基于OSM的地表覆蓋變化數(shù)據(jù)提取

李志盛，周曉光, 任常青

(1.中南大學(xué) 地球科學(xué)與信息物理學(xué)院，湖南 長沙 410083;2.國家測繪地理信息局 第一航測遙感院，陜西 西安 710054)

0 引 言

我國于2014年完成了全球陸表30 m分辨率的遙感制圖產(chǎn)品的研制，現(xiàn)在迫切需要解決其持續(xù)更新問題。目前，獲取地表覆蓋增量信息的主要途徑包括：①從遙感影像中獲??；②整合利用網(wǎng)絡(luò)化公開數(shù)據(jù)。利用遙感影像數(shù)據(jù)獲取地表覆蓋增量信息存在工作量大等問題[1-4]，而網(wǎng)絡(luò)化公開數(shù)據(jù)存在更新速度快、數(shù)據(jù)豐富、獲取便利等優(yōu)點(diǎn)，是獲取地表覆蓋變化信息的理想數(shù)據(jù)源。近年來，VGI發(fā)展迅速。其中OSM、Wikimapia等項(xiàng)目收集了豐富的空間數(shù)據(jù)。由于OSM提供免費(fèi)的全球矢量數(shù)據(jù),且其數(shù)據(jù)豐富[5-8]，因此，本文選取OSM數(shù)據(jù)作為獲取地表覆蓋增量信息的數(shù)據(jù)源。

OSM數(shù)據(jù)包括26種基本類型，全球地表覆蓋數(shù)據(jù)包括10種基本類型，OSM數(shù)據(jù)不能直接獲得各類地表覆蓋數(shù)據(jù)，因此需要對OSM數(shù)據(jù)進(jìn)行類型轉(zhuǎn)換才能得到。這就需要建立一套從OSM數(shù)據(jù)到地表覆蓋數(shù)據(jù)的類型轉(zhuǎn)換規(guī)則，并通過此規(guī)則從OSM數(shù)據(jù)中提取出10類地表覆蓋數(shù)據(jù)。OSM部分?jǐn)?shù)據(jù)存在多層重疊拓?fù)溴e(cuò)誤，此類數(shù)據(jù)在后期更新過程中會(huì)導(dǎo)致同一位置的數(shù)據(jù)被多次進(jìn)行更新操作，增大數(shù)據(jù)處理工作量；由于數(shù)據(jù)過于碎片化，直接使用也會(huì)大大增加處理的工作量。鑒于以上原因，類型轉(zhuǎn)換后的數(shù)據(jù)還需進(jìn)一步聚類綜合才能得到適合用于更新的地表覆蓋數(shù)據(jù)。

1 總體思路

根據(jù)上文分析，首先利用OSM網(wǎng)站中提供的Primary features建立類型轉(zhuǎn)換規(guī)則，根據(jù)規(guī)則從OSM數(shù)據(jù)提取出每個(gè)類別的地表覆蓋數(shù)據(jù)；然后基于要素聚類提取聚集范圍并柵格化獲得地表覆蓋數(shù)據(jù)；最后與GlobeLand30數(shù)據(jù)進(jìn)行柵格運(yùn)算得到地表覆蓋增量數(shù)據(jù)。詳細(xì)流程如圖1所示。

圖1 利用OSM數(shù)據(jù)提取地表覆蓋增量信息的整體思路圖Fig.1 The general idea of incremental data extraction for land cover data using OSM data

2 地表覆蓋增量數(shù)據(jù)提取方法

從OSM數(shù)據(jù)中提取地表覆蓋增量數(shù)據(jù)包括OSM到地表覆蓋數(shù)據(jù)的類型轉(zhuǎn)換、轉(zhuǎn)換目標(biāo)聚集范圍提取和增量信息提取3個(gè)步驟。

