0 引言
作为城市基础设施建设的必要内容之一,城市绿地对改善人居环境具有十分重要的作用,因此城市绿化景观设计日益受到重视[1]。《城市绿地分类标准CJJ/T85—2017》对于小区绿化标准虽然有明确的规定[2],但仍以绿地率、绿化覆盖率、人均公共绿地面积这3大二维绿化指标为主要评价依据[3],存在如下问题: 首先,城市绿地生态效益不仅取决于绿色植被的覆盖面积,还取决于植被空间结构及其生长状况[4,5],但二维绿化指标不能准确地反映植物空间构成的合理性及其生态效益水平[6]; 其次,二维绿化指标对于绿地的定义比较宽泛,不考虑植被的种类和生长情况,甚至将大致长草的地方都算作绿地,因此很容易出现为尽快达到规定绿化标准而选用低成本草地代替高成本景观植被的现象。然而,无论是从居民对于小区宜居性的满意度[7]方面考虑,还是从水土保持[8]、固碳释氧[9,10]、滞尘减污[11,12,13]、降温增湿[14]等生态效益[15,16]方面,特别是从景观结构与功能[17]、生物多样性[18]等景观生态学原理方面考虑,草地的价值均普遍低于灌木、乔木等高大立体的植被[19,20],不能充分响应人们对优美人居环境的需求以及实现城市绿地的立体景观价值。因此在城市绿地建设中亟需一个科学合理的度量指标来反映城市绿地的立体景观。
1995年“上海市绿化三维量遥感调查”项目提出了“绿化三维量(living vegetation volume, LVV)”[21]亦即“三维绿量”这一量化值来更合理地度量绿地。三维绿量指的是绿色植物所占据的空间体积,相对于平面绿量,三维绿量反映了城市绿化植被的空间结构量值,更能体现绿地的立体景观。现有的三维绿量测算方法主要有以下几种: ①模型模拟法[22],即通过对植物植株进行大量的实地测量,采用模拟方程推算城市森林主要树种树木绿量,来估计城市森林三维绿量,这种方法虽然精度较高,但是存在投入成本高、工作繁琐耗时、难以大范围应用等缺陷; ②平面量模拟立体量法,周坚华等[23]在分树种逐株测算的基础上,建立冠径-冠高回归方程,再利用航空像片上量得的冠径求取不同树种冠高,进而求得不同树种树冠的体积(树冠绿量),计算机及遥感技术的加入节省了大量人力物力,但在大范围应用航空影像成本较高,且涉及树种过多导致工作量过大的问题; ③遥感植被指数法[24,25],此法利用高光谱遥感影像丰富的光谱信息构建植被指数,直接与实地测算的三维绿量样本之间建立回归方程,进而推广到整个区域反演三维绿量,与上述第二种方法相比省去了实测样本冠径、冠高以及量测航片冠径等中间步骤,但仍然需要大量野外实测数据来满足回归方程可靠性。上述3种方法在三维绿量计算过程中均需要大量实测数据,在城市尺度大范围应用时成本过高,因此,需要一个快速度量城市尺度大范围绿地空间景观的方法,以及一个科学合理的三维绿化指标,以用于城市绿地规划和管理。
本文针对上述三维绿量度量及传统绿化指标用于规划存在的问题,以高空间分辨率遥感影像为数据源,采用面向对象的分类方法提取植被阴影,节省了大量实地测量的时间、人力、物力等成本; 应用植被高度和阴影长度的几何关系模型[26]快速反演植被高度,在此基础上构建三维绿度指数(three-dimensional green index, TGI)作为绿地规划建设新指标,并将其与传统的二维指标绿化覆盖率进行比较分析。结果表明,三维绿度指数不仅获取快速方便、成本较低,而且更能实际反映绿化植被的立体景观与城市绿地建设质量,因此可用于大范围城市三维绿地度量,为城市绿化规划、决策、管理提供科学依据。
1 数据和方法
1.1 研究区概况
本研究选取深圳市西南部福田区沙头街道为研究区(图1)。该区位于E114°0'~ 114°2',N22°31'~22°33'之间,面积约为7.89 km2。研究区东北部和西南部分别为深圳高尔夫球俱乐部和滨海湿地,植被资源较为丰富; 东南部和西北部均为居民区,西部为商业区,植被资源较少,主要为行道树(灌木、乔木等)和小型绿地(草地、小灌木等)。
