基于多源多时序卫星遥感影像的城市公园绿地动态监测研究.pdf

本文以城市公园绿地为研究对象，基于多源多时序卫星遥感影像，研究了城市公园绿地的提取方法，针对城市公园绿地包含地类复杂多样的特点，提出了一种基于GIS辅助的公园绿地提取方法。分别从公园绿地面积变化、人均公园绿地面积变化和空间分布变化等多个角度，分析了长沙市内五区建成区范围内城市公园绿地在20152022年间的变化情况，建立了基于卫星遥感影像的城市公园绿地动态监测体系。关键词：城市公园绿地；遥感监测；动态监测体系中图分类号：P236文献标识码：A文章编号：1672-5603（2023）02-23-08Research on Dynamic Monitoring of Urban Park Greenbelt Based onMulti Source and Multi Temporal Satellite Remote Sensing ImagesOuyang Hui1,2，Zhang Cuifeng1,2，WangYuchen1,2，Yang Birui1,2（1.Changsha Planning&Design Survey Research Institute,Changsha Hunan 410007;2.ChangshaSatellite Application Technology Center of Natural Resources,Changsha Hunan 410007）Abstract:This article takes urban park green space as the research object and studiesthe extraction method of urban park green space based on multi-source and multi temporalsatellite remote sensing images.In response to the complex and diverse characteristicsof urban park green space,a GIS assisted park green space extraction method is proposed.From multiple perspectives such as changes in park green space area,per capita parkgreen space area,and spatial distribution,the changes in urban park green space withinthe five built-up areas of Changsha City from 2015 to 2022 were analyzed.Finally,a dynamic monitoring system for urban park green space based on satellite remote sensing images was established.Keywords:urban park green space;remote sensing monitoring;dynamic monitoring system0 引言近年来，长沙市大力实施城市园林绿化建设，持续改善城市生态和人居环境。长沙市政府在2020年5月印发了 长沙市创建国家生态园林城市工作方案，正式启动了长沙市创建国家生收稿日期:2023-03-18;改回日期：2023-04-30。*基金项目：自然资源湖南省卫星应用技术体系建设。*第一作者简介：欧阳晖（1990），男，工程师；主要从事摄影测量、GIS数据分析、遥感数据处理和应用等工作；E-mail:。第20卷 第2期第24页国土资源导刊Land&Resources Herald2023年6月Jun.,2023态园林城市工作。城市公园绿地是城市重要的基础设施，也是国家生态园林城市创建工作评审的重要指标之一，是城市宜居品质的重要体现。利用卫星遥感影像获取周期短、信息丰富和覆盖范围广等特点，摸清城市公园绿地面积和分布情况，监测城市公园绿地变化，不仅可以为长沙市创建国家生态园林城市工作提供重要的数据支撑和技术保障，而且可以为城市园林绿化建设提供可量化、可感知的指标数据，查找城市公园布局不均、供给不足的问题，为推动城市公园绿地的系统性建设提供重要的数据。城市公园绿地信息的提取和监测主要基于遥感影像的分类技术。目前常用的遥感影像的分类主要有基于像元的分类方法和面向对象的分类方法。