基于Sentinel-1 SAR和Sentinel-2A光学影像的海南岛城市不透水面数据集

朱秀林，赵相伟*，杜文杰，孙中昶

1.山东科技大学，山东青岛 266590

2.海南省地球观测重点实验室，海南三亚 572029

3.中国科学院遥感与数字地球研究所数字地球重点实验室，北京 100094

数据库（集）基本信息

数据库（集）名称 基于Sentinel-1 SAR和Sentinel-2A光学影像的海南岛城市不透水面数据集数据作者 朱秀林，赵相伟，杜文杰，孙中昶数据通信作者 赵相伟（tlzxw1696@163.com）数据时间范围 2015年，2018年地理区域 北纬18°10′-20°10′，东经108°37′-111°03′空间分辨率 10 m数据量 8.71 MB（解压后26.4 MB）数据格式 TIFF数据服务系统网址 http://www.sciencedb.cn/dataSet/handle/695基金项目 海南省重大科技计划项目（ZDKJ2016021）数据库（集）组成本数据集包括海南岛2015年和2018年2期不透水面分布图数据，所有数据存放于一个压缩文件中。压缩文件内含2个TIFF文件，分别对应2015年、2018年海南岛不透水面分布。数据集以后每3年进行更新1次。

引 言

城市不透水面是指阻止水渗入土壤的土地覆盖表面，主要包括道路、停车场、车道、人道、建筑物屋顶和城市地物中其他不具有渗透性的表面。随着不断地开发，城市自然景观被破坏，不透水面覆盖的土地百分比逐渐增加[1]。城市不透水面与许多环境问题，诸如水体质量、径流以及城市热岛效应都有密切关系[2-3]，所以不透水面已经成为评估城市生态环境的一个关键指标[4-5]。

光学遥感影像在提取城市不透水面时主要依靠图像分类的方法，此种方法存在主观的单景数据分析，而且具有复杂的计算，耗费时间；中低空间分辨率的光学影像存在混合像元、异物同谱以及同物异谱的情况，对地物分类造成困扰；受云、雾天气以及水汽的影响，低纬度地区很难获取质量较好的光学影像，为城市动态遥感监测带来了很大的困难[6]，并且光学影像在提取城市不透水面中受影像获取的时相影响很大[1]。相较于光学图像，合成孔径雷达（Synthetic Aperture Radar，SAR）具有全天时、全天候、精度高、效率高等特点，SAR数据在城市遥感中具有很大的应用潜力[7-8]。目前为止，基于SAR数据和光学影像融合的大范围、高空间分辨率不透水面制图的研究很少。

1 数据采集和处理方法

1.1 研究区域简介

海南岛位于中国最南端，地理位置介于东经 108°37'-111°03′，北纬 18°10′-20°10′之间，岛屿轮廓为椭圆形。海南岛地势中部高四周低，山地、丘陵、台地、平原构成环形层状地貌，梯级结构明显，比较大的河流大都发源于中部山区，组成辐射状水系。海南岛上地形复杂，分布着大量城镇、农村以及不同类型的地物。本数据集主要针对海南岛进行制作，研究区域Sentinel-1 SAR影像如图1所示。

图1 研究区域影像图

1.2 数据预处理

哨兵1号（Sentinel-1）卫星是欧洲航天局哥白尼计划（GMES）中的地球观测卫星，本文的研究数据主要是利用哨兵 1号（Sentinel-1A）获取了双极化 C波段合成孔径雷达仪器的 S1地距产品（Ground Range Detected）数据集。在谷歌引擎（Google Earth Engine，GEE）平台上，利用Sentinel-1工具箱对SAR影像进行处理[9]，即应用轨道文件（使用恢复的轨道）、热噪声去除、辐射定标、地形校正以及条纹处理，该数据集已经是生成定标和正射校正后的产品，且每周更新一次。

在上升和下降轨道期间，Sentinel-1数据通过几种不同的仪器配置、分辨率、频段组合收集，并将数据转化到同质子集。在GEE中，Sentinel-1图像被处理成以分贝(dB)为单位的后向散射系数（ σ°）。后向散射系数表示每单位地面区域目标的后向散射面积。

辅助数据包括Sentinel-2数据，是一种宽幅、多光谱成像的高空间分辨率影像数据。Sentinel-2数据包含13个16字节光谱波段，如表1所示；同时，Sentinel-2数据还有3个QA频段，其中Q60是具有云遮罩信息的位掩模频段。在本研究中，2015年不透水面数据共用了517景SAR数据和1376景光学数据，2018年不透水面数据共用了522景SAR数据和2313景光学数据。

表1 Sentinel-2数据光谱信息表

1.3 数据处理原理与步骤

本数据集是利用多时相、升降轨的SAR数据和光学影像提取得到，技术路线如图2所示。该技术方法包括2个方面内容：一是对GEE多时相升降轨SAR数据进行后向散射处理和逆运算获取原始的后向散射系数 σ°：

