1990―2011年舟山群岛不透水面动态遥感分析

张晓萍， 吕 颖， 张华国， 李朝奎

(1.洛阳师范学院国土与旅游学院,洛阳 471934； 2.国家海洋局第二海洋研究所卫星海洋环境动力学国家重点实验室,杭州 310012； 3.湖南科技大学地理空间信息技术国家地方联合工程实验室,湘潭 411201)

0 引言

不透水面(impervious surfaces，IS)是城市中普遍存在的人工地表特征，其表面覆盖着诸如水泥、沥青、混凝土、砖和压实的土地等不渗透性材料[1]。IS隔离地表水向土壤下渗，影响区域地表径流、水文循环、水体质量及生物多样性等生态环境要素[2]。近几十a来，在快速城镇化的影响下，舟山海岛的自然地表被不断增加的不透水硬化地面所代替[3]。地表覆盖硬化加剧了海岛地表径流的活动，人类开发活动产生的污染则随地表径流汇入岛内水库，或随河道排入海中，不仅严重污染了岛上的淡水资源，还使原本就很有限的淡水资源变得更加稀缺。为此，因海岛土地利用方式改变而引发的海岛淡水资源环境安全问题受到了广泛关注。在这样的背景下，定量化研究舟山群岛的IS变化动态，对分析海岛城市淡水污染机制及其可持续发展具有重要意义。

遥感技术的快速发展使得获取不同时空尺度的IS变化信息成为可能。Carlson等[4]运用AVHRR和Landsat TM影像，根据植被覆盖度反比关系，获取了美国宾夕法尼亚州切斯特地区1987―1996年间的IS变化信息； Xian等[5]运用Landsat TM/ETM+数据及航空数字影像，通过回归决策树方法提取了美国佛罗里达州坦帕湾流域1991―2002年的IS动态变化信息； Powell等[6]基于1972―2006年获取的Landsat数据集，运用光谱混合分析法，估算了美国华盛顿地区的IS变化状况。徐涵秋[7]基于Landsat ETM+及ASTER影像数据提出一种归一化差值IS指数，估测了我国福州市的IS动态变化； Zhang等[8]基于1998―2013年获取的Landsat影像数据集，综合地表温度指数、生物物理组合指数及归一化植被指数与IS覆盖度的线性关系，分析了近25 a我国珠江流域的IS变化。此外，也有研究者综合使用WorldView-2等高空间分辨率影像及LiDAR数据，采用面向对象、神经网络及决策树方法研究了城市区域的IS动态变化[9-11]。总体上，估算IS的方法大致可分为4类： 光谱混合分析法、回归法、分类法及指数法[12]。上述研究的IS主要是内陆地区(包括城市、内陆河流域等)，对海岛而言，除林地、耕地、建筑区、农村居住区及河流之外，还有盐田、滩涂、养殖区、水库及坑塘等，这些地物的光谱特性在水的影响下极易与IS混淆，给海岛地区的IS变化分析造成了一定困难。光谱混合分析法在处理混合像元问题上具有一定优势，但不适用于大范围、地物复杂区域的IS提取，因为在这种情况下不易获取代表纯净IS端元的光谱特征[13]。分类法是较为成熟的IS提取方法，可操作性强，但一般需要解译人员结合野外调查数据建立完善的IS解译标志。指数法可提出能反映IS分布与其他地物具有较高分离度的特征指数，计算相对简单、高效，但需要自定义IS分割阈值，且IS指数不能与真实的IS含量相关联，难以进行绝对量化分析[12]。回归法是通过地物光谱特征和IS的比例关系建立回归函数，进而估计区域的IS分布，常应用在地物相对复杂的IS提取中。植被覆盖度反比关系法是回归法的一种，其基本原理是根据城市建成区中植被覆盖度与不透水面覆盖度的强负相关关系获取IS信息，植被覆盖度可由归一化植被指数或者缨帽变化的绿度分类获得； 该方法简单易行，避开了混合像元的问题，在植被、生态环境监测和水文气候模拟等方面应用广泛[1]。国内已有不少研究者运用遥感及地理信息技术对我国长岛[14]、崇明岛[15]、舟山群岛[3]和厦门岛[16]的土地利用变化进行了分析，但是较少关注并系统分析群岛城市的IS动态变化信息[17]。因此，本文的研究目标是在已有研究成果基础上，基于植被覆盖度反比关系法提取舟山群岛1990─2011年近20 a间的IS信息，包括IS面积变化、新增IS的空间分布及高程分布变化信息，并分析其影响因素。

