基于Google Earth Engine 的河南省引黄受水区不透水面时空演变

2022-08-09王李良张修宇

人民黄河 2022年8期

王李良，张修宇

（华北水利水电大学，河南郑州 450045）

1 引言

不透水面是指由不透水材料制成的人造表面，如硬化道路、建筑物屋顶、低渗透率的停车场等，是城市化水平的重要指标［1－4］。改革开放以来，我国城镇化率不断提高，不透水面面积逐年增大，在满足经济社会发展用地需求的同时形成了许多城市病，如热岛效应、雨岛效应、城市内涝等［5］。科学认识不透水面时空变化特征，对于制定科学合理的区域发展规划，解决城市洪涝灾害等问题具有重要意义。

通过遥感技术获得的影像数据具有大范围、低成本、重复观测等优势，为长时序不透水面提取提供了优质数据源。近年来，国内外学者提出了许多不透水面提取方法［6］，其中指数法是一种典型的不透水面提取方法，其通过光谱变换增强不透水面信息同时抑制透水面信息，然后通过阈值分割提取不透水面。李健等［7］使用归一化建筑指数（NDBI）对不同季节的城镇用地进行提取分析，发现提取夏季的不透水面精确度最高。穆亚超等［8］提出了增强型不透水面指数（END⁃ISI），可用于高效提取干旱地区的不透水面。 Wang Zhaoqi 等［9］提出归一化差异不透水指数（NDII）并用来提取不透水面面积，得到了较高的提取精度。TANG Yun 等［10］利用夜间灯光指数提取不透水面。总体而言，利用不透水面指数可以简单快捷提取大面积不透水面，但是分类结果受分割阈值影响较大，而且确定最佳分割阈值较难。机器学习分类法是另一种常用的不透水面提取方法。常翔宇等［11］使用随机森林分类法，以2017 年长春市为例进行不透水面提取，提取总体精度达到94%。周峰等［12］利用水体指数、植被指数、建筑指数构建决策树模型，进行平原区不透水面提取，得出不透水面以东、以南为主要扩张方向，年均扩张速度为6.7 km2。袁修柳等［13］利用分类回归树法，提取武汉市2015 年不透水面面积，结果表明武汉市2015 年不透水面呈现显著的空间自相关。蔡博文等［14］建立深度学习模型，实现武汉市不透水面的自动提取，结果表明江汉区和武昌区2 个核心主城区不透水面占比超过60%。邵振峰等［15］利用支持向量机方法，提取武汉市的不透水面面积。 Yu S S 等［16］利用基于像素和面向对象的支持向量机分类算法，提取孟买市的不透水面。

已有研究表明，机器学习分类法的不透水面提取精度普遍高于指数法［17］，但该类方法需要大量有代表性的不透水面训练样本，在大尺度、长时序不透水面提取研究中获取训练样本通常需要消耗大量的人力物力。此外，传统的遥感数据处理平台（如ENVI、PEI、ERDAS 等）需要将数据下载到本地，难以满足快速信息化背景下遥感大数据的应用需求。 Google Earth En⁃gine（GEE）是由Google 公司开发的遥感大数据分析计算和地理信息数据可视化的综合性云服务平台，集成了PB 级遥感数据和海量的地理信息数据处理算法，可有效解决大尺度、长时序地表覆盖研究和专题要素制图中数据获取难、处理效率低的难题，是现阶段广泛采用的遥感大数据处理分析平台。鉴于此，本文利用GEE 云平台［18－20］大尺度、长时序数据分析功能，根据Landsat 卫星遥感影像提取河南省引黄受水区1990—2020 年的不透水面信息，并选取面积增长率、扩张强度等指标，分析该区域不透水面时空变化特征，以期为该区域发展规划提供数据支撑。

