1、綠地不僅是城市的凈化器，具有生態(tài)功能，同時也有著重要的社會功能。隨著經(jīng)濟(jì)增長和社會發(fā)展，綠地的規(guī)劃、建設(shè)、評價、監(jiān)測和管理越來越受到重視。利用遙感技術(shù)獲取綠地信息成為快速、客觀、準(zhǔn)確的城市生態(tài)監(jiān)測、評價、規(guī)劃和管理的重要手段。目前可以利用的高分辨率遙感數(shù)據(jù)資料越來越多，高于1m分辨率航天遙感影像和航空遙感影像已開始應(yīng)用到資源調(diào)查和測圖中。本文以城市不同綠地類型信息提取為目標(biāo)，從幾何校正、數(shù)據(jù)融合、分類方法等方面著手進(jìn)行研究，探索研究不同

2、高分辨率遙感數(shù)據(jù)、不同信息提取方法在城市綠地信息提取中的應(yīng)用，并在此基礎(chǔ)上進(jìn)行綠地功能綜合評價研究。為城市綠地信息提取適宜遙感影像尺度的選擇、圖像預(yù)處理、圖像分類及評價提供技術(shù)和方法支持。 論文首先研究了利用2D二次多項式校正城區(qū)不同高分辨率遙感影像所能達(dá)薊的面積和點位精度。分別用不同數(shù)量的(25和6)GPS地面測量點和從1：10000地形圖中獲取的控制點校正SPOT5影像；利用6個GPS控制點校正IKONOS影像：利用6個GP

3、S控制點校正QUICKBIRD影像，并利用另外的GPS地面點作為檢核點，對校正后的影像能達(dá)到的點位和面積精度分別進(jìn)行研究。 結(jié)果表明：(1)在地形起伏不大的城區(qū)，采用二維二次多項式的方法校正SPOT影像(2.5m分辨率)，用較少數(shù)量的GPS控制點(6個)即可得到較好的點位精度； (2)如果用地形圖校正影像，需要足夠數(shù)量且分布均勻的控制點來獲取符合要求的點位精度。 (3)利用GPS控制點和地形圖控制點校正S POT5影像均可獲得較

4、好的面積精度，滿足綠地調(diào)查等專題制圖需要。(4)校正后影像上點位和面積精度存在復(fù)雜的關(guān)系，不能簡單地利用誤差理論由點位精度推導(dǎo)面積精度。(5)在地形起伏不大的城區(qū)，用6個GPS控制點，采用二維二次多項式模型，校正QUICKBIRD和IKONOS影像均可獲取較好的點位和面積精度，與SPOT5數(shù)據(jù)相比二者點位精度明顯較高，但并不表現(xiàn)明顯高的面積精度。 第二部分是在影像校正的基礎(chǔ)上，針對城區(qū)植被特點，研究高分辨率遙感數(shù)據(jù)的融合方法。同

5、一融合方法不同應(yīng)用目的融合效果不同，本文采用主成分分析、HIS變換以及基于小波變換的主成分分析和HIS變換四種方法對SPOT5全色影像和多光譜影像進(jìn)行融合，并結(jié)合城市植被制圖特點對融合結(jié)果進(jìn)行質(zhì)量評價。結(jié)果表明，基于小波變換的PCA和HIS變換融合法，光譜保持能力最好，但是空間結(jié)構(gòu)較差，有明顯的分塊效應(yīng)，不適于城市植被零星分布的特點。主成分分析既有較好的空間結(jié)構(gòu)特征，細(xì)小地物紋理清晰，同時又具有較好的光譜保持能力，最適合于城市植被制圖研

6、究。纓帽變換是針對植被提取進(jìn)行的一種圖像增強(qiáng)方法，變換后的各分量與植被、土壤等自然景觀屬性相聯(lián)系，能更好地區(qū)分植被類型。針對城市植被特征，本文研究了基于纓帽變換的IKONOS全色和多光譜影像的融合方法，同時利用主成分分析方法對影像進(jìn)行融合，分別在整景影像和植被區(qū)對融合結(jié)果進(jìn)行對比分析。結(jié)果顯示在該實驗區(qū)，對整景影像和植被區(qū)域，從目視效果和定量指標(biāo)兩個方面進(jìn)行評價，纓帽變換融合結(jié)果都優(yōu)于主成分析結(jié)果。 第三部分是基于高分辨率遙感影

