全 文 ：第 33卷 第 3期 生 态 科 学 33(3): 568−573
2014 年 5 月 Ecological Science May 2014

收稿日期: 2013-06-18; 修订日期: 2013-12-15
基金项目: 2012 年度深圳市生态资源状况测算项目(0722-1261-FE445SZB); 2013 年度生态资源测算项目(SZZZ2013C0011); 大鹏新区生态文明示范区
建设规划(SZCG2013040569)
作者简介: 凡宸(1987—), 男,湖南人, 硕士, 从事生态环境规划、景观生态学研究, E-mail: 454215334@qq.com
*通信作者: 叶有华, 男, 博士(高级工程师), 从事生态环境规划、景观生态学研究, E-mail: yeyouhua1113@126.com

凡宸, 叶有华, 邓焕祥, 等. 基于 HJ-1-A/B 数据提取城市绿地信息的应用研究[J]. 生态科学, 2014, 33(3): 568−573.
FAN chen, YE Youhua, DENG Huanxiang, et al. Applied research of extraction of green space in Shenzhen with HJ-1-A,B data[J].
Ecological Science, 2014, 33(3): 568−573.

基于HJ-1-A/B 数据提取城市绿地信息的应用研究
凡宸 1,5, 叶有华 1,*, 邓焕祥 2 , 蓝蕾 2, 温文杰 2, 谭富建 2, 曾振 3, 肖韬 4,
黄涛 1, 翀黄展 1, 陈佩珊 5
1. 深圳市环境科学研究院, 深圳 518001
2. 龙华新区城市管理局, 深圳 518109
3. 深圳市城市规划设计研究院, 深圳 518001
4. 湖南大学环境科学与工程学院, 长沙 410012
5. 深圳市自由度环保科技有限公司, 深圳 518055

【摘要】 先通过几何矫正、配准、裁切等预处理获取深圳市辖区的 HJ-1-A/B 卫星 CCD2 数据, 再选取城市绿地、林地、
农用地等样本进行光谱特征分析, 并以深圳市基本生态控制线等数据作为辅助, 最后利用“决策树-监督”混合分类模
式提取深圳城市绿地信息。将分类结果与深圳市生态资源测算的城市绿地面积进行对比, 分析发现两类数据的 Pearson
相关系数值为 0.9997, 平均误差为 8.37%; 通过空间分布对比发现, 两类数据解译获取的结果基本一致。结果有利于提高
城市绿地信息的提取效率, 进而为降低区域生态环境动态监测的成本并提高监测的时间精度提供一定的借鉴。

