遥感技术在城市环境状况综合评价中的研究外文翻译资料

 2022-02-27 21:51:47

英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料

摘要：人口的快速增长和城市建筑面积的扩大，导致了自然景观向不透水面的转化。基于遥感的防渗地表面积(ISA)的预测已成为评估城市水资源枯竭的重要指标，并发展了土地利用变化与其关于在城市水文潜在影响之间的相关性。在当下的研究中，一个基于遥感的不透水表面积(ISA)被新的Okhla工业发展管理局(NOIDA)所用，这个城市是印度发展最快的城市之一。在多时项的Landsat影像数据中，利用lsma技术来追踪观测不透水表面面积的增长速率，计算了NOIDA在2001、2007和2014年的防渗表面积(ISA)。 用监测防渗表面生长速率的ctral混合分析(LSMA)技术通过对多时相卫星图像的分析结果表明，ISA的在短时间内扩大迅速。 在这个城市里。2001年观察到的ISA为28平方公里；2007年增加了48平方公里，2014年增加了132平方公里。通过使用卫星dat观测了这项工作的结果。 这对于水资源管理、规划和预报ISA对水文的影响具有重要意义。

关键词 城镇化 不透水表面积 Landsat 国家首都区域 NOIDA

背景介绍

发展中国家日益增长的人口及其向城市地区迁移是主要的环境问题，到2050年，世界上约70%的人口将生活在城镇地区。

城市化进程是不可阻挡的，但另一方面，城市化无计划、不科学发展的影响也不容忽视，因为它对城镇环境和自然资源造成了严重的影响。数字卫星数据、空间信息和计算机辅助测绘技术的应用已成为现代地球与环境监测的一个关键因素。不仅是收集数据，更重要的是，还将管理、索引和交互操作这些信息，为用户提供不同规模和时间跨度的信息、 国家决策与环境管理。

在过去20年里，世界人口急剧增加，出现了新的特大城市，现有的城市人口越来越密集。新巨城的快速生长 和城市人口使城市更容易受到环境和经济转型的影响，特别是对城市和郊区气温、生态环境和水资源的影响越来越大。 最严重的是，影响自然土地利用变成了不透水的表面。

城市化给当地和区域环境带来了广泛的环境挑战，因为它直接影响到水文循环以及生态环境和城市的水文系统的物理变化(Fletcher等人)。2013年；Jacobson，2011年)。城市防渗面的上升趋势、地表径流率高和局部气候是影响城市流域水文变化的主要因素。

不透水面积的增加是城市化的结果，对水文循环有着重要的影响，而城市的水文地质学是造成高径流量和高通量的主要原因。 (Shuster et al. 2005).

市区的防渗表面主要是人为建筑，例如道路、人行道、停车场、车道、住宅区和铺好的街市等。 覆盖着无法穿透的材料，如沥青，混凝土，砖头，屋顶，甚至土壤，这些都是密实的，表现为不透水的表面。防渗表面的发展被认为是一种环境变化指标和重要的投入水文循环模拟参数 (Zhanget al. 2007)。众所周知，城市化会对城市水文产生重大影响，这是因为透水表面变成不透水表面，从而减少了自然补给现象。研究表明，城市地区LULC的变化和防渗面的增加对城市水文设施和城市水资源(如红色)有很大的负面影响。 地下水补给与基流、地表径流、雨水问题、城市洪水、城市热岛开发与生态环境问题。(Braud et al. 2013; Kikon et al. 2016)

近年来，研究人员利用数字图像分析技术对城市防渗面的变化进行了识别和监测的大量研究。使用多时相陆地卫星,利用光谱分解法提取和评价中国珠江三角洲防渗表面的图像 。他们在工作中得出的结论是，多时相卫星图像是一个非常有用的不透水面积估算数据库，可用于城市地区的水管理。

基于卫星的技术已经显示出其在绘制城市地区地图和为未来城市规划和增长评估建立空间数据库方面的潜力。遥感技术提供了涵盖大面积的空间一致性数据集，具有较高的空间和时间分辨率，以及一致的历史时间序列数据，用于城市变化分析。城市化与环境变化有紧密的关系，如不透水面和城市热岛(UHI)的增加，以及由此造成的地下水耗竭。(Singh et al. 2012).

城市流域防渗面积的增加趋势是土地利用变化的重要环境和社会经济指标。城市及其周边地区正以极快的速度增长，并且是影响城市生态系统水文循环的城市防渗面生长的主要来源。同时，大量的研究也在进行中。 在全球范围内使用多时相卫星数据估计和监测ISA的变化。(Srinivasanet al. 2013).