图1
1.2 数据源及其预处理
本研究选取深圳市西福田区沙头街道2015年1月高分二号(GF-2)PMS2数据,1月份太阳高度角较小,阴影信息比较明显,有利于植被阴影的提取。该影像包括一个1 m空间分辨率的全色波段和4个4 m空间分辨率的多光谱波段,其中,多光谱波段包括3个可见光波段和1个近红外波段[27]。在对原始遥感影像进行预处理(包括正射校正、辐射定标、大气校正、图像融合)后,获得1 m空间分辨率遥感融合影像,充分利用了原始影像的光谱信息并保留了高空间分辨率的优势,提高了利用数据解析地物的能力。
1.3 研究方法
以经过预处理的高分辨率遥感影像为基础,运用面向对象分类技术提取植被及其对应的阴影信息; 然后根据二者的几何关系模型,利用阴影的长度反演植被高度; 最后基于植被高度构建三维绿度指数模型,并将该模型的计算结果与传统二维绿化指标计算结果进行对比分析。TGI构建的具体技术流程如图2。
图2
1.3.1 三维绿度指数
本研究将TGI定义为一定区域内等效基础绿化植被面积所占的比例。其中,基础绿化植被泛指在城市绿化建设中普遍采用的草坪植物与地被植物,其高度一般在1 m以下,这样的植被成本低、成活率高,能更迅速地达到相关绿化标准中规定的数量指标,因而在城市基础绿化中被广泛使用; 将不同高度的植被面积依照一定规则统一换算为基础绿化植被所占的面积即为等效基础绿化植被面积。TGI的具体计算公式为
式中,S为研究区域面积,m2; Ci为研究区域内的第i个植被像元对应的高度等级,均为整数,植被高度及其等级对应关系见表1; Si为第i个植被像元的对应的实地面积,m2;
表1 植被高度等级表
Tab.1
| 植被高度/m | 植被种类 | 植被高度等级(Ci) |
|---|---|---|
| (0,1] | 草地 | 1 |
| (1,3] | 小灌木 | 2 |
| (3,+∞) | 大灌木或乔木 | 3 |
1.3.2 面向对象的影像分类
TGI是基于植被高度等级的计算结果,其中植被高度的反演是三维绿度指数计算的关键,而准确提取植被与阴影信息又是植被高度反演的前提。由于在高空间分辨率遥感影像中,面向对象的遥感影像分类方法比传统基于像元的分类方法具有更高的精度[28,29],因此本文利用面向对象分类软件eCognition9.0[30],基于多尺度分割算法和光谱差异算法,对阴影信息、植被信息以及水体信息进行提取。首先选择尺度为300的分割层对粗尺度阴影(即建筑物阴影)和水体进行提取,再进一步根据亮度、面积以及NDWI值等特征将二者区分开; 在排除建筑物阴影和水体后,选择像素层对细尺度阴影进行提取; 最后选择尺度为50的分割层对草地和林地进行提取,并根据空间同质性及NDVI值将二者区分开。具体分割尺度及分类规则见表2,其中分割的形状权重为0.2,颜色权重为0.8,紧致度和光滑度权重分别设置为0.1和0.9。
表2 分类规则
Tab.2
| 分割层尺度 | 提取类别 | 分类规则 |
|---|---|---|
| 300 | 粗尺度阴影 | 亮度<1 200 面积>1 500Px |
| 水体 | NDWI>0.05 | |
| 50 | 林地 | 空间同质性<0.035 NDVI>0.2 |
| 草地 | 空间同质性>0.035 NDVI>0.2 | |
| 像素层(像元尺度) | 细尺度阴影 | 亮度<1 200 |
1.3.3 植被高度提取
图3
图3
考虑方位角时,太阳、卫星与阴影的几何关系
Fig.3
The geometrical relationship between sun, satellite and shadow when azimuth is taken into account