关键词：CCD2 影像; 城市绿地; 决策树分类; 监督分类
doi:10.3969/j.issn. 1008-8873.2014.03.026 中图分类号：X-1 文献标识码：A 文章编号：1008-8873(2014)03-568-06
Applied research of extraction of green space in Shenzhen with HJ-1-A, B
data
FAN chen1,5, YE You-hua1,*, DENG Huanxiang2, LAN Lei2 ,WEN Wenjie2, ZENG Zhen3, XIAO Tao3, HUANG Tao1,
HUANG Zhanchong1, CHEN Peishan5
1. Shenzhen Academy of Environmental Science, Shenzhen 518001, China
2. Urban Management Bureau of Longhua District, Shenzhen 518109, China
3. Urban planning & Design Institute of Shenzhen, Shenzhen 518001, China
4. College of Environmental Science and Engineering, Hunan University, Changsha 410082, China
5. Degrees of Freedom environmental protection technology Ltd shenzhen, Shenzhen 518055, China
Abstract: Through pretreatments including geometric correction, registration and cutting, A, B satellite data of Shenzhen, spectral
characteristics were analyzed by samples of green space, forestland and farmland plots. Based on data of basic ecological line,
green space information of Shenzhen was extracted through a hybrid classification model of decision tree and supervised method.
The Pearson Correlations is 0.9997 between the classification results and those of ecological resource calculation program of
Shenzhen, and the average error is 8.37%. The spatial distribution results were almost the same on spatial distribution. These
3 期 凡宸, 等. 基于 HJ-1-A/B 数据提取城市绿地信息的应用研究 569
results of the study will be helpful to improve the efficiency of extracting green space information, and could provide a certain
reference for reducing the cost and raising time precision of regional eco-environmental dynamic monitoring.
Key words: CCD2 image; green space; decision-tree classification; supervised classification
1 前言
城市绿地是指在城市范围内, 通过栽植乔木、灌
木和草本植物, 布置配套设施, 所形成的具有一定功
能与用途的绿化区域[1–3]。城市绿地是影响城市生态
环境健康的重要因素之一, 对于城市生态系统的完
整性具有生态、环境以及社会等价值。然而快速的城
市化进程中, 无序的开发建设侵占大量的城市绿地,
破坏城市生态安全格局, 导致土地生态服务功能衰
退, 加速了城市生态环境质量的恶化[4–6], 这些不仅
制约城市的生态文明建设, 影响城市的可持续发展,
也降低城市居民的生活质量[7]。因此, 为了遏制城市
绿地退化的趋势, 必须加强对城市绿地的动态监测,
为城市建设的决策部门提供科学监管的重要抓手。
3S 技术作为获取、分析及处理空间信息的重要
手段和有力工具, 已广泛应用于生态环境动态监测
工作[8–9]。目前, 广泛应用于生态环境动态监测相关
研究的遥感影像主要为 Landsat TM/ETM、SPOT5
等, 这些遥感影像数据存在时间分辨率低, 价格昂
贵等问题, 因此不能满足高时间分辨率的生态环境
动态监测应用和研究[10–12]。我国的 HJ-1-A/B 卫星即