最近，Rai和Saha(2015)和Kikon等人致力于利用遥感和实地数据研究城市化和对国家首都地区自然资源和环境的影响 ，他们得出结论，突如其来的短期增长对国家首都地区的自然资源和环境有很大的负面影响。

项工作的主要目的，是利用多时相卫星影像及资讯科技，评估都市化及自然土地覆被转为城市建成区的影响，对城市水文水资源可能产生的影响分析。

城市地理格局

新俄克拉荷马州工业发展局(NOIDA)是印度首都国家首都地区(NCR)的重要工业机构之一。NOIDA市位于高塔姆B区 北方邦的UH 区。本工作的研究范围包括总面积约203平方公里，位于地理经度77，180东经至77，300东经之间。 北纬28，240度至28，370度(图1)。西面和西南边是亚穆纳河，北边和西北边是德里市，东北边是德里市和加齐卜市。 在安登河的东北、东和东南。诺伊达一年中的大部分时间都是炎热潮湿的气候。夏季，即3月至6月，天气依然炎热，温度也很高。 最高为48厘米，最低为28度。季风在6月中旬至9月中旬期间普遍存在，平均降雨量为93.2厘米(36.7英寸)，但有时还会频繁下大雨。 洪涝和气温约为4°，处于冬季高峰。平均降雨量为792 mm。

该城市一般地势平坦，由东北向西南逐渐坡度在0.2至0.1之间。最高海拔在北半球Karthala Hanaper村附近的MSL上方204米。 在西南地区的格里村附近，最低海拔为195米。诺伊达位于其周边地区的最低点，其总体水平为： A低于亚穆纳河的高洪水水位。诺伊达于1976年4月17日成立行政机关。这座城市是根据北方邦工业区发展法案创建的。它有 他的人均收入在全国最高，人口密度很高，约为每平方公里2463人。住宅用地的实际开发超过了2011年的预期， e过去十年人口的高增长率反映了这一情况。诺伊达占全国国内生产总值(NDP)的近4.8%，主要是因为它靠近德里一号， 这个国家主要的经济活动中心。该地区人均收入为2.1万美元，是全国平均水平最高的地区之一，几乎比全国平均水平高出22%。所有这些都使诺伊达的发展无形中对水资源等自然资源造成压力。

诺伊达市位于印度中部亚穆纳河和欣登两条重要河流系统的交汇处，这两条河流都是该地区水资源的生命线，构成印度支那平原潜在含水层系统。

数据设置

为了评估ISA，LANDSAT-5、Landsat-7 ETM的三幅图像，使用了NOIDA于2001年10月25日、2007年1月26日和2014年9月9日获得的Landsat-8(PATH/Row/146/40)。数据采集具有清晰的大气条件，图像是通过美国地质勘探局地球资源观测系统数据中心获取的。影像被进一步重新投影到共同的UTM投影区43北半球。陆地卫星图像经过辐射校正；然而，为了计算辐射值，校正已经完成。辐射图像用于提取土壤、高反照率、低反照率和植被分数等末端构件。高反照率和低反照率之间的差异反映出了从城市地区发出的辐射。本工作所用数据的详细情况见表1。

方法

城市是一个由非均质物质组成的复杂生态系统，其中还存在一些共性成分。Ridd(1995)将城市生态系统分为三大类。 防渗表面材料，绿色植被和暴露的土壤，而忽视水面(徐，2007年)。非均质材料包括混凝土，沥青，金属，塑料，土壤覆盖， 建筑物，公路和道路。

有些材料形成了与图像不同的各种特征，而另一些，如树木、个别建筑和其他城市特征，由于“公安条例”而无法识别。 传感器的空间分辨率。这导致了混合像素值问题，其中一个像素包含多个土地利用类，而不是一个单一的土地利用类(Lu等人)。(2008年b)。这种混合 土地利用问题对传统的遥感分类器提出了严峻的挑战，因为传统的遥感分类器无法处理复杂的城市景观。准确地检查变化 在防渗面采用V-I-S模型。V-I-S模型将图像中的每个像素看作是三种类型的土地覆盖的混合物：植被(V)，不透水。 S表面(I)和土壤(S)(脊，1995年)。为了推断城市防渗面的总面积，必须首先求出各像素中防渗面的比例，并求出线性谱m。

本文采用ENVI图像处理软件对卫星图像进行数字图像处理，用于2001、2007和2014年防渗表面面积的评估。 诺伊达城。详细说明了卫星图像处理和重要产品生成的应用方法，并给出了流程图。(Fig. 2).

