高精度建設(shè)用地變化自動(dòng)提取技術(shù)在土地督察中的應(yīng)用

孫 飛，徐世武，3，吳信才，3，徐世鴻

(1.中國(guó)地質(zhì)大學(xué)信息工程學(xué)院，武漢 430074;2.國(guó)家地理信息系統(tǒng)工程技術(shù)研究中心，武漢 430074;3.武漢中地?cái)?shù)碼科技有限公司，武漢 430073;4.國(guó)家土地督察武漢局，武漢 430077)

0 引言

土地督察工作的重點(diǎn)是監(jiān)管督察范圍內(nèi)土地管理、調(diào)控和落實(shí)情況，對(duì)發(fā)現(xiàn)的問題責(zé)令限期整改，以體現(xiàn)國(guó)家對(duì)土地整治管理的威懾力［1］。長(zhǎng)期以來，建設(shè)用地審批項(xiàng)目中未批先用的違法行為十分普遍。在日常審核工作中，要發(fā)現(xiàn)所審批的新增建設(shè)用地早于審批時(shí)間動(dòng)工的違法用地行為，主要有2種途徑:①通過督察人員將本年度審批的新增建設(shè)用地與上一年末人工判讀的結(jié)果進(jìn)行對(duì)比［2］;②依靠群眾舉報(bào)和網(wǎng)絡(luò)信息甄別［3］。前者由于基礎(chǔ)遙感數(shù)據(jù)的滯后性和對(duì)人工的依賴性，發(fā)現(xiàn)問題的及時(shí)性和效率都較低，不能達(dá)到實(shí)時(shí)監(jiān)測(cè)的要求，且導(dǎo)致違法查處、整改成本大大增加;而后者只能達(dá)到局部實(shí)時(shí)督察的效果，難以實(shí)現(xiàn)大范圍督察，不能真正做到“主動(dòng)出擊”。為了提升督察線索獲取的快捷性和準(zhǔn)確性，實(shí)現(xiàn)例行、審批、專項(xiàng)和巡回督察中及時(shí)、高效、精準(zhǔn)的目標(biāo)，亟待采用先進(jìn)的技術(shù)手段及時(shí)準(zhǔn)確地發(fā)現(xiàn)違法用地的位置信息。

遙感方法為土地督察工作提供了很好的技術(shù)支撐［4］，影像數(shù)據(jù)的高時(shí)間分辨率和大范圍成像使多省市實(shí)時(shí)土地督察成為可能。但傳統(tǒng)的基于遙感分類的變化監(jiān)測(cè)手段難以有效地滿足實(shí)時(shí)土地督察的要求:①樣本直接決定了目標(biāo)是否能被成功識(shí)別［5］。傳統(tǒng)方式的樣本選取、分類設(shè)置及后處理均需人工參與［6］，對(duì)于大范圍、高頻次的土地督察工作顯然無法滿足要求。②分類方法需要改進(jìn)。目前的分類方法在定量化方面顯得不足［6］，對(duì)建設(shè)用地變化的正確判別必須保證分類的準(zhǔn)確性，這對(duì)不確定性較高的遙感分類是一大挑戰(zhàn)［7］。

本文提出的高精度建設(shè)用地變化自動(dòng)提取技術(shù)是基于遙感影像、土地調(diào)查數(shù)據(jù)等先驗(yàn)知識(shí)進(jìn)行的。通過引入歷年土地調(diào)查數(shù)據(jù)(多年份衛(wèi)星遙感和土地利用現(xiàn)狀數(shù)據(jù))、審批數(shù)據(jù)(用地審批、供地備案和土地開發(fā)整理)以及土地利用總體規(guī)劃數(shù)據(jù)作為先驗(yàn)知識(shí)，將多年份、多源數(shù)據(jù)中未發(fā)生變化的對(duì)象作為目標(biāo)，建立穩(wěn)定地物樣本庫［8］;利用樣本庫，結(jié)合當(dāng)前影像分割結(jié)果，動(dòng)態(tài)篩選訓(xùn)練樣本，實(shí)現(xiàn)自動(dòng)化的面向?qū)ο蠓诸?對(duì)分類結(jié)果輔以現(xiàn)狀數(shù)據(jù)、規(guī)劃數(shù)據(jù)進(jìn)行自動(dòng)甄別，以減少人工判讀的工作量和誤差，提高效率和準(zhǔn)確性;通過自動(dòng)對(duì)比分析，提取建設(shè)用地變化信息，以保證提供及時(shí)、準(zhǔn)確的督察線索。全自動(dòng)化處理便于開展不定期、任意區(qū)域建設(shè)用地的實(shí)時(shí)督察，及時(shí)發(fā)現(xiàn)問題，利于對(duì)違法用地進(jìn)行拆除、復(fù)墾等處理，真正實(shí)現(xiàn)“發(fā)現(xiàn)在初始，解決在萌芽”［2］的目標(biāo)。

