行海上贸易的重要枢纽。研究区的地理位置如图1所示。
图1 研究区地理位置示意图
2.2数据及数据预处理
本文用到了海上丝绸之路沿线各国的人口普查数据及遥感数据。遥感数据主要是1970 s、1990年、2000年、2010年和2015年的Landsat MSS/TM/ETM+/OLI影像，验证数据是1999年至今的Google Earth高分辨率影像。由于无法获取开罗2010年附近的无云Landsat TM影像，本研究用中国HJ-1卫星CCD数据代替。遥感数据具体的使用情况如表1所示。
表1 本文所采取的遥感数据
数据处理前需要将各影像配准到0.5个像素的精度，重采样到30 m分辨率，并统一到通用横轴墨卡托UTM(Universal Transverse Mercator)投影和WGS-1984坐标系。根据Taubenbock等(2012)，本研究使用无云影像以减少数据预处理过程中产生的误差，无需进行大气校正。其中，2000年雅加达的Landsat TM/ETM+影像存在严重的厚云干扰，本研究选择同一月份的TM和ETM+影像进行了云去除和影像拼接处理。
根据Ridd(1995)提出的植被—不透水层—土壤模型V-I-S(Vegetation-Impervious Surface-Soil)，本研究将城市地物定义为植被、不透水层、裸土和水体4类。为突出各地物特征，本研究计算了遥感图像的归一化差异植被指数NDVI(Townshend和Justice，1986)、土壤调整植被指数SAVI(Soil-adjusted Vegetation Index)(Baret and Guyot, 1991)和修正后的归一化差异水体指数MNDWI(Modified Nomalized Difference Water Index)(Xu，2005)，与可见光、近红外和短波红外波段共同参与超大城市不透水层信息的提取。
3、方法
本研究的目标是提取海上丝绸之路沿线11个超大城市的不透水层信息并分析过去40余年的扩张模式，具体的技术流程如图2所示。首先对获取的卫星影像进行数据预处理;然后通过设置各项参数进行影像分割，均匀选择裸土、不透水层、植被和水体样本并进行基于面向对象的SVM分类;利用Google Earth高分辨率影像和Landsat中分辨率影像对分类结果进行精度评价，如果精度过低，需重新分类，直至达到满意的分类效果;最后，提取不透水层信息并计算景观格局指数，分析超大城市的城市化发展模式。
超大城市空间动态变化遥感监测技术流程
3.1 多尺度影响分割
本文的多尺度分割在ECongnition软件中进行，采用分形网络演化算法FNEA(Fractal Net Evolution Approach),Bouman和Liu(1991)、Manjunath和Chellappa(1991)、Bongiovanni等(1993)的文章对其工作原理进行了详细的介绍。本研究参照Baatz和Schäpe(1999,2000)、Benz等人(2004)、Fernández等人(2013,2014)的理论自定义分割尺度、图层权重和均质性标准等参数，把遥感影像分解成具有相同光谱特征的多个像素的集合，即影像对象(Li和Feng，2016)。影像对象具有颜色、形状、大小、纹理等特性，是参与分类的基本单元。
分割尺度决定生成的影像对象所允许的最大异质度，分割尺度越大，生成的影像对象的尺寸越大、数量越少。选择尺度参数的时候应该尽量保证每个影像对象只包含一种地物，力求分割出的影像对象大小合适，既不破碎、也不笼统(Liu和Xia，2010)。通过多次试验，确定Landsat MSS/TM/ETM+影像和HJ-1卫星CCD影像的尺度参数范围为5—15，Landsat OLI影像的尺度参数范围为35—55。
图层权重代表参与分割的各波段所占的权重，通常，对包含重要信息的波段赋予较大的权重，对无关紧要的波段赋予较小的权重。为充分利用各波段信息、均衡各波段在分割过程中发挥的作用，本研究将各波段的权重均设为1。
均质性标准主要包括形状因子和平滑度因子(Esch 等，2010)。形状因子表示分割时形状标准所占的权重，一般情况下，形状因子的值越大，影像的光谱特征在分割过程中产生的影响越小。通常给光谱特征赋予较大的权重，而给形状因子赋予较小的权重，以分离不同的地物类型。平滑度决定影像样本边缘的平滑程度，影像样本边缘越平滑，其整体的紧密程度往往越低。通过多次试验，形状因子和光滑度因子的范围分别为0.1—0.4和0.5—0.8。
3.2SVM分类