1 研究区概况

选取舟山本岛及其附近岛屿为研究区。舟山群岛附近岛屿包括金塘岛、秀山岛、册子岛、长白岛、长峙岛、大猫岛、岙山岛、盘峙岛、小干岛和鲁家峙等，行政上涉及舟山市的定海区、普陀区及岱山县，岛陆总面积约703.34 km2(图1)。

图1 研究区位置

研究区内各主要海岛的基本信息见表1。

表1 研究区主要海岛基本信息Tab.1 Basic information of major islands in study area

研究区属北亚热带南缘海洋性季风气候区，年均降雨量为1 300～1 500 mm； 森林覆盖类型主要有针叶林、常绿阔叶林及落叶阔叶林。舟山市是海岛城市，淡水资源缺乏，海岛生态系统脆弱，岛屿众多(故习惯称“舟山群岛”)，但面积普遍狭小，且以丘陵山地为主，可利用土地资源有限。1988年以来，舟山市的港口海运、临港工业、海岛旅游、海洋渔业等行业发展迅速。在舟山市海洋经济快速发展的同时，经济增长与海岛土地资源、淡水资源环境安全之间的矛盾也日渐突出。1990―2011年间，舟山群岛的IS发生了较大变化。

2 数据与方法

2.1 数据源及预处理

获取研究区3期中等空间分辨率卫星遥感数据： 1990年6月11日Landsat5 TM、2000年6月14日Landsat7 ETM+和2011年5月20日Landsat5 TM，影像空间分辨率均为30 m； 3期高空间分辨率航空/卫星数据： 1990年12月1 m空间分辨率全色航空影像、2002年10月1 m空间分辨率多光谱航空影像和2011年4月20日2.5 m空间分辨率SPOT5多光谱融合影像。以上数据研究区内都无云遮挡，影像清晰，质量均较好。运用ENVI EX5.1 软件对TM/ETM+影像进行辐射定标处理，将各时相影像的DN值校正为星上反射率。利用ERDAS IMAGINE2013软件的AutoSync模块对多时相遥感影像进行几何配准，影像重采样方式为最邻近像元法，配准的均方根误差控制在1个像元以内。

本文所用的其他数据包括： 2005年舟山市土地利用调查数据、2011年研究区行政区划矢量图、1980年研究区30 m空间分辨率数字高程模型栅格图及1989―2011年间舟山市统计年鉴等。为便于遥感影像、矢量数据及专题图等之间进行空间叠置分析，将所有数据的投影方式统一转换为GCS_WGS_1984横轴墨卡托(Transverse Mercator)投影。

2.2 IS提取

2.2.1 城市建成区确定

运用分类、掩模的方法获取建成区信息[17]。首先，将研究区内的用地类型划分为林地、旱地、水田、盐田、养殖水面、河流水库水面、滩涂、高密度建筑用地和低密度建筑用地(其中，高密度建筑用地是指城市、建制镇、独立工矿用地、港口码头用地、公路用地及特殊用地等IS覆盖比例较高的用地类型； 低密度建筑用地是指IS覆盖比例相对较低的居民地及水工建筑用地)，以2005年的实测土地利用调查数据为基础，通过ENVI EX5.1 软件中的最大似然监督分类法分别提取1990年、2000年和2011年的土地利用/覆盖信息，分类结果如图2所示； 然后，利用ArcGIS10.3软件分别从上述3景Landsat影像中通过掩模运算去掉除高、低密度建筑用地之外的其他地类，获得各个时期的城市建成区影像。