1 高精度建設(shè)用地變化的自動(dòng)提取

1.1 技術(shù)路線

基于遙感影像、先驗(yàn)知識(shí)的建設(shè)用地變化信息自動(dòng)提取方法的關(guān)鍵要求是快速、及時(shí)、自動(dòng)和準(zhǔn)確，圖1示出其技術(shù)流程。

圖1 技術(shù)流程Fig.1 Technical flow chart

1)建立穩(wěn)定的地物樣本庫。利用歷史土地調(diào)查成果、結(jié)合本底影像進(jìn)行穩(wěn)定地物樣本庫的建立。

2)幾何精糾正/配準(zhǔn)。將當(dāng)前區(qū)域的正射影像與歷史土地調(diào)查數(shù)據(jù)進(jìn)行幾何精糾正，以保證影像與樣本庫數(shù)據(jù)的精確配準(zhǔn)。

3)影像分割。

4)自動(dòng)篩選訓(xùn)練樣本。對(duì)當(dāng)前區(qū)域的樣本庫進(jìn)行檢索，同時(shí)關(guān)聯(lián)影像評(píng)分，動(dòng)態(tài)、自動(dòng)地篩選訓(xùn)練樣本。

5)分類。利用訓(xùn)練樣本對(duì)當(dāng)前區(qū)域前后時(shí)相影像分別進(jìn)行面向?qū)ο蟮姆诸?/p>

6)分類結(jié)果甄別。利用現(xiàn)狀調(diào)查成果數(shù)據(jù)、規(guī)劃數(shù)據(jù)對(duì)分類結(jié)果進(jìn)行甄別，去除錯(cuò)誤的分類。

7)變化監(jiān)測(cè)。去除碎小圖斑(面積在3畝①1畝 =0.066 7 hm2以下)，提取與建設(shè)用地密切相關(guān)的圖層(建設(shè)用地圖層以及裸地等);利用變化矢量分析法［9］得到建設(shè)用地變化圖斑信息，作為土地例行、審批、專項(xiàng)和巡回督察等外業(yè)調(diào)查的目標(biāo)。

1.2 關(guān)鍵技術(shù)

實(shí)現(xiàn)快速、及時(shí)、自動(dòng)、準(zhǔn)確的建設(shè)用地變化提取，有3個(gè)關(guān)鍵技術(shù):穩(wěn)定地物樣本庫的建立與更新、訓(xùn)練樣本的動(dòng)態(tài)自動(dòng)化篩選和分類結(jié)果的自動(dòng)甄別。

1.2.1 穩(wěn)定地物樣本庫的建立與更新

1.2.1.1 穩(wěn)定目標(biāo)的選取與樣本庫的構(gòu)建

本文提出利用多時(shí)相、多源先驗(yàn)知識(shí)進(jìn)行穩(wěn)定地物樣本的選取和建庫:

1)制定耕地、建設(shè)用地、河流以及林地等典型地物的穩(wěn)定目標(biāo)選取規(guī)則。例如，對(duì)于基本農(nóng)田數(shù)據(jù)，國(guó)家規(guī)定其應(yīng)長(zhǎng)期穩(wěn)定存在，故在基本農(nóng)田數(shù)據(jù)中選擇耕地?cái)?shù)據(jù);將橋梁、主干道路、政府所在地以及建制鎮(zhèn)等中心點(diǎn)作為建設(shè)用地候選點(diǎn);對(duì)于水體，則選擇土地利用調(diào)查成果中的河流、水庫及湖泊中心;而林地主要選取土地利用調(diào)查成果中的有林地。依據(jù)上述穩(wěn)定地物選取規(guī)則，由計(jì)算機(jī)自動(dòng)抽選區(qū)域內(nèi)面積較大的各類圖斑。