NDWI的创建与水掩蔽

从过去的研究和对重要研究工作的回顾来看，mnf变换更适合于创建水域掩膜或从Landsat TM映像中减去水域。 ES由于水很难从低反照率的末端分离出来，这可能会影响最终构件的分解结果。归一化差水指数(NdWI)是一种卫星衍生指数近红外(NIR)和短波红外通道，是一种较好的植被液态水指标，灵敏度较低。从nwdi观测到的结果被用于掩蔽水域，包括三个步骤来计算ndWI，确定阈值水平，然后对所有图像掩蔽水域。

LANDSAT热波段的放射率估计

基于Markham and Barker (1986).的建议，Landsat数码影像将被改为普通的额外的大气放射系数

其中LK为单元值，QCAL数字数，LMINk光谱辐射尺度为QCALMIN，LMAXk光谱辐射尺度为QCALMAX，QCALMIN为最小量化像素值(典型)。 Ly=1和QCALMAX是最大量化校正像素值(通常为225)。

数据选择

如Wu(2004)所建议的，大地卫星的光谱带被归一化，然后利用最小噪声分数(MNF)变换成正交子集。MNF变换 确定图像数据的固有维数，以分离和均衡数据中的噪声，并根据其他计算要求降低噪声。这一转变产生了一个阴谋。 在最后的六个特征值和相干特征图中，大部分的空间相关值都是在低阶MNF分量中发现的。下一步是确定 基于可用谱库和纯像素指数(PPI)的区域识别方法(Boardman et al. 1995).

LSMA的终端成员是通过绘制Nd可视化器中的低阶mnf组件的纯像素子集来选择的，这是一种用于定位、识别和聚类最极端的交互工具。 数据集的谱响应(ENVI，2000年)。

一旦被确定为绿色植被、低反照率、高反照率和土壤端部，像素将被期望线性谱分解算法应用于低阶特征的mnf逆变换。 图片。用约束选项将四个端元模型转化为端元数，使输出和统一。将末端成员图像放入吴和穆尔的公式中

光谱混合分析(Sma)用于确定像素内的不渗透表面积，并用于将混合光谱建模为“纯”土地覆被类型的光谱组合。 最终成员(Roberts等人)1998年；Lu等人。(2008年b)。利用最小噪声分数(MNF)变换将陆地卫星反射数据转换为正交子集(Green等)。(1988年)，a MNF通过白化噪声和标准主成分来确定数据中的固有维数和分离噪声。

通过绘制N维可视化器中低阶mnf分量的纯像素子集，选择lsma的端点成员，在数据集和分布图中采集极端谱像素。 变换反射率用于四分量混合模型的三维数据特征空间和所有陆地卫星图像的最终成员谱非常相似；一旦识别为v。 利用低阶特征值图像的逆MNF变换，将水体或低反照率面、高反照率面、末端构件输出到线性谱分解算法中。

在MNF变换中，利用相干部分将噪声从数据中分离出来，从而提高了光谱处理输出。以前的研究表明，MNF转化的使用 N可以提高分数图像的质量。 (Van Der Meer and De Jong 2000; Small

2001; Lu et al. 2002; Wu and Murray 2003; Lu et al.2008a).

线性谱混合分析

线性谱混合模型在城市混合像素分析中得到了广泛的应用。一般来说，在城市地区，一个像素有各种各样的土地使用实践。在线性谱模型中，spe 使用加权因子，假定一个像素的ctral签名与它们的比例成线性组合，并生成一组表示每个分量丰度的地图。(Deng et al.2012）

从混合像素签名中提取光谱特征的全约束LSMA方法需要两个条件：(1)和一约束和(2)非负约束。线性 光谱混合分析(LSMA)是基于图像处理的物理方法，它假定传感器测量的光谱是所有分量的光谱的线性组合。 像素(Adams等人)1995年；Roberts等人。(1998年)。线性光谱混合模型使用ETM的两到六个端成员描述了图像中每个像素的表面成分。图像，每一个e ND成员代表一种纯粹的土地覆盖类型。线性光谱混频模型表示为：其中RJ是ETM中各波段和j的反射率？图像，N是终端成员的数目，FI是 端点I的分数，Rij是J带中端成员I的反射率，EJ是未建模的残差。模型适应度通常由剩余项EJ或rms对所有im进行评估。

在FI约束条件下，应用最小二乘法求出各端构件的分数，使未成形残差EJ最小。残差图像的估计 LSMA包括三个步骤，即图像处理、端元选择和解混合解，以及分数图像的评价。最终成员的选择必须遵循以下条件 ：(1)终端成员必须相互独立，(2)终端成员的数目应小于或等于所使用的光谱频带数，(3)选定的光谱频带数目应小于或等于所使用的谱带数。 不是高度相关的(陆。等人(2004年)。图像端成员是最适合的，因为它们容易获得并且能够表示在相同的图像数据尺度上测量的光谱。我 年龄结束成员来自图像特征空间的极值，其假设是它们代表图像中最纯净的像素(Mustard and Sun 1999；Robert等人)。(1998年)。

防渗表面积(ISA)估算

The end-mEQ中给出的公式。8和9由Wu和Murray(2003)提出，用于评估本研究的防渗表面面积。

通过求解高反照率、低反照率、植被和土壤覆盖等完全约束的四端元线性混合模型，计算了余烬组分。植被分数图

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[434510]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

发小红书推广免费获取该资料资格。点击链接进入获取推广文案即可： Ai一键组稿 | 降AI率 | 降重复率 | 论文一键排版

您可能感兴趣的文章