2.1 類型轉(zhuǎn)換

類型轉(zhuǎn)換是將OSM數(shù)據(jù)的26類轉(zhuǎn)換為10類地表覆蓋數(shù)據(jù)，其主要通過建立映射規(guī)則來實(shí)現(xiàn)。地表覆蓋類型選擇的是國家基礎(chǔ)地理信息中心發(fā)布的10個(gè)類型，分別是：耕地、森林、草地、灌木地、濕地、水體、苔原、人造地表、裸地、冰川和永久積雪。然而OSM數(shù)據(jù)沒有采用傳統(tǒng)的專題分層管理，只是通過tag標(biāo)簽中的key_value值描述地物屬性[6]。根據(jù)tag標(biāo)簽中的key_value可以確定數(shù)據(jù)對應(yīng)地表覆蓋的類型。OSM數(shù)據(jù)中心提供了基本數(shù)據(jù)特征描述（Primary features），包含key_value值和對應(yīng)的文字與圖片描述。收集Primary features中所有的key_value值并確定所對應(yīng)的地表覆蓋類型，得到類型轉(zhuǎn)換的規(guī)則。建立的部分規(guī)則實(shí)例見表1,表1中key、value值分別對應(yīng)OSM數(shù)據(jù)中tag標(biāo)簽內(nèi)的key、value值，target?layer則表示key,value值對應(yīng)的地表覆蓋類型。

表1 OSM數(shù)據(jù)到地表覆蓋數(shù)據(jù)類型轉(zhuǎn)換規(guī)則實(shí)例Tab.1 Instance of type conversion rules for OSM data to land cover data

OSM原始數(shù)據(jù)入庫后得到點(diǎn)(point)、線(polyline)、面(polygon)3個(gè)表。根據(jù)收集的規(guī)則從point、polyline 、polygon3個(gè)表提取出地表覆蓋各個(gè)類型的數(shù)據(jù)，并存入相應(yīng)的表中。類型轉(zhuǎn)換規(guī)則如下：

If data.tag.key = rule.key && data.tag.value = rule.value then data ∈rule.targetlayer

式中，data表示入庫后的數(shù)據(jù)，rule則表示表1規(guī)則中的1條規(guī)則。

具體處理流程如下：

1) 讀取規(guī)則表中第i種地表覆蓋類型對應(yīng)的key、value值存入數(shù)組。

2) 遍歷數(shù)組獲得每一對key、value值，根據(jù)從point、polyline 、polygon3個(gè)總表中提取key、value字段與其相同的數(shù)據(jù)存入第i種地表覆蓋類型對應(yīng)的點(diǎn)、線、面表中，并在point、polyline 、polygon表中對此部分?jǐn)?shù)據(jù)進(jìn)行標(biāo)記。

3) 返回第1）步獲取下一種地表覆蓋類型對應(yīng)的轉(zhuǎn)換規(guī)則，直到所有地表覆蓋類型的數(shù)據(jù)都被提取完。

2.2 聚集范圍提取

類型轉(zhuǎn)換后得到的地表覆蓋面數(shù)據(jù)仍存在碎片化、多層重疊等現(xiàn)象，用其直接提取地表覆蓋增量數(shù)據(jù)會(huì)導(dǎo)致效率低、后期處理難度大等問題，因此，需要對該數(shù)據(jù)進(jìn)行聚類處理。常見的空間聚類主要有以下幾類：基于層次的方法[9-12]、基于格網(wǎng)的方法[13-14]、基于劃分的方法[15-16]、基于密度的方法[17-23]和基于四叉樹的方法[24-25]。其中，基于四叉樹的方法和基于格網(wǎng)的方法相比其他幾類聚類方法具有處理速度快的優(yōu)點(diǎn)，同時(shí)此類方法的效率與數(shù)據(jù)量的關(guān)系不大，主要受空間劃分單元個(gè)數(shù)的影響，聚類結(jié)果以單元格表示容易合并得到聚集范圍[13-14,24-25]。因?yàn)榛谒牟鏄涞姆椒ㄏ啾然诟窬W(wǎng)的方法效率更高[24-25],本文選擇前者作為OSM數(shù)據(jù)聚集范圍提取的方法。