2)基于本底影像(多年份遙感數(shù)據(jù))人工對(duì)上述自動(dòng)選取的穩(wěn)定目標(biāo)進(jìn)行補(bǔ)充和校驗(yàn)。一方面補(bǔ)充計(jì)算機(jī)自動(dòng)選取較少的類別(如鄉(xiāng)村區(qū)域的房屋等建設(shè)用地);另一方面檢查計(jì)算機(jī)自動(dòng)抽選目標(biāo)的正確性(因土地利用調(diào)查數(shù)據(jù)中并非全是嚴(yán)格的土地覆蓋情況)。

3)經(jīng)過1)和2)得到了穩(wěn)定地物樣本的初步目標(biāo)，對(duì)照空間查詢審批數(shù)據(jù)作進(jìn)一步篩選，去除處于用地審批、供地備案、開發(fā)整理中的目標(biāo)，以保證所選目標(biāo)不會(huì)在短期內(nèi)發(fā)生變化。

4)利用當(dāng)年衛(wèi)星遙感數(shù)據(jù)庫中的研究區(qū)最新遙感影像(現(xiàn)多為2013年國(guó)家下發(fā)數(shù)據(jù))對(duì)所抽選的目標(biāo)進(jìn)行區(qū)域樣本可分性計(jì)算，提取滿足可分性要求的目標(biāo)圖形中心點(diǎn)。

5)采取人機(jī)交互方式，對(duì)比目標(biāo)圖斑在多年份遙感數(shù)據(jù)中的表觀性質(zhì)，結(jié)合土地利用總體規(guī)劃，對(duì)目標(biāo)圖形中心點(diǎn)進(jìn)行人工輔助再篩選，以保證入庫樣本的正確性。其具體過程如圖2所示。

圖2 穩(wěn)定地物樣本選取流程Fig.2 Stable object sam p le selection

為提高數(shù)據(jù)庫的通用性，對(duì)所選圖斑取其圖形中心點(diǎn)作為主要記錄信息，按照數(shù)據(jù)庫設(shè)計(jì)的字段統(tǒng)一存儲(chǔ)管理。數(shù)據(jù)庫的屬性結(jié)構(gòu)設(shè)計(jì)見表1。

表1 樣本庫屬性結(jié)構(gòu)Tab.1 Attribute structure of sam p le database

1.2.1.2 樣本庫的自動(dòng)更新

地物樣本的穩(wěn)定性是相對(duì)的，庫中樣本并不能保證長(zhǎng)期有效，因此在固定更新年限(如3 a)的情況下，需具備自動(dòng)更新機(jī)制。樣本庫以使用頻率(由使用頻數(shù)(SYPS)和訪問次數(shù)(FWCS)計(jì)算得到)字段作為自動(dòng)更新的依據(jù)。鑒于每次分類使用的訓(xùn)練樣本均需通過樣本可分性檢查，通過檢查的樣本，使用頻數(shù)累加，得到該樣本作為訓(xùn)練樣本用于分類的次數(shù)，即使用頻數(shù)(SYPS)。同時(shí)，訪問次數(shù)(FWCS)記錄主程序?qū)υ搮^(qū)域樣本庫的訪問次數(shù)，亦即當(dāng)前區(qū)域督察次數(shù)。由使用頻數(shù)和訪問次數(shù)得到當(dāng)前區(qū)域每個(gè)樣本作為訓(xùn)練樣本的使用頻率。低頻樣本說明其未被經(jīng)常使用，可能已經(jīng)發(fā)生變化，這樣的樣本會(huì)在樣本庫自動(dòng)更新中去除。

穩(wěn)定地物樣本庫的建立主要是為了提高變化圖斑信息提取的自動(dòng)化程度，一旦影像數(shù)據(jù)更新，在沒有人工參與的情況下可自動(dòng)完成變化分析。

