海南省城市不透水层数据集

海南资源环境遥感产品数据集专题 I 区论文（评审中） • 版本 ZH1

海南省城市不透水层数据集

Urban Impervious Surface Dataset of Hainan

朱秀林，赵相伟，杜文杰，孙中昶

Zhu Xiulin, Zhao Xiangwei, Du Wenjie, Sun Zhongchang

DOI: 10.11922/csdata.2018.0084.zh
PID: 21.86101/csdata.2018.0084.zh
: 10.11922/sciencedb.695

： 2018 - 11 - 29

： 2019 - 01 - 07

124 2 0

摘要&关键词

摘要：城市不透水层是城市化进度和城市化率评估的重要指标，城市不透水层面积比例也是衡量城市生态系统是否健康的重要指标之一。在全球城镇化背景下，城市不透水层提取成为研究热点。本数据集是利用多时相和升降轨 Sentinel-1 SAR和Sentinel-2A光学影像融合并采用一种快速不透水层提取方法得到的。该数据的空间跨度为北纬18°10′–20°10′，东经108°37′–111°03′，时间范围为2015年。随机选择10000个验证点，借助0.5 m高分辨率遥感影像对该数据集进行了精度验证，平均总体精度和总体Kappa系数分别为90.71%和0.81。同时将本产品与国家基础地理信息中心2010年发布的GlobalLand 30（30 m)产品、刘小平的globe urban2015产品以及GHSL产品进行对比分析，结果表明，本产品具有更高的提取精度，并且在城市和居民点内部结构的提取上更加精细。

关键词：城市不透水层；Sentinel-1 SAR；Sentinel-2A；Google Earth Engine

Abstract & Keywords

Abstract: Urban impervious surface is an important indicator of urbanization process. It is also an important indicator to measure urban ecosystem health. In the context of global urbanization, impervious surface extraction has become a research hotspot. This dataset is derived from a fast large area impervious surface extraction method based on combined use of optical and SAR data. This dataset has a spatial coverage of 18°10′N–20°10′N, 108°37′E–111°03′E, and the time range is 2015. 10,000 randomly selected validation points were utilized to assess the accuracy of this dataset. The Overall Accuracy (OA) and Kappa coefficients were 90.71% and 0.81, respectively. Additionally，a comparation was carried out between our datasets and current mainstream land cover products, i.e. GlobalLand30 (30m), Liu’s products and GHSL. Results show that our products have higher extraction accuracy and provide more internal structures for human settlements.

Keywords: Urban impervious layer; Sentinel-1 SAR; Sentinel-2A; Google Earth Engine

数据库（集）基本信息简介

数据库（集）名称	海南省城市不透水层数据集
数据作者	朱秀林，赵相伟，杜文杰，孙中昶
数据通信作者	赵相伟（tlzxw1696@163.com）
数据时间范围	2015年
地理区域	北纬18°10′–20°10′，东经108°37′–111°03′。
空间分辨率	10 m
数据量	3.43 MB（解压后579 MB）
数据格式	TIF
数据服务系统网址	http://www.sciencedb.cn/dataSet/handle/695
基金项目	海南省重大科技计划项目—海南省遥感大数据服务平台建设与应用示范（ZDKJ2016021）。
数据库（集）组成	本数据集由海南省不透水层提取结果组成，以后每三年进行更新1次。

Dataset Profile

Title	Urban Impervious Surface Dataset of Hainan
Data corresponding author	Zhao Xiangwei (tlzxw1696@163.com)
Data author(s)	Zhu Xiulin, Zhao Xiangwei, Du Wenjie, Sun Zhongchang
Time range	2015
Geographical scope	18°10′N—20°10′N, 108°37′E—111°03′E
Spatial resolution	10 m
Data volume	3.43 MB (579 MB after being decompressed)
Data format	TIF
Data service system	http://www.sciencedb.cn/dataSet/handle/695
Source(s) of funding	Hainan Provincial Department of Science and Technology (ZDKJ2016021)
Dataset/Database composition	The dataset consists of the results of the impervious layer extraction in Hainan，and is updated once every three years.