式中x为GEE下Sentinel-1影像的初始像元值；二是基于像素，通过分析获取SAR数据的图像纹理特征，对其进行阈值分割，并利用光学影像和数字高程模型（Digital Elevation Model，DEM）数据掩模细化进行不透水面自动提取。

图2 技术路线图

在进行第一方面数据处理时，首先获取多时相升降轨Sentinel-1A GRD（多视处理后的地距产品）数据，经过处理得到SAR数据的后向散射系数，并对其进行均值处理，以便解决山区和城市区域阴影或叠掩对不透水面提取的影响；通过均值处理将多时相升降轨SAR影像融合为单个影像图层并获取平均后的参数文件。

在进行第二方面数据处理时，根据平均后的SAR强度影像和相关参数获得相应的纹理特征，通过分析强度特征获得潜在的不透水面分布图；在分析SAR图像及其纹理特征的基础上，对海南岛光学指数和均值滤波后的SAR数据的后向散射系数进行直方图统计，利用“双峰法”估计最优阈值，并且通过在本地处理上的反复试验后获取最优分割阈值，利用不透水面快速提取算法，在GEE平台上得到不透水面分布数据。图3是通过分析SAR图像后向散射系数获取最优阈值的示意图。

图3 双峰法计算出的直方图

为减少山区阴影和叠掩对不透水面提取的影响，本数据集采用30 m空间分辨率的SRTM产品，利用坡度属性进行解决。同时，我们还会采用Sentinel-2光学影像生成的NDVI _max指数对低密度不透水面区域进行精细提取。NDVI_ max指数是对同一像元内每景影像计算得到的植被覆盖指数的最大值。海南岛植被掩模阈值选取如图4所示。

图4 植被分离阈值选取图

2 数据样本描述

海南岛不透水面分布结果如图5所示。本数据集为海南岛不透水面数据，数据集影像的空间分辨率为10 m，TIFF格式，所有数据的坐标系为WGS1984。

图5 2015-2018年共2期海南岛不透水面分布图

3 数据质量控制和评估

对海南岛分类结果进行精度验证，建立混淆矩阵，根据10 000个随机选择的参考点，对分类的准确性进行定量评估，准确性计算方法为混淆矩阵中对角线元素之和与总数之比[10]。通常，Kappa系数达到0.6表示分类的质量良好。通过计算，海南岛的总体准确性高于90%，Kappa系数高于0.81，如表2和表3所示。由此表明，海南岛的提取结果良好，精度较高。

表2 2015年海南岛不透水面分布数据精度验证结果

表3 2018年海南岛不透水面分布数据精度验证结果

透水面 不透水面 总计 UA(%)总计 5299 4701 10 000 PA(%) 88.992 92 93.95873总体精度OA Kappa系数OK 91.33%0.8266

每期数据随机选取70个block区域，利用Google Earth历年影像统计每个block区域2010年、2015年和2018年的不透水面面积，分别与本数据集，GlobalLand30产品，globe urban2015产品和GHSL产品的提取结果建立线性回归方程，如图6所示。通过比较发现，本数据集的提取结果精度更高。

图6 不同数据与Google Earth线性回归方程图

对分类结果细节图进行比较发现，本数据集的提取结果能够直观、清晰地展现出城市的内部结构以及建筑分布方式。与本数据集相比，GlobalLand30产品结果较为聚合，无法体现不透水面内部结构的细节；urban2015产品未能提取出低密度区域的不透水面，并且在城市周边出现矩形边界；GHSL产品对低密度不透水面区域的提取效果较差，最终提取结果出现漏估现象。如图7所示。

图7 提取结果与GlobalLand30产品、urban2015产品细节对比图

我们对2期数据进行了对比，可以明显地看到城市不透水面范围的变化，通过对变化范围的分析，我们能够了解到城市发展的进程。以海口美兰国际机场为例，如图8所示。

图8 海口美兰国际机场2015年和2018年结果对比图

4 数据价值

本文基于GEE云计算平台，利用多时相和升降轨Sentinel-1 SAR数据和Sentinel-2A光学影像，采用不透水面快速提取方法获取了高准确性的不透水面数据集。

城市不透水面是城市化进程的评价指标，也是监测环境变化和生态系统的必要指标。城市不透水面会影响城市水循环、水体质量、地表径流、气候等生态环境要素，对分析评价城市地区的气候、环境、水循环等具有重要意义，被广泛应用在城市综合评估过程中。不透水面数据集不仅有助于城市环境的管理，对城市的未来规划也有很大的指导作用。

5 数据使用方法和建议

海南岛城市不透水面数据集保存为TIFF格式，ArcGIS、ENVI、ERDAS等常用的GIS与遥感软件可支持该数据的读取和操作。