1.2.2 訓(xùn)練樣本的動(dòng)態(tài)自動(dòng)化篩選

穩(wěn)定地物樣本庫提供候選樣本。在分類前，結(jié)合當(dāng)前影像，經(jīng)過動(dòng)態(tài)自動(dòng)篩選得到用于分類的訓(xùn)練樣本。

對(duì)訓(xùn)練樣本一般從3個(gè)方面評(píng)價(jià)其優(yōu)劣:①數(shù)量是否合適;②種類是否完備;③可分性是否良好［10］。薄樹奎等［11］指出，面向?qū)ο蠓诸惙椒ǖ臉颖緮?shù)量在2～3倍于波段數(shù)目(N)時(shí)，分類精度即能達(dá)到較高的水平并進(jìn)入平穩(wěn)階段。為保證特征學(xué)習(xí)的充分性，本文每類選擇9N的訓(xùn)練樣本進(jìn)行分類。故構(gòu)建樣本庫時(shí)，要求各個(gè)類別樣本數(shù)量至少達(dá)到15N，以保證訓(xùn)練樣本自動(dòng)篩選程序的正常運(yùn)行。

為了正確發(fā)現(xiàn)建設(shè)用地的變化信息，本文參照土地利用分類系統(tǒng)，結(jié)合研究區(qū)具體情況［12－13］，將主要地物類別分為建設(shè)用地(包括房屋等人工建筑和道路)、水面(坑塘、河流、水庫等)、林地、耕地和其他(裸地、沙地等未利用地)共5類。

訓(xùn)練樣本在特征空間的可分性是樣本質(zhì)量的表征。良好的可分性要求各個(gè)類別在特征空間中有比較明顯的界限［14］。一般用Jeffries－Matusita(J－M)距離和轉(zhuǎn)換分離度(transformed divergence，TD)衡量類間分離度，要求J－M距離大于1.38，轉(zhuǎn)換分離度大于 1.9［7］。

由于訓(xùn)練樣本在數(shù)量、種類和質(zhì)量上有上述要求，動(dòng)態(tài)自動(dòng)訓(xùn)練樣本篩選首先在數(shù)據(jù)庫中查詢?cè)搮^(qū)域穩(wěn)定地物的位置，隨機(jī)選每類9N的點(diǎn)，同時(shí)套合當(dāng)前區(qū)域分割影像，得到原始訓(xùn)練樣本;然后關(guān)聯(lián)影像數(shù)據(jù)計(jì)算樣本可分性，如不滿足要求，則替換部分樣本，直到找到滿足質(zhì)量要求的訓(xùn)練樣本為止。而穩(wěn)定地物樣本庫中存儲(chǔ)對(duì)象中心點(diǎn)的位置信息是為了關(guān)聯(lián)新影像，動(dòng)態(tài)自動(dòng)選擇訓(xùn)練樣本;通過中心點(diǎn)位置找到分割影像中對(duì)應(yīng)的對(duì)象，避免由于數(shù)據(jù)原因造成的分割差異導(dǎo)致的訓(xùn)練樣本與分割影像無法套合及輻射環(huán)境不同導(dǎo)致的訓(xùn)練樣本無法拓展［15］，提高數(shù)據(jù)庫的通用性。

1.2.3 分類結(jié)果的自動(dòng)甄別

為了達(dá)到高精度的建設(shè)用地變化圖斑自動(dòng)化提取的要求，本文提出使用土地利用現(xiàn)狀數(shù)據(jù)和規(guī)劃數(shù)據(jù)對(duì)建設(shè)用地變化圖斑進(jìn)行甄別，以提高發(fā)現(xiàn)建設(shè)用地變化的準(zhǔn)確性和及時(shí)性。

遙感分類的結(jié)果不可避免地會(huì)出現(xiàn)部分錯(cuò)分，為了保證大范圍的高可靠性自動(dòng)化精準(zhǔn)督察，在不可能人工對(duì)全區(qū)域結(jié)果進(jìn)行全面解譯和審查的情況下，引入最新土地利用現(xiàn)狀數(shù)據(jù)和規(guī)劃數(shù)據(jù)實(shí)現(xiàn)計(jì)算機(jī)對(duì)錯(cuò)誤分類結(jié)果的有效甄別，以提高建設(shè)用地變化信息提取的可靠性。

