（一）典型区选择与城市环境遥感检测指标体系

以北京为例，来简单分析智慧城市环境建设。北京市是我国的政治文化中心、国际交流中心和知识经济发展的重要基地。北京市自1978年以来发展速度很快，不仅表现在城市规模、交通网络以及基础设施的建设上，还表现在人们的生活水平、城市的国际地位等各个方面。由于快速的城市化发展，北京市的城市环境污染、生态质量等是当今政策部门、国内外关注的重要问题。

利用遥感卫星各传感器的光谱特征和地物反射特征，反映城市生态环境问题，提出改善城市生态环境问题的措施，是城市环境遥感监测的研究核心。北京市生态环境遥感监测指标体系以潜在的城市生态环境问题为基准，结合了当前城市环境遥感的热点和前沿，如表7-1所示。

表7-1　北京市生态环境遥感监测指标体系

（二）北京市土地利用与格局变化遥感检测

1.数据源

数据资源以1979年以来美国陆地资源卫星数据为主，MSS轨道号为133/32，TM轨道号为123/32。影像时相分别为1979年5月21日（MSS）、1989年4月25日（TM）、1995年4月9日（TM）和2007年5月28日（TM）。

2.技术路线与方法

北京市土地利用遥感监测技术路线如图7-2所示，其研究思路大致分为如下阶段：①数据预处理，包括几何精校正、大气辐射校正、波段融合、波段比值等；②土地利用信息提取，提取方法包括监督分类、目视解译、实地校正等；③根据土地利用提取结果开展城市土地空间规模与布局评价。下面分阶段阐述北京市土地利用遥感监测具体的研究方法。

图7-2　北京市土地利用遥感检测技术路线

（1）数据预处理

几何精校正：利用不同时相的遥感数据监测城市土地的动态变化，取决于遥感数据的高精度几何配准。例如，运用ERDAS软 件，采 用1∶50000地形图进行几何精校正，校正步骤如图7-3所示。首 先 参 考1∶50000数 字栅格地图（Digital Raster Graphic，DRG），根据多项式模型选择地面控制点，并将所选的地面控制点和参考点存为GCC（GNU Compiler Collection）文件。将遥感数据、控制点文件、1∶50000DEM（Digital Elevation Model）导入Landsat几何校正模型中，待校正控制点选择完毕后，采用双线性插值法对图像进行重采样，设置输出文件，并设置输出分辨率为30m。校正后的不同时相的TM遥感影像数据的几何误差约为一个像元，可保证本次试验的进行。

大气辐射校正：可分为两种情况，①不同年度遥感数据的大气辐射校正（纵向校正），②同一年度同一数据中不同像元大气辐射校正（横向校正）。本项研究基于同一遥感影像图上不同土地利用之间的分类，因此属于第二种情况。如果将所有像元按受散射影响较小像元的大气辐射影像误差进行校正，则可获取本次研究需要的结果；由于大气散射影响主要发生在短波段图像（可见光遥感中以蓝、绿波段最甚），随波长增长，散射作用逐渐减弱，因此可以把红外图像当作无散射影响的标准图像，将其他波段图像与之相比较，其差值便是需校正的散射辐射值。研究中以TM第7红外波段影像作为无散射影响的标准图像，在待进行大气散射校正的可见光波段图像上找出最黑的影像，如高山阴影或其他暗黑色地物目标，然后把对应的红外波段图像的同一地物目标找出来，分别取出两者的灰度值数据进行比较分析。通过选取一定量的离散点灰度值，可以拟合其回归直线，即：

图7-3　几何精校正流程

以最小二乘法做直线拟合分析可得到常数a和b：

方程式中，n是地物目标像元点数，x和y是标准图像和待校正图像上所选取的地物目标像元灰度平均值。求出a、b后，回归方程式也就确定了，即可通过减去常数a得出消去散射影响的校正影像。

波段融合：Landsat TM5、4、3波段组合配以红、绿、蓝色生成假彩色合成图像。这种组合的合成图像不仅类似于自然色，较为符合人们的视觉习惯（水体为蓝色、林地为绿色），而且由于信息量丰富，能充分显示各种第5影像特征的差别。对于城市监测而言，这种组合有利于城镇用地、农业用地、林地、水体等地物的区分，有利于陆地、水体边界的确定。在图像的监督分类过程中，这种组合有利于训练场地的选取，提高土地覆盖自动识别技术，增强分类的准确性。另外TM4、3、2，MSS5、4、6波段组合配以红、绿、蓝色生成假彩色图像，也常用于植被、农作物、土地利用和湿地方面的研究。

