地理國情普查的關(guān)鍵技術(shù)及實(shí)現(xiàn)策略

凌曉春，劉石棟，鐘全寶

（1.山東省國土測(cè)繪院，山東 濟(jì)南 250102）

地理國情普查的關(guān)鍵技術(shù)及實(shí)現(xiàn)策略

凌曉春1，劉石棟1，鐘全寶1

（1.山東省國土測(cè)繪院，山東 濟(jì)南 250102）

主要對(duì)影像獲取與處理、DEM精細(xì)化、自動(dòng)解譯技術(shù)應(yīng)用和質(zhì)檢軟件流程實(shí)現(xiàn)等地理國情普查關(guān)鍵技術(shù)的實(shí)現(xiàn)策略進(jìn)行了論述，重點(diǎn)介紹了DEM精細(xì)化作業(yè)方法，并對(duì)比了幾種自動(dòng)解譯軟件的效率。研究結(jié)果表明，該方法能提高近30%的確工作效率。

地理國情普查；影像獲取與處理；DEM精細(xì)化；自動(dòng)解譯；質(zhì)量檢查

地理國情主要是指地表自然和人文地理要素的空間分布、特征及其相互關(guān)系，是基本國情的重要組成部分。國情普查的目的是查清我國地表自然和人文地理要素的現(xiàn)狀和空間分布情況，為開展常態(tài)化地理國情監(jiān)測(cè)奠定基礎(chǔ)，滿足社會(huì)發(fā)展和生態(tài)文明建設(shè)的需要，提高地理國情信息對(duì)政府企業(yè)和公眾的服務(wù)能力[1]。為提高地理國情普查的工作效率，確保普查成果的質(zhì)量，作業(yè)單位需要在軟硬件環(huán)境配置、已有資料利用和關(guān)鍵技術(shù)探索上進(jìn)行大膽創(chuàng)新，制定切實(shí)可行的技術(shù)路線。

地理國情普查是一項(xiàng)全新的、系統(tǒng)的、嚴(yán)謹(jǐn)?shù)娜蝿?wù)，在總體技術(shù)路線設(shè)計(jì)中[2]，需要對(duì)內(nèi)外業(yè)作業(yè)模式、作業(yè)平臺(tái)選擇、數(shù)據(jù)質(zhì)量控制等方面進(jìn)行一系列的探索與嘗試，下面將從地理國情普查關(guān)鍵環(huán)節(jié)和技術(shù)方面進(jìn)行簡要介紹。

1 遙感影像快速獲取與處理

在遙感影像數(shù)據(jù)獲取方面，ADS100數(shù)碼航攝儀具有“紅、綠、藍(lán)、近紅外”4個(gè)全彩色波段，每個(gè)波段掃描線寬度為20 000像素，數(shù)據(jù)獲取效率高。系統(tǒng)擁有自適應(yīng)控制的PAV100陀螺儀穩(wěn)定平臺(tái)和嵌入的Novatel SPAN GNSS/IMU緊耦合處理系統(tǒng)，可獲取更高質(zhì)量的影像。機(jī)載LiDAR集成CS10000相機(jī)，可實(shí)現(xiàn)在獲取高精度地面點(diǎn)云數(shù)據(jù)時(shí)，同步采集高分辨率航空影像。

在遙感影像處理方面，采用像素工廠（pixel factory，PF）和Geoway CIPS兩套集群式影像處理系統(tǒng)同時(shí)開展影像處理。其中，PF由法國ASTRIUM集團(tuán)公司研制開發(fā)，由一系列軟件算法、工作流程和硬件設(shè)備組成，是用于海量對(duì)地觀測(cè)數(shù)據(jù)規(guī)模化生產(chǎn)的最佳軟硬件系統(tǒng)；支持輸入數(shù)碼影像、衛(wèi)星影像或傳統(tǒng)光學(xué)掃描影像后，在少量人工干預(yù)的條件下，經(jīng)過一系列的自動(dòng)化處理，輸出包括DSM、DEM、DOM和TDOM等產(chǎn)品。經(jīng)對(duì)比分析發(fā)現(xiàn)，PF自動(dòng)化程度高，人工干預(yù)少，處理效率遠(yuǎn)高于傳統(tǒng)數(shù)字?jǐn)z影測(cè)量。