2 研究区概况和数据来源

2.1 研究区概况

河南省引黄受水区包括郑州、开封、洛阳、平顶山、安阳、鹤壁、新乡、焦作、濮阳、许昌、三门峡、商丘、周口、济源14 个地级市（见图1）。 2020 年研究区有8 141万人口，生产总值为47 459 亿元，是河南省的重要辐射区，也是我国重要的人口密集区、农业生产区和交通枢纽区。研究区属于严重缺水地区，水资源利用效率较低，水资源安全保障能力不足。正确认识河南省引黄受水区不透水面时空变化特征，对于推动黄河流域生态保护和高质量发展战略具有重要意义。然而，现阶段针对该区域不透水面时空变化的研究较少，不透水面时空变化特征尚不清晰，严重制约了该区域的科学规划和高质量发展。

2.2 数据来源

将GEE 云平台上集成的数字高程模型和Landsat 5／7／8 卫星遥感影像作为主要数据源。数字高程模型采用NASA SRTM Digital Elevation Data 30 m 数据产品，该数据产品是利用雷达干涉测量法生成的高精度全球30 m 数字高程模型，是现阶段广泛采用的数字高程模型。受Landsat 卫星发射时间和数据质量的制约，在本研究中1990—2010 年不透水面提取采用Landsat 5 TM 遥感影像，2012 年不透水面提取采用Landsat 7 ETM＋遥感影像，其余年份采用Landsat 8 OLI 遥感影像。生产总值和人口资料来源于1990—2020 年《河南省统计年鉴》。

3 研究方法

本研究基于Landsat 卫星遥感数据，首先进行融合镶嵌和裁剪拼接，利用GEE 平台的Landsat 影像去云算法（Simple Cloud Score 函数）对河南省引黄受水区的遥感影像进行处理，得到去云图像，选取大量样本作为区分不透水面和透水面的基础样本，在平台完成编程之后，使用随机森林分类法对图像进行不透水面分类，得到不透水面初步分类结果，再利用总体精度和Kappa 系数进行精度评价，达到要求后，使用ArcGIS软件对数据进行提取，并将提取结果与生产总值和人口进行相关性分析。

3.1 数据预处理及样本选取

（1）数据预处理。首先创建一个函数进行云掩膜处理，将检测出的云以及云阴影像元数值设置为0，利用云量得分掩膜云以及云阴影影像，对每个像元求得中值，复制影像时间属性，对相应时间属性的Landsat影像进行加载，以真彩色显示研究区域的遥感影像。

（2）样本选取。先对研究区遥感影像进行预处理，并结合Google 地图选择样本。初步在研究范围内选取1 316 个样本，其中不透水面样本683 个、透水面样本633 个。然后，在GEE 平台上运行土地分类程序，当总体精度达到90%且通过人工目视的方法对分类结果进行识别没有大量漏检和误检情况时，将样本作为整体样本，再逐年对样本进行更正。

3.2 基于随机森林分类法的不透水面提取

随机森林分类算法（RF）是一种多决策树集成监督分类算法，与其他机器学习分类算法（如支持向量机分类法、人工神经网络模型、决策树分类法）相比，该算法能够有效避免模型过拟合问题，且模型参数少、分类精度高，已广泛应用于不透水面提取、地表水体制图、土地覆盖分类等研究。因此，本文采用随机森林分类法提取河南省引黄受水区逐年不透水面信息，步骤如下。

（1）建立不透水面分类特征空间。结合已有研究成果，选取卫星遥感影像光谱特征，构建河南省引黄受水区不透水面分类特征空间。

（2）选取训练样本。采用分层随机采样方法，按照7 ∶3 的比例将样本分为训练样本和精度评价样本。

（3）随机森林分类模型训练。设置随机森林分类模型关键参数：决策树数目（K）和分裂节点特征数（m）。根据随机森林分类的袋外（OOB）误差理论，随着决策树数目的增大，随机森林分类精度增高，但分类过程中消耗的时间成本和内存成本也相应增大。为了平衡分类精度和分类成本，通常选取OOB 误差函数收敛时的决策树数目。研究表明，m的取值与分类特征数（n）有密切关系，通常取的整数。通过多次测试，本研究K值取25、m值取2。