图3中,N为真北方向; E为垂直真子午线指向东的方向; Z为与地面垂直向上的方向; H为树木高度; M为树顶的角点; α为卫星高度角; β为太阳高度角; θ为卫星方位角; φ为太阳方位角;
当卫星和太阳位于目标地物的两侧的时候,几何位置模型可以简化为一种只需要利用太阳高度角、阴影长度即可计算高度的简单投影模型,即
式中: H为树木高度
2 结果与分析
2.1 影像分类结果
图4
针对分类结果,本文采用分层抽样的方法,按照常数分配法将80个样点分配给林地、草地、水体、阴影4个不同的类别,在ArcGIS中参照影像分别在4种类别范围内随机创建20个样本点,利用基于像素的混淆矩阵(error matrix based on TTA mask)进行精度检验,用生产者精度 (producer accuracy, PA) 、用户精度 (user accuracy, UA ) 、总体精度 (overall accuracy, OA) 和Kappa系数4个精度[33]评价指标定量评价分类精度。混淆矩阵及相应精度评价指标见表3。结果显示,本方法的总体精度在85%以上,Kappa系数大于0.8,分类效果良好,精度满足要求。
表3 地物分类混淆矩阵及分类精度
Tab.3
| 类别 | 林地 | 草地 | 水体 | 阴影 | 总和 | 用户精 度/% |
|---|---|---|---|---|---|---|
| 林地 | 18 | 1 | 0 | 1 | 20 | 90.1 |
| 草地 | 2 | 17 | 0 | 1 | 20 | 86.2 |
| 水体 | 1 | 1 | 17 | 1 | 20 | 87.2 |
| 阴影 | 0 | 0 | 2 | 18 | 20 | 91.7 |
| 总和 | 21 | 20 | 19 | 22 | 80 | - |
| 生产者精度/% | 85.81 | 86.20 | 91.79 | 83.36 | - | - |
| 总体精度=88.80%; Kappa=0.87 | ||||||
2.2 植被高度提取结果
研究区植被最终估算高度如图5所示。由于草地类型的植被高度较低,在当前空间分辨率下不能形成有效阴影信息,所以粗略地将草地高度视为0.2 m。 植被高度提取结果显示,该区域植被最高不超过30 m,而在这些植被中,超过1/4为低成本地被植物,其中草地面积约占17.66%,小灌木(高度3 m以下)面积约占10.03%。利用百度街景地图,采用分层抽样的方法,按照高度等级分层,小灌木层样本量为5株,大灌木及乔木层样本量为35株,与植被高度提取结果比较,平均绝对误差小于1 m,在植被高度分级的允许误差范围内,故此植被高度提取结果可用于TGI的计算。
图5
2.3 三维绿度指数结果
基于上述植被分布及植被高度提取结果,以20 m×20 m为标准格网,通过三维绿度指数模型计算得到TGI空间分布图(图6)。研究区TGI指数呈现出东北、西南较高,东南、西北以及西部较低的空间分布特征。其中,TGI>2的区域为乔木较多的区域,集中于东北区域; 1≤TGI≤2的区域为灌木较多的区域,集中于道路两侧的行道树附近; TGI<1的区域为草地集中的区域,主要位于城市公园或绿地中的草坪区域; TGI=0表示没有植被分布。TGI结果与前面计算的植被高度分布较为吻合: 即植被高的区域TGI明显较高,植被高度较低的地方则TGI偏低,能够在定性(植被的有无)的基础上定量地(植被量的多少)评价绿化水平。
图6
2.4 三维绿度指数分析