汪求来以 QuickBird影像为数据，对深圳福田区城市植被进行分类，结果表明，无论是土地覆盖分类还是植被信息提取，面向对象分类方法提取精度均好于其他方法1；彭海涛基于ALOS影像数据，对比分析了基于多级分割的面向对象分类和基于像元分类的方法，得出了基于多级分割的面向对象分类方法优于基于像元分类方法的结论2；杨军军基于Sentinel-2A影像，分别采用基于像元和面向对象的分类方法提取研究区域内的城市植被信息，结果表明，面向对象分类法比基于像元的分类方法提取精度要高3。因此，本文开展的城市公园绿地提取研究主要基于面向对象的分类方法。本文以城市公园绿地为研究对象，基于多源多时序卫星遥感影像，研究了城市公园绿地的遥感提取方法，分析评估了长沙市内五区范围内公园绿地在20152022年的变化情况，研究建立了城市公园绿地动态监测体系。1 研究区概况及数据源研究区为长沙市内五区建成区，包括芙蓉区、天心区、雨花区、开福区和岳麓区。研究区内路网纵横交错，地势南高北低，湘江由南向北贯穿其中，最高点位于湘江西岸岳麓山，海拔300.8 m。本文采用卫星遥感影像数据为20152022年间采集的8期多源卫星遥感影像，影像数据源包括通过湖南省卫星影像统筹从卫星云遥上获取的高景一号、高分二号和吉林一号等卫星影像数据，以及自主编程采购获取的Pleiades卫星影像数据，分辨率均优于1 m，各期影像范围均覆盖长沙市内五区。此外，收集了长沙市城市绿地规划数据，并从长沙市内五区政府官方公布的信息中获取了20152022年各区的常住人口数，主要用于公园绿地信息提取和变化分析。2 研究方法2.1 技术流程城市公园绿地信息提取和监测的总体技术流程如图1所示。图1 总体技术流程图Fig.1 Overall technical flowchart2.2 多源多时序卫星遥感影像处理本文主要基于国产卫星影像测绘处理软件PIE-Ortho，经过影像预处理、正射校正、影像融合和影像镶嵌与裁剪等关键步骤处理后，得到20152022年覆盖长沙市内五区范围的8期卫星遥感正射影像。2.3 城市公园绿地提取2.3.1 城市公园绿地的定义及分类根据 城市绿地分类标准（CJJ/T 85-2017），城市绿地分为5大类：公园绿地、防护绿地、广场用地、附属绿地和区域绿地。其中，公园绿地（G1）是指向公众开放，以游憩为主要功能，兼具生态、景观、文教和应急避险等功能的绿地，主要包括综合公园、社区公园、专类公园和游园等。公园绿地的具体分类及定义标准如表1所示。第20卷 第2期第25页2023年6月Jun.,2023国土资源导刊Land&Resources Herald表1 公园绿地分类Table 1 Classification of park green spaces代码G11G12G13G14类别名称综合公园社区公园专类公园游园内容内容丰富，适合开展各类户外活动，具有完善的游憩和配套管理服务设施的绿地。用地独立，具有基本的游憩和服务设施，主要为一定社区范围内居民就近开展日常休闲活动服务的绿地。具有特定内容或形式，有相应的游憩和服务设施的绿地，包括动物园、植物园、历史名园、遗址公园、游乐公园和其他专类公园等。除以上各种公园绿地外，用地独立，规模较小或形状多样，方便居民就近进入，具有一定游憩功能的绿地。备注规模宜大于10 hm规模宜大于1 hm带状游园的宽度宜大于12m；绿化占地比例应大于或等于65%2.3.2 基于GIS辅助的公园绿地信息提取采用面向对象的分类方法提取公园绿地信息。首先，要根据公园绿地的光谱、形状信息，对遥感影像进行分割，得到均质对象，每一个均质对象都是具有相似光谱特征的像素集合。然后，以均质对象为分析单元，结合光谱和空间信息，顾及地物的光谱、形状、纹理、大小、上下文和空间关系等信息，借助对象特征知识库来完成对影像信息的提取。目前常用的面向对象分类软件主要有eCognition、ENVI、PIE-SIAS等软件，本文主要基于国产PIE-SIAS软件进行面向对象的公园绿地信息提取。城市公园绿地具有包含地类多样的特点，不仅包含植被、水体和草地等，而且还包括内部道路、硬化地面、建筑和游乐设施等，光谱、纹理信息复杂，很难建立统一的解译标准。因此，本文研究提出了一种基于 GIS辅助的公园绿地信息提取方法。该方法先利用面向对象的分类方法提取城市植被，然后叠加绿地规划数据，通过GIS空间分析，提取公园绿地植被，再通过人工核实，进一步优化公园绿地的范围，从而得到完整的公园绿地信息，具体流程如图2所示。（1）影像分类体系建立根据长沙市内五区建成区的实地特点，将地物分类成建筑物、植被、道路、荒地（主要包括岩石、裸地等）、水体（主要包括河流、池塘等）这五类。图2 基于GIS辅助的公园绿地提取流程图Fig.2 Flowchart of park green space extractionbased on GIS assisted（2）影像分割影像分割是遥感影像面向对象分类的基础，其结果直接影响后续目标信息识别提取的精度。