基于高分二號(hào)遙感影像的東北地區(qū)村莊建設(shè)用地提取

梁書維 王建國(guó) 溫馨燃

摘要：準(zhǔn)確高效地識(shí)別和測(cè)算村莊建設(shè)用地的類型及數(shù)量，可以為村鎮(zhèn)規(guī)劃、村莊整治等提供依據(jù)。為研究應(yīng)用高分二號(hào)遙感影像提取村莊建設(shè)用地的技術(shù)方法，選取吉林省長(zhǎng)春市和松原市的兩個(gè)村莊作為典型研究區(qū)，針對(duì)遙感影像的不同時(shí)相特征，分別采用直接提取法和間接提取法進(jìn)行村莊建設(shè)用地提取試驗(yàn)。結(jié)果表明，高分二號(hào)遙感影像可以應(yīng)用于村莊建設(shè)用地的精確識(shí)別。直接提取法以支持向量機(jī)的監(jiān)督分類法效果最優(yōu)，可作為精確提取地類的方法；基于植被指數(shù)并輔以歸一化藍(lán)色屋頂指數(shù)的間接提取法，適合村莊建設(shè)用地的快速估算。

關(guān)鍵詞：村莊建設(shè)用地；遙感影像；監(jiān)督分類；植被指數(shù)；歸一化藍(lán)屋頂指數(shù)

中圖分類號(hào)：TP751.1 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2018）20-0132-06

DOI：10.14088/j.cnki.issn0439-8114.2018.20.031 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Abstract： The rural planning and land consolidation rely on the accurate information of rural construction land. To accurately measure the existing rural construct land area， two villages which in Changchun area and Songyuan area of Jilin province with different phases were selected as typical study areas. GF-2 remote sensing images were used as data source to study on the method of extracting rural construction land by direct extraction and indirect extraction respectively. The experimental results showed that GF-2 high-resolution remote sensing images can be used to identify the construction land inside of village accurately. SVM supervised classification， the best way of the direct extraction methods， is used in accurate extraction. The indirect extraction based on NDVI combined with NDBBI is a good fit for rapid estimation of village construction land area.

Key words： rural construction land； remote sensing image；supervised classification；NDVI；NDBBI

隨著中國(guó)城鎮(zhèn)化進(jìn)入加速階段，農(nóng)村人口日趨減少，加之村莊建設(shè)規(guī)劃相對(duì)滯后，村莊內(nèi)“空心村”現(xiàn)象日漸突顯[1-3]。在統(tǒng)籌城鄉(xiāng)土地利用、加快城鎮(zhèn)及中心村建設(shè)的工作中，村莊用地及其中建設(shè)用地信息的快速有效測(cè)定是對(duì)村莊進(jìn)行空間重構(gòu)、制定區(qū)域村莊整治規(guī)劃的關(guān)鍵[3，4]。中國(guó)農(nóng)村土地調(diào)查中采用的比例尺相對(duì)較小[5]，根據(jù)《土地利用現(xiàn)狀分類（GB/T 21010-2007）》，農(nóng)村居民點(diǎn)及其內(nèi)的商服、住宅、工礦、工業(yè)、倉(cāng)儲(chǔ)、學(xué)校等用地，作為“村莊”地類圖斑確定[6]。在目前的土地整治及規(guī)劃中，農(nóng)村居民點(diǎn)內(nèi)部的建設(shè)用地整理潛力計(jì)算或以“村莊”圖斑全部面積作為建設(shè)用地?cái)?shù)量計(jì)算，或以系數(shù)估算法，即利用調(diào)查樣點(diǎn)區(qū)域得到的數(shù)據(jù)，估算出農(nóng)村居民點(diǎn)內(nèi)部的土地潛力系數(shù)[7-9]。

利用高光譜影像結(jié)合機(jī)器學(xué)習(xí)進(jìn)行地物分類，已成為未來遙感數(shù)據(jù)處理的主要趨勢(shì)[10]。本研究基于高分二號(hào)遙感影像數(shù)據(jù)，以精準(zhǔn)計(jì)算村莊建設(shè)用地面積為目標(biāo)，對(duì)研究區(qū)域內(nèi)的村莊建設(shè)用地進(jìn)行提取試驗(yàn)，以交叉比對(duì)法和人工解譯結(jié)果進(jìn)行驗(yàn)證，對(duì)應(yīng)用遙感影像數(shù)據(jù)提取村莊建設(shè)用地的技術(shù)方法進(jìn)行研究。