7、像的綠地信息提取方法的研究。建城區(qū)綠地面積是指公共綠地、居住區(qū)和單位附屬綠地、防護(hù)綠地、生產(chǎn)綠地、風(fēng)景林地、道路綠化用地等六類綠地面積之和。建城區(qū)綠化覆蓋面積是指城市綠化種植中的喬木、灌木、草坪等所有植被的垂直投影面積及水面之和，其中建成區(qū)范圍內(nèi)的耕地不統(tǒng)計在內(nèi)。 綠地面積具有社會屬性，難以利用常規(guī)的以光譜特征為基礎(chǔ)的分類方法進(jìn)行提取，本文利用面向?qū)ο蟮挠跋穹治黾夹g(shù)，以20cm航空影像為數(shù)據(jù)源，利用光譜特征、長寬比特征、距離特征

8、及語義關(guān)系等，對城市道路綠地和零星綠地進(jìn)行了自動提取，結(jié)果表明提取精度精度分別達(dá)到了76.56％和88.45％以上。 為研究綠化覆蓋面積的提取，本文以SPOT5影像為數(shù)據(jù)源，在分析不同植被類型、水面、裸土、耕地、道路和居民區(qū)的光譜特征的基礎(chǔ)上，利用多光譜影像計算兩個指數(shù)模型(G-R)/(G+R)和(G+SWIR)/80，并結(jié)合多光譜的第四波段，采用基于耕地分區(qū)的決策樹法，對城市綠化覆蓋面積進(jìn)行提取，結(jié)果表明與利用監(jiān)督分類對融合后

9、的影像進(jìn)行分類相比，提取精度明顯提高。 第四部分是遙感尺度對綠地信息提取精度的影響。遙感影像信息提取的不確定性和尺度是遙感信息科學(xué)中兩個密切相關(guān)的概念，研究影像信息不確定性就需要了解不同的尺度對信息提取的精度有何影響。由于城市綠地林相復(fù)雜，且有大量的零星綠地存在，而且許多綠地分布在高層建筑物之間，如果分辨率低，則零星綠地不能充分表現(xiàn)，如果分辨率過高又會出現(xiàn)陰影和遮擋嚴(yán)重的現(xiàn)象，本文對三種常用高分辨率遙感影像SPOT5、IKONO

10、S和QUICKBIRD，通過目視解譯方法進(jìn)行綠地信息提取，分析其綠地信息提取的精度。結(jié)果表明：較高分辨率影像獲取面狀和帶狀綠地信息，精度優(yōu)于較低分辨率影像；較高分辨率遙感影像提取零星小綠地的精度明顯較高；在以7層以下建筑物為主的城市區(qū)域，綠地與道路的結(jié)構(gòu)特點決定，陰影和遮擋造成的綠地信息丟失，較高分辨率遙感影像與較低分辨率遙感影像差別不大。所以適應(yīng)城市綠地信息提取特征，三種影像中，QUICKBIRD影像最適合綠地調(diào)查。第五部分是以RS和

11、GIS為基礎(chǔ)，對城市主要綠地類型，即公共綠地和道路綠地，進(jìn)行綠地功能綜合評價。為了對城市公共綠地進(jìn)行評價，本文根據(jù)公共綠地的功能特點，按照評價體系可操作性和可比性要求，選擇單位公園綠化覆蓋率、面積大小、公園服務(wù)半徑內(nèi)的居民區(qū)和單位面積比例、服務(wù)半徑內(nèi)道路面積比例作為評價因子。論文以山東省泰安市為研究區(qū)，利用基于植被指數(shù)的決策樹分類法結(jié)合ArcGIS空間分析功能，從SPOT5影像中獲取評價因子數(shù)據(jù)，利用多級模糊評判方法對研究區(qū)城市公共綠地

12、進(jìn)行評判。評價結(jié)果為泰安市公共綠地的生態(tài)功能和社會功能綜合得分為77.449分，等級標(biāo)準(zhǔn)為良好。 為對研究區(qū)道路綠地的功能進(jìn)行評價，需用三步生成所需要的道路系統(tǒng)圖和道路綠化覆蓋圖。首先在SPOT5(2.5m)假彩色遙感影像中手動繪制道路中線，并根據(jù)每條道路的寬度分別做緩沖區(qū)分析，生成城市道路系統(tǒng)圖；再通過對SPOT5多光譜影像計算植被指數(shù)，并利用決策樹分類法獲取城市綠化覆蓋圖；最后通過對整個城市的綠化覆蓋圖與道路系統(tǒng)圖進(jìn)行空間疊