基于面向?qū)ο蟮耐恋乩帽O(jiān)測研究

韓彥偉，馮仕超

(河北九華勘查測繪有限責(zé)任公司，河北保定071000)

一、引 言

20世紀(jì)以來，全球環(huán)境以前所未有的速度發(fā)生變化，一系列全球性重大環(huán)境問題對人類的生存和發(fā)展構(gòu)成嚴(yán)重威脅，全球變化科學(xué)成為研究的熱點(diǎn)，土地利用變化研究是當(dāng)今全球變化研究的前沿和熱點(diǎn)［1-4］。城市用地?cái)U(kuò)張過程一直是土地利用變化研究的焦點(diǎn)。隨著經(jīng)濟(jì)的高速發(fā)展，城市化進(jìn)程的加快，致使城市規(guī)模不斷擴(kuò)大，城鎮(zhèn)建設(shè)中土地利用問題日益顯現(xiàn)，以人口密集、經(jīng)濟(jì)發(fā)展相對迅速的城鄉(xiāng)結(jié)合部更為突出，因此，國家將土地利用動態(tài)監(jiān)測列為國土資源管理的基本工作任務(wù)之一。

隨著高分辨率影像的出現(xiàn)，以及遙感信息的周期性、宏觀性、現(xiàn)勢性的特點(diǎn)，使得利用高分辨率遙感衛(wèi)星影像對城市土地利用動態(tài)監(jiān)測，獲取土地利用變化信息逐漸成為研究土地的現(xiàn)狀及其變化趨勢的一種手段。城鎮(zhèn)化對城市土地利用的擾動極為劇烈，對城市土地集約利用也產(chǎn)生了較為深刻的影響。QuickBird衛(wèi)星作為高分辨率衛(wèi)星，影像地面分辨率最高可達(dá)61 cm，影像更新周期短，因此，本研究在總結(jié)前人研究方法的基礎(chǔ)上，以QuickBird遙感影像為數(shù)據(jù)源，以河北省保定市為研究區(qū)，采用面向?qū)ο蠓诸惣夹g(shù)和人工目視解譯相結(jié)合的作業(yè)方法，對城市周邊土地利用變化情況進(jìn)行監(jiān)測，為政府等決策部門快速評估研究區(qū)域城市化進(jìn)程作出準(zhǔn)確評估。

二、研究區(qū)概況

河北省保定市位于華北平原中部，位于北緯38 °10'～40°00'，東經(jīng) 113°40'～116°20'之間，與北京、天津構(gòu)成黃金三角，且互成犄角之勢，自古是“北控三關(guān)，南達(dá)九省”的“通衢之地”，有“京畿重地”、“首都南大門”之稱。全市土地總面積22 187.96 km2，下轄3個(gè)區(qū)及22個(gè)縣(市)，如圖1所示。研究區(qū)域主要是保定市下轄的新市區(qū)、北市區(qū)和南市區(qū)3個(gè)區(qū)。研究區(qū)內(nèi)年日照時(shí)間2 447～2 871 h，年平均降水量575.4 mm，年平均氣溫7.5°C ～12.7°C，無霜期 165 ～200天。保定市交通十分便利，京廣鐵路、京港澳高速公路、京昆高速和107國道縱貫全市，是華北地區(qū)重要的交通樞紐(如圖1所示)。

圖1 保定市行政區(qū)劃圖

三、數(shù)據(jù)來源與研究方法

1.數(shù)據(jù)來源與處理

QuickBird衛(wèi)星于2001年10月18日由美國DigitalGlobe公司在美國范登堡空軍基地發(fā)射，是目前世界上最先提供亞米級分辨率的商業(yè)衛(wèi)星，星下點(diǎn)衛(wèi)星影像分辨率為0.61 m，全色分辨率為0.61～0.72 m，多光譜分辨率為 2.44 ～2.88 m。本文的研究以2010年和2011年兩期保定市QuickBird影像作為研究的主要數(shù)據(jù)源，輔助數(shù)據(jù)主要包括保定市行政界線圖層和1∶25萬DEM。土地利用分類體系主要參考了中國科學(xué)院“中國資源環(huán)境數(shù)據(jù)庫”土地利用遙感分類體系和《土地利用現(xiàn)狀》國家標(biāo)準(zhǔn)，并結(jié)合保定市土地利用實(shí)際情況，將研究區(qū)土地利用類型劃分為耕地、林地、草地、城鄉(xiāng)居住建設(shè)用地、交通用地、水域和未利用土地7類。