PIE-SIAS软件的尺度分割算法三个主要参数为紧致因子、形状因子和分割尺度。通过反复调整优化，最后筛选出各类地物的最优分割参数，如表2所示。第20卷 第2期第26页国土资源导刊Land&Resources Herald2023年6月Jun.,2023表2 不同地物的最优分割参数Table 2 Optimal segmentationparameters for different ground features地物建筑物、道路植被、水体荒地分割尺度80150120紧致度因子0.40.40.4形状因子0.40.50.5等级Level1Level2Level3（3）植被提取在完成影像分割后，按照建立的影像分类体系添加样本。样本选择要求分布均匀，具有类别代表性，且在样本选择时可根据不同地物的最优分割参数动态调整分割尺度，在不同尺度下选择样本。完成样本添加后，创建新的分类模型，选择光谱、纹理、形状和指数等分类要素，设置分类算法，即可完成分类，得到影像的植被信息。（4）公园绿地提取城市绿地规划是城市总体规划的一个重要组成部分，其内容包括公园绿地、防护绿地、广场用地、附属绿地和区域绿地等。因此，可以利用城市绿地规划数据提取公园绿地矢量图斑，再通过GIS空间分析技术，与上一步得到的植被信息进行叠置分析，进而提取得到粗略的城市公园绿地范围，如图3所示。图3 套合规划数据提取公园绿地示意图Fig.3 Sketch map of extracting park green spacefrom integrating planning data（5）人工核实套合遥感影像、绿地规划等数据，对上一步提取得到的城市公园绿地范围进行人工核实，优化城市公园绿地范围，剔除规而未建的公园，最终得到城市公园绿地范围，如图4所示。图4 人工核实修改后的公园绿地局部示意图Fig.4 Partial schematic diagram of park green spaceafter manual verification and modification相比传统的面向对象分类提取公园绿地的方法，这种结合了规划数据的基于GIS辅助的公园绿地提取方法的提取精度得到了很大的提升，准确率提升约40%，提取效率相比于人工提取方法提升约60%。3 公园绿地变化分析3.1 公园绿地面积变化公园绿地面积是建成区内各类公园绿地面积的总和，直接反映了城市公园绿地的建设量。公园绿地面积变化分析，需逐年统计公园绿地面积，比较邻近年份的公园绿地面积变化量。本次研究逐年统计了各区的公园绿地面积，计算新增的公园绿地图斑，再利用统计分析和专题制图技术，制作公园绿地面积变化专题图，如图5所示。图5 2015-2022年长沙市内五区建成区公园绿地面积统计柱状图Fig.5 Statistical bar chart of park green spaceareainthefivedistrictsofChangshafrom2015 to 2022由图5可知，长沙市内五区范围内的公园绿地面积在20152022年间呈现总体增加的趋势，第20卷 第2期第27页2023年6月Jun.,2023国土资源导刊Land&Resources Herald其中 20152017 年间、20202021 年间增加尤为明显，岳麓区在此期间公园绿地面积增加最多。3.2 城市人均公园绿地面积变化城市人均公园绿地面积指城市中居民人均占有公园绿地的面积，是城市园林绿化评价的重要标准之一。人均公园绿地面积等于建成区内公园绿地总面积与建成区人口数的比值，人均公园绿地面积变化分析，需结合人口数据，逐年统计人均公园绿地面积变化，比较邻近年份的人均公园绿地面积变化量，分析其变化趋势，如图6所示。从长沙市内五区各区政府公布的官方信息中获取常住人口数据，再用20152022年间的公园绿地面积除以对应的常住人口数，即可得到20152022年长沙市内五区的人均公园面积，如表3所示。表3 长沙市内五区人均公园绿地面积统计Table 3 Statistics of per capita park greenspace in the five districts of Changsha年份20152016201720182019202020212022公园绿地总面积（hm）3 613.533 803.864 124.494 354.094 476.584 626.186 030.966 203.90常住人口数（万人）339.67351.51363.42374.43384.75396.52520.51530.66人均公园绿地面积（m/人）10.6410.8211.3511.6311.6411.6711.5911.69图6 2015-2022年长沙市内五区建成区人均公园绿地面积变化Fig.6 Change map of per capita green park space inthe five districts of Changsha from 2015 to 2022由以上图表可以看出，长沙市内五区建成区范围内的人均公园绿地面积在20152022年间呈现总体提升的趋势，在20162018年提升尤为明显。