1 技術(shù)方法

1.1 數(shù)據(jù)來源

本研究所選擇的遙感影像數(shù)據(jù)為GF2_PMS1_E1

25.2_N44.0_20160519_L1A0001591459和GF2_PMS2

_E124.4_N44.8_201 60727_L1A0001724152。包括1 m分辨率全色和4 m分辨率多光譜兩幅影像。全色光譜范圍0.45～0.90 μm，多光譜各色光分別為藍(lán)色（0.45～0.52 μm）、綠色（0.52～0.59 μm）、紅色（0.63～0.69 μm）和近紅外（0.77～0.89 μm）[11]。

1.2 高分二號(hào)影像預(yù)處理

利用ENVI遙感處理系統(tǒng)對(duì)高分二號(hào)影像分別進(jìn)行正射校正、輻射定標(biāo)和大氣校正；利用影像融合工具，以全色光波段為基準(zhǔn)，對(duì)多光譜影像重采樣，生成高分辨率的多光譜遙感影像；將融合后的遙感影像與已有的土地利用現(xiàn)狀矢量圖進(jìn)行數(shù)據(jù)配準(zhǔn)；根據(jù)選取的試驗(yàn)區(qū)范圍對(duì)遙感影像數(shù)據(jù)進(jìn)行裁剪[12-14]（圖1）。

1.3 村莊建設(shè)用地提取技術(shù)路線

根據(jù)不同遙感數(shù)據(jù)的影像特征，選取不同的研究方法，針對(duì)植被覆蓋度較低的區(qū)域選擇基于監(jiān)督分類的直接提取法；對(duì)于植被覆蓋度高的試驗(yàn)區(qū)選擇基于植被指數(shù)的間接提取法，研究路線如圖1所示。

2 東北地區(qū)村莊建設(shè)用地及影像特征

2.1 東北地區(qū)建設(shè)用地主要特征

由于東北地區(qū)的地理環(huán)境與人文環(huán)境都有著其特殊性，導(dǎo)致東北地區(qū)的村莊建筑結(jié)構(gòu)存在著其自身獨(dú)有的特點(diǎn)。

東北地區(qū)冬季持續(xù)時(shí)間較長(zhǎng)，冬天寒冷，故房屋多以東北-西南走向?yàn)橹?，便于采光；同時(shí)采取橫向相連，縱向間隔交錯(cuò)的布局方式；多為一家一戶一院或一家一戶兩院，兩院分大小院，小院多做倉(cāng)儲(chǔ)用，一屋一院型二者并列，一屋兩院型多為兩院夾一屋；住戶與公共空間界限明確，多采用磚墻、籬笆、樹叢、木柵欄加以限定；東北地區(qū)沒有大規(guī)模的村內(nèi)建筑，如祠堂等，也少見天井式的院落；由于東北地區(qū)降雨量較少，所以村莊內(nèi)硬質(zhì)路面的鋪設(shè)密度不高。除大型村莊的道路和部分村莊的主干道以外，其余均為夯實(shí)土路[15-17]。

2.2 村莊建設(shè)用地提取試驗(yàn)區(qū)的確定

一般村莊用地由道路、住宅、倉(cāng)房及其他的附屬生產(chǎn)生活建設(shè)用地和菜地、林地、草地、空閑地等組成。根據(jù)以下原則確定試驗(yàn)區(qū)域：選取無云層遮擋、成像清晰的遙感影像；影像中典型村莊應(yīng)具有地物類型及光譜信息多樣的特點(diǎn)；直接提取法選取地表裸露、無積雪、低植被覆蓋的影像，間接提取法選取地表植被高覆蓋度的影像。以吉林省長(zhǎng)春市綠園區(qū)新農(nóng)家村和前郭縣腰哈沙吐村新興屯作為典型研究區(qū)。兩個(gè)研究區(qū)內(nèi)的土地利用方式多樣，由住宅、倉(cāng)房、圈舍、硬化地面、道路、溝渠等建設(shè)用地及植被覆蓋區(qū)、裸土地等空閑地構(gòu)成。其中植被覆蓋區(qū)包括房前屋后的農(nóng)作用地和林果用地、道路兩旁的行樹及草本植物覆蓋的零星空地。

