不透水面作为城市化的直接指示剂,通常从遥感卫星图像估算得到。不透水面能导致环境退化,产生一系列社会效应,诸如:加速暴雨径流,产生非点源水污染,增加洪涝发生,城市热岛效应。提取精确、高质量有效的不透水面对于城市土地覆盖特征化研究一直是瓶颈问题。传统的方法都是严格基于像元进行的分析,包括:邻域分析、神经网络、决策树、线性回归、最大似然法分类器,以及将遥感数据整合地理数据、人口普查数据、纹理特征、上下文信息进行的分析。传统的方法都是基于表面信息的提取的,这种基于像元尺度的分析正受到遥感影像中大量混合像元的考验。同时,由于城市景观的破碎分布,用传统的基于像元方法根本无法有效处理混合像元。线性光谱混合分析(LSMA)作为一种高效的处理方法,将一个象元的混合光谱分解为若干地表覆盖分量。由于它的坚实而简单易理解的理论原理以及较好的实验结果而广泛应用于地物定量化研究,并获得理想结果。LSMA虽已成功地运用于中低分辨率遥感影像不透水面提取,它的处理高分辨率、城市不透水面的光谱多样性问题仍值得探访。Worldview-2影像拥有0.5 m的全色分辨率和2 m的多光谱分辨率,许多研究基于Worldview-2提取局部或地区性尺度的地表专题要素。由于其新颖性,它获取不透水面的适用性和高效性仍值得研究。本文旨在设计一种基于LSMA方法的从Worldview-2多光谱高分辨率影像定量化城市不透水面要素。上海正在进行着新一轮的城市化进程,伴随着大量环境和社会热点问题,如:城市热岛效应。如此高的温度是否和不透水面面积增加有关呢?本文选取了上海市松江区一个代表性的城市区域为研究对象,该区域覆盖居民区、商业区、沥青道路、普通道路,以及基本的可渗透性地物,包括:植被和水域。基于现有丰富的研究成果和自己实践结论,低反照度不透水面很容易与水体和阴影产生混淆。本文提出了一种波段运算的方法来去除水体和植被,以期消除潜在的与不透水面的混淆。一景与试验所用Worldview 2具有相同坐标系的同时间拍摄的0.5 m分辨率的全色波段数据用于结果检验。一景低空拍摄的0.25 m同位航拍照片数据为数据检验提供辅助信息。先对航拍照片进行了图像图像的配准来消除地理误差,总体均方根误差达到0.46 m。城市地表不透水面光谱的异质性光谱特征投影成独立端元,并通过独立丰度图像展示出来。文章中,主要的数据处理模块使用ENVI4.8完成,即最小噪声分量和端元提取。由于ENV14.8对于线性光谱混合分解的有限约束限制(如负的丰度值),同时选用Matlab软件进行辅助处理。详细的不透水面提取和评估通过如下方法和流程完成。主要涉及6个基本的处理流程:(1)水体和植被掩膜;(2)最小噪声分量来去除图像噪声,同时降低波段之间的相关性;(3)2D散点图来选择有效端元;(4)线性光谱混合分解以及逐像元的不透水面百分比获得;(5)高分辨率同位检验数据准备和处理;(6)精度评估。精度评估通过在全色波段中选取100个随机感兴趣区域(ROI)完成,低空航拍照片在选取同位随机点时可作为辅助数据。通过对4个不透水面丰度图像和全色数据以及低空航拍照片的逐像元比较,错误像元精度为97%,即只有3个随机采样点被错分为可渗透区域。在已获得不透水面类别里,蓝色屋顶建筑精度为89.92%,红色屋顶建筑物为88.97%,铺路道路精度相对较低,为74.70%,沥青道路和黑色屋顶建筑物为78.67%,总体精度为80.55%,大部分错误位于建筑物阴影区域(建筑物与道路的混淆)。尽管提出了多端元方法,高分辨率遥感数据的高大建筑物阴影在实际应用中仍然是制约因素。而且,实际的地球表面会更加复杂和混合,然而LSMA由于简单易操作,相对简化的模型在应用中仍值得考虑。