传统的城市绿地规划多采用绿化覆盖率这个二维绿化指标。本文以深圳市福田区沙头街道为研究区,比较了上述公式(1)所构建的三维绿化指标TGI(如图6)与传统二维绿化指标绿化覆盖率(如图7)结果在空间分布及结果细节上的异同。对比图6与图7可以看出,二者的空间总体分布基本一致; 但在二者的结果细节上,TGI的数值区间(0~2.69)要比绿化覆盖率的数值区间(0~1)大,这是因为TGI考虑了与植被高度有关的等效基础绿化面积,而绿化覆盖率依据的是研究区域内植被的垂直投影面积,TGI比绿化覆盖率多包含了“植被高度”这一维度的信息,不仅反映了遥感像元对应区域植被的“有”或“无”,还反映了该区域内植被景观的“量”的特征,体现了植被的绿化的立体景观效应。此外,从人类认知感受角度,相同面积的乔木和草地景观感受是不同的,但是在二维绿化覆盖率指标中不能反映这种差异,三维绿度指数TGI则可以很好地反映这种不同,所以TGI更接近居民的实际体验和绿度认知,更能够体现植被立体景观的细节以及城市环境的宜居性,可以为城市绿地规划和绿化建设质量评估等提供科学依据。
图7
3 结论
1)本文基于高分二号遥感影像数据,利用植被的阴影长度来反演植被高度,构建了一个新的三维绿度度量指标——TGI,用来度量绿地的立体景观以及绿化建设的质量。
2)与传统二维绿化指标绿化覆盖度相比,TGI更能反映植被空间结构的实际情况,并且改善了以往三维绿量的研究中数据成本高、工序繁琐、难以大范围推广等不足,能够用于城市绿地规划管理,提高城市绿地景观建设的合理性。
3)通过遥感提取植被阴影的方法,比较适用于大尺度城市绿地三维绿度度量。未来的小尺度城市三维绿量研究当中,在获得飞行许可的区域,可以采用无人机激光雷达提取植被高度,推算城市绿地三维绿量,其结果将会更加准确可靠。
参考文献
试论宜居性城市绿地的规划与建设
[J].<p>在生态城市、可持续发展等社会思潮的推动下，宜居性城市已逐渐成为新的城市发展观。我国的城市绿地建设也由过去的点缀性工作上升为城市基础设施建设的重点内容。但从城市的宜居性角度分析，我国城市绿地的规划与建设主要存在定位比较模糊，重综合公园和专类公园绿地、轻社区绿地，重绿地美化亮化效果、轻绿地生态效益，重整体性评价指标、轻宜居性指标等问题。立足于城市绿地规划的宜居性导向，提出了合理定位、绿地工程与主体工程“四同时”， 按自然规律进行城市绿地的建设与管理，突出社区性绿地，推行“绿径＋缀块”的绿地网络布局，强调绿地的“可达性＋开放性＋复合性”，以及适度兼顾绿地规模等宜居性城市绿地规划与建设的策略。</p>
Planning and construction of livable city green space
[J].
“生态园林城市”发展视角下的城市绿地评价指标优化探讨
[J].
Discussion of urban green space evaluation index optimization from the perspective of the development of “Ecological Garden City”
[J].
城市森林结构的量化研究——以沈阳树木园森林群落为例
[J].
Quantitative analysis of urban forest structure:A case study on Shenyang arboretum
[J].
城市绿量测算模式及信息系统
[J].
Theory and practice on database of three-dimensional vegetation quantity
[J].
沈阳城市森林三维绿量测算
[J].
Tridimensional green biomass measures of Shenyang urban forests
[J].
宜居视角下的居住小区绿化现状调查与经济评价研究——以北京为例
[J].
Investigation and economic evaluation on the greening of residential areas from the perspective of livability:A case study of Beijing
[J].