2.3 研究區(qū)遙感影像主要特征

研究區(qū)域的建（構(gòu)）筑物多為獨(dú)立的矩形，屋頂材質(zhì)為彩鋼板、水泥彩瓦、水泥、石棉瓦等，影像光譜色彩多樣；頂部多為坡屋頂，少量平屋頂，坡屋頂?shù)年庩杻擅?、不同朝向的色調(diào)存在明顯差異；研究區(qū)的農(nóng)村建（構(gòu)）筑物多呈南北朝向，南北向間距較大、排列松散，東西向間距相對(duì)密集，建（構(gòu)）筑物排列格局錯(cuò)落無序[18]，多為兩院夾一屋[2]，院落由農(nóng)作物、倉(cāng)庫(kù)、圈舍、硬質(zhì)鋪裝地、裸地及露天堆放物品構(gòu)成，利用類型多樣。新農(nóng)家村試驗(yàn)區(qū)所在的圖幅遙感圖像攝于2016年5月19日，攝影區(qū)域未見莊稼青苗，部分區(qū)域建有塑料大棚或覆有塑料薄膜，裸露的土地因其含水量不同，光譜反射率有一定差異；新興屯圖像攝于2016年7月27日，植被區(qū)域多呈綠色，因植被種類、生長(zhǎng)時(shí)間以及種植技術(shù)的差異，導(dǎo)致存在同物異譜現(xiàn)象。

3 東北地區(qū)村莊建設(shè)用地提取

研究區(qū)村莊內(nèi)部建設(shè)用地雖多為矩形，但其幾何形態(tài)上的長(zhǎng)寬比跨度較大，建設(shè)用地與非建設(shè)用地之間的邊界不明顯，且形態(tài)學(xué)上的雜項(xiàng)數(shù)據(jù)較多，采用基于規(guī)則的面向?qū)ο笮畔⑻崛》ㄌ崛〗ㄔO(shè)用地時(shí)的精度很低，而若對(duì)其進(jìn)行邊緣增強(qiáng)則會(huì)破壞數(shù)據(jù)本身，故不采用基于規(guī)則的面向?qū)ο筇崛》?。高分二?hào)遙感數(shù)據(jù)只有0.45～0.90 μm的波段，波段跨度小，因此基于中紅外和近紅外波段的NDBI（歸一化建筑指數(shù)）法也不適用。

3.1 直接提取法

長(zhǎng)春市綠園區(qū)新農(nóng)家村遙感影像的獲取時(shí)間為早春，圖像數(shù)據(jù)獲取時(shí)未見莊稼青苗，植被覆蓋程度較低，依據(jù)其光譜特性采用直接提取法，即對(duì)預(yù)處理之后的遙感影像（圖2）采用監(jiān)督分類法進(jìn)行建設(shè)用地提取。

3.1.1 確定分類樣本 進(jìn)行監(jiān)督分類需要選取分類樣本。根據(jù)研究區(qū)村莊的土地利用特點(diǎn)和影像數(shù)據(jù)的波譜特性，確定分類系統(tǒng)，建立適合研究區(qū)域的分類樣本[14，19]。對(duì)選取的分類樣本進(jìn)行可分離性檢驗(yàn)，各樣本類型之間的可分離性，用Jeffries-Matusita和Transformed Divergence[20]參數(shù)表示，這兩個(gè)參數(shù)的值在0～2.0之間。大于1.9，說明樣本之間可分離性好，屬于合格樣本；小于1.8，需要編輯樣本或者重新選擇樣本；小于1.0，考慮將兩類樣本合成一類樣本。

以目視解譯建立新農(nóng)家村的遙感影像解譯標(biāo)志，分別采用“土地類型”與“光譜類型+土地類型”兩種方式進(jìn)行樣本選取，并驗(yàn)證兩種分類方式的可分離性。