引言

城市不透水层是指阻止水渗入土壤的土地覆盖表面，主要包括道路、停车场、车道、人道、建筑物屋顶和城市地物中其他不具有渗透性的表面。随着不断地开发，城市自然景观被破坏，不透水层覆盖的土地百分比逐渐增加^[1]。城市不透水层与许多环境问题，诸如水体质量、径流以及城市热岛效应都有密切关系^[2-3]，所以不透水层已经成为评估城市生态环境的一个关键指标^[4-5]。

光学遥感影像在提取城市不透水层时主要依靠图像分类的方法，此种方法提取的结果精度较低，而且拥有复杂的计算，耗费时间；中低分辨率的光学影像存在混合像元、异物同谱以及同物异谱的情况，对地物分类造成困扰；受云、雾天气以及水汽的影响，低纬度地区很难获取质量较好的光学影像，为城市动态遥感监测带来了很大的困难^[6]，并且光学影像在提取城市不透水面中受影像获取的时相影响很大^[1]。相较于光学图像，合成孔径雷达（Synthetic Aperture Radar，SAR）具有全天时、全天候、精度高、效率高等特点，SAR数据在城市遥感中具有很大的应用潜力^[7-8]。目前为止，基于SAR数据和光学影像融合的大范围、高分辨率不透水层制图的研究很少。

1 数据采集和处理方法

1.1 研究区域简介

海南省位于中国最南端，北以琼州海峡与广东省划界，西临北部湾与越南相对，东濒南海与台湾省相望，东南和南边在南海中与菲律宾、文莱和马来西亚为邻。地理位置介于东经108°37′–111°03′，北纬18°10′–20°10′之间，岛屿轮廓为椭圆形，东北至西南向作长轴，长约290公里；西北至东南宽约180公里。海南省的管辖范围包括海南岛和西沙群岛、南沙群岛、中沙群岛的岛礁及其海域。海南岛地势中部高四周低，山地、丘陵、台地、平原构成环形层状地貌，梯级结构明显，比较大的河流大都发源于中部山区，组成辐射状水系。海南岛上地形复杂，分布着大量城镇、农村以及不同类型的地物。本数据集主要针对海南岛进行制作，研究区域影像如图1所示。

图1 研究区域影像图

1.2 数据预处理

哨兵1号（Sentinel-1）卫星是欧洲航天局哥白尼计划（GMES）中的地球观测卫星，本文的研究数据主要是利用哨兵1号（Sentinel-1A）获取了双极化C波段合成孔径雷达仪器的S1地距产品（Ground Range Detected）数据集。在谷歌引擎（Google Earth Engine，GEE）平台上，利用Sentinel-1工具箱对SAR影像进行处理^[9]，即应用轨道文件（使用恢复的轨道）、热噪声去除、辐射定标、地形校正以及条纹处理，该数据集已经是生成定标和正射校正后的产品，且每周更新一次。

在上升和下降轨道期间，Sentinel-1数据通过几种不同的仪器配置、分辨率、频段组合收集，并将数据转化到同质子集。在GEE中，Sentinel-1图像被处理成以分贝(dB)为单位的后向散射系数（\({\mathrm{ }\sigma }^{°}）\)。后向散射系数表示每单位地面区域目标的后向散射面积。

辅助数据包括Sentinel-2数据，是一种宽幅、多光谱成像的高分辨率影像数据。Sentinel-2数据包含13个16字节光谱波段，同时，Sentinel-2数据还有3个QA频段，其中Q60是具有云遮罩信息的位掩膜频段。在本研究中，共用了517景SAR数据和1376景光学数据，所有数据的获取时间均为2015年。

1.3 数据处理原理与步骤

本数据集是利用多时相、升降轨的SAR数据和光学影像提取得到，技术路线如图2所示。该技术方法包括两个方面内容：一是对GEE多时相升降轨SAR数据进行后向散射处理和逆运算获取原始的后向散射系数\({\mathrm{ }\sigma }^{°}\)；二是基于像素，通过分析获取SRA数据的图像纹理特征，对其进行阈值分割，并利用光学影像和DEM数据掩膜细化进行不透水层自动提取。

图2 技术路线图

在进行第一方面数据处理时，首先获取多时相升降轨Sentinel-1A GRD（多视处理后的地距产品）数据，经过处理得到SAR数据的后向散射系数，并对其进行均值处理，以便解决山区和城市区域阴影或叠掩对不透水层提取的影响；通过均值处理将多时相升降轨SAR影像融合为单个影像图层并获取平均后的参数文件。