不同时间尺度下基于绿量的草地水土保持效应研究
[J].<p>基于福建省长汀县河田镇土壤侵蚀试验小区连续四年的自然降雨、植被、产流和产沙观测数据, 分析了次降雨、月、季和年这四种时间尺度下草地植被绿量、降雨指标和保水、保土效应的变化特征及其相互关系。结果表明, 随着时间尺度的增大, 降雨和植被参数呈现或增或减的变化特征, 保水效应值(RE)变幅较小, 而保土效应值(SE)的变幅则缓慢降低。各时间尺度RE 的均值呈约10%—20%幅度的变化, RE 表征的草地保水效应以季尺度最好, 年尺度最差,而SE 表征的草地保土效应以月尺度最好, 季和次降雨尺度最差且接近。草地植被的保水效应多受制于降雨因素, 次降雨尺度下, RE 与降雨历时和降雨量关系密切, 较长时间尺度下最大30 分钟雨强是主要的控制因子。而保土效应则多受制于植被因素, 在次降雨尺度下, 贴近地表的枯叶层对保土效应的贡献值得重视, 在中等的月和季尺度保土效应同时受降雨和植被的影响, 而在较大的年时间尺度下, 草本植被绿量参数可有效表征植被的保土效应。可见, 在不同的时间尺度, 影响水土保持的诸要素呈现不同的变化和耦合特征, 水土保持效应亦存在差异, 因而在水土保持的研究和管理工作中应关注时间尺度的影响。</p>
Time scale influence on the study of water and soil conservation effects of grass based on live vegetation volume
[J].
福州植物园绿量与固碳释氧效益研究
[J].
Research on vegetation quantity and carbon-fixing and oxygen-releasing effects of Fuzhou botanical garden
[J].
北京市城乡结合部17种常用绿化植物固碳释氧功能研究
[J].
DOI:10.3969/j.issn.1674-991X.2014.03.041
Magsci
[本文引用: 1]
<p>固碳释氧是植物的一项重要生态服务功能。以北京市朝阳区城乡结合部17种常用绿化植物为研究对象，采用美国Li-6400便携式光合测定仪和Li-2000冠层分析仪测定植物的光合速率和叶面积指数，通过聚类分析将其固碳释氧能力分级，并对植物固碳释氧效益进行了系统的定量研究。结果表明，17种常用绿化植物的光合速率曲线多呈单峰或双峰趋势，其单位叶面积日固碳量为2.92~13.81 g/(m<sup>2</sup>·d)，释氧量为2.12~10.05 g/(m<sup>2</sup>·d)；其单位土地面积日固碳量为11.00~92.71 g/(m<sup>2</sup>·d)，释氧量为8.00~67.42 g/(m<sup>2</sup>·d)。9种乔木单位叶面积固碳释氧能力聚类分析结果为两级，5种灌木分为两级，3种草本分为两级；9种乔木的单位土地面积固碳释氧能力分为两级，5种灌木分为三级，3种草本分为两级。因此，提高城乡结合部林草植被系统的固碳释氧效益，除选择固碳释氧能力较强的植物外，还应综合考虑拟选植物的结构配置。</p>
Analysis of carbon fixation and oxygen release capabilities of 17 afforestation plants in rural-urba
[J].
生态景观型城市绿地的滞尘效应分析
[J].
Analysis on dust retention effect of ecological landscape type urban green space
[J].
北方城市不同植物滞尘效应季节变化
[J].
Seasonal variation of dust retention effects of different plants in northern cities
[J].
基于三维绿量的城市绿地生态效益评价综述
[J].
Review on ecological benefits evaluation of urban green space based on three-dimensional green quantity
[J].
北京城市绿地群落结构对降温增湿功能的影响
[J].