“环境与灾害监测预报小卫星星座”光学卫星, 可获
取高时间分辨率、中等空间分辨率的对地观测数据,
适用于区域的大、中尺度覆盖监测, 主要用于生态
环境动态监测等领域, 具有长期免费获取等优势,
因此尤为适合用地开发频率高的城市生态环境动态
监测等研究工作[13]。目前, 监督分类法和决策树分
类法是算法较为成熟、应用较为广泛的遥感影像分
类方法[14–15], 结合二者的特点和优势, 即在分层分
类中引入监督分类, 实现“嵌套融合”, 以期提高分
类精度的研究具有一定的意义。深圳市作为国家生
态园林城市, 具有丰富的城市绿地资源, 然而随着
城市化进程的推进, 深圳市人地矛盾变得日益尖锐,
如何加强城市绿地监管, 避免其被转换成其他用地
具有一定的研究意义和客观需求。基于上述背景,
本文拟利用 HJ-1 号 A/B 的 CCD2 数据, 采用决策树
分类法和监督分类分类法相结合的方法, 以深圳市
基本生态控制线作为辅助, 开展提取深圳市城市绿
地信息的研究。
2 研究区概括
深圳市地处我国广东省“珠三角”南部, 毗邻香
港 , 位于东经 113°46′至 114°37′, 北纬 22°27′至
22°52′, 属于亚热带海洋性季风气候, 是我国社会经
济及城市化最为发达的地区之一, 2012 年, 全市人
口 1054.74 万, 而面积仅 1953 km2, 土地资料匮乏,
根据深圳市生态资源测算结果, 2007-2012 年间, 深
圳市城市绿地总体呈下降趋势, 6 年内城市绿地面积
共减少 24.6 km2, 2012 年绿地面积为 188.65 km2, 占
城市总面积的 9.65%。
3 数据来源及分析处理
3.1 数据来源及预处理
(1) 数据来源: HJ① -1 号 A/B 卫星 CCD2 数据:
本研究的遥感影像数据为 HJ-1 号 A/B 卫星 CCD2
数据的二级产品, 数据获取于环境保护部卫星环境
应用中心网站(http://www.secmep.cn/secPortal/portal/
index.faces)。共 1 景影像, 采集时间为 2012 年 11 月
6, 空间分辨率是 30m, 四波段, 投影方式为 UTM,
大地基准面为 WGS_84。 GPS② 样点数据: 为辅助
遥感影像数据的识别及验证, 课题组携带 GPS 赴深
圳市主要绿地(罗湖区、大鹏区等)进行实地考察, 获
取了比较准确的样区地类特征资料和样点经纬度数
据。③深圳市生态控制线数据: 依照《深圳市基本
生态控制线管理规定》划定的深圳市基本生态控制
线, 深圳市基本生态控制线范围包括集中成片的基
本农田保护区、森林等植被覆盖区域, 可用于辅助
提取城市绿地信息。 2012④ 年深圳市生态资源测算
数据: 基于2012年6月份的2景SPOT影像数据(空间
分辨率是 2.5 m; 四波段; 空间参照系统: D_WGS_
1984)解译出的 2012 年深圳市生态资源测算数据,
可用于本研究结果精度的验证。
(2) 本研究的数据处理和分析工具: ENVI5.0: ①
用于样本光谱特征分析及影像解译; ArcMAP10.0: ②
用于影像配准等预处理以及空间分析; originlab8: ③
用于结果验证分析。
(3) 预处理过程包括: ①建立 GPS 样点数据集:
570 生 态 科 学 33 卷
利用 ArcMAP10.0 创建深圳市城市绿地样点数据集,
将实地考察采集的 GPS 样点数据矢量化, 并将样点
相关信息录入到数据属性表中, 便于查询和数据分
类中使用; ②影像配准及裁切: 考虑到采用SPOT数据
结果进行验证对比等原因, 统一以 2012 年深圳市
SPOT 影像数据(空间参照系统: D_WGS_1984)为基准
图, 利用 ArcMAP 的 Georeferencing 工具对 CCD2 数
据进行配准, 并基于深圳市矢量边界数据精确裁剪出
深圳市范围的CCD2 数据, 图 1 为CCD2 (B243)影像。
3.2 深圳市绿地信息提取
城市绿地信息的提取工作主要涉及城市绿地与
非城市绿地的区分, 非城市绿地主要包括非生态用
地与林地、农用地等生态用地, 其中城市绿地与林
地、农用地之间的区分是影响提取信息精度的关键
与难点, 因此将其作为地类光谱分析的重点。
3.2.1 样本选取
参考《深圳市生态资源测算技术规范》(试行)
的土地利用分类方法, 初步确定遥感影像数据分类
主要分为: 城市绿地、林地、农用地和非植被等主
要类别, 并遵循取点要具有代表性的原则, 通过实
地进行考察选取深圳市选取城市绿地等样点。
3.2.2 样本光谱特征分析
通过光谱特征分析辅助区分样点地物, 以便
选取最优波段组合方式进行用地分类。本研究的
光谱特征分析如下: (1)结合实地考察采集的照片
与遥感影像上各类地物的对应关系, 能够有效提
高样本数据的选取精度, 遥感影像的各类地物和
实地照片对比如图 2 所示; (2)通过 ENVI 的 MNF
变换降低影像波段之间的相关性; (3)利用 ROI 工具
在 2-D 散点图上圈选断元, 并利用 Export All 工具
将感兴趣区输出为ROIs; (4)通过链接 2-D散点图和
Z-剖面图察看样本区中点的光谱特征曲线, 删除差
别显著的点, 最终确定城市绿地等样本区的光谱特
征(如图 3)。