2014年5月至今，僅10余人的影像處理團(tuán)隊(duì)，利用PF已累計(jì)處理ADS100 0.5 m DOM約59 600 km2，完成0.5 m分辨率1∶10 000 DOM約2 100幅。在國內(nèi)率先利用PF成功處理ADS100航攝儀數(shù)據(jù)，將二者的優(yōu)勢(shì)相互疊加，取得了“1+1＞2”的效果。實(shí)驗(yàn)結(jié)果表明，利用PF處理ADS100數(shù)據(jù)，平均每天可完成1 200 km2。

基于CIPS結(jié)合Inpho、Photomod等軟件，在處理框幅式影像上有很大優(yōu)勢(shì)。2014年5月至今已經(jīng)累計(jì)處理框幅式影像約26 400 km2。實(shí)驗(yàn)結(jié)果表明，利用CIPS處理框幅式影像數(shù)據(jù)，平均每天可完成700 km2。

2 2m格網(wǎng)DEM精細(xì)化處理

山東省在2m格網(wǎng)DEM精細(xì)化處理方面采用2種作業(yè)模式：利用機(jī)載LiDAR獲取的點(diǎn)云數(shù)據(jù)，制作完成2 m格網(wǎng)DEM數(shù)據(jù)9萬km2；利用山東省“十一五”基礎(chǔ)測(cè)繪5 m、2.5 m格網(wǎng)DEM數(shù)據(jù)，經(jīng)精細(xì)化處理，制作完成2 m格網(wǎng)DEM數(shù)據(jù)6.7萬km2。

2.1 基于已有DEM進(jìn)行精細(xì)化處理

利用已有的1∶10 000基礎(chǔ)測(cè)繪DEM，經(jīng)拼接、重采樣、分幅等工序，制作完成2 m格網(wǎng)的1∶10 000 DEM，作業(yè)流程如圖1所示。具體作業(yè)步驟如下：

1）數(shù)據(jù)準(zhǔn)備。檢查原始DEM數(shù)據(jù)的接邊情況、是否存在高程異常情況。對(duì)于高程異常范圍DEM精度大于2倍高程中誤差且數(shù)據(jù)不接邊的情況，根據(jù)其他數(shù)據(jù)源進(jìn)行處理；對(duì)于高程異常范圍DEM精度小于2 倍高程中誤差的情況不作處理。

2）數(shù)據(jù)預(yù)處理。利用已有DEM以圖幅為單位計(jì)算坡度數(shù)據(jù)，對(duì)于坡度小于45°范圍占圖幅80%以上面積的圖幅，直接對(duì)已有DEM數(shù)據(jù)進(jìn)行重采樣生成精細(xì)化DEM數(shù)據(jù)。

圖1 基于已有DEM重采樣生產(chǎn)技術(shù)流程圖

3）數(shù)據(jù)重采樣。利用已有DEM數(shù)據(jù)構(gòu)TIN，然后按照2 m格網(wǎng)間距內(nèi)插生成DEM。

4）對(duì)相鄰圖幅DEM重疊區(qū)的所有同名格網(wǎng)點(diǎn)的高程較差進(jìn)行檢查，當(dāng)較差不大于2倍高程中誤差時(shí)，取同名點(diǎn)的高程平均值作為該點(diǎn)高程；若較差超限，需查明原因進(jìn)行處理直至符合要求。

5）對(duì)生成的DEM要進(jìn)行質(zhì)量檢查，重點(diǎn)對(duì)數(shù)據(jù)范圍、格網(wǎng)尺寸、高程粗差、高程無值區(qū)等內(nèi)容進(jìn)行檢查[3]。