3.3 公园绿地空间分布变化利用 GIS空间分析方法，运用最邻近比率、洛伦兹曲线和核密度等分析工具，对公园绿地的空间分布的集聚类型、均衡程度和密度等进行分析，剖析公园绿地变化的空间分布特征和变化规律，为城市公园绿地的系统性规划建设提供重要的数据参考。（1）最邻近比率本文利用20152022年间长沙市内五区范围内的公园绿地矢量数据，计算得到长沙市内五区公园绿地在20152022年间的最邻近比率，计算结果如表4所示。表4 公园绿地最邻近比率统计Table 4 Statistics on the nearest neighbor ratio of park green space年份2015年2016年2017年2018年2019年2020年2021年2022年实际平均最邻近距离（m）217.737 0208.571 1199.204 2194.548 1185.271 9397.820 3322.532 4283.927 1理论最邻近距离（m）296.921 6281.095 7267.102 9255.724 3244.704 2392.256 0347.952 6311.505 5最邻近比率0.730.740.750.760.761.010.930.91分布类型集聚型集聚型集聚型集聚型集聚型随机型集聚型集聚型Z值-17.61-18.00-18.66-18.35-19.460.71-4.11-5.57P值000000.4900第20卷 第2期第28页国土资源导刊Land&Resources Herald2023年6月Jun.,2023由表4可知，在20152019年期间，长沙市内五区建成区范围内的公园绿地分布最邻近比率小于1，且Z值小于0，P值等于0，呈现明显的集聚型特征；2020年，公园绿地分布的最近邻比率为1.01，且Z值为0.71，P值为0.49，说明长沙市内五区范围内的公园绿地分布呈现随机型特征，并趋于平均分布；20212022年期间，公园绿地分布的最近邻比率略有下降，且Z值小于0，P值等于0，说明在此期间公园绿地增长不均衡，公园绿地分布再次呈现集聚型特征，如图7所示。图7 2020年长沙市内五区建成区公园绿地最邻近比率分析结果Fig.7 Analysis results of the nearest neighborratio of park green spaces in the fivedistricts of Changsha in 2020（2）洛伦兹曲线本文统计了20152022年期间长沙市内五区各区公园绿地面积占当年公园绿地总面积的比率，以各区为横轴，公园绿地累计比率为纵轴，逐年绘制公园绿地空间分布的洛伦兹曲线，并以各区建成区面积占内五区建成区总面积的累计比率为参考比率，得到长沙市内五区建成区公园绿地在2015-2022年期间的空间分布洛伦兹曲线，如图8所示。由各年的洛伦兹曲线可知：长沙市内五区范围内的公园绿地在各区的分布呈现不均衡的特征，具体表现为雨花区相对偏少（弯曲度大）；20152022年年间，洛伦兹曲线的弯曲度逐渐变小，说明公园绿地在各区分布的不均衡程度在逐年减缓。图8 2015-2022年长沙市内五区建成区公园绿地分布的洛伦兹曲线Fig.8 Lorentz curve of park green space distribution in the five districts of Changshafrom 2015 to 2022（3）核密度分析将长沙市内五区建成区范围内的公园绿地矢量数据作为核密度分析的输入要素，计算公园绿地在其周围领域中的密度，进而测算长沙市内五区建成区范围内公园绿地的集聚状况。核密度值越高，则该区域的公园绿地分布密度越大。本文利用20152022年间长沙市内五区范围内的公园绿地矢量数据，计算得到20152022年长沙市内五区范围内公园绿地分布的核密度分析图，再利用专题制图技术制作核密度分析专题图，如图9所示。由图9可知，长沙市内五区范围内的公园绿地分布在 20152022 年间总体呈现由点状集中（2015年）向带状集中（2022年）分布的格局特征。2015年的公园绿地分布呈现点状集中特征，主要集中于梅溪湖公园、西湖公园、洋湖湿地公园、省政府等区域；2022年公园绿地分布呈现带状集中特征，主要分布在湘江、浏阳河、圭塘河、梅溪湖西湖沿线等。