按照“土地類型”的方式對(duì)研究區(qū)進(jìn)行分類樣本的劃定及檢驗(yàn)，出現(xiàn)同譜異物現(xiàn)象。為防止同譜異物現(xiàn)象，同時(shí)考慮到同物異譜現(xiàn)象，采用“光譜類型+土地類型”分類方法，以地物光譜特性及地物類型進(jìn)行樣本確定。分別選取橙色屋頂、藍(lán)色屋頂、水泥表面、瀝青路面作為建設(shè)用地，裸露土地、植被作為非建設(shè)用地進(jìn)行分類，每類樣本選取不少于10個(gè)且均勻分布全圖，并進(jìn)行可分離性檢驗(yàn)。驗(yàn)證結(jié)果表明，以“光譜類型+土地類型”分類方式選擇的樣本，其Jeffries-Matusita和Transformed Divergence參數(shù)均大于1.9，可分離性較好，能有效避免同物異譜或同譜異物現(xiàn)象，可用作監(jiān)督分類的樣本。

3.1.2 分類方法選擇與監(jiān)督分類 研究中分別選取基于傳統(tǒng)統(tǒng)計(jì)分析學(xué)中的最小距離法與馬氏距離法、基于神經(jīng)網(wǎng)絡(luò)法、基于模式識(shí)別中的支持向量機(jī)法共計(jì)4種方法進(jìn)行監(jiān)督分類。其中最小距離法利用歐氏距離進(jìn)行中間值的確定，馬氏距離法作為最小距離法的延伸，考慮了變量間的相關(guān)性在計(jì)算上的應(yīng)用，用馬氏距離替換歐氏距離，達(dá)到了比歐式距離更廣義的距離，得到最小距離法的新結(jié)果。二者是傳統(tǒng)的統(tǒng)計(jì)學(xué)方法，是機(jī)器學(xué)習(xí)的基礎(chǔ)。基于神經(jīng)網(wǎng)絡(luò)法和支持向量機(jī)法兩種方式是機(jī)器學(xué)習(xí)的兩種高級(jí)階段，基于神經(jīng)網(wǎng)絡(luò)的方法適用于大量樣本，支持向量機(jī)法適用于有限樣本[21]。故選取這4種方法處理數(shù)據(jù)，得到的分類結(jié)果如圖3所示。

3.1.3 精度驗(yàn)證 運(yùn)用交叉驗(yàn)證的方法對(duì)監(jiān)督分類的結(jié)果進(jìn)行精度驗(yàn)證。在分類樣本以外的區(qū)域，依照分類標(biāo)準(zhǔn)通過目視解譯選取驗(yàn)證樣本進(jìn)行精度驗(yàn)證，4種分類方法的驗(yàn)證結(jié)果如表2所示。

由圖3及精度驗(yàn)證結(jié)果（表2）可知，在4種分類方法中，最小距離法（圖3a）提取精度較低，且分類結(jié)果誤差較大；馬氏距離法（圖3b）分類精度有所提高，但其分類結(jié)果缺少分類細(xì)節(jié)；神經(jīng)網(wǎng)絡(luò)法（圖3c）在分類精度和細(xì)節(jié)方面都有較好的表現(xiàn)；支持向量機(jī)法（圖3d）在試驗(yàn)中精度最高，且能準(zhǔn)確提取細(xì)小分類圖斑。因此，神經(jīng)網(wǎng)絡(luò)法和支持向量機(jī)法可以作為村莊內(nèi)部建設(shè)用地的提取方法，在提取樣本有限的情況下，支持向量機(jī)更優(yōu)。

3.2 間接提取

松原市前郭縣新興屯所在的遙感影像獲取時(shí)間為仲夏，地表植被茂盛，依據(jù)其光譜特性采用間接提取法，即對(duì)圖像預(yù)處理后（圖4），利用影像光譜特性計(jì)算歸一化差分植被指數(shù)（NDVI）[22]將研究區(qū)內(nèi)植被覆蓋區(qū)域與非植被覆蓋區(qū)域分離，在非植被覆蓋區(qū)域確定建設(shè)用地的方法。

3.2.1 植被光譜增強(qiáng)處理 基于遙感數(shù)據(jù)紅光波段（0.63～0.69 μm）和近紅外波段（0.77～0.89 μm）的光譜特性計(jì)算歸一化差分植被指數(shù)[NDVI=（NIR-R）＼（NIR+R）]。通過植被指數(shù)增強(qiáng)后的圖像如圖5所示。