DOI:10.18402/resci.2016.06.03
Magsci
[本文引用: 1]
清晰揭示城市绿地的空间布局与景观结构特征对其生态服务功能的影响对指导城市规划设计具有重要参考价值。目前国内外已有较多城市绿地降温增湿及其影响因素的实证研究,但是定量解析绿地群落结构与降温增湿功能关系的研究并不多见。本文基于北京市24个典型绿地群落夏季降温增湿效果的实测,重点解析了绿地郁闭度和绿量对降温增湿功能的影响,并提出了绿地结构优化配置的最优阈值。研究结果表明：北京城市绿地夏季日均降温幅度0.2~2.0℃,日均增湿幅度0.20%~8.26%;不同群落结构绿地降温效果上,乔灌草型>乔草或乔木型>灌草型>草地型;在绿地增湿效果上,乔木型>乔灌草>乔草型>灌草型>草地型;郁闭度和绿量对绿地降温增湿功能均有明显影响,但郁闭度影响更大,冠层郁闭度介于0.60~0.85、三维绿量密度≥5m<sup>3</sup>/ m<sup>2</sup>的乔灌草或乔草型绿地具有最大降温增湿功能。
The relationship between urban green space community structure and air temperature reduction and humidity increase in Beijing
[J].
基于低空高分辨影像的三维绿量计算方法——以南京林业大学校园为例
[J].
On the Method of three-dimensional green volume calculation based on low-altitude high-definition images:A case study of the Nanjing Forestry University Campus
[J].
城市绿地的三维生态特征及其生态功能
[J].
Three-dimensional ecological characters of urban green space and its ecological function
[J].
View-based greenery:A three-dimensional assessment of city buildings’ green visibility using Floor Green View Index
[J].
High levels of green-tree retention are required to preserve ground beetle biodiversity in boreal mixedwood forests
[J].
福州市不同类型绿地植被多样性与生态效益关联研究
[J].
Study on the relationship between vegetation diversity and ecological benefit of different types of green land in Fuzhou City
[J].
昆明市大观河岸植被三维绿量及生态效益分析
[J].
Analysis on 3-dimension green quantity and ecological benefits of plants on Daguan River bank in Kunming
[J].
三维量遥感调查:一种估算城市绿化环境效益的新方法
[J].
Three dimensional remote sensing survey:A new method to estimate the environmental benefits of urban greenery
[J].
Logit modeling to map canopy closure in conifer plantations:a case study using landsat TM data from SW Scotland
[M] //
三维绿色生物量的遥感模式研究与绿化环境效益估算
[J].
Study on remote sensing model of three-dimensional green biomass and the estimation of environmental benefits of greenery
[J].
利用高光谱对生物变量进行估计
[J].
DOI:10.11834/jrs.19970206
Magsci
[本文引用: 1]
该文分析了非光合背景物质―土壤光谱信号的特点,认为利用对光谱信号进行一阶导数的运算就能对混合光谱中的土壤光谱信号进行压缩,由此而得到的生物指数如<i>LAI</i>、<i>S<sub>Apar</sub></i>等的估计值更能客观地反映实际,这对于利用成象光谱进行环境应用有很大的实用价值。
The estimation of vegetation variables based on high resolution spectra
[J].
Use of second derivatives of canopy reflectance for monitoring prairie vegetation over different soil backgrounds
[J].
太阳影子定位模型的构建
[J].
Construction of the model of sun shadow position
[J].
高分二号卫星影像融合技术研究
[J].
Research on image fusion technology of GF-2 satellite
[J].
Object-oriented classification of very high resolution airborne imagery for the extraction of hedgerows and field margin cover in agricultural areas
[J].
Object basedimage analysis for remote sensing
[J].
基于eCognition高分辨率影像的分类研究
[J].
Research on the classification of high-resolution remote sensing images based on eCognition
[J].
基于形态学阴影指数的高分二号影像建筑物高度估计
[J].
Building height estimation from GF-2 image based on morphological shadow index
[J].
Automatic building height extraction by volumetric shadow analysis of monoscopic imagery
[J].