(a) 1990年 (b) 2000年 (c) 2011年

图21990―2011年舟山群岛土地利用/覆盖分类

Fig.2Landuse/landcovermapofZhoushanIslandsfrom1990to2011

2.2.2 植被覆盖度计算

植被覆盖度是衡量地表植被覆盖状况的一个重要指标，可通过缨帽变化的绿度分量或归一化植被指数(normalized difference vegetation index，NDVI)获得[4,18]。在确定城市建成区的基础上，本文利用NDVI方法计算掩模运算后各时期遥感影像的植被覆盖度，即

综合前文两个回归分析结果，我们可以发现较高程度的银行信任虽有助于提高小微企业的信贷可获得性(假说1成立)，但对其议价能力的提升无显著影响，既未对其贷款利率产生显著影响，也无益于降低贷款抵押要求(假说2和假说3不成立)。

Fr≈N*2,

(1)

(2)

(3)

式中：Fr为植被覆盖度；N*为调整后的植被指数；NDVIs为纯裸土像元；NDVIv为纯植被像元；ρr为TM/ETM+影像红光波段(630～690 nm)的反射率；ρnir为近红外波段(760～900 nm)的反射率。

对于多数裸露地表，NDVIs一般不随时间改变，理论上接近0； 但因受地表温度、粗糙度、土壤类型、土壤颜色和土地利用程度等条件影响，变化范围一般在-0.1～0.2之间[19]。受植被类型不同等因素影响，NDVIv也会随时间和空间而改变。因此，应根据实际情况对NDVIs和NDVIv这2个参数做出适当的判断。本文通过把每一时相的NDVI图叠置到相应时期的分类图上，分别提取与林地、旱地对应的NDVI像元，作为纯植被像元和纯裸土像元。

2.2.3 IS覆盖度估算及精度验证

利用城市建成区内IS覆盖度(impervious surface area，ISA)与植被覆盖度之间的强负相关关系，定义ISA为单位面积地表中IS面积所占百分比，无量纲。其计算方法为

ISA=(1-Fr)dev,

(4)

式中：ISA为单个像素中的ISA； 下标dev表示城市建成区。

从高空间分辨率影像中随机选择样本，通过目视解译和最大似然分类法对样本进行分类，包括不透水面、草地、林地、农田、裸地、水体、阴影及滩涂。基于高空间分辨率数据分类结果，统计落在30 m×30 m网格内的IS像元数，得到30 m空间分辨率的ISA。以高空间分辨率数据计算的ISA为参考值，以Landsat影像提取的ISA为估计值，选取平均相对误差(average relative error，MRE)、相关系数(R)为ISA提取的精度评价标准[20]，即

(5)

(6)

3 结果与分析

3.1 IS面积变化

1990―2011年间舟山群岛ISA分布如图3所示。

(a) 1990年 (b) 2000年 (c) 2011年

图31990―2011年舟山本岛及其附近岛屿ISA分布

Fig.3ISAmapsofZhoushanIslandsfrom1990to2011

ISA提取结果的精度评价见表2。

表2ISA提取结果的精度评价

Tab.2AccuracyassessmentforresultsofISAextraction

年份统计指标MRE/%R1990年15.050.6712000年11.950.6052011年 8.000.733

2000年的ISA提取精度相对较低，主要是因所用的高空间分辨率参考数据与对应的ISA估算数据获取时间不一致引起的。此外，裸土、滩涂及细小水体的混入，也会影响ISA估算值，进而影响样本点的精度对比。总体上，R>0.6，MRE控制在15%以内，表明本文方法基本能较好地估算研究区近20 a的IS变化信息。1990—2011年间研究区IS面积变化见图4。

(a) 研究区 (b) 舟山岛(c) 金塘岛(d) 秀山岛

(e) 册子岛 (f) 长白岛(g) 长峙岛(h) 大猫岛

图4-11990―2011年研究区及各主要岛屿IS面积变化

Fig.4-1ChangesofISareainZhoushanIslandsfrom1990to2011

(i) 岙山岛 (j) 小干岛(k) 盘峙岛(l) 鲁家峙

图4-21990―2011年研究区及各主要岛屿IS面积变化

Fig.4-2ChangesofISareainZhoushanIslandsfrom1990to2011

由图4可知，IS面积1990年为47.96 km2(占研究区总面积的6.28%)，2000年为64.98 km2(占比9.24%)，2011年为114.40 km2(占比16.27%)。1990―2011年间，研究区IS面积呈快速增加趋势。2000―2011年IS面积的增加明显大于1990―2000年，平均增幅为4.49 km2/a。