本项研究将各年份的MSS5、4、6波段组合，TM5、4、3波段组合，TM4、3、2波段组合作为土地监督分类的数据源。

（2）土地利用信息提取

信息提取范围与土地分类：本项研究以北京市五环路为城市土地利用信息提取范围。土地分类按照广义概念进行划分，划分标准见表7-2。

土地利用信息提取方法：Landsat TM共有7个波段，MSS共有4个波段，不同地物对不同波段存在不同的响应。某些地物在特定的波段上响应明显，利于空间信息的提取，而某些地物在所有波段上响应都不是很明显，此时就不利于空间信息的提取。通过TM数据的观察试验发现，水体在第5波段的响应明显，因此可利用第5波段数据直接提取水体。而其他土地利用信息提取则可采用监督分类法、植被指数分类法、目视解译法等。本研究在Erdas Imagine 9.1平台支持下，利用TM5、4、3，MSS5、4、6波段融合数据，采用最大似然监督分类法，获得初步的北京市土地利用分类数据。

表7-2　北京市五环内土地分类标准

续表

（3）北京市土地空间规模与布局评价

城市化的土地矛盾主要是城市建设用地和城市生态用地之间的博弈，因此本次研究以建设用地和生态用地两大类土地为研究对象，利用多年土地利用信息提取结果，对其规模和空间分布特征进行动态评估。

3.结果分析

（1）北京城市建设用地规模与格局变化

基于MSS和TM的北京市五环内土地利用信息提取结果见表7-3。从表中可以看出，北京市城市建设用地逐年增加，使得生态用地的规模逐年减小。北京市五环内城市建设用地从1979年的179.4km2增加到2007年的560.7km2，平均每年增加13.6km2，28年间相当于新建了两个北京城。从增长的速度看，改革开放的头10年间，城市建设用地增长较快，达到12.7km2/a；1989～1995年城市建设用地增长稍微放缓，为11.5km2/a；1995～2007年城市建设用地得到迅猛发展，年均增长达到15.4km2。

表7-3　北京市五环内土地利用统计

从增长的分布格局来看，北京市建设用地空间增长呈现为以北京故宫为中心，呈“圆饼式”环形向外扩展态势（见图7-4）。在1979年，二环构成了北京市中心城区范围，二环至三环为城乡接合部。在接下来的10年间，二环南部发展较为缓慢，但西部、东部长安街沿线以及北部区域得到迅猛发展，部分建城区扩展到四环，到1989年北京市建设用地呈现以三环为中心城区，三环至四环为城乡接合部的空间分布特征。1989年至1995年间，二环东部继续扩张，同时东南方向也得到快速发展，部分区域扩展到五环。在随后的十几年间，北京市西部、南部、西北、西南等方向得到均衡发展，到2007年为止形成以二、三、四、五环为城市中心城区，五环至六环为城乡接合部的北京市城区空间分布特征。

图7-4　1979～2007年北京市建设用地扩张态势

（2）北京市生态用地规模与布局变化

1979～2007年，北京市五环内生态用地各组成信息提取结果见表7-4。从表中可以看出，从1979年至2007年，北京市五环内耕地、水体在不断地减少，耕地减少的幅度最大。28年间，耕地减少了391.3km2，减少比例为95.2%。耕地占五环总面积的百分比从1979年的61.6%下降到2007年的3.0%。值得注意的是，绿地的面积呈逐渐增加的趋势，这主要源于城市建设扩建带来的城市公共绿地的增加。

表7-4　北京市五环内生态用地组分统计表

（三）北京市水体污染遥感监测

1.数据源

波谱测量结果表明，清水反射率高峰波长范围为0.43～0.64µm，浑水反射率高峰波长范围为0.58～0.79µm，由此可见TM影像1～4波段对水质比较敏感。本试验选择2007年5月28日TM数据作为北京市区水体监测的数据源，利用TM影像的3、4波段来分析北京市区水质。

2.技术理论与方法

本研究利用比值植被指数来监测和划分水体污染程度，划分的标准见表7-5。

表7-5　基于TM水体污染程度的划分标准

3.结果分析

北京市六环内水质监测结果见表7-6和表7-7。从表中可以看出，2007年5月25日，北京市六环内各地表水水体的水质以轻污染和无污染为主，两者合计约占地表水总面积的89.0%；中等污染和重污染水体仅占六环内地表水总面积的11.0%。六环内景观娱乐用水基本无污染或很轻微污染。大部分小的流动性的河流受到轻度污染。中度污染和重度污染水体主要分布在五环至六环之间，且主要是一些非流动性的坑塘。

表7-6　2007年5月25日北京市水质监测统计表

表7-7　北京市六环内主要地表水水质监测结果(www.daowen.com)