在进行第二方面数据处理时，根据平均后的SAR强度影像和相关参数获得相应的纹理特征，通过分析强度特征获得潜在的不透水层分布图；在分析SAR图像及其纹理特征的基础上，对海南岛进行直方图统计，利用“双峰法”估计最优阈值，并且通过在本地处理上的反复试验后获取最优分割阈值并应用于GEE云平台上。图3是通过分析SAR图像后向散射系数获取最优阈值的示意图。

图3 双峰法计算出的直方图

为减少山区阴影和叠掩对不透水层提取的影响，本数据集采用30 m分辨率的SRTM产品，利用坡度属性进行解决。同时，我们还会采用2015年的Sentinel-2光学影像生成的NDVI _max指数对低密度不透水层区域进行精细提取。NDVI_ max指数是对同一像元内每景影像计算得到的植被覆盖指数的最大值。海南岛植被掩膜阈值选取如图4所示。

图4 植被分离阈值选取图

2 数据样本描述

海南岛分类二值化（0-1）结果如图5所示。本数据集为海南岛不透水层数据，数据集影像的分辨率为10 m，TIFF 格式，所有数据的坐标系为WGS1984。

图5 海南岛分类二值化图

3 数据质量控制和评估

对海南岛分类结果进行精度验证，建立混淆矩阵，根据10000个随机选择的参考点，对分类的准确性进行定量评估，准确性计算方法为混淆矩阵中对角线元素之和与总数之比^[10]。通常，Kappa系数达到0.6表示分类的质量良好。通过计算，海南岛的总体准确性为90.71%，Kappa系数为0.81，如表1所示。由此表明，海南岛的提取结果良好，精度较高。

表1 数据集精度验证结果表

	urban	Non-urban	total	UA(%)
urban	4637	363	5000	92.47
Non-urban	566	4434	5000	88.68
total	5203	4797	10000
PA(%)	89.12166	92.43277
总体精度OA	90.71%
Kappa系数OK	0.8142

随机选取70个block区域，利用Google Earth历年影像统计每个block区域2010年和2015年的不透水层面积，分别与本数据集，GlobalLand30产品，globe urban2015产品和GHSL产品的提取结果建立线性回归方程，如图6所示。通过比较发现，本数据集的提取结果精度更高。

（a）

（b）

（c）

（d）

图6 4种产品与Google Earth线性回归方程图

（a）数据集不透水层结果与Google Earth线性回归方程（b）GlobalLand30产品与Google Earth线性回归方程（c）urban2015产品与Google Earth线性回归方程（d）GHSL产品与Google Earth线性回归方程

对分类结果细节图进行比较发现，本数据集的提取结果能够直观、清晰地展现出城市的内部结构以及建筑分布方式。与本数据集相比，GlobalLand30产品结果较为聚合，无法体现不透水层内部结构的细节；urban2015产品未能提取出低密度区域的不透水层，并且在城市周边出现矩形边界；GHSL产品对低密度不透水层区域的提取效果较差，最终提取结果出现漏估现象。如图7所示。

（a）

（b）

（c）

（d）

（e）

（f）

（g）

（h）

（i）

（j）

（k）

（l）

（m）

（n）

图7 提取结果与GlobalLand30产品、urban2015产品对比图

（a）、（b）、（c）为Sentinel-2光学影像图；（d）、（e）、（f）为数据集结果；（g）、（h）、（i）为GlobalLand30产品结果；（j）、（k）、（l）为urban2015产品结果；（m）、（n）、（o）为GHSL产品结果

4 数据价值

本文基于GEE云计算平台，利用多时相和升降轨Sentinel-1 SAR数据和Sentinel-2A光学影像，根据我们提出的高效率、高精度的城市不透水层提取方法获取了高准确性的不透水层数据集。

城市不透水层是城市化进程的评价指标，也是监测环境变化和生态系统的必要指标。城市不透水层会影响城市水循环、水体质量、地表径流、气候等生态环境要素，对分析评价城市地区的气候、环境、水循环等具有重要意义，被广泛应用在城市综合评估过程中。不透水层数据集不仅有助于城市环境的管理，对城市的未来规划也有很大的指导作用。

5 数据使用方法和建议

海南省城市不透水层数据集保存为TIF格式，ArcGIS、ENVI、ERDAS等常用的GIS与遥感软件可支持该数据的读取和操作。

[1]

SUN Z C, WANG C Z, GUO H D, et al. A modification of normalized difference impervious surface index (MNDISI) for automatic impervious surface area extraction[J/OL]. Remote Sensing, 2017, 9(9): 942. DOI: 10.3390/rs9090942.