6）當(dāng)重采樣的DEM數(shù)據(jù)檢查無誤后，按地理國情普查規(guī)范進(jìn)行裁切處理。

2.2 基于機(jī)載LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行DEM精細(xì)化處理

利用機(jī)載LiDAR獲取的點(diǎn)云數(shù)據(jù)技術(shù)參數(shù)：密度≥0.25點(diǎn)/m2，點(diǎn)云間距≤2 m×2 m?；诜诸惥庉嬐瓿傻臋C(jī)載LiDAR地面點(diǎn)云數(shù)據(jù)預(yù)處理，利用TerraSolid等點(diǎn)云數(shù)據(jù)處理軟件，經(jīng)數(shù)據(jù)分塊、構(gòu)建TIN、內(nèi)插裁切等工序，制作2 m格網(wǎng) DEM，總體作業(yè)流程如圖2所示。

圖2 基于機(jī)載LiDAR數(shù)據(jù)生產(chǎn)DEM數(shù)據(jù)流程

1）數(shù)據(jù)準(zhǔn)備。檢查經(jīng)自動(dòng)分類、人工編輯分類等工序后的分塊地面點(diǎn)云數(shù)據(jù)的數(shù)學(xué)基礎(chǔ)、非地面點(diǎn)數(shù)據(jù)濾除等內(nèi)容是否符合技術(shù)設(shè)計(jì)要求。在TerraSolid軟件下，建立項(xiàng)目工程，設(shè)置相關(guān)參數(shù)，導(dǎo)入分塊數(shù)據(jù)，并對(duì)地面點(diǎn)點(diǎn)云接邊情況進(jìn)行檢查。

2）內(nèi)插裁切。設(shè)置DEM格網(wǎng)間距大小等參數(shù)，內(nèi)插生成DEM數(shù)據(jù)，對(duì)內(nèi)插生成的DEM進(jìn)行質(zhì)量檢查，包括數(shù)據(jù)范圍、格網(wǎng)尺寸、高程粗差、高程無值區(qū)等。

3）按地理國情普查規(guī)范進(jìn)行裁切處理。

3 自動(dòng)化、半自動(dòng)化內(nèi)業(yè)影像解譯

內(nèi)業(yè)遙感影像解譯占普查生產(chǎn)工作較大比重，如何能夠更快、更準(zhǔn)確地完成解譯將決定普查任務(wù)的進(jìn)度。在以人工解譯為主的作業(yè)模式下，采用自動(dòng)、半自動(dòng)的解譯，一方面可以提高解譯效率，另一方面能夠?yàn)榻窈蟮牡乩韲楸O(jiān)測(cè)做好技術(shù)儲(chǔ)備。目前，應(yīng)用較為成熟的自動(dòng)解譯軟件包括全自動(dòng)解譯軟件eCognition、輔助人工的半自動(dòng)解譯軟件FeatureStation和EPS自動(dòng)解譯模塊。

3.1 eCognition解譯軟件應(yīng)用

面向?qū)ο蟮挠跋穹治鲕浖Cognition是一款成熟的商業(yè)用解譯軟件，能夠根據(jù)不同的解譯對(duì)象選擇不同的規(guī)則集，最終實(shí)現(xiàn)覆蓋類型的分類[4]。

面向?qū)ο蟮倪b感影像解譯首先是確定影像分割的算法[5]。分割算法的目標(biāo)是在指定的與感興趣的目標(biāo)或空間結(jié)構(gòu)特征相對(duì)應(yīng)的尺度下，將影像分割成高度均質(zhì)、互相連結(jié)的不同影像區(qū)域，與感興趣的目標(biāo)或空間結(jié)構(gòu)特征相對(duì)應(yīng)。分割算法包含多種基本分割方法，如面向?qū)ο蠖喑叨确指?、棋盤分割、四叉樹分割、光譜分割、對(duì)比分裂分割、光譜差異分割、多閾值圖像分割、對(duì)比濾波分割和分波段差異性光譜分割，且可相互組合，滿足各種需求。

