徐 瑞，屈 冉，刘 晓 龙，马 慧 榕，史 正 涛

(1.云南师范大学地理学部，云南 昆明 650500；2.生态环境部卫星环境应用中心，北京 100094；3.内蒙古工业大学信息工程学院，内蒙古 呼和浩特 010051)

0 引言

不透水面[1](如沥青道路、房屋、广场、停车场、塑料大棚等)在扩张过程中占用了大量耕地、林地及水域，不仅导致生物多样性锐减，影响人与自然和谐相处[2]，还影响城市水循环系统，改变地表径流，增加城市内涝灾害风险[3,4]，且加剧了城市“热岛”形成，导致城市生态系统恶化[5-7]。因此，快速、准确获取不透水面的空间分布信息对于制定生态环境保护政策、合理规划土地资源、构建新型生态城市以及海绵城市等具有重要意义。

遥感技术时效性高、覆盖范围广，被广泛应用于不透水面提取。面向对象法[8]、影像分类法[9]、光谱混合分析(Spectral Mixture Analysis，SMA)[10]、分类回归树(Classification and Regression Trees，CART)[11]、人工神经网络(Artificial Neural Network，ANN)[12,13]、深度学习[14]及指数法[15,16]常用于不透水面识别。面向对象法基于训练样本对影像进行分割分类，从而提取不透水面，主要适用于高分辨率遥感影像[8];影像分类法(如最大似然法、平行管道法、支持向量机等)依据不透水面光谱信息利用传统分类器进行自动分类，操作性强[17]，主要针对中低空间分辨率光学影像(如MODIS[18,19]、Landsat[20,21])，但存在大量混合像元，降低了提取精度;SMA将影像像元分为高、低反射率对象、土壤和植被4种端元，通过生成各端元的灰度图提取不透水面，能解决混合像元导致分类精度低的问题[10]，适用于大规模城市(如京津冀、长三角等城市群)的不透水……