+ CSCD · Baidu Scholar

[2]

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.

+ CSCD · Baidu Scholar

[3]

SUN Z C , LI X W, FU W X, et al. Long-term effects of land use/land cover change on surface runoff in urban areas of Beijing, China[J]. Journal of Applied Remote Sensing, 2013, 8(1):1354-1365.

+ CSCD · Baidu Scholar

[4]

FAN F L, FAN W, WENG Q H. Improving urban impervious surface mapping by linear spectral mixture analysis and using spectral indices[J/OL]. Canadian Journal of Remote Sensing, 2015, 41(6): 577-586. DOI: 10.1080/07038992.2015.1112730.

+ CSCD · Baidu Scholar

[5]

LI W L, WU C S, Choi W. Predicting future urban impervious surface distribution using cellular automata and regression analysis[J/OL]. Earth Science Informatics, 2018,11(1): 19-29. DOI: 10.1007/s12145-017-0312-8.

+ CSCD · Baidu Scholar

[6]

禹丝思,孙中昶,郭华东,等.海上丝绸之路超大城市空间扩展遥感监测与分析[J].遥感学报. 2017, 21(2): 169-181.

+ CSCD · Baidu Scholar

[7]

Lan H N, Nghiem S V, Henebry G M. Expansion of major urban areas in the US Great Plains from 2000 to 2009 using satellite scatterometer data[J/OL]. Remote Sensing of Environment, 2018, 204: 524-533. DOI: 10.1016/j.rse.2017.10.004.

+ CSCD · Baidu Scholar

[8]

ZhANG H S, LIN H, WANG Y P. A new scheme for urban impervious surface classification from SAR images[J/OL]. ISPRS Journal of Photogrammetry & Remote Sensing, 2018, 139: 103-118. DOI: 10.1016/j.isprsjprs.2018.03.007.

+ CSCD · Baidu Scholar

[9]

Veci L, Pratsiraola P, Scheiber R, et al. The Sentinel-1 Toolbox[C]. IEEE International Geoscience & Remote Sensing Symposium DLR, 2014.

+ CSCD · Baidu Scholar

[10]

Congalton R G. A review of assessing the accuracy of classification of remotely sensed data[J]. Remote Sensing of Environment, 1991, 37(1): 35-46.

+ CSCD · Baidu Scholar

数据引用格式

朱秀林, 赵相伟, 杜文杰, 孙中昶. 海南省城市不透水层数据集[DB/OL]. Science Data Bank, 2018. (2018-11-29). DOI: 10.11922/sciencedb.695.

稿件与作者信息

论文引用格式

朱秀林, 赵相伟, 杜文杰, 孙中昶. 海南省城市不透水层数据集[J/OL]. 中国科学数据, 2018. (2018-12-26). DOI: 10.11922/csdata.2018.0084.zh.

朱秀林

Zhu Xiulin

主要承担工作：数据分析和论文撰写。

（1994—），女，山东省菏泽市人，硕士研究生，研究方向为空间数据挖掘与应用。

赵相伟

Zhao Xiangwei

主要承担工作：数据质量控制。

tlzxw1696@163.com

（1974—），男，山东省济宁市人，博士，副教授，研究方向为空间数据处理与分析。

杜文杰

Du Wenjie

主要承担工作：数据处理流程的设计与质量控制。

（1994—），男，江苏省江阴市人，硕士研究生，研究方向为大地测量学与测量工程。

孙中昶

Sun Zhongchang

主要承担工作：数据前期处理与质量控制。

（1983—），男，山东省济宁市人，博士，副研究员，研究方向为城市遥感、微波遥感。

出版历史

I区发布时间：2019年1月7日（版本ZH1）