多尺度分割充分考慮了地物的顏色、形狀、緊致度、光滑度以及大小的關(guān)系，創(chuàng)建更貼切于實(shí)際地物邊緣的分割對(duì)象[6]。另外，不同尺度下創(chuàng)建的圖像對(duì)象層能夠提取不同粒度的地物，更符合人們的認(rèn)知習(xí)慣。多尺度分割原理見圖3。

圖3 基于eCognition軟件的多尺度分割原理圖

影像分割之后是分類。分類的目的是根據(jù)影像對(duì)象的光譜信息、紋理信息、上下文關(guān)系、空間關(guān)系等，提取出各類地物，即為影像對(duì)象賦類別屬性（定性）。分類方法[7]包括監(jiān)督分類（訓(xùn)練樣本、分類等）、 非監(jiān)督分類（條件閾值方法、模糊分類等），一般采用非監(jiān)督分類方法，對(duì)難區(qū)分地類輔以監(jiān)督分類。分類的依據(jù)是影像對(duì)象里包含的大量以特征的方式呈現(xiàn)的信息。

同時(shí)，地表覆蓋類型決定解譯方式：

1）對(duì)于自然地表覆蓋（水域、植被），易自動(dòng)分類的類型，一般優(yōu)先考慮采用計(jì)算機(jī)自動(dòng)分類提取的方法和技術(shù)流程。

2）對(duì)于人工地表覆蓋（房屋建筑、構(gòu)筑物、人工堆掘地）、荒漠與裸露地表，自動(dòng)分類較難準(zhǔn)確提取的類型，一般優(yōu)先考慮采用人工解譯的方法和技術(shù)流程，或僅通過影像分割獲取圖形信息再進(jìn)行人工分類。

3）對(duì)于人工地表覆蓋（道路），具有特殊形狀特征的類型，可采用計(jì)算機(jī)自動(dòng)分類提取，也可采用人工解譯方法提取，或2種方法相結(jié)合。

4）對(duì)于城市建成區(qū)盡量以人工目視判讀為主，郊區(qū)、農(nóng)村地區(qū)可輔以自動(dòng)解譯。

自動(dòng)解譯流程如下[8]：

1）合理、有效利用基礎(chǔ)地理信息數(shù)據(jù)。適當(dāng)規(guī)整地類邊界(面、線)，主要用于輔助定性。

2）選取合適分割尺度、多種分割方法相結(jié)合。

3）選取合適特征、多種分類方法相結(jié)合，優(yōu)先使用非監(jiān)督分類，未分類對(duì)象使用監(jiān)督分類。

4）圖形規(guī)整化。去微小圖斑、同類型相鄰圖斑合并、適當(dāng)去鋸齒。

5）數(shù)據(jù)導(dǎo)出。包括帶屬性輸出（cc、疑問圖斑等說明字段），導(dǎo)出后進(jìn)行人工編輯整理。

6）形成規(guī)則集：分區(qū)域修改規(guī)則集、分影像類型制定規(guī)則集，規(guī)則集適當(dāng)組合、校正。

7）批處理。多幅、多景數(shù)據(jù)批處理、視影像情況調(diào)用合適規(guī)則集。

解譯過程要特別注意以下幾點(diǎn)：

1）充分利用現(xiàn)有基礎(chǔ)資料，能夠提高部分?jǐn)?shù)據(jù)空間定位精度；解譯前優(yōu)先采集房屋建筑區(qū)、獨(dú)立房屋建筑投影差、林木投影差，能夠提高數(shù)據(jù)分類精度。

2）外業(yè)調(diào)查核查后及時(shí)修正規(guī)則集，一方面可以豐富樣本庫，重新訓(xùn)練樣本；另一方面開發(fā)出的規(guī)則集，也非一勞永逸，需根據(jù)影像類型、時(shí)相、區(qū)域特色調(diào)整分割尺度、分類特征等適時(shí)調(diào)整。