续表

综上所述，北京市水质遥感监测结果表明，六环内北京市地表水水质总体比较良好。但局部坑塘污染比较严重，对周围居民生活环境产生了不良影响，要注意对非流动性坑塘的治理。

（四）北京市大气污染遥感监测

1.数据源

本文采用2003年5月25日的Landsat 7 ETM影像作为北京市大气污染遥感监测数据源。其基本参数如下：

开始时间（UTC时间）：2003-05-25，05：10：21；

太阳方位角：129.450 439 5°；

太阳高度角：62.966 072 1°；

中心纬度：40.315 20°N；

中心经度：116.628 00°E。

根据天气历史记录查得：数据接收时间段内，北京市天气晴朗，气温为30℃，湿度为45%，能见度为6km，偏南风，风速为5～6m/s。

2.技术理论与方法

（1）基本理论

气溶胶是大气污染遥感监测的重要指示因子，它是指悬浮在地球大气中，具有一定稳定性，沉降速度小，尺度范围在10-3µm～102µm之间的分子团、液态或固态粒子所组成的混合物。大气气溶胶粒子不仅使大气能见度降低，还对太阳光的散射、太阳光辐射的减弱、大气温度的变化、大气污染的形成等物理过程有影响，而且由于其粒径小、表面积大，为大气环境化学提供了反应床，从而影响大气的种种化学作用。气溶胶表面的化学反应不但影响大气微量气体的生成、消失或转化，而且影响温室气体的变化，因此可反映局部大气环境质量。高分辨率的卫星影像不仅包含土地覆盖和植被等环境信息，而且还包含很丰富的对流层大气污染信息。气溶胶光学厚度AOT（Aerosol Optical Thickness）可作为城市大气污染密度和空间反应的指示因子。

本研究用ENVI-FLAASH模块来定量计算北京市大气气溶胶光学厚度空间分布。FLAASH是ENVI中的大气校正模块，其理论为应用MODTRAN4辐射传输模型有效地去除水蒸气或气溶胶散射效应。本研究将ENVI-FLAASH模块校正后的数据作为参考影像，将原始影像作为评价影像，通过对比两个影像反射率标准方差来评估北京市大气气溶胶光学厚度及其空间分布特征。

（2）基于ENVI-FLAASH模型的气溶胶计算思路与方法

基于ENVI-FLAASH模型的气溶胶计算技术路线如图7-5所示。

第1步：计算ETM1、2、3、4、5、7波段传感器光谱辐射值。

图7-5　基于ENVI-FLAASH模型的气熔胶计算技术路线

式中，Li为传感器光谱辐射值，单位为mW／（cm2·ster·µm）；Lmax为第i波段可探得的最高辐射值，单位为mW/（cm2·ster·µm）；DN为 第Z波 段可探得的最低辐射值，单位为mW／（cm2·ster·µm）；DN为第i波段像素值。（图7-5）

Lmax和Lmin数值可 通过TM的头文件获取或者从元数据MTL文件中获取。ENVI系统中的Calibration Utilities可直接将ETM的DN值转换为辐射亮度值。

第2步：波段融合与格式转换。将ETM1、2、3、4、5、7波段的辐射亮度值，融合为一个包含多波段的单一文件。由于ENVI-FLAASH模块要求输入的数据格式为BIL或者BIP，因此需将融合的多波段BSQ文件转换为BIL或者BIP文件。另外由于ENVI- FLAASH模块输入文件要求具有波长信息，因此需对转换后形成的BIL或者BIP文件进行头文件的编辑。

第3步：ENVI-FLAASH模型参数设置。FLAASH模型需要设置以下参数：卫星过境时间（年、月、日和格林尼治时间）、中心经纬度、传感器高度、地面高程、太阳方位角。这些参数可通过头文件得到。另外，FLAASH模型需要选择大气模式、气溶胶模式以及气溶胶计算方法。FLAASH模型提供了6种大气模式，分别是Sub-Arctic Winter（SAW）、Mid-Latitude Winter（MLW）、U.S.Standard（US）、Sub-Arctic Summer（SAS）、Mid-Latitude Summer（MLS）、Tropical（T）。可根据纬度和成像季节，对照表7-8查找对应的大气模型。对于北京地区5月份来说，应选择SAS模式。

表7-8　FLAASH大气模式选择对照表

FLAASH模型提供了4种标准MODTRAN气溶胶模型：Rural（乡村）、Urban（城市）、Maritime（海洋）、Tropospheric（对流层，能见度在40km以上）。根据要计算的气溶胶对象选择相应的模式。本研究选择城市模式。