4 城市公园绿地动态监测体系研究成果本文根据城市公园绿地动态监测需求，基于多源多时序遥感卫星影像，研究建立了城市公园绿地动态监测体系总体框架。该框架由数据层、软件层、技术层、成果层和应用层组成，其中数据层是基础，软件层为支撑，技术层是核心，应用层为目的，如图10所示。第20卷 第2期第29页2023年6月Jun.,2023国土资源导刊Land&Resources Herald图9 长沙市内五区建成区公园绿地分布核密度分析专题图Fig.9 Thematic map of kernel density analysis of park green space distributionin the five districts of Changsha图10 城市公园绿地动态监测体系架构图Fig.10 Architecture diagram of dynamic monitoring system for urban park green space第20卷 第2期第30页国土资源导刊Land&Resources Herald2023年6月Jun.,20235 结论（1）本文基于多源多时序卫星遥感影像，提出了一种基于GIS辅助的公园绿地提取方法，可有效解决因为公园绿地包含地类多样而引起的解译困难。相比于传统面向对象分类提取方法，其精度提升约40%，其效率相比于人工提取方法提升约60%。（2）本文以长沙市内五区为研究区，提取了长沙市内五区建成区内20152022年间的公园绿地范围，经分析得出结论如下：长沙市内五区建成区范围内的城市公园绿地面积及人均公园绿地面积在 20152022 年之间呈现逐年增加的趋势，且公园绿地分布呈现“集聚均衡集聚”的特点。（3）本文研究建立了一套城市公园绿地动态监测体系，其研究成果为长沙市创建国家生态园林城市工作提供了重要数据支撑和技术保障，可为其他省市开展类似遥感应用提供一定的参考借鉴。参考文献/References1汪求来.面向对象遥感影像分类方法及其应用研究以深圳市福田区植被提取为例D.南京林业大学,2008.2彭海涛,柯长青.基于多层分割的面向对象遥感影像分类方法研究J.遥感技术与应用,2010,25(1):149-154.3杨军军,王喜梅,丁轶.基于ENVI的城市植被信息提取研究J.咸阳师范学院学报,2020,35(2):67-69+97.4徐美,李达立,刘春腊,等.湖南省森林公园空间分布特征及其影响因素分析J.资源开发与市场,2018,34(7):1004-1009.5赵莹莹,龙洋洲,杨志波.长沙市高分辨率遥感影像辅助规划5a综合应用J.地理空间信息,2019,17(5):5-9+4.6陈丽琼,张翠峰.高分辨率遥感影像图在城市规划行业中的综合应用J.资源信息与工程,2018,33(5):104-105.7夏榕岭,吴学群,夏海洋.城市时空演变遥感监测与分析J.城市勘测,2020(4):87-93.8张学明,林清莹,于忠海,等.面向对象的SVM分类技术在遥感影像分类上的应用研究以威海市为例J.城市勘测,2019(5):116-119+125.9晋成名,景海涛.城市绿地信息提取及空间格局分析研究J.测绘与空间地理信息,2019,42(11):105-107.10毛丽君,李海涛,薛晓明,等.基于GEE平台的国家公园土地覆盖变化遥感检测方法构建J.南京林业大学学报(自然科学版),2022,46(2):213-220.11师玉霞,王振锡,杨勇强,等.基于GF-2影像对恰西国家森林公园的遥感分类J.新疆农业科学,2020,57(7):1321-1329.12李桢,王祖亮,马红利,等.基于高分一号遥感影像的城市绿地信息提取J.测绘技术装备,2022,24(3):26-29.13叶俊,康思奇,傅根深,等.基于卫星遥感的城市绿地景观格局变化研究进展J.测绘通报,2022(3):23-27.14殷炜达,苏俊伊,许卓亚,等.基于遥感技术的城市绿地碳储量估算应用J.风景园林,2022,29(5):24-30.15黄健,邓琳,魏远航,等.基于长时序Landsat数据的城市绿地定量遥感监测研究J.北京测绘,2022,36(3):280-284.16许靖,沈涛,杨仕仙.高分遥感影像城市绿地自动提取方法J.北京测绘,2021,35(4):480-484.17姜杰,于泉洲,张贵民,等.基于多源遥感的聊城市绿地空间特征研究J.山东林业科技,2021,51(1):1-6.18陈周,费鲜芸,高祥伟,等.高分辨率遥感影像分割的城市绿地提取研究J.测绘通报,2020(12):17-20.19曹小鸿.面向对象的遥感影像信息提取方法研究J.测绘与空间地理信息,2022,45(5):116-119+123.20王煌文,魏金豹,曹宇佳.基于资源三号卫星遥感影像的地表覆盖类型分类研究J.测绘与空间地理信息,2022,45(11):152-155.