3）解譯順序：由簡到難（先提取水體等較易提取的地物，可提高后續(xù)地物分類精度）、由整體到局部（房屋建筑區(qū)等）、地物壓蓋優(yōu)先順序（立體覆蓋、影像上所見即所得）、地類優(yōu)先順序（自然優(yōu)先等）。

3.2 半自動(dòng)解譯軟件應(yīng)用

在地理國情普查生產(chǎn)中，利用FeatureStation和EPS解譯模塊輔助進(jìn)行內(nèi)業(yè)解譯工作，這2種軟件均是基于影像像元進(jìn)行自動(dòng)分類和邊界提取。

1）FeatureStation是由中國測(cè)繪科學(xué)研究院開發(fā)的專門用于地理國情普查內(nèi)業(yè)采集與編輯的軟件[9]。該軟件以DOM為基礎(chǔ)，利用收集的參考數(shù)據(jù)，采用自動(dòng)分ss類與人工解譯相結(jié)合的方式，幫助作業(yè)人員開展內(nèi)業(yè)判讀與解譯，并進(jìn)行地表覆蓋分類，生成符合地理國情普查要求的相應(yīng)數(shù)據(jù)層?？衫眉翰⑿刑幚矸绞綄?shí)現(xiàn)對(duì)影像的快速分割，也可基于已有的DLG數(shù)據(jù)進(jìn)行影像分割，并利用DLG數(shù)據(jù)的屬性特征進(jìn)行批量圖斑屬性賦值，還可通過樣本訓(xùn)練，自動(dòng)生成規(guī)則集，減少手動(dòng)建立規(guī)則的不確定性。

2）EPS自動(dòng)解譯模塊。使用EPS2008作為地理國情普查內(nèi)外業(yè)數(shù)據(jù)采集平臺(tái)，在此基礎(chǔ)上開發(fā)的輔助解譯模塊，具有使用便捷，解譯準(zhǔn)確率高、效果好的特點(diǎn)。操作步驟為：在EPS內(nèi)業(yè)編輯平臺(tái)下加載遙感影像；啟動(dòng)自動(dòng)解譯模塊，完成搜索范圍、最小面積、色彩容差等影像邊界識(shí)別參數(shù)設(shè)置，進(jìn)行影像自動(dòng)解譯；手工調(diào)整已提取邊界線[10]；在保留邊界基礎(chǔ)上進(jìn)行人工采集。

3）自動(dòng)/半自動(dòng)解譯與手工解譯效率對(duì)比分析。選取平地、丘陵和山地區(qū)域1∶10 000標(biāo)準(zhǔn)分幅影像各一幅，分別利用以上軟件進(jìn)行自動(dòng)解譯，并對(duì)解譯結(jié)果進(jìn)行人工編輯修改至符合要求，與完全人工解譯相比，地表覆蓋數(shù)據(jù)生產(chǎn)效率對(duì)比情況如表1所示。

表1 解譯軟件與人工解譯效率對(duì)比分析

分析表1數(shù)據(jù)可以看出：

1）自動(dòng)解譯在不同地貌狀態(tài)下生產(chǎn)效率均高于人工解譯，在地表覆蓋最破碎的丘陵地區(qū)效率差距最為明顯，山地次之，平原地區(qū)效率差距最小。

2）采用“自動(dòng)解譯+人工編輯修改”方式時(shí)，eCognition軟件解譯效果更佳，效率更高，主要是因?yàn)閑Cognition軟件采用的是面向?qū)ο蟮慕庾g方式，在自動(dòng)分類時(shí)能更為細(xì)致地區(qū)分地表覆蓋類型，而FeatureStation和EPS由于采用面向像元的分類方式，自動(dòng)分類結(jié)果較為粗糙，但相對(duì)而言，EPS分類算法更為合理，效率處于居中位置。