对比各主要岛屿的IS面积变化，发现呈明显的异质性。在过去20 a中，小干岛和长峙岛的IS面积变化最大(增加约8倍)，其次是册子岛和岙山岛(增加约4倍)，秀山岛、长白岛和鲁家峙增加约2～3倍，其他岛(大猫岛、盘峙岛、舟山岛及金塘岛)的IS面积增加最少(约1倍)。其中，1990―2000年间，岙山岛和册子岛的IS面积变化最大(增加近1倍)； 长峙岛和鲁家峙的IS面积增加最少(约10%)； 2000―2011年间，长峙岛和小干岛的IS面积增幅最大(约5～7倍)，而舟山岛和盘峙岛的IS面积增幅最小(约40%)。

3.2 新增IS空间分布变化

以1990年研究区的IS分布为参考，1990―2000年和2000―2011年2段时期内新增IS的空间分布如图5所示。从总体来看，2段时期中新增的IS沿着各岛陆周边外围分布。1990年的IS区域主要分布在舟山本岛的定海、普陀2个老城区(即解放街道、昌国街道、环南街道与沈家门街道)，以及一些建制镇(如展茅镇、白泉镇、马岙镇、岑港镇及金塘镇等)。1990―2000年间，舟山本岛的定海老城区内及外围城东街道和普陀区的东港街道的IS明显增加，其他建制镇及其附近岛屿的IS面积也有不同程度的扩张。2000―2011年间，舟山本岛定海区的IS分布由中心城区向东南方向的临城街道扩展，并逐渐与普陀区连成一片，而舟山本岛其他地区以及秀山岛、长白岛、小干岛、册子岛、鲁家峙及金塘岛的周边沿岸区域也增加了大片IS区域。

图5 不同时期新增IS的空间分布

3.3 新增IS高程分布变化

将获取的1990―2000年和2000―2011年2段时期内的新增IS空间分布分别叠置在1980年的研究区数字高程模型栅格图上，得到不同时期新增IS处的高程变化情况。

以高程值0为分界线，2段时期的新增IS主要分布在高程值>0的区域； 但2000―2011年间则有更多的新增IS分布在高程值<0的区域，表明新增IS明显在向沿岸低海拔地区推进。进一步统计新增IS处高程值的变化发现，在高程值≤0区域，1990―2000年间的高程均值为-1.21 m； 而2000―2011年间则降低为-1.59 m。在高程值>0区域，2段时期的高程均值约为13 m，而高程最大值则达到了455 m以上，但这些极大高程值的频数较低(图6)，且一般分布在山上(表3)。

(a) 1990―2000年 (b) 2000―2011年

图6 不同时期新增IS处高程变化Fig.6 Changes of height for new increased IS during different periods表3 不同时期新增IS区域的高程Tab.3 Height of new increased IS during different periods (m)

4 讨论

1)影响IS动态变化的地形因素。1990―2011年间，舟山本岛及其附近岛屿的IS呈快速增加趋势，新增IS多分布在舟山本岛老城区周边、本岛沿岸及附近岛屿(图3―图5)。研究区属海岛和丘陵地貌，尤其在舟山本岛内部分布有大片的丘陵和山地，这样的海岛地形不利于舟山市城区的快速发展。2000年前新增的IS多分布在舟山本岛南部的定海及普陀老城区周边，且增加的IS面积相对较小； 而附近岛屿(如鲁家峙、小干岛和长峙岛等)离舟山市城区近，且分布有大量滩涂平原，为舟山市临港工业的快速发展提供了有利的土地基础，因此2000―2011年间附近岛屿的IS面积增加迅速。可见，地形是研究区IS动态变化的主要影响因素之一。