2.技術(shù)路線與作業(yè)流程

土地利用監(jiān)測流程如圖2所示。

圖2 土地利用監(jiān)測流程圖

3.遙感數(shù)字圖像的預(yù)處理

(1)幾何校正與配準(zhǔn)

本研究根據(jù)全景或局部區(qū)域的地形特點(diǎn)，利用衛(wèi)星提供的RPC數(shù)據(jù)，配合控制點(diǎn)(GCPs)與DEM數(shù)據(jù)，利用ERDAS軟件，采用二次多項(xiàng)式糾正模型進(jìn)行糾正。圖像重采樣選擇雙三次卷積重采樣法，相比于最鄰近像元采樣法和雙線性插值法，該方法的內(nèi)插精度比較高，圖像比較平滑。以糾正好的第一期圖像數(shù)據(jù)為參考圖像，以第二期圖像為糾正單元與之配準(zhǔn)，采樣多項(xiàng)式糾正模型。幾何配準(zhǔn)的過程分兩步:①在多源圖像上確定分布均勻、足夠數(shù)量的圖像同名點(diǎn);②通過所選擇的圖像同名點(diǎn)解算幾何變換的多項(xiàng)式系數(shù)，通過糾正變換完成一幅圖像對另外一幅圖像的幾何配準(zhǔn)。

(2)圖像融合

圖像融合要求多源圖像精確配準(zhǔn)，分辨率不一致時(shí)，要求重采樣后保持一致。原始圖像數(shù)據(jù)由全色波段和多光譜圖像數(shù)據(jù)兩部分組成，應(yīng)分別對兩部分?jǐn)?shù)據(jù)進(jìn)行正射糾正和配準(zhǔn)，再進(jìn)行分辨率融合，形成高分辨率空間信息和多光譜彩色信息的融合圖像數(shù)據(jù)。

(3)圖像增強(qiáng)處理

遙感影像增強(qiáng)處理主要著眼于改進(jìn)圖像顯示、提高遙感圖像的視覺效果和可解譯性，使遙感應(yīng)用者易于從經(jīng)過增強(qiáng)處理的遙感圖像上獲得所感興趣的有用信息，快速實(shí)現(xiàn)從遙感數(shù)據(jù)向有用信息的轉(zhuǎn)化［5］。利用ERDAS軟件對融合后的圖像進(jìn)行增強(qiáng)處理，并結(jié)合Photoshop軟件，對影像局部進(jìn)行進(jìn)一步圖像增強(qiáng)處理和調(diào)色處理。通過對影像局部的對比度、亮度、色彩平衡等方面的微調(diào)整，使影像整體清晰易讀、反差適中、色調(diào)均勻，主要目的是改善圖像質(zhì)量，提高圖像目視效果，突出所需要的信息，壓縮圖像的數(shù)據(jù)量，使土地分類判讀清晰易讀，為進(jìn)一步圖像的人工目視判讀作好準(zhǔn)備。