3）采用“自動(dòng)解譯+人工編輯修改”方式時(shí)，采用“先采集房屋建筑邊界再自動(dòng)解譯”的方式效率明顯高于“完全自動(dòng)解譯后編輯”的作業(yè)模式，因?yàn)榉课萁ㄖ热斯そㄖ谧詣?dòng)解譯時(shí)會(huì)被分類得過于破碎，使得解譯后人工修改工作量較大。同時(shí)，如果首先確定房屋建筑區(qū)邊界，可為植被解譯劃定解譯邊界，從而提高了解譯準(zhǔn)確性，也可減少人工修改工作量。

4 數(shù)據(jù)檢查的自動(dòng)化、程序化

地理國情普查成果質(zhì)量管理的總目標(biāo)要求高、難度大，應(yīng)充分發(fā)揮質(zhì)檢軟件的輔助質(zhì)檢功能，減輕人工檢查工作量。

1）利用質(zhì)檢軟件來完成數(shù)據(jù)空間參考、數(shù)學(xué)基礎(chǔ)、拓?fù)潢P(guān)系和屬性值正確性等標(biāo)準(zhǔn)明確的檢查項(xiàng)，一方面能減輕人工檢查工作量，另一方面也能提高檢查正確性。具體來說，將地理國情普查成果中[11]：地表覆蓋的空間參考系、邏輯一致性、表征質(zhì)量，國情要素的空間參考系、邏輯一致性、屬性精度、表征質(zhì)量，遙感解譯樣本數(shù)據(jù)的數(shù)據(jù)及結(jié)構(gòu)正確性、遙感影像實(shí)例數(shù)學(xué)基礎(chǔ)、屬性表和元數(shù)據(jù)的空間參考系、邏輯一致性、位置精度等重復(fù)性、可規(guī)范檢查項(xiàng)納入到自動(dòng)檢查范疇。

2）將分類進(jìn)度、位置精度、要素取舍等主觀判斷為主的檢查項(xiàng)交由人工完成。具體來說，將地表覆蓋的時(shí)間精度、采集精度、分類精度，國情要素的時(shí)間精度、位置精度、完整性，遙感解譯樣本數(shù)據(jù)的樣本典型性、地面照片質(zhì)量和元數(shù)據(jù)的屬性精度、完整性納入到人工檢查范疇。

3）根據(jù)《地理國情普查檢查驗(yàn)收與質(zhì)量評(píng)定規(guī)定》要求，需對(duì)每一幅1∶10 000標(biāo)準(zhǔn)分幅數(shù)據(jù)進(jìn)行打分[11]，并設(shè)置了明確的打分標(biāo)準(zhǔn)，因此質(zhì)檢軟件實(shí)現(xiàn)自動(dòng)打分功能很有必要。

基于以上3點(diǎn)，在開發(fā)質(zhì)檢軟件時(shí)，首先應(yīng)設(shè)置好檢查方案，包括確定數(shù)學(xué)基礎(chǔ)、選定檢查項(xiàng)、圖層對(duì)照關(guān)系表、各層屬性值值域關(guān)系表等；其次應(yīng)確定檢查方式，包括全自動(dòng)檢查和分項(xiàng)檢查；最后能夠?qū)崿F(xiàn)錯(cuò)誤問題的空間位置標(biāo)注和錯(cuò)誤內(nèi)容以某一格式導(dǎo)出。

5 結(jié) 語

地理國情普查工作涉及內(nèi)容繁多，要求各不相同。如何在每個(gè)工序中選擇合適的作業(yè)方式和軟硬件就顯得尤為重要。

1）在遙感影像自動(dòng)獲取與處理階段，考慮到地理國情普查作業(yè)面積廣、時(shí)限要求嚴(yán)格的特點(diǎn)，遙感影像獲取應(yīng)盡可能采用ADS100等具備寬像幅和自帶POS的航攝儀，從而有效減少航攝時(shí)間和航攝后外業(yè)像控工作量；在DOM生產(chǎn)時(shí)，應(yīng)盡量選擇PF、CIPS等集群式影像處理軟件，縮短影像處理時(shí)間。