第4步：计算原始影像第1波段的表观反射率。

式中，ρ为表观反射率；Li为某波段的传感器的光谱辐射值；ESUNI为大气顶层的太阳平均光谱辐射，即大气顶层太阳辐射照度，太阳辐射照度可从遥感权威单位定期测定并公布的信息中获取（见表7-9）；θ为太阳天顶角（单位为弧度），太阳天顶角=90°-太阳高度角，太阳高度角可以从遥感数据的头文件中获得；d为日地天文单位距离，计算公式为：

式中，JD为遥感成像的儒略日（Juljan Day）。公历与儒略日的换算公式为JD=int[365.25×（Y+4716）]+int[30.6001×（M+1）]+D+B-1524.5。Y代表年份，M代表月份，D代表日期。若M＞2，Y和M不变；若M=1或2，则以M+12代替M，以Y-1代替Y。对于格里高利历有A=int（Y/100），B=2-A+int（A/4）。对于儒略历，B=0。

表7-9　太阳辐射照度查询表

第5步：气溶胶光学厚度计算。分别计算校正效果最好的某波段原始影像反射率和校正后反射率的标准偏差。两个影像气溶胶光学厚度差与反射率标准方差存在如下关系：

式中，为两幅影像的气溶胶光学厚度差，为校正后影像的气溶胶光学厚度，，为原始影像的气溶胶光学厚度，θ为影像的卫星观测角，为校正后影像单元的地表反射率标准方差，为原始影像单元的表观反射率标准方差。

校正后的数据为去除了气溶胶的影像，因此校正后影像的气溶胶光学厚度可假设为0，即=0，由此可知原始影像的气溶胶光学厚度：

为了计算反射率的标准方差，需要将影像划分为10×10像元大小。这样的“超像元”具有以下特点：地面上的超像元光谱响应随空间变化，但不随时间发生变化；在超像元内，大气组成可以认为随时间变化，而不随空间发生变化。因此万可以认为是由地面光谱变化造成的。此外，超像元足以包含地面上大量的可见建筑物，可同时兼顾超像元内部气体的各向同性特征。

3.结果分析

（1）FLAASH大气校正前后效果对比

本研究以2003年5月25日ETM影像为例，校正前后的对比效果见表7-10。从表中可以看出，经FLAASH大气校正去除大气气溶胶散射后的影中地物轮廓更加清晰。通过ETM1、2、3、4、5、7波段对比发现，第1波段大气校正效果最好，因此第1波段校正前后的反射率为计算大气气溶胶最理想的数据。

表7-10为2003年5月25日ETM影像FLAASH大气校正前后的对比效果。

表7-10　前后对比效果

（2）大气气溶胶计算结果

根据Landsat7ETM第1波段（蓝光波段）数据，计算 得 到的2003年5月25日北京地区气溶胶光学厚度空间分布图。图7-6为气溶胶光学厚度计算结果的直方图分布，从图中可以看出当日的气溶胶光学厚度出现频度最高的值是0.82，主体范围为0.6～1.0（图7-6）。

光学厚度大小在空间上的差异对应着低对流层气溶胶浓度水平在空间上的差异，光学厚度值高的地方，说明气溶胶浓度较大，相应的污染也比较重。从图7-6中可以看出2003年5月25日北京市气溶胶光学厚度在空间上大体的分布情况：主城区气溶胶光学厚度大于郊区，平原气溶胶光学厚度大于山区。主城区的气溶胶光学厚度主要范围是0.7～1.2，昌平区南部和海淀区西北部气溶胶光学厚度比主城区其余地方相对要高，为1.0～1.2，其余区域的光学厚度主要范围为0.0～0.7。分区统计结果表明，各行政区气溶胶光学厚度平均值排序为海淀（0.919）＞宣武（0.885）＞朝阳（0.878）＞东城（0.875）＞西城（0.860）＞丰台（0.846）＞石景山（0.840）＞崇文（0.832）＞顺义（0.813）＞昌平（0.753）＞通州（0.752）＞大兴（0.695）＞平谷（0.646）＞怀柔（0.543）＞密云（0.541）＞房山（0.486）＞延庆（0.461）＞门头沟（0.393）。城8区气溶胶光学厚度平均值要显著高于市郊区，怀柔、密云、房山、延庆、门头沟这些山体较多的地方空气质量较好。

天气记录显示，影像成像时间内为东南偏东风，风速为14km/h。由此可知，城区大气污染物有从东往西，或者从东南往西北转移的趋势。气溶胶光学厚度的计算结果表明，城区西北角（海淀西北、昌平南部）大气气溶胶光学厚度较大，说明这一区域空气污染较为严重，这一结果与污染物的转移趋势是一致的。

图7-6　北京市大气柱内空气熔胶光学厚度的空间分布频率