四、土地利用變化信息的提取

1.土地利用變化圖斑的判讀和提取

對于土地變化信息提取方法，學(xué)者們已經(jīng)作了很多研究，提出了很多計(jì)算機(jī)自動提取土地利用變化的方法，如影像相減法、植被指數(shù)相減法、變化矢量分析法、主成分變換法、光譜特征變異法及分類結(jié)果比較法等。但是由于受到衛(wèi)星影像成像條件的不同，因此獲取到的兩個(gè)時(shí)相的影像存在差異，計(jì)算機(jī)自動分類的精度受到影響，從而影響土地利用變化信息的提取。相比于計(jì)算機(jī)自動分類，人工目視解譯法的最大優(yōu)點(diǎn)是方便靈活、精度高，在解譯過程中能夠充分利用影像解譯標(biāo)志和其他輔助信息(地貌，地形等)識別地物，但缺點(diǎn)是效率低、工作量大，同時(shí)與解譯人員的經(jīng)驗(yàn)有關(guān)。因此土地利用動態(tài)監(jiān)測變化信息提取的方法趨向于結(jié)合面向?qū)ο蠓诸惡腿斯つ恳暯庾g方法來提高監(jiān)測結(jié)果準(zhǔn)確性和監(jiān)測精度。本研究結(jié)合計(jì)算機(jī)自動分類和人工目視解譯方法對保定市城市周邊土地利用變化情況進(jìn)行監(jiān)測。

2.面向?qū)ο蠓诸?/h3>

傳統(tǒng)的分類方法是從中低分辨率遙感影像的基礎(chǔ)上發(fā)展起來的，主要是根據(jù)象元的光譜信息進(jìn)行分類，分類結(jié)果往往會產(chǎn)生“椒鹽噪聲”。這種分類方法均在一個(gè)尺度中實(shí)現(xiàn)所有地物類型的提取，不能充分利用影像所包含的信息。對于高分辨率遙感圖像來說，由于該影像的細(xì)節(jié)信息豐富，圖像的局部異質(zhì)性大，傳統(tǒng)的基于像元的分類方法易受高分辨率影像局部異質(zhì)性大的影響和干擾。而面向?qū)ο蠓诸惙椒ɡ酶叻直媛蕡D像豐富的光譜、形狀、結(jié)構(gòu)、紋理、相關(guān)布局以及圖像中地物之間的上下文信息，并結(jié)合專家知識進(jìn)行分類，可以顯著提高分類精度，而且使分類后的圖像含有豐富的語義信息，便于人工解譯。該項(xiàng)技術(shù)對于高分辨率影像有很好的處理效果，具有很好的應(yīng)用前景，因此本研究中采用面向?qū)ο蠓▽τ跋襁M(jìn)行分類。

面向?qū)ο蠓ㄊ菍b感影像數(shù)據(jù)進(jìn)行影像分割，從二維化的影像信息陣列中恢復(fù)影像所反映的景觀場景中目標(biāo)地物的空間形狀及組合方式［6］。分割后影像的最小單元不再是單個(gè)像元，而是同質(zhì)對象，對象包含了許多可用于分類的特征，如光譜、形狀、紋理、空間關(guān)系等信息，根據(jù)遙感影像分類的具體要求，選擇和提取影像對象的特征，并利用這些特征對目標(biāo)影像進(jìn)行分類［7］。

面向?qū)ο蠓ㄖ饕殖蓛刹糠诌^程:影像對象構(gòu)建和對象的分類。影像對象構(gòu)建主要用了影像分割技術(shù)，常用分割方法包括基于多尺度的、基于灰度的、紋理的、基于知識的及基于分水嶺的等分割算法。比較常用的就是多尺度分割算法，這種方法綜合遙感圖像的光譜特征和形狀特征，計(jì)算圖像中每個(gè)波段的光譜異質(zhì)性與形狀異質(zhì)性的綜合特征值，然后根據(jù)各個(gè)波段所占的權(quán)重，計(jì)算圖像所有波段的加權(quán)值，當(dāng)分割出對象或基元的光譜和形狀綜合加權(quán)值小于某個(gè)指定的閾值時(shí)，進(jìn)行重復(fù)迭代運(yùn)算，直到所有分割對象的綜合加權(quán)值大于指定閾值即完成圖像的多尺度分割操作。多尺度影像分割可以理解為一個(gè)局部優(yōu)化過程，而異質(zhì)性則是由對象的光譜和形狀差異確定的，形狀的異質(zhì)性則由其光滑度和緊湊度來衡量［8］。影像對象的異質(zhì)性由公式(1)計(jì)算［9］

