《表2 光谱指数：1990—2017年间杭州市不透水面比例遥感监测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《1990—2017年间杭州市不透水面比例遥感监测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（1）:表中BLUE为蓝波段，GREEN为绿波段，RED为红波段，NIR为近红外波段，MIR为中红外波段。

随后基于随机森林算法构建杭州市不透水面比例反演模型。为加强研究区地物的识别，本文除采用Landsat影像的5个光谱波段（蓝、绿、红、近红外、中红外波段）外，还分别构建了建筑面积指数（built-up area index，BAI）[16]、改进归一化差值水体指数（modified normalized difference water index，MNDWI）[17]、归一化差值植被指数（normalized difference vegetation index，NDVI）[18]、归一化建筑指数（normalized difference built-up index，ND-BI）[19]、土壤调节植被指数（soil adjusted vegetation index，SAVI）[20]和新建筑指数（index-based builtup index，IBI）[21]这6个不透水面的敏感光谱指数（表2），在此基础上，进行主成分变换并选取第1和第2主成分来减弱地物波谱反射相关性。综上，本文选取上述13个变量作为输入变量构建不透水面比例反演模型。因在1990—2015年间没有可用的Sentinel-2B高空间分辨率影像，无法提取建模所需不透水面比例参考数据，本文在提取2017年不透水面比例参考数据后，先对1990—2017年Landsa影像目视解译，对比选取1990—2017年间不透水面未变的区域，再选取区域内的中间像元作为反演建模样本（图2），认为中间像元不透水面比例在1990—2017年间不变，以保证所有年份均具备建模必需的参考数据。在选择样本时还需保证样本集的不透水面比例在0%～100%之间均匀分布，以使模型训练充分。同上，基于70%的样本数据和随机森林算法反演得到1990—2017年杭州市30m空间分辨率不透水面比例数据集，剩余30%的样本数据用于精度验证。