SVM的概念最早由Cherkassky(1997)提出，是建立在统计学理论和结构风险最小化SRM(Structural Risk Minimization)原则上的一种非参数机器学习方法，在遥感图像分类中应用广泛。SVM的原理已经在多篇文章中得到详细叙述(Brown 等，2000;Foody和Mathur，2004)，其基本思想是将数据投影到高维的特征空间，在高维空间构建最优超平面，并利用最优超平面将把不同类别的数据分开。
本研究基于Chang和Lin(2011)开发的LIBSVM开源软件包，利用VC++编程设计了“面向对象和基于像素的一体化遥感影像分类系统” OPICS(Object and Pixel Based Integration Remote Sensing Imagery Classification System)。该系统使用高斯径向基函数RBF(Radial Basis Function)核构建SVM分类器，其关键步骤是对核宽度γ和惩罚参数C的设置(Devos 等，2009;Liu 等，2015,Liu 等，2016)。根据Sun等人(2011)，当C取100、γ取波段数目的倒数时，利用Landsat遥感影像进行分类的精度最高。本研究用于分类的波段有可见光、近红外、短波红外波段和NDVI、MNDWI、SAVI。由于传感器不同，MSS影像和HJ-1卫星CCD影像参与分类的波段数目是6，Landsat TM/ETM+/OLI影像参与分类的波段数目是9。因此，其核宽度分别设为1/6和1/9，惩罚参数设为100。
根据V-I-S模型(Ridd，1995)，本研究将海上丝绸之路沿线超大城市的遥感影像分为裸土、不透水层、植被和水体4类。根据均匀、随机的原则，各类分别选择600个影像对象作为样本。若水体面积较小，选择200个即可。SVM将所选样本随机分为两部分，2/3作为训练样本，1/3作为验证样本，根据这些有限的样本在模型复杂性和学习能力之间寻求最佳折衷，以保证分类精度(张锦水 等，2006)。
3.3 分类后处理
分类后处理是对基于面向对象的SVM分类结果进行合理性调整的工作，包括手动修改和逻辑分析两部分。由于Landsat遥感卫星影像和HJ-1星CCD影像均为较粗糙的中分辨率影像，尤其是80 m分辨率的MSS影像只有绿光波段、红光波段和两个近红外波段，分类结果往往含有少量不可控的错误。因此，本实验需要对分类结果进行后处理。其中，手动修改在ArcGIS软件中进行，逻辑分析在ENVI中进行。
过去几十年，各国都在经历城市扩张，不透水层作为城市发展的重要指标，其变化趋势在理论上符合由少到多的过程。可以假设：若某处在前一年为不透水层，则该处在后一年依然为不透水层。因此，当某区域的影像对象前后年份不一致时，应该目视解译Google Earth影像加以验证并处理。校正依据如下：(1)当前一年的影像对象为不透水层时，该年相同位置的影像对象也应该是不透水层;(2)当后一年的影像对象为其他地物时，该年相同位置的影像对象也应该是其他地物。综上可得分类后处理的公式，如式(1)所示：
式中，Object(i,n)表示第n年第i个影像对象;n为常数，分别表示1970 s、1990年、2000年、2010年和2015年;n_last表示第n年的前一个时期;n_next表示第n年的后一个时期;Objectimper表示不透水层影像对象;Objectothers表示其他影像对象。需要注意的是：手动修改工作以1970 s-2015年的分类结果为主;逻辑分析在手动修改之后进行，主要以1970 s-2010年的分类结果为主。分类后处理一定要结合参考影像进行目视解译，以免发生错误的处理。
3.4 城市景观格局分析
城市景观是一个城市里面的建筑、道路、草地、树、水体和裸土等不同土地覆盖类型的综合反映(Lu
等，2014)。本文利用Fragstats软件计算海上丝绸之路沿线超大城市的最大斑块指数LPI(Largest Patch
Index)、斑块密度PD(Patch Density)和欧几里得最邻近距离ENN(Euclidean Nearest Neighbor
Distance)，并利用这3个景观格局指数分析11个超大城市的城市化模式。其中，LPI表征最大斑块对整个景观的影响程度，在本研究中用于表示不透水层在城市中的主导地位。0
式中，aij 表示第ij个斑块的面积，单位为m2;A代表斑块的面积和，单位为m2;ni 是第i类景观的斑块数量;hij表示第ij个斑块与离它最近的同类景观斑块间的距离，单位为m。
声明：中国勘测联合网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述，文章内容仅供参考。