图 1 深圳市 HJ-1 号 A/B 卫星 CCD2(B243)影像
Fig. 1 HJ-1-A/B-CCD2 images of Shenzhen, 2012

图 2 CCD2 图像与实地照片对照图
Fig. 2 RS image and corresponding photo
通过对所取的地物样点的实地相片和光谱特
征分析研究(图 2 和图 3), 可以发现: CCD2① 影像
的蓝波段(band1)各地类之间灰度值差异最小; ②在
红波段(band3)城市绿地的灰度值明显区别于其他
地类; ③在近红外波段(band4)农用地类明显区别于
其他地类。据此分析, 选择 HJ-CCD2 影像的绿、红、
近红波段(band2、3、4)能较好的使城市绿地与农用
地等地物区分, 因此本研究选择 CCD2(B243)组合
进行城市绿地信息提取。
3.2.3 提取方法
根据城市绿地的特点, 为提高分类的效率与精度,
3 期 凡宸, 等. 基于 HJ-1-A/B 数据提取城市绿地信息的应用研究 571

图 3 典型地物的反射光谱曲线
Fig. 3 Spectral reflectance curves of typical land-cover type

综合决策树分类法的高效与监督分类法的人为可控
等优点, 本研究制定“决策树-监督”模式提取城市绿
地信息, 具体的提取步骤如下(图 4):
(1) 利用 ENVI5.0 的 toolbox 的 NDVI(植被归一
化指数)工具获取深圳市的 NDVI 空间分布数据, 用
于区分指标和非植被地物。采取 Classification 的
decision tree分类工具提取 NDVI>0 的植被覆盖区域
影像数据;
(2) 针对提取的植被影像采用监督分类法中的
最大似然方法 , 利用ROI工具在HJ-1号A/B卫星
CCD2(B243)上设置兴趣区(结合GPS样点集数据),
将林地、城市绿地和农用地等进行初步分类。
(3) 在初步分类的基础上, 以深圳市生态控制线
为掩膜, 初步划分城市绿地范围;
(4) 基于GPS样点集数据进一步细化感兴趣区,

图 4 城市绿地信息提取技术路线
Fig. 4 The technology road of discriminating urban green
space
采用监督分类法中的最大似然方法提取城市绿地
信息。
(5) 考虑到“决策树-监督”模式是面向像元的
分类方法, 致使分类结果中可能会出现同类地物之
间的空间不连续性及孤岛问题, 为解决此现象, 本
研究采用 ENVI 软件提供的类别筛选、集群、合并
等功能对分类结果进行分类后处理, 最后, 通过对
分类结果进行矢量化处理获得深圳市城市绿地空间
分布(如图 5)。
4 结果验证与对比分析
结果验证主要通过 ENVI 的精度分析功能以及
与深圳市生态资源测算的绿地面积的对比分析。
(1)ENVI 的精度分析: 利用 ENVI 统计“决策树-监
督”分类的总体分类精度为 99.5%, Kappa 系数为

图 5 基于 HJ-1-A/B 数据的深圳市城市绿地信息空间分布
Fig. 5 Spatial distribution of urban green space of Shen zhen city
572 生 态 科 学 33 卷
0.9783。(2)与深圳市生态资源测算的绿地面积的对
比分析: ①利用 Originlab8 的 Descriptive Statistics
分析 CCD2 的城市绿地数据与 SPOT 数据, 得到
Pearson 相关系数值为 0.9997, Spearman 相关系数值
为 0.9841, 均接近 1, 表明两者存在极强正相关。②
为详细的反映绿地空间分布特征, 将两类数据进行
对比分析(如图 6), 结果表明: 两类数据解译获取的
绿地空间分布特征基本一致, 但相较于 SPOT 数据
的解译结果, 基于HJ-A/B影像解译的空间数据精度
较低 , 小斑块绿地较少 , 斑块细节粗糙。③通过
ArcMAP 的 Statistic 和 Split 工具统计深圳市及各区
的城市绿地面积, 并与 2012 年深圳市生态资源测算
的城市绿地面积相比较(表 1), 结果表明: 在深圳市
域范围内及绿地面积较大的宝安区、龙岗区、南山
区, 基于 HJ-CCD2 提取的城市绿地面积与深圳市生
态资源测算的城市绿地面积相对误差较小, 而其他
绿地面积较小区域的两类数据之间的相对误差较
大。两类数据之所以存在一定的区别, 其原因可能
包括以下方面: (1)HJ-CCD2 的空间分辨率为 30 m,
而深圳市生态资源测算的源数据 SPOT 的分辨率为
2.5 m, 精度越高地物区分越明显, 因此对于部分分布
零散, 特别是一些较窄条带状的城市绿地, HJ-CCD2
的精度过低, 致使在 SPOT 中呈现为植被覆盖的栅
格在 HJ-CCD2 影像中则呈现为非植被覆盖, 这不仅
导致了两类数据的差异, 也局限 HJ-CCD2 数据在
精度要求较高的研究领域的应用; (2)本研究制定的
“决策树-监督”分类方法需经过多层次的分类, 因
此会造成一定的误差累积(3)本研究引入的辅助数
据虽有利于分类提取, 但相应的也造成一定程度的
分类误差。