2)影响新增IS变化的功能定位及交通因素。由图4中可以看出，舟山本岛附近主要岛屿的IS面积变化呈明显的异质性： 在岛陆面积较小的小干岛、长峙岛及岙山岛，近20 a间IS面积增加约4～8倍； 而在岛陆面积相对较大的秀山岛和长白岛，IS面积增加约2倍。结合表1中的基本信息发现，凡IS面积变化大的岛屿，其功能定位一般是“港口物流”或“临港工业”，且由跨海大桥连接舟山本岛，交通便利，人类活动影响大； 而IS面积变化相对较小的岛屿，其功能定位为“海洋旅游”，大多无跨海大桥连接舟山本岛，交通不便，人类活动干扰相对较小。因此，功能定位及交通状况是影响各岛屿新增IS变化的2个重要因素。

3)影响IS时空格局动态变化的政策因素。2000―2011年间，临城街道有大片IS面积增加，并与定海及普陀老城区连成一片，极大扩大了舟山本岛的城区面积(图5)。1990年，舟山政府开始推行“大岛建小岛迁”政策，组织居民向大岛迁移，以便共享更多的淡水资源和基础设施(包括能源、医院、道路和住房等)，提高防御台风、风暴潮等海洋灾害的能力。图7显示，近20 a来舟山本岛的人口密度呈持续增长趋势，而附近岛屿的人口密度整体呈降低趋势。

图7 不同时期各岛屿的人口密度变化

因此，“大岛建小岛迁”政策在一定程度上促使舟山本岛城区IS面积增加。2005年起，舟山政府开始实行“以港兴市”的发展政策，使靠近岸线地区兴建了很多港口、码头和工矿企业，故这期间临港工业发展迅猛。图7也显示，2001―2011年多数岛屿的人口密度呈增加趋势。无疑，“以港兴市”的政策促使这一时期舟山本岛沿岸及附近岛屿有大片IS区域增加(图5)。此外，根据《舟山市滩涂围垦规划》，预计到2020年，将新建促淤围垦项目30处，围垦面积为24.62万亩*1亩≈0.066 7 hm2，促淤面积为3.46万亩。在快速城镇化压力下，舟山市通过围垦工程逐渐向深水区“要地”，以增加居住空间、发展海洋临港工业。由图6也可以看出，2000―2011年间新增IS的高程均值明显降低。因此，政策是影响研究区IS时空格局动态变化的又一重要因素。

5 结论

1)1990―2011年间，研究区IS面积快速增加，由1990年的47.96 km2(占研究区总面积的比例为6.28%)增至2011年的114.40 km2(占比为16.27%)。其中，2000―2011年的IS增加最快，平均增幅为4.49 km2/a。研究区各主要岛屿的IS面积变化呈明显的异质性： 小干岛、长峙岛、册子岛及岙山岛的IS面积变化最大(增加约4～8倍)； 其次是秀山岛、长白岛和鲁家峙(增加约2倍)； 大猫岛、盘峙岛、舟山岛及金塘岛增加的最少(约1倍)。

2)1990―2000年间，新增IS主要分布在舟山本岛定海老城区与城东街道、普陀区的东港街道及一些建制镇。2000―2011年，舟山本岛定海区的IS分布由中心城区向东南方向的临城街道扩展，并逐渐与普陀区连成一片； 舟山本岛其他地区以及秀山岛、长白岛、小干岛、册子岛、鲁家峙及金塘岛的沿岸地带有大量IS区域增加。

3)与1990―2000年相比，2000―2011年间有更多的新增IS分布在高程值<0的区域，或在很大高程处，前者发生在滩涂围垦区，后者主要分布在山上的工矿用地中。从总体上来看，近20 a来研究区新增IS明显向沿海低海拔地区扩张。

4)对IS变化的影响因素进行讨论分析，发现地形、政策、功能定位及交通(跨海大桥)等因素是影响研究区IS时空格局动态变化的主要驱动力。

参考文献(References)：

[1] Weng Q H.Remote sensing of impervious surfaces in the urban areas:Requirements,methods,and trends[J].Remote Sensing of Environment,2012,117:34-49.