本文對(duì)上述方法的有效性設(shè)計(jì)了對(duì)比實(shí)驗(yàn)，在所有實(shí)驗(yàn)條件(樣本、參數(shù)、分類器等)都相同的情況下，分析是否引入先驗(yàn)知識(shí)進(jìn)行分類結(jié)果甄別對(duì)于變化信息提取的影響，以驗(yàn)證輔以土地利用調(diào)查成果數(shù)據(jù)對(duì)提高建設(shè)用地變化信息提取可靠性或精度的作用。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)數(shù)據(jù)

以2013年8月2日和2014年1月23日獲取的資源三號(hào)衛(wèi)星正視全色TDICCD數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù)，其空間分辨率為2.1 m，并融合了同時(shí)獲取的6 m分辨率的多光譜數(shù)據(jù)。

2.2 分類參數(shù)與分類器

通過對(duì)多組分割參數(shù)的實(shí)驗(yàn)比較，本文確定影像分割采用的邊界尺度的經(jīng)驗(yàn)值為36。圖3示出局部影像的分割效果。

圖3 影像分割Fig.3 Image segmentation

本文以建設(shè)用地變化為例，在特征選擇時(shí)，除常用的光譜和紋理特征［16］外，還針對(duì)建設(shè)用地的特征適當(dāng)增加了形狀信息［17］。所選特征包括光譜均值、光譜標(biāo)準(zhǔn)差、光譜最大值和最小值、紋理范圍、紋理均值、紋理方差和信息熵、緊密性、凹凸性、形狀指數(shù)、延伸性以及類矩形性。分類器均使用K近鄰分類器(K－nearest neighbor)，利用以上特征，設(shè)置權(quán)重為5，進(jìn)行最近鄰分類。

2.3 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證樣本庫樣本的可重復(fù)使用性及輔以土地利用調(diào)查數(shù)據(jù)對(duì)提高變化信息提取的可靠性，本文按照?qǐng)D1所示的技術(shù)流程和傳統(tǒng)分類后變化監(jiān)測(cè)(無土地利用調(diào)查數(shù)據(jù)輔助的監(jiān)測(cè))分別實(shí)驗(yàn)，研究建設(shè)用地變化圖斑的提取效果。在無人工后處理的情況下，分別得到如下實(shí)驗(yàn)結(jié)果(圖4)。

圖4 實(shí)驗(yàn)數(shù)據(jù)與結(jié)果Fig.4 Experiment data and results

從圖4可以看出，2景影像在數(shù)據(jù)質(zhì)量和成像效果上均有很大差別，但對(duì)于利用穩(wěn)定地物樣本庫自動(dòng)篩選出的訓(xùn)練樣本，不論是從可分性還是分類效果上，訓(xùn)練樣本均有效，說明自動(dòng)選取訓(xùn)練樣本的模式可行。事實(shí)上，筆者在多個(gè)時(shí)相、多個(gè)研究區(qū)的實(shí)驗(yàn)中發(fā)現(xiàn)，這種訓(xùn)練樣本自動(dòng)選取機(jī)制均有效，大大提高了監(jiān)督分類的自動(dòng)化程度。因植被與耕地在影像上有相似之處，兩者之間的可分離度偏低，因此，對(duì)于具有相似特征地物的分離標(biāo)準(zhǔn)有待進(jìn)一步研究。2個(gè)時(shí)相的訓(xùn)練樣本可分性如表2所示。

表2 樣本可分性Tab.2 Sam p le separability

為了評(píng)估分類結(jié)果，本文將土地利用現(xiàn)狀圖(圖4(c))分別與2個(gè)時(shí)相的分類結(jié)果(圖4(d)和(e))疊置，結(jié)合目視解譯，選擇了5 920個(gè)檢查點(diǎn)(圖4(f)，其中，建設(shè)用地1 678個(gè)，耕地1 115個(gè)，水體537個(gè)，植被2 553個(gè)，其他類型地物37個(gè))，建立混淆矩陣，評(píng)估分類精度(表3)。