1）聚類要素的四叉樹剖分

設(shè)給定的聚類區(qū)域A有n個(gè)元素，記為F={f1,f2, f3…,fn}。首先將區(qū)域A平均分為4個(gè)單元格z0、z1、z2、z3，每個(gè)單元格都與F中元素進(jìn)行相交計(jì)算，對與F元素相交的單元格繼續(xù)剖分，并將剖分得到的單元格繼續(xù)做相交計(jì)算。以此類推，直到單元格的邊長小于期望的閾值。此時(shí)與F中元素相交的單元格存入集合G中。圖2為剖分次數(shù)為1、3、5時(shí)的結(jié)果圖。

圖2 聚類要素的四叉樹剖分Fig.2 Quadtree partition of clustering elements

2）單元格合并

四叉樹剖分后，還需對最小劃分的所有單元格進(jìn)行合并得到目標(biāo)多邊形，其中最小單元格在集合G中的存儲(chǔ)索引如圖3所示。

圖3 集合G存儲(chǔ)索引Fig.3 Storage index of set G

為了提高效率，單元格合并分兩步進(jìn)行：第一步將相鄰的單元格進(jìn)行粗略合并，第二步將第一步合并得到的多邊形進(jìn)行精確合并。

第一步的合并流程如下：

1）設(shè)集合G中有m個(gè)單元格，記為G={g1,g2,g3…，gm},讀取集合G中第i(i從0開始)個(gè)未被標(biāo)記的單元格gi，首先將gi標(biāo)記為merged，然后令多邊形p等于gi。

2) 讀取存儲(chǔ)在其后的單元格gj(i

3) 直到遍歷完存儲(chǔ)在gi后的所有單元格gi+1,gi+2…,gm，將最后合并的多邊形存儲(chǔ)在集合D中。

4) 重復(fù)步驟1），2）和3），直到i=m停止。

第一步能將大部分相鄰的單元格進(jìn)行合并，合并的結(jié)果會(huì)有一些相鄰的多邊形未合并的情況出現(xiàn)。如圖4(b)所示，但是由于每次得到一個(gè)最終多邊形只需要遍歷一次存儲(chǔ)在首個(gè)單元格gi之后的所有單元格，較大地提高了合并的效率。

第二步的合并和第一步很相似，不同之處在于每次兩個(gè)多邊形合并后繼續(xù)遍歷所有未標(biāo)記的多邊形，而不只是遍歷存儲(chǔ)在其后的多邊形，以保證所有滿足條件的多邊形都能進(jìn)行合并得到一個(gè)最終多邊形，由于此時(shí)集合D中多邊形的個(gè)數(shù)遠(yuǎn)遠(yuǎn)少于之前集合G單元格的個(gè)數(shù),所以判斷或者合并的工作量已經(jīng)大大減少。合并的結(jié)果如圖4(c)所示。

圖4 單元格合并結(jié)果Fig.4 Cell merge result

2.3 增量信息提取

單元格合并后可得到每個(gè)類型的地表覆蓋矢量數(shù)據(jù)，分別柵格化后得到對應(yīng)類型的柵格數(shù)據(jù)。將所有柵格數(shù)據(jù)進(jìn)行疊加處理，重疊區(qū)域選擇最大值，從而得到OSM地表覆蓋數(shù)據(jù)。由于OSM數(shù)據(jù)的不完整性會(huì)導(dǎo)致部分區(qū)域無數(shù)據(jù)，如圖5中的黑色區(qū)域，因此在與GlobeLand30數(shù)據(jù)做疊加運(yùn)算之前，需先將GlobeLand30數(shù)據(jù)對應(yīng)OSM地表覆蓋數(shù)據(jù)中無數(shù)據(jù)區(qū)域的值設(shè)置為零。然后將兩張柵格圖像做差的柵格運(yùn)算得到兩張圖像的不同區(qū)域，最后提取OSM地表覆蓋數(shù)據(jù)中同一區(qū)域的數(shù)據(jù)得到增量數(shù)據(jù)。