[2] 刘珍环,王仰麟,彭 建.不透水表面遥感监测及其应用研究进展[J].地理科学学报,2010,29(9):1143-1152.

Liu Z H,Wang Y L,Peng J.Remote sensing of impervious surface and its applications:A review[J].Progress in Geography,2010,29(9):1143-1152.

[3] Chen J Y,Pan D L,Mao Z H,et al.Land-cover reconstruction and change analysis using multi-source remotely sensed imageries in Zhoushan Islands since 1970[J].Journal of Coastal Research,2014,30(2):272-282.

[4] Carlson T N,Arthur S T.The impact of land use-land cover changes due to urbanization on surface microclimate and hydrology:A satellite perspective[J].Global and Planetary Change,2000,25(1/2):49-65.

[5] Xian G,Crane M.Assessments of urban growth in the Tampa Bay watershed using remote sensing data[J].Remote Sensing of Environment,2005,97(2):203-215.

[6] Powell R L,Roberts D A,Dennison P E,et al.Sub-pixel mapping of urban land cover using multiple endmember spectral mixture analysis:Manaus,Brazil[J].Remote Sensing of Environment,2007,106(2):253-267.

[7] 徐涵秋.近30 a来福州盆地中心的城市扩张进程[J].地理科学,2011,31(3):351-357.

Xu H Q.Urban expansion process in the center of the Fuzhou Basin,Southeast China in 1976―2006[J].Scientia Geographica Sinica,2011,31(3):351-357.

[8] 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,2016,113:86-96.

[9] Im J,Lu Z Y,Rhee J,et al.Impervious surface quantification using a synthesis of artificial immune networks and decision/regression trees from multi-sensor data[J].Remote Sensing of Environment,2012,117:102-113.

[10] Zhao T,Wang J F.Use of Iidar-derived NDTI and intensity for rule-based object-oriented extraction of building footprints[J].International Journal of Remote Sensing,2014,35(2):578-597.

[11] Yan W Y,Shaker A,El-Ashmawy N.Urban land cover classification using airborne LiDAR data:A review[J].Remote Sensing of Environment,2015,158:295-310.

[12] 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):569-577.

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):569-577.

[13] Lu D S,Li G Y,Kuang W H,et al.Methods to extract impervious surface areas from satellite images[J].International Journal of Digital Earth,2014,7(2):93-112.

[14] 黄建波.中国海岛.沙洲.瑚礁遥感监测应用中的典型问题研究[D].青岛:中国海洋大学,2006.

Huang J B.Research on Typical Questions of China Islands,Sand Banks and Coral Reefs Remote Sensing Monitoring Application[D].Qingdao:Ocean University of China,2006.

[15] Zhao B,Kreuter U,Li B,et al.An ecosystem service value assessment of land-use change on Chongming Island,China[J].Land Use Policy,2004,21(2):139-148.

[16] Quan B,Chen J F,Qiu H L,et al.Spatial-temporal pattern and driving forces of land use changes in Xiamen[J].Pedosphere,2006,16(4):477-488.

[17] Zhang X P,Pan D L,Chen J Y,et al.Using long time series of Landsat data to monitor impervious surface dynamics:A case study in the Zhoushan Islands[J].Journal of Applied Remote Sensing,2013,7(1):073515.

[18] Gillies R R,Box J B,Symanzik J,et al.Effects of urbanization on the aquatic fauna of the Line Creek watershed, Atlanta-a satellite perspective[J].Remote Sensing of Environment,2003,86(3):411-422.

[19] Carlson T N,Ripley D A.On the relation between NDVI,fractional vegetation cover,and leaf area index[J].Remote Sensing of Environment,1997,62(3):241-252.

[20] 王 浩,吴炳方,李晓松,等.流域尺度的不透水面遥感提取[J].遥感学报,2011,15(2):388-400.

Wang H,Wu B F,Li X S,et al.Extraction of impervious surface in Hai Basin using remote sensing[J].Journal of Remote Sensing,2011,15(2):388-400.