表3 分類精度Tab.3 Classification accuracy

利用樣本庫動(dòng)態(tài)自動(dòng)篩選訓(xùn)練樣本直接對(duì)2014年遙感數(shù)據(jù)進(jìn)行分類，仍然能保證80%以上的總體分類精度以及0.7以上的內(nèi)部一致性(Kappa系數(shù))，說明訓(xùn)練樣本的自動(dòng)化選取可行。筆者在多個(gè)實(shí)驗(yàn)區(qū)實(shí)驗(yàn)均得到了相同結(jié)論。需要說明的是，2013年建設(shè)用地的生產(chǎn)者精度偏低的主要原因是由于圖像上有云層覆蓋所致。

輔以土地利用現(xiàn)狀和規(guī)劃數(shù)據(jù)對(duì)2個(gè)時(shí)相影像的分類結(jié)果進(jìn)行甄別，去除碎小圖斑，得到變化圖斑493個(gè)。對(duì)變化圖斑進(jìn)行人工判斷，其中真實(shí)變化的有225個(gè)(占45.64%)，疑似變化的(如耕地種植變化導(dǎo)致的土壤裸露、冬季加蓋大棚等不屬于建設(shè)用地的變化)134個(gè)(占27.18%)。即建設(shè)用地變化圖斑的正確率達(dá)72.82%，新增建設(shè)用地變化圖斑的正確率達(dá)45.64%(表4和圖5)。

表4 輔以土地利用現(xiàn)狀數(shù)據(jù)的建設(shè)用地變化提取正確率Tab.4 Accuracy of construction land change detection aided with land－use data

圖5 輔以土地利用現(xiàn)狀數(shù)據(jù)的建設(shè)用地變化提取Fig.5 Construction land truly changed area extraction aided with land－use data

從采用傳統(tǒng)方法提取的建設(shè)用地變化結(jié)果中取出900個(gè)變化圖斑進(jìn)行人工判釋發(fā)現(xiàn)，其中真實(shí)變化圖斑148個(gè)(占16.44%)，而77%的變化圖斑均為偽變化;變化監(jiān)測(cè)提取的正確率僅為33%，不足新方法的一半，且新增建設(shè)用地的檢測(cè)正確率不足新方法的1/3(表5和圖6)。

表5 傳統(tǒng)建設(shè)用地變化提取正確率Tab.5 Accuracy of construction land change detection using traditionalmethod

圖6 傳統(tǒng)方法提取的建設(shè)用地真實(shí)變化區(qū)域Fig.6 Construction land truly changed area extraction using traditionalmethod

通過對(duì)比分析可知，本文方法對(duì)建設(shè)用地變化信息提取的可靠性有了大幅度提高。另外，利用本文方法得到的靶區(qū)，在其他研究區(qū)開展了外業(yè)調(diào)查，違法用地的正確查出率達(dá)95%以上(3處外業(yè)調(diào)查中，正確建設(shè)用地變化圖斑數(shù)目與外業(yè)調(diào)查目標(biāo)總數(shù)之比分別為40∶42，8∶9 和 5∶5)。

特別要指出的是，在具備穩(wěn)定地物樣本庫的情況下，由于減少了對(duì)新時(shí)相影像樣本選取的時(shí)間，對(duì)單個(gè)縣市的自動(dòng)化建設(shè)用地變化提取平均耗時(shí)僅需2 h左右。因此，保證影像數(shù)據(jù)的更新頻率，可大大提高土地督察的實(shí)時(shí)性。

3 結(jié)論

本文通過利用土地利用調(diào)查成果建立穩(wěn)定地物樣本庫，動(dòng)態(tài)自動(dòng)篩選訓(xùn)練樣本，有效甄別分類結(jié)果，實(shí)現(xiàn)了多時(shí)相建設(shè)用地變化信息的高效、自動(dòng)提取。

1)利用多源土地調(diào)查成果，制定規(guī)則，由計(jì)算機(jī)抽選、結(jié)合人工輔助的方式可方便地建立穩(wěn)定地物樣本庫。

2)通過樣本庫定位，關(guān)聯(lián)當(dāng)前影像的訓(xùn)練樣本動(dòng)態(tài)自動(dòng)篩選機(jī)制，能夠滿足高精度、自動(dòng)化監(jiān)督分類對(duì)樣本的要求。

3)輔以土地利用現(xiàn)狀數(shù)據(jù)對(duì)分類結(jié)果的甄別，可有效降低因錯(cuò)誤分類結(jié)果引起的建設(shè)用地變化的誤判率。

