ICS 13.020.40 CCS Z 10 团 体 标 准 T/CSES 17—2020 面向城市面源污染监测的典型城市下垫面 遥感提取技术指南 Typical urban underlying s urface extraction guidelines for using remote sensing technology for urban non-point source pollution monitoring 2020 - 12 - 29发布 2020 - 12 - 29实施 中国环境科学学会 发布 全国团体标准信息平台 全国团体标准信息平台 T/CSES 17—2020 I 目 次 前言 ................................ ................................ ................ II 引言 ................................ ................................ ............... III 1 范围 ................................ ................................ .............. 1 2 规范性引用文件 ................................ ................................ .... 1 3 术语和定义 ................................ ................................ ........ 1 4 技术原理 ................................ ................................ .......... 3 5 提取结果验证 ................................ ................................ ...... 5 6 提取产品制作 ................................ ................................ ...... 6 7 质量控制 ................................ ................................ .......... 6 附录A（资料性） 典型城市下垫面遥感提取案例 ................................ .......... 7 全国团体标准信息平台 T/CSES 17—2020 II 前 言 本文件按照 GB/T 1.1—2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定 起草。 请注意本文件的某些内容可能涉及专利 。本文件的发布机构不承担 识别专利的责任。 本文件由生态环境部卫星环境应用中心和南京师范大学提出。 本文件由中国环境科学学会归口。 本文件起草单位：生态环境部卫星环境应用中心、南京师范大学。 本文件主要起草人：朱利、王雪蕾、汪闽、冯爱萍、吕恒、黄莉、徐逸、朱南华诺娃、周亚明、 孟斌、杨红艳、邵圆圆。 全国团体标准信息平台 T/CSES 17—2020 III 引 言 为贯彻《中华人民共和国环境保护法》和《中华人民共和国水污染防治法（ 2008修订）》 ，规范和 指导我国面向城市面源的典型城市下垫面遥感提取工作，为城市面源污染遥感监测提供参考，制定本文 件。 随着城市化进程的加快和城市不透水区域的不断增加，城市的下垫面条件发生了很大的变化，致使 城市面源污染逐渐成为影响城市水生态环境的重要因素之一。 不同类型的下垫面在降雨径流冲刷下所引 起的面源污染特征有很大差异， 因此城市典型下垫面地物类型的精细提取和分类是实现城市面源污染监 测的前提。 常规的地面调查不能准确且全面地获取下垫面的空间分布，而遥感影像的自动分类技术具有 快速、高效而不失客观的特点，在地表信息获取领域中发挥 着重要作用。 本文件基于高分辨率遥感影像，建立了面向城市面源污染监测的典型城市下垫面遥感提取技术流 程，以期为基于高空间分辨率遥感影像的典型城市下垫面提取提供理论指导和技术支持。 全国团体标准信息平台 全国团体标准信息平台 T/CSES 17—2020 1 面向城市面源污染监测的典型城市下垫面遥感提取技术指南 1 范围 本文件规定了面向城市面源污染监测的典型城市下垫面遥感分类提取的技术原理、 结果验证、产品 制作和质量控制。 本文件适用于面向高空间分辨率遥感影像的典型城市下垫面遥感提取。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。 其中， 注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本 文件。 GB/T 14950 —2009 摄影测量与遥感术语 GJB 2700 —1996 卫星遥感器术语 3 术语和定义 GJB 2700 —1996和GB/T 14950 —2009界定的以及下列术语和定义适用于本文件。 3.1 像元 pixel a. 包含空间和光谱两个变量的遥感图像数据单元。其中，空间变量确定了分辨单元的视在尺寸， 光谱变量确定了这个分辨单元在具体信道中的光谱响应的强度； b. 数字图像中由每个数字值代表的地 面面积单元。该数字值代表按要求的取样间隔对遥感探测器 输出的模拟信号的取样。 [来源：GJB 2700 —1996，3.1.1.8] 3.2 空间分辨率 spatial resolution a. 遥感系统能区分的两个邻近目标之间的最小角度间隔或线性间隔； b. 微波遥感器的天线主波束宽度所覆盖的地域大小。 [来源：GJB 2700 —1996，3.1.3.2] 3.3 几何校正 geometric correction 为消除影像的几何畸变而进行投影变换和不同波段影像的套合等校正工作。 [来源：GB/T 14950—2009，5.190] 3.4 全国团体标准信息平台 T/CSES 17—2020 2 辐射度校正 radiometric correction 对遥感图像的辐射度畸变所进行的校正。 [来源：GJB 2700 —1996，3.4.2.15] 3.5 影像融合 image fusion 用各种手段把不同时间、不同传感器系统和不同分辨率、不同波段的众多影像进行复合变换，生成 新的影像的技术。 [来源：GB/T 14950—2009，5.199] 3.6 特征提取 feature extraction a）对某一模式的一组测量值进行变换，以突出该模式具有代表性特征的一种方法。 b）通过影像分析和变换，以提取所需特征的方法。 [来源：GB/T 14950—2009，5.165] 3.7 图像分割 image segmentation 根据需要将图像划分成有意义的若干区域或部分的图像处理技术。 [来源：GB/T 14950—2009，5.225] 3.8 对象基元 object primitive 以图像分割等技术得到的图像斑块。 3.9 机器学习 machine learning 研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使 之不断改善自身的性能的多领域交叉学 科。 3.10 深度学习 deep learning 由多个层组成的人工神经网络，它通过组合低层特征形成更加抽象的高层表示属性类别或特征，以 发现数据的分布式特征表示。 注：深度学习的概念源于人工神经网络的研究，是机器学习中一种基于对数据进行表征学习的方法 。 3.11 城市面源污染 urban non -point source pollution 在降水条件下，雨水和径流冲刷城市地面，使溶解的或固体污染物从非固定的地点汇入收纳水体， 引起的水体污染。 3.12 典型城市下垫面 typical u rban underlying su rface 全国团体标准信息平台 T/CSES 17—2020 3 城市的覆盖物，如建筑物、水泥构成物、沥青路面、少部分绿化以及江河湖泊。 3.13 遥感制图 remote sensing cartography; remote sensing mapping 通过对遥感影像目视判读或利用图像处理系统对各种遥感信息进行增强与几何纠正并加以识别、 分 类和制图的过程。 [来源：GB/T 14950—2009，5.126] 4 技术原理 4.1 提取目的 为精准识别可能造成城市面源污染的典型下垫面污染源结构和空间分布位置等重要信息， 采用高分 遥感影像数据识别道路、屋顶、绿地等典型城市面源污 染相关的下垫面空间特征信息，为后续实现城市 面源污染遥感监测评估提供信息支撑。 4.2