3.2.2 藍(lán)色屋頂?shù)膯为?dú)提取 由于明度較低的藍(lán)色屋頂在紅光波段和近紅外波段與植被的光譜特性極其相近（圖6、圖7），這導(dǎo)致經(jīng)植被指數(shù)波段比值增強(qiáng)處理后的部分藍(lán)色屋頂與植被發(fā)生混淆，即明度低的藍(lán)色屋頂被識(shí)別為植被。

為去除藍(lán)色屋頂?shù)挠绊?，擬定歸一化藍(lán)屋頂指數(shù)（Normalized Difference Blue-Roof Index，NDBRI），歸一化藍(lán)屋頂指數(shù)=（綠波段-藍(lán)波段）/（綠波段+藍(lán)波段）。對(duì)預(yù)處理后的圖像進(jìn)行NDBRI處理，處理結(jié)果如圖8所示。藍(lán)色屋頂?shù)牟糠殖霈F(xiàn)了明顯的低值區(qū)域，且與其他地物相比，對(duì)比度清晰。雖然單獨(dú)的藍(lán)光波段可以將藍(lán)色屋頂提取出來，但藍(lán)色屋頂與其他地物間仍存在邊界模糊的現(xiàn)象。經(jīng)過歸一化藍(lán)屋頂指數(shù)變換后，藍(lán)色屋頂區(qū)域與其他地物之間有明顯的突變現(xiàn)象，能準(zhǔn)確識(shí)別出區(qū)域內(nèi)的藍(lán)色屋頂（如工棚、彩鋼板等）。

3.2.3 建設(shè)用地提取 對(duì)植被增強(qiáng)影像進(jìn)行二值化處理，經(jīng)地類樣本試驗(yàn)后選取0.4作為閾值，將大于0.4的區(qū)域認(rèn)定為植被，賦值為1，將小于0.4的區(qū)域認(rèn)定為建設(shè)用地，賦值為0。歸一化藍(lán)色屋頂指數(shù)進(jìn)行處理后的圖像存在著負(fù)值，而無數(shù)據(jù)區(qū)域在經(jīng)過計(jì)算之后值為0。為消除原來無數(shù)據(jù)區(qū)域的影響，將影像進(jìn)行掩膜，去掉空白區(qū)域的值，再對(duì)結(jié)果進(jìn)行二值化，將小于0.033的區(qū)域賦值為0，其他區(qū)域賦值為1。之后將二值化后的兩幅影像的像元值相乘，得到植被與非植被區(qū)的二值結(jié)果。最后將二值化后影像結(jié)果0、1值對(duì)調(diào)，與預(yù)處理后圖像光譜做掩膜處理，得到提取的村莊建設(shè)用地影像（圖9）。

3.2.4 精度驗(yàn)證 經(jīng)統(tǒng)計(jì)，提取出的像元總數(shù)為125 662個(gè)，隨機(jī)選取5‰的驗(yàn)證樣本，用目視檢驗(yàn)的方法對(duì)提取結(jié)果進(jìn)行精度驗(yàn)證。在圖像中隨機(jī)抽取628個(gè)像元點(diǎn)，目視解譯，檢驗(yàn)其是否為建設(shè)用地，其中559個(gè)像元點(diǎn)為建設(shè)用地，69個(gè)像元點(diǎn)為非建設(shè)用地，本次驗(yàn)證的準(zhǔn)確率為89.01%。誤差主要出現(xiàn)在耕地裸露的區(qū)域，可通過多期影像疊加的方法減小誤差。

4 結(jié)論

在利用高分二號(hào)遙感影像進(jìn)行東北地區(qū)村莊建設(shè)用地提取中，基于監(jiān)督分類的直接提取法可以對(duì)低植被覆蓋區(qū)的遙感影像做出多種建設(shè)用地類型的精準(zhǔn)提取，但處理過程復(fù)雜，精度受到分類樣本選取的影響；基于植被指數(shù)并輔以歸一化藍(lán)色屋頂指數(shù)的間接提取法，適合對(duì)高植被覆蓋度區(qū)域進(jìn)行建設(shè)用地提取，技術(shù)方法簡(jiǎn)單快捷，適合村莊內(nèi)建設(shè)用地?cái)?shù)量的快速估算。

參考文獻(xiàn)：

[1] 陳玉福，孫 虎，劉彥隨.中國(guó)典型農(nóng)區(qū)空心村綜合整治模式[J]. 地理學(xué)報(bào)，2010，65（6）：727-735.