4)部分地物由于光譜的相似性，導(dǎo)致其類別間可分離性不高，若采取統(tǒng)一的可分離性標(biāo)準(zhǔn)，可能直接影響訓(xùn)練樣本篩選的自動(dòng)化程度。如何界定相似地物類別間的可分離性有待進(jìn)一步研究。

5)本文采用相隔4個(gè)月(2013年8月和2014年1月)的資源3號(hào)衛(wèi)星影像，但未就數(shù)據(jù)時(shí)相的不一致性、植被生長(zhǎng)周期對(duì)訓(xùn)練樣本自動(dòng)篩選和建設(shè)用地變化自動(dòng)提取的影響等問題做深入研究，這也是本文后續(xù)的研究方向。

［1］ 國(guó)家土地督察局.國(guó)家土地督察督察職責(zé)［EB/OL］.［2006－07－13］.http://gjtddc.mlr.gov.cn/zzjg/.Supervisor of State Land.Inspector duties of state land supervisor［EB/OL］.［2006－07－13］.http://gjtddc.mlr.gov.cn/zzjg/.

［2］ 國(guó)家土地督察局武漢局.武漢督察局利用在線土地督察系統(tǒng)三期建設(shè)成果提高審核督察效用［EB/OL］.［2014－05－19］.Wuhan Bureau of State Land Supervision.Wuhan Burean of state land supervision improved the effectiveness of land audit inspector by using the achievement of online land supervision system III［EB/OL］.［2014－05－19］.http://whdc.mlr.gov.cn/dcyw/dckx/201405/t20140519_1317387.htm.

［3］ 國(guó)家土地督察局武漢局.“科技之眼”助推土地督察發(fā)現(xiàn)機(jī)制創(chuàng)新［EB/OL］.［2013－01－21］.http://www.whdc.mlr.gov.cn/dcyw/dckx/201301/t20130121_1176883.htm.Wuhan Bureau of State Land Supervision“ Eye of Technology”impels the innovation of clues discovering mechanism for state land supervision［EB/OL］.［2013－01－21］.http://www.whdc.mlr.gov.cn/dcyw/dckx/201301/t20130121_1176883.htm.

［4］ 雒燕飛，徐泮林，李英成，等.3S技術(shù)在土地督察中的應(yīng)用［J］.國(guó)土資源遙感，2010，22(3):12－15.doi:10.6046/gtzyyg.2010.03.03.Luo Y F，Xu PL，Li Y C，etal.The application of3S technology to land supervision［J］.Remote Sensing for Land and Resources，2010，22(3):12－15.doi:10.6046/gtzyyg.2010.03.03.

［5］ 朱秀芳，潘耀忠，張錦水，等.訓(xùn)練樣本對(duì)TM尺度小麥種植面積測(cè)量精度影響研究(Ⅰ)——訓(xùn)練樣本與分類方法間分類精度響應(yīng)關(guān)系研究［J］.遙感學(xué)報(bào)，2007，11(6):826－837.Zhu X F，Pan Y Z，Zhang JS，etal.The effects of training samples on the wheat planting area measure accuracy in TM scale(Ⅰ):The accuracy response of different classifiers to training samples［J］.Journal of Remote Sensing，2007，11(6):826－837.

［6］ 李石華，王金亮，畢 艷，等.遙感圖像分類方法研究綜述［J］.國(guó)土資源遙感，2005，17(2):1－6.doi:10.6046/gtzyyg.2005.02.01.Li SH，Wang JL，Bi Y，etal.A review ofmethods for classification of remote sensing images［J］.Remote Sensing for Land and Resources，2005，17(2):1－6.doi:10.6046/gtzyyg.2005.02.01.

［7］ 張 華.遙感數(shù)據(jù)可靠性分類方法研究［D］.徐州:中國(guó)礦業(yè)大學(xué)，2012.Zhang H.Study on Reliable Classification Methods Based on Re-motely Sensed Image［D］.Xuzhou:China University of Mining and Technology，2012.