式中，F(xiàn)為影像對象的異質(zhì)性;n為影像總波段數(shù);fi為影像對象的第i波段異質(zhì)性，計(jì)算公式如下

式中，wi為第i波段權(quán)重;hc為光譜異質(zhì)性、hs為形狀異質(zhì)性。hc、hs由公式(3)、(4)計(jì)算得到

式中，nm、n01、n02、σm、σ01、σ02分別為合并后和合并前的影像對象的像元數(shù)及對象像元標(biāo)準(zhǔn)差;wc為光譜權(quán)重。

式中，wcm為形狀緊湊度權(quán)重;hcm為形狀緊湊度;hsm為形狀光滑度。

式中，nm、n01、n02同公式(4);lm、l01、l02為合并后和合并前的影像對象的周長;bm、b01、b02為合并后和合并前的影像對象外接矩形的周長。

研究采用ENVI軟件的空間特征提取模塊，基于影像空間以及影像光譜特征，即面向?qū)ο?，從高分辨率影像?shù)據(jù)中提取耕地、林地、草地、城鄉(xiāng)居住建設(shè)用地、交通用地、水域和未利用土地7種土地利用類型。通過計(jì)算機(jī)自動分類，最終提取研究區(qū)兩期影像城鄉(xiāng)居住建設(shè)用地分類圖，對于分類結(jié)果精度驗(yàn)證采用隨機(jī)選點(diǎn)加野外考察點(diǎn)的方法進(jìn)行，第一期影像和第二期影像分布選取86個(gè)驗(yàn)證點(diǎn)，經(jīng)驗(yàn)證，第一期和第二期影像的正確點(diǎn)分別為78和81個(gè)，影像所提取的城鎮(zhèn)建筑用地信息精度為90.70%和94.19%，精度完全滿足作業(yè)要求，然后通過柵格計(jì)算，計(jì)算出兩期影像城鄉(xiāng)居住建設(shè)用地變化部分。

3.人工目視解譯

ArcGIS中Effects工具條可以使得兩期加載的影像數(shù)據(jù)和自動分類結(jié)果快速切換，從而準(zhǔn)確對兩期影像發(fā)生變化的圖斑進(jìn)行提取。該工具條使用戶交互式地調(diào)整柵格圖層的亮度和對比度，或透明顯示柵格圖層。Effects工具條主要包括亮度調(diào)整工具、對比度調(diào)整工具、透明度調(diào)整工具、卷簾工具和閃爍工具等，這些增強(qiáng)工具用于屏幕顯示著色，而不是源柵格數(shù)據(jù)集的值。亮度調(diào)整工具增強(qiáng)了整個(gè)圖像的亮感，例如，使深色更亮，淺色更白;對比度調(diào)整工具最深色和最淺色之間的差值;透明度調(diào)整工具讓用戶看到柵格圖層下面的其他數(shù)據(jù)圖層;卷簾工具和閃爍工具，可以使兩個(gè)柵格圖層直接快速切換。

在ArcGIS下疊加兩期影像城鄉(xiāng)居住建設(shè)用地變化部分柵格數(shù)據(jù)和兩期不同時(shí)相影像圖，通過數(shù)據(jù)疊加顯示，運(yùn)用Effects工具條，在兩期面向?qū)ο蠓诸惖淖兓瘮?shù)據(jù)輔助下，針對兩個(gè)相同坐標(biāo)系的影像文件進(jìn)行對比目視判讀，將變化區(qū)域勾繪成圖，并判定變化后的土地分類，提取變化圖斑信息(變化類型、面積、數(shù)量和空間位置)，大大減少了對無變化區(qū)域作分類的工作量，有效提高了監(jiān)測的精度。如圖3和圖4所示，圖3為2010年影像，圖4為2011年影像，通過Effects工具條可以對兩期影像變化部分進(jìn)行精確人工目視解譯。