圖5 OSM地表覆蓋數(shù)據(jù)Fig.5 OSM land cover data

3 實(shí) 驗(yàn)

為驗(yàn)證本文方法的可行性，以O(shè)SM網(wǎng)站于2016年7月23日發(fā)布的愛沙尼亞區(qū)域的數(shù)據(jù)做驗(yàn)證。數(shù)據(jù)入庫后，利用收集的規(guī)則進(jìn)行類型轉(zhuǎn)換，統(tǒng)計(jì)結(jié)果見表2。

表2 愛沙尼亞OSM地表覆蓋數(shù)據(jù)分類統(tǒng)計(jì)Tab.2 Classification statistics of OSM land cover data in Estonia

由表2可知，在OSM地表覆蓋數(shù)據(jù)中，人造地表類型數(shù)據(jù)最多，同時(shí)耕地、森林、水體地表覆蓋類型也擁有較多的數(shù)據(jù)，不同類型數(shù)據(jù)量差別較大。

圖6 OSM地表覆蓋、GlobeLand30和谷歌影像對比Fig.6 Comparison of OSM land cover data, GlobeLand30 and Google image

選取愛沙尼亞部分區(qū)域的轉(zhuǎn)換后數(shù)據(jù)進(jìn)行聚類、柵格化等處理得到的地表覆蓋分類數(shù)據(jù)如圖6(a)所示,通過與2010年的GlobeLand30數(shù)據(jù)做疊加運(yùn)算得到地表覆蓋增量數(shù)據(jù)如圖6（d）所示，其中，黑色代表無數(shù)據(jù)的區(qū)域。截取圖6(a)、(b)、(c)、(d)中的黃色矩形區(qū)域放大得到圖7(a)、(b)、(c)、(d)，其中，圖7（b）GlobeLand30數(shù)據(jù)與谷歌影像進(jìn)行對比可以發(fā)現(xiàn)GlobeLand30錯(cuò)把人造地表和草地分類到了耕地，而本文方法提取的地表覆蓋數(shù)據(jù)更符合真實(shí)現(xiàn)狀。繼而可以得出結(jié)論基于OSM數(shù)據(jù)提取地表覆蓋增量信息具有一定的可行性。

圖7 OSM地表覆蓋、GlobeLand30和谷歌影像局部對比Fig.7 Local comparison of OSM land cover data,GlobeLand30 and Google image

4 結(jié)束語

為了滿足全球地表覆蓋數(shù)據(jù)不斷更新的需求，本文提出了一種基于OSM的地表覆蓋增量數(shù)據(jù)提取方法。建立了一套OSM數(shù)據(jù)到地表覆蓋數(shù)據(jù)的類型轉(zhuǎn)換規(guī)則，然后針對類型轉(zhuǎn)換后數(shù)據(jù)存在的目標(biāo)零散等問題，采用聚類方法對轉(zhuǎn)換數(shù)據(jù)進(jìn)行聚集整合；繼而對整合后的數(shù)據(jù)柵格化并與GlobeLand30數(shù)據(jù)進(jìn)行疊加運(yùn)算得到地表覆蓋增量數(shù)據(jù)。最后使用愛沙尼亞區(qū)域的OSM數(shù)據(jù)，驗(yàn)證了本文方法的可行性。利用本文方法提取的地表覆蓋增量數(shù)據(jù)具有現(xiàn)勢性強(qiáng)、類別豐富和獲取成本低等優(yōu)點(diǎn)。在以下方面還需進(jìn)一步研究：①OSM數(shù)據(jù)分布不均勻，要獲得更加完整的增量數(shù)據(jù)，還需結(jié)合其他VGI數(shù)據(jù)一起處理；②OSM數(shù)據(jù)質(zhì)量參差不齊，要排除質(zhì)量較差的數(shù)據(jù)，還需計(jì)算出數(shù)據(jù)的信譽(yù)度作為過濾的依據(jù)[26-27]。