基于多源遥感数据的城市环境宜居性研究—

基于多源遥感数据的城市环境宜居性研究——以北京市为例

董家集, 任华忠, 郑逸童, 聂婧, 孟晋杰, 秦其明

A study of the livability of urban environment based on multi-source remote sensing data: A case study of Beijing City

DONG Jiaji, REN Huazhong, ZHENG Yitong, NIE Jing, MENG Jinjie, QIN Qiming

表1 各地物类型对应的分类规则集

Tab.1 Classification rules corresponding to each feature type

地类	指数	公式	说明
水体	归一化差值水体指数(normalized difference water index, NDWI)	$NDWI = \frac{ρ_{green} - ρ_{NIR}}{ρ_{green} + ρ_{NIR}}$	式中 $ρ_{green}$ 和 $ρ_{NIR}$ 分别为绿光和近红外波段的反射率。当NDWI $\geq$ 0.12时,为水体^[28]
植被	归一化差值植被指数(normalized difference vegetation index, NDVI)	$NDVI = \frac{ρ_{NIR} - ρ_{red}}{ρ_{NIR} + ρ_{red}}$	式中 $ρ_{red}$ 为红光波段的反射率。当NDVI>0.12时,为植被^[29]
道路	长宽比指数(R)	$R = \frac{L}{W}$	式中: L为图斑对象长度; W为图斑对象宽度。设置阈值R≥3,L≥170像元为道路^[30]
建筑用地	灰度最大差值与亮度的比值(Diff_max); 形状指数(K); 灰度共生矩阵熵(Ent)	$Dif f_{\max} = \frac{i, j \in K_{B} \| c_{i} (v) - c_{j} (v) \|}{c (v)}$ $K = \frac{\sqrt[]{A}}{P}$ $Ent = \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} p (i, j) \times \ln [p (i, j)]$	式中: $c_{i} (v)$ 为对象v在i层的平均亮度值; $c_{j} (v)$ 为对象v在j层的平均值; $K_{B}$ 为所有的对象; c(v)为所有层对象v的平均值^[31]; A与P分别为影像对象的面积和周长; $p (i, j)$ 为像元值i和j出现的概率^[32]
裸土	紧凑度(C)	$C = \frac{n \times m}{b}$	式中: C为紧凑度; n为影像对象的宽; m为对象的长度; b为对象内的像素数^[31]