图 6 HJ-1-A/B 数据与 SPOT 影像数据结果对比
Fig. 6 Comparison of results between HJ-1-A/B data with SPOT data
表 1 基于 HJ-CCD2 提取的 2012 年深圳市绿地面积与深圳
市生态资源测算的绿地面积的比较
Tab. 1 Comparison between information from remote
sensing discrimination and official statistics
行政区域 HJ-CCD2 提取面积
深圳市生态资源
测算的绿地面积 差值 相对误差
深圳市/km2 182.39 188.65 –6.26 3.32%
福田区/km2 16.24 15.02 1.22 8.12%
罗湖区/km2 4.23 4.62 –0.39 8.44%
南山区/km2 27.34 26.69 0.65 2.44%
盐田区/km2 1.81 2.00 –0.19 9.50%
宝安区/km2 37.11 39.11 –2 5.11%
龙岗区/km2 35.26 36.95 –1.69 4.57%
光明新区/km2 14.34 15.04 –0.7 4.65%
龙华新区/km2 24.21 25.45 –1.24 4.87%
坪山新区/km2 17.42 15.04 2.38 15.82%
大鹏新区/km2 4.43 5.93 –1.5 25.30%
5 结论
本文采取“决策树-监督”混合分类模式对HJ-1号
A/B 卫星的 CCD2 数据进行分类, 并提取出深圳市
城市绿地信息, 通过与 SPOT 解译的城市绿地数据
相比较, 结果表明基于 CCD2 影像提取的城市绿地
信息与深圳市生态资源测算的城市绿地数据基本一
致。通过本研究可获得以下结论:
(1) 针对提取深圳市城市绿地的“决策树-监督”
混合分类模式, 过程简单, 能高效的提取出精度较
高的城市绿地, 此种分类模式可为同类科研提供一
定的技术借鉴;
(2) 利用高时间分辨率、中空间分辨率的 HJ-1
号 A/B 卫星数据提取城市绿地信息, 满足中、宏观
尺度范围的生态环境动态监测的精度要求, 与同类
3 期 凡宸, 等. 基于 HJ-1-A/B 数据提取城市绿地信息的应用研究 573
遥感数据应用相比, HJ-1 号 A/B 卫星数据性价比更
高, 因此在区域生态环境动态监测领域, 具有巨大
的应用潜力。
参考文献
[1] 苏泳娴, 黄光庆, 陈修治, 等. 城市绿地的生态环境效
应研究进展[J]. 生态学报, 2011, 31(23): 7287–7300.
[2] 蔺银鼎, 韩学孟, 武小刚, 等. 城市绿地空间结构对绿
地生态场的影响[J]. 生态学报, 2006,26(10): 3339–3346.
[3] 王保忠, 王彩霞, 李明阳, 等. 国外城市绿地研究的理
论与方法[J]. 生态学杂志, 2006, 25(7): 857–862.
[4] 俞孔坚, 王思思, 李迪华, 等. 北京市生态安全格局及
城市增长预景[J]. 生态学报, 2009, 29(3): 1189–1204.
[5] 邓红兵, 陈春娣, 刘昕, 等. 区域生态用地的概念及分
类[J]. 生态学报, 2009, 29(3): 1519–1524.
[6] SCHIPPERIJIN J U, STIGSDOTTER T. Influences
ontheuseofurbangreenspace–Acasestudyin Odense, Denmark[J].
Urban Forestry&Urban Greening, 2010, 11(9): 25–32.
[7] MASS J. Green space, urbanity, and health: how strong is
the relation? [J]. Evidence based public health policy and
practice, 2006,60(12): 587–592.
[8] 郑泽忠, 范东明, 夏清, 等. “3S” 技术在四川生态环境
动态监测中的应用研究 [J]. 测绘科学 , 2008, 33(3):
165–166.
[9] 陈涛, 杨武年. “3S” 技术在生态环境动态监测中的应用
研究[J]. 中国环境监测, 2003, 19(3): 19–22.
[10] 靖娟利, 李景文, 韦春桃. Landsat TM 在山区生态环境
动态监测中的应用—以广西兴安县为例[J]. 桂林工学院
学报, 2006,26(4): 529–531.
[11] 秦灵灵, 基于 3S 的“天地之中”的生态环境监测与评价
[D].2012, 河南工业大学.
[12] 杜灵通, 李国旗. 基于 SPOT-VGT 的宁夏盐池县近 8
年生态环境动态监测[J]. 北京林业大学学报, 2008, 30(5):
46–51.
[13] 李莉. 基于 HJ-1-A/B 数据提取广西甘蔗信息技术初步
研究 [J]. International Conference on Remote Sensing,
2010: 463–468.
[14] 刘云, 侯世全, 夏训峰. 监督分类法在城郊景观类型判
定中的应用[J]. 遥感技术与应用, 2010, 25(5): 714–718.
[15] 巴桑, 刘志红, 张正健, 等. 决策树在遥感影像分类中
的应用[J]. 高原山地气象研究, 2011, 31(2): 31–34.

JJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJ
(上接第 558 页)
[2] 姚成胜, 朱鹤健. 区域农业可持续发展的生态安全评价—
以福建省为例[J]. 自然资源学报, 2007, 22(3): 380–388.
[3] ZHAO Yanzhi, ZOU Xueyong, CHENG Hong, et al.
Assessing the ecological security of the Tibetan plateau:
methodology and a case study for Lhaze county[J]. Journal
of Environmental Management, 2006, 80(2): 120–131.
[4] SU Shiliang, LI Dan, YU Xiang, et al. Assessing land
ecological security in Shanghai (China) based on
catastrophe theory[J]. Stochastic Environmental Research
and Risk Assessment, 2012, 25: 737–746.
[5] 鲁如坤. 土壤农业化学分析法[M]. 北京: 中国农业科技
出版社, 1999.
[6] 李玲, 肖和艾, 童成立, 等. 培养条件下旱地和稻田土
壤活性有机碳对外源有机底物的响应[J]. 生态学杂志,
2008, 27(12): 2718–2183.
[7] 庄怡琳, 杨海真, 郭茹, 等. 生态岛建设过程中环境类
指标构建研究——以崇明岛为例[J]. 长江流域资源与环
境, 2009, 18(10): 937–942.
[8] 李芬, 王继军. 黄土丘陵区纸坊沟流域近 70 年农业生态
安全评价[J]. 生态学报, 2008, 28(5): 2380–2388.
[9] 罗平. 武汉都市农业生态安全评价[J]. 中国科技论坛,
2010, 4: 126–131.
[10] 姚於康. 江苏现代农业发展水平与对策研究[J]. 江西农
业学报, 2011, 23( 7): 178–181.
[11] 左伟, 王桥, 王文杰, 等. 区域生态安全评价指标与标
准研究[J]. 地理学与国土研究, 2002, 18(1): 67–71.
[12] 陶菊春, 吴建民. 综合加权评分法的综合权重确定新探
[J]. 系统工程理论与实践, 2001, 8: 43–48.
[13] 金周益, 唐建军, 陈欣, 等. 滩涂围垦的生态评价——
以浙江省上虞市沥海滩涂围垦为例[J]. 科技通报, 2008,
24(6): 806–809.