[2] 董國(guó)棟.基于多源遙感數(shù)據(jù)的農(nóng)村居民點(diǎn)用地提取技術(shù)[J].山東國(guó)土資源，2015，31（3）：63-66，70.

[3] 朱玉碧.村莊建設(shè)用地整理運(yùn)作及制度創(chuàng)新研究[D].重慶：西南大學(xué)，2012.

[4] 藍(lán)麗梅，謝衛(wèi)玲.土地整治理論潛力研究的淺思[J].企業(yè)科技與發(fā)展，2016（5）：216-218.

[5] TD/T 10142007，第二次全國(guó)土地調(diào)查技術(shù)規(guī)程[S].

[6] GB-T21010-2007，土地利用現(xiàn)狀分類標(biāo)準(zhǔn)[S].

[7] 李曉雪，薛繼斌.土地整治中村莊建設(shè)用地整治潛力測(cè)算的探討[J].經(jīng)濟(jì)研究導(dǎo)刊，2013（12）：44-45.

[8] 黨 慧，鄭新奇，白書建，等.農(nóng)村居民點(diǎn)集約用地潛力測(cè)算方法研究[J].地域研究與開發(fā)，2016，35（5）：124-127.

[9] 鄭新奇.農(nóng)村居民點(diǎn)集約用地——調(diào)查、評(píng)價(jià)、模式、管理[M].北京：中國(guó)大地出版社，2011.

[10] 杜培軍，夏俊士，薛朝輝，等.高光譜遙感影像分類研究進(jìn)展[J].遙感學(xué)報(bào)，2016，20（2）：236-256.

[11] 中國(guó)資源衛(wèi)星應(yīng)用中心.高分二號(hào)[EB/OL].http：//www.cresda.com/CN/Satellite/3128.shtml.

[12] 樊文鋒，李鴻洲，溫 奇，等.高分二號(hào)衛(wèi)星影像正射糾正精度分析[J].測(cè)繪通報(bào)，2016（9）：63-66.

[13] 李 靜.基于GF-2的新疆巴州地區(qū)主要地物類型信息提取方法研究[D].北京：北京林業(yè)大學(xué)，2016.

[14] 胡茂瑩.基于高分二號(hào)遙感影像面向?qū)ο蟮某鞘蟹课菪畔⑻崛》椒ㄑ芯縖D].長(zhǎng)春：吉林大學(xué)，2016.

[15] 朱玉凱，牛春舟.東北地區(qū)旅游資源型村落的公共空間景觀形態(tài)構(gòu)建——以渤海鎮(zhèn)小朱家村旅游景觀規(guī)劃為例[J].東北農(nóng)業(yè)科學(xué)，2017，42（4）：59-62.

[16] 湯 璐.基于空間句法的東北村落空間形態(tài)設(shè)計(jì)策略研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2015.

[17] 張?zhí)鞇?東北寒地農(nóng)村住區(qū)建筑組團(tuán)及院落風(fēng)環(huán)境優(yōu)化策略研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2014.

[18] 賀雪峰.論中國(guó)村莊結(jié)構(gòu)的東部與中西部差異[J].學(xué)術(shù)月刊，2017，49（6）：111-119.

[19] 王忠武，劉順喜，戴建旺，等.高分二號(hào)衛(wèi)星數(shù)據(jù)在新增建設(shè)用地監(jiān)測(cè)中的應(yīng)用分析[J].航天器工程，2015，24（6）：134-139.

[20] SILVA CSP，MARCAL A R S，PEREIRA M A，et al. Separability analysis of color classes on dermoscopic images[J].Springer Berlin Heidelberg，2012，7325（10）：268-277

[21] 亓呈明.基于多核學(xué)習(xí)的高光譜遙感影像分類方法研究[D].北京：中國(guó)地質(zhì)大學(xué)（北京），2016.

[22] WARDLEY N.Vegetationindex variability as a function of viewing geometry[J].International Journal of Remote Sensing，1984，5（5）：861-870.