2）DEM精細(xì)化是地理國情普查的重要內(nèi)容，應(yīng)根據(jù)各自實(shí)際情況決定生產(chǎn)模式。利用已有DEM進(jìn)行精細(xì)化，首先應(yīng)拼接成整體后再次進(jìn)行重采樣，同時(shí)應(yīng)加強(qiáng)成果檢查，包括格網(wǎng)點(diǎn)高程異常檢查、同名格網(wǎng)高程值不同檢查、反衍后等高線異常檢查等。

3）在采用自動(dòng)解譯作業(yè)方式時(shí)，為更好地發(fā)揮自動(dòng)解譯效果和減少解譯后人工編輯修改工作量，建議首先采集房屋建筑區(qū)等人工建筑，在此基礎(chǔ)上再進(jìn)行自動(dòng)解譯，能有效減少人工編輯修改工作量，大幅度提高自動(dòng)解譯效率。

4）在地理國情普查成果質(zhì)檢軟件選擇方面，目前開發(fā)較為成功，能夠滿足生產(chǎn)需求的有北京吉威公司Geoway質(zhì)檢軟件、武漢大學(xué)國普QC質(zhì)檢系統(tǒng)和北京清華山維公司EPS質(zhì)檢軟件。其中，Geoway和QC均是基于ArcGIS進(jìn)行二次開發(fā)，優(yōu)勢(shì)在于數(shù)據(jù)拓?fù)潢P(guān)系檢查；EPS是基于EPS2008自主平臺(tái)進(jìn)行二次開發(fā)，軟件優(yōu)勢(shì)在于偽節(jié)、懸掛、屬性值正確性等檢查，而且實(shí)現(xiàn)了在人工交互檢查基礎(chǔ)上的軟件自動(dòng)打分。

[1] 宮攀.中國土地覆蓋分類研究[M].北京:經(jīng)濟(jì)科學(xué)出版社,2012

[2] 史文博.淺談地理國情普查的技術(shù)流程[J].測(cè)繪與空間地理信息,2014,37(6):151-153

[3] 劉東麗,李趙,龔家玉,等.DEM/DOM成果質(zhì)量檢查研究[J].測(cè)繪,2011(4):175-177

[4] 宋楊,李長輝,林鴻.面向?qū)ο蟮膃Cognition遙感影像分類識(shí)別技術(shù)應(yīng)用[J].地理空間信息,2012,10(2):64-66

[5] 韓尚.福建省地理國情普查地表覆蓋影像分割技術(shù)研究[J].測(cè)繪與空間地理信息,2014,37(6):15-17

[6] 蔡華杰,田金文.一種高分辨遙感圖像多尺度分割新算法[J].武漢理工大學(xué)學(xué)報(bào),2009,31(11):97-100

[7] 于歡,張樹清,孔博,等.面向?qū)ο筮b感影像分類的最優(yōu)分割尺度選擇研究[J].中國圖像圖形學(xué)報(bào),2010,15(2):352-360

[8] 王頔,趙志芳,王瑞雪.基于eCognition的面向?qū)ο蟮耐恋馗采w分類研究[J].云南地理環(huán)境研究,2013,25(2):76-79

[9] 張學(xué)之,張禹,周博飛.FeatureStation和eCognition在地理國情普查項(xiàng)目中的應(yīng)用對(duì)比研究[J].測(cè)繪與空間地理信息,2014,37(6):26-28

[10] 曹瑾鑫,孫立光.高分辨率遙感圖像道路邊緣自動(dòng)檢測(cè)與提取技術(shù)研究[J].ITS通訊,2006(2):14-18

[11] 李淑琴.淺談地理國情普查中的質(zhì)量控制[J].測(cè)繪與空間地理信息,2014,37(6):218-219

P208

B

1672-4623（2016）03-0036-04

10.3969/j.issn.1672-4623.2016.03.012

凌曉春，碩士，工程師，主要研究方向?yàn)镚PS數(shù)據(jù)獲取與處理、地理國情普查關(guān)鍵技術(shù)控制。

2014-11-14。