（4）单时相不透水面提取。将单时相数据集代入步骤（3）训练好的随机森林分类模型，得出单时相不透水面提取结果。

3.3 精度评价

结合已有研究，使用Kappa系数来衡量分类结果的精度，通过总体精度（OA）反映分类结果的总体误差情况。

总体精度（OA）计算公式为

Kappa系数计算公式为

式中：N为精度评价样本数；Pe为偶然一致性误差；TP为真实不透水面识别为不透水面的面积；FN为真实不透水面识别为透水面的面积；FP为真实透水面识别为不透水面的面积；TN为真实透水面识别为透水面的面积。

对所有时相不透水面提取结果进行精度评价，结果见图2。可知，1990—2020 年河南省引黄受水区不透水面提取结果总体精度均高于0.950；除2000 年（0.792）和2002 年（0.798），不透水面提取的Kappa系数均大于0.800。

3.4 不透水面时空演变分析方法

不透水面时空扩张数量主要从面积和扩张速率两方面进行分析。

面积增长量计算公式为

面积增长率计算公式为

扩张速率计算公式为

扩张强度指数计算公式为

式中：Si和Sj分别为第i时相和第j时相（i＜j）的研究区不透水面面积；T为时间，T＝j－i。

结合已有研究文献，根据扩张强度指数，将城市扩张分为高速扩张（M≥1.92）、快速扩张（ 1.05 ≤M ＜1.92）、中速扩张（ 0.59 ≤M ＜1.05）、低速扩张（0.28≤M＜0.59）、缓慢扩张（ 0 ≤M ＜0.28）5 种状态。

4 结果与讨论

4.1 不透水面提取结果

经过测试和预计算对编写的程序和样本调整后，经过GEE 平台计算后得到分类后的研究区不透水面图像，利用ArcGIS 计算研究区不透水面面积，结果见图3。可以看出，研究区和各地级市不透水面面积均呈逐年增大趋势，研究区不透水面总面积从1990 年的353 km2增大到2020 年的7 598 km2。

4.2 不透水面数量分析

1992—2020 年河南省引黄受水区不透水面扩张特征见表1（表中为每隔2 a 的数据）。从扩张强度指数看，1992—2020 年研究区不透水面直处于缓慢扩张状态， 2020 年不透水面扩张速率最大（500.22 km2／a），1992 年增长速率最小（33.59 km2／a）。

表1 河南省引黄受水区不透水面扩张特征

河南省引黄受水区不同时期的不透水面变化情况见图4。各地级市的不透水面主要集中在城市，其次是乡镇和农村等人类居住区。不透水面面积呈逐年增大趋势，1996—2004 年面积增长率较大，在30%以上。从不透水面提取情况来看，大多数农村地区不透水面面积逐年增大，原因可能是经济发展改善了农村道路、硬化路面面积逐渐增大。 2008—2020 年面积增长率逐渐稳定在11%～16%，说明不透水面扩张速度逐渐趋于稳定。

郑州市主城区不同时期的不透水面变化情况见图5（红色代表不透水面，绿色代表透水面）。 1990—2020 年，郑州市不透水面从主城区逐渐扩大到周边地区，呈现显著的增长趋势。郑州市不透水面面积和面积增长率始终大于其他各地级市的，说明其作为省会城市发展速度最快、城镇化水平最高，其中郑州市2020 年不透水面面积为2 449 km2。

4.3 不透水面扩张的驱动力分析

城市发展离不开社会经济等因素的发展，而生产总值和人口作为社会经济的基础指标，对社会经济有着不可缺少的作用，故选取生产总值和人口分析河南省引黄受水区不透水面变化的驱动力。不透水面与生产总值、人口相关性见图6。

（1）生产总值。河南省引黄受水区生产总值从1990 年的677 亿元增长到2020 年的47 459 亿元，经济增速为1 559 亿元／a。由图6 可知，不透水面面积与生产总值拟合优度为0.980，说明不透水面面积与经济发展有显著的相关性。

（2）人口。人口是城市发展的重要因素之一，人口越多，代表着一个城市越具有活力和发展前景。河南省引黄受水区人口从1990 年的5 673 万增长到2020 年的8 141 万，平均增速为82 万人／a。由图6 可知，不透水面面积与人口显著正相关（R2＝0.912），说明人口增长对不透水面扩张有正向影响。