［8］ 李 雪，舒 寧，劉小利，等.基于特征映射模式分析的對(duì)象級(jí)變化檢測(cè)方法［J］.國(guó)土資源遙感，2013，25(3):51－55.doi:10.6046/gtzyyg.2013.03.09.Li X，Shu N，Liu X L，etal.The change detectionmethod based on object－oriented characteristic mapping pattern analysis［J］.Remote Sensing for Land and Resources，2013，25(3):51－55.doi:10.6046/gtzyyg.2013.03.09.

［9］ 陳 宇，杜培軍，唐偉成，等.基于BJ－1小衛(wèi)星遙感數(shù)據(jù)的礦區(qū)土地覆蓋變化檢測(cè)［J］.國(guó)土資源遙感，2011，22(3):146－150.doi:10.6046/gtzyyg.2011.03.26.Chen Y，Du P J，Tang W C，et al.Land cover change detection in coalmining area using BJ－1 small satellite remote sensing data［J］.Remote Sensing for Land and Resources，2011，22(3):146－150.doi:10.6046/gtzyyg.2011.03.26.

［10］ Richards JA，Jia X.Remote Sensing Digital Image Analysis:An Introduction(4th Edition)［M］.Berlin Heidelberg:Springer，1999.

［11］ 薄樹奎，丁 琳.訓(xùn)練樣本數(shù)目選擇對(duì)面向?qū)ο笥跋穹诸惙椒ň鹊挠绊懀跩］.中國(guó)圖象圖形學(xué)報(bào)，2010，15(7):1106－1111.Bo SK，Ding L.The effectof the size of training sample on classification accuracy in object－oriented image analysis［J］.Journal of Image and Graphics，2010，15(7):1106－1111.

［12］ 張景華，封志明，姜魯光.土地利用/土地覆被分類系統(tǒng)研究進(jìn)展［J］.資源科學(xué)，2011，33(6):1195－1203.Zhang JH，F(xiàn)eng ZM，Jiang L G.Progress on studies of land use/land cover classification systems［J］.Resources Science，2011，33(6):1195－1203.

［13］ 張 磊，吳炳方.關(guān)于土地覆被遙感監(jiān)測(cè)的幾點(diǎn)思考［J］.國(guó)土資源遙感，2011，23(1):15－20.doi:10.6046/gtzyyg.2011.01.03.Zhang L，Wu B F.A discussion on land covermapping［J］.Remote Sensing for Land and Resources，2011，23(1):15－20.doi:10.6046/gtzyyg.2011.01.03.

［14］ Guo QH，LiW K，Liu D S，etal.A framework for supervised image classification with incomplete training samples［J］.Photogrammetric Engineering and Remote Sensing，2012，78(6):595－604.

［15］ 任廣波，張 杰，馬 毅，等.基于半監(jiān)督學(xué)習(xí)的遙感影像分類訓(xùn)練樣本時(shí)空拓展方法［J］.國(guó)土資源遙感，2013，25(2):87－94.doi:10.6046/gtzyyg.2013.02.16.Ren GB，Zhang J，Ma Y，etal.Extendingmethod of remote sensing image training sample based on semi－supervised learning in both time and spatial domain［J］.Remote Sensing for Land and Resources，2013，25(2):87－94.doi:10.6046/gtzyyg.2013.02.16.

［16］ 王東廣，肖鵬峰，宋曉群，等.結(jié)合紋理信息的高分辨率遙感圖像變化檢測(cè)方法［J］.國(guó)土資源遙感，2012，24(4):76－81.doi:10.6046/gtzyyg.2012.04.13.Wang DG，Xiao P F，Song X Q，etal.Change detectionmethod for high resolution remote sensing image in association with textural and spectral information［J］.Remote Sensing for Land and Resources，2012，24(4):76－81.doi:10.6046/gtzyyg.2012.04.13.

［17］ 張 茜，劉順喜，陳 戈，等.面向新增建設(shè)用地發(fā)現(xiàn)的地塊特征構(gòu)建［J］.國(guó)土資源遙感，2013，25(4):98－103.doi:10.6046/gtzyyg.2013.04.16.Zhang X，Liu SX，Chen G，et al.Block feature usage in new construction land change detection supplemented by land use data［J］.Remote Sensing for Land and Resources，2013，25(4):98－103.doi:10.6046/gtzyyg.2013.04.16.