圖3 2010年10月影像

圖4 2011年10月影像

4.土地利用變化圖斑的外業(yè)調(diào)繪與后續(xù)處理

為了進(jìn)一步核實(shí)內(nèi)業(yè)判讀的變化圖斑，需要對確定新增建設(shè)用地變化圖斑的進(jìn)行外業(yè)實(shí)地核實(shí)，并填寫完全監(jiān)測圖斑之記與外業(yè)調(diào)查表。最后將外業(yè)核實(shí)過的變化圖斑矢量文件添加到數(shù)據(jù)庫中，并且與線狀地物層疊加顯示，形成監(jiān)測成果數(shù)據(jù)(含影像圖、圖斑及屬性，以及監(jiān)測報(bào)告)。

五、結(jié) 論

通過本研究，得出以下結(jié)論:

1)以往通過外業(yè)測繪等常規(guī)手段對土地利用變化情況進(jìn)行調(diào)繪，首先是調(diào)查的時(shí)間周期很長，而且費(fèi)用高，由于遙感影像具有很強(qiáng)的時(shí)效性，因此現(xiàn)在利用高分辨率影像對土地利用變化情況進(jìn)行調(diào)查，調(diào)查周期大大縮短，而且價(jià)格合理。

2)采用較高分辨率衛(wèi)星遙感影像和地理信息系統(tǒng)等技術(shù)，研制了土地利用調(diào)查與動態(tài)監(jiān)測的技術(shù)方法和工作流程，實(shí)現(xiàn)了對土地利用現(xiàn)狀的定位、定性與定量監(jiān)測，并準(zhǔn)確揭示了研究區(qū)土地利用及其變化的特點(diǎn)和規(guī)律，可以快速有效地對土地利用進(jìn)行調(diào)查監(jiān)測。

3)本研究利用面向?qū)ο蠓诸惣夹g(shù)，并結(jié)合人工目視解譯，大大提高了利用高分辨率影像對土地利用監(jiān)測的效率和準(zhǔn)確性，研究結(jié)論為今后開展類似工作提供了參考依據(jù)。

［1］RINDD.Complexity and climate［J］.Science，1999，328(2):105-106.

［2］MOOREB Ⅲ.Internation Geosphere Bioshphere Programme:A Study of Global Change，Some Reflec-tions［J］.IGBP News Letter，2000，40:1-3.

［3］WALKER R T.Land Use Transition and Deforestation in Developing Countries［J］.Geographical Analysis，1997，19:18-30.

［4］陳佑啟，楊鵬.國際上土地利用/土地覆蓋變化研究的新進(jìn)展［J］.經(jīng)濟(jì)地理，2001，21(1):95-100.

［5］陳述彭.遙感技術(shù)與遙感數(shù)字圖像分析處理方法、解譯制圖及其綜合應(yīng)用實(shí)務(wù)全書［M］.寧夏:寧夏大地音像出版社，2005:613-618.

［6］楊昕，湯國安，鄧鳳東，等.ERDAS遙感數(shù)字圖像處理實(shí)驗(yàn)教程［M］.北京:科學(xué)出版社，2009.

［7］BAATZ M，SCHAPE A.Object-oriented and Multi-Scale Image Analysis in Semantic Networks［C］∥Proceedings of the 2nd International Symposium on Operationalization of Remote Sensing.Beijing:［s.n.］，1999.

［8］BENZ U C，PETER H，GREGOR W.Multi-resolution，Object-oriented Fuzzy Analysis of Remote Sensing Data for GIS-ready Information［J］.ISPRS Journal of Photogrammetry ＆ Remote Sensing，2004(58):239-258.

［9］BAATZ M.A Schape.Multiresolution Segmentation——an Optimization Approach for High Quality Multi-scale Image Segmentation［C］∥Angewandte Geographische Information.Karlsruhe:AGIT，2000.