基于GF-2衛(wèi)星數(shù)據(jù)的國情普查地表覆蓋解譯研究

馮啟翔

（1.廣州市房地產(chǎn)測繪院（廣州市測繪產(chǎn)品質(zhì)量檢驗(yàn)中心），廣東 廣州 510030）

地理國情監(jiān)測內(nèi)容包括兩部分：①自然地理要素的基本情況，包括地形地貌、植被覆蓋、水域、荒漠與裸露地等的類別、位置、范圍、面積等；②人文地理要素的基本情況，包括與人類活動(dòng)密切相關(guān)的交通網(wǎng)絡(luò)、居民地與設(shè)施、地理單元等的類別、位置、范圍等。地表覆蓋信息獲取是地理國情監(jiān)測的首要任務(wù)。以廣東省某地遙感地理國情地表覆蓋解譯為例，詳細(xì)介紹了eCognition(易康)軟件的工程化解譯的過程、效果，通過ArcGIS軟件隨機(jī)抽取多個(gè)樣本點(diǎn)進(jìn)行精度評(píng)定，分析該方法的優(yōu)勢及其局限性［1-7］。

1 研究區(qū)域概況

研究區(qū)域位于廣東某地區(qū)，面積325 km2。本研究區(qū)域地表覆蓋數(shù)據(jù)繁雜，地類地物種類繁多。具體收集了如下資料：

1）影像數(shù)據(jù)：使用的數(shù)據(jù)為高分二號(hào)（GF-2）衛(wèi)星影像數(shù)據(jù)（3.2 m分辨率）的全色及多光譜影像，相關(guān)參數(shù)如表1所示。

2）矢量數(shù)據(jù)：為1∶10 000或者1∶50 000的農(nóng)用地、房屋建筑群落等矢量數(shù)據(jù)。

3）其他相關(guān)資料：與研究區(qū)域相關(guān)的行政區(qū)域劃分、農(nóng)林牧等方面的參考資料。

表1 研究區(qū)遙感數(shù)據(jù)類型

2 研究區(qū)域的數(shù)據(jù)處理

數(shù)據(jù)處理主要涵蓋兩個(gè)方面：①在后臺(tái)對(duì)基礎(chǔ)遙感影像進(jìn)行預(yù)處理；②對(duì)影像進(jìn)行地表覆蓋解譯。

2.1 遙感影像預(yù)處理

影像數(shù)據(jù)預(yù)處理的目的主要是尋找并利用可以使用的基礎(chǔ)數(shù)據(jù)，減少地表覆蓋信息自動(dòng)解譯的難度，提升提取信息的準(zhǔn)確性，為下一步的數(shù)據(jù)處理爭取更多的時(shí)間。

1）數(shù)據(jù)收集整理。地理國情監(jiān)測普查項(xiàng)目主要有兩個(gè)方面的工作內(nèi)容：①地理國情基本要素采集；②地表覆蓋遙感解譯。這兩個(gè)工作是獨(dú)立進(jìn)行的，同時(shí)地理國情基本要素的采集也可以輔助進(jìn)行地表覆蓋分類解譯。

地理國情普查項(xiàng)目可以利用的數(shù)據(jù)源主要包括以下幾個(gè)方面：①高分辨率航空、航天影像數(shù)據(jù)（如GF-2數(shù)據(jù)）；②已有線劃DLG數(shù)據(jù)（1∶10 000/1∶50 000）；③高精度數(shù)字高程模型數(shù)據(jù)（DEM、DSM等）；④其他專題參考資料等。

在進(jìn)行地理國情地表覆蓋解譯前，需要將相關(guān)的資料搜集并整理出所要用到的數(shù)據(jù)，如地理國情基本要素中的農(nóng)用地矢量數(shù)據(jù)、房屋建筑群落數(shù)據(jù)等，可以結(jié)合這些數(shù)據(jù)作為參考，從遙感影像中提取出對(duì)應(yīng)的地類，降低自動(dòng)分類的難度，提高分類的準(zhǔn)確性。

2）影像正射校正。地理國情項(xiàng)目遙感解譯及正確信息統(tǒng)計(jì)都是基于正射遙感影像進(jìn)行的，所以在做地類信息提取前，需要對(duì)遙感影像做正射校正，ERDAS、PCI、ENVI等遙感基本處理軟件都可以進(jìn)行相關(guān)的校正。

3）矢量與影像數(shù)據(jù)配準(zhǔn)。參考矢量數(shù)據(jù)與要處理的影像數(shù)據(jù)由于時(shí)間及其他特殊原因，可能會(huì)出現(xiàn)投影及坐標(biāo)不一致的現(xiàn)象，需要將不同投影坐標(biāo)系的圖像統(tǒng)一到同一投影坐標(biāo)系下，保證同名地點(diǎn)的坐標(biāo)的一致性。數(shù)據(jù)的配準(zhǔn)也是在數(shù)據(jù)處理之前通過第三方軟件如ERDAS、PCI、ENVI等作基本處理。

2.2 遙感影像解譯知識(shí)庫開發(fā)

根據(jù)《地理國情普查內(nèi)容與指標(biāo)》（編號(hào)：GDPJ01-2013）相關(guān)規(guī)定，對(duì)GF-2遙感影像的一級(jí)類（12類）進(jìn)行數(shù)據(jù)提取，包括耕地（0100）、園地（0200）、林地（0300）、草地（0400）、房屋建筑（區(qū)）（0500）、道路（0600）、構(gòu)筑物（0700）、人工堆掘地（0800）、荒漠與裸露地表（0900）、水域（1000）、地理單元（1100）、地形（1200）［8］?；谝患?jí)類數(shù)據(jù)，再結(jié)合自動(dòng)劃分及人工提取，進(jìn)行二級(jí)（58類）及三級(jí)（133類）地類數(shù)據(jù)提取。

分類中最難自動(dòng)提取的是道路及房屋建筑（區(qū)）信息，道路信息主要問題是人工后期提取量大，而房屋建筑（區(qū)）信息主要是房屋建筑（區(qū)）邊緣信息自動(dòng)提取較難，特別是房屋建筑（區(qū)）群落中，需要將大于一間房屋的房屋與其他地物區(qū)分開來，所以建議結(jié)合1∶10 000或1∶50 000DLG數(shù)據(jù)提取。其他地物中植被信息在一些特殊地區(qū)單純通過一景影像數(shù)據(jù)難以劃分，需要結(jié)合其他相關(guān)資料或者人工目測判斷解譯。采用計(jì)算機(jī)自動(dòng)分類提取和人工判讀結(jié)合的方式［9］，利用eCogintion（易康）軟件，主要解譯流程如圖1所示。

圖1 主要解譯技術(shù)流程

1） 道路提取。道路在遙感影像上一般以帶狀分布呈現(xiàn)，提取時(shí)可使用形狀特征，如邊界指數(shù)Boundary index、密度Density等，也可使用長寬比Length-Width Ratio特征，同時(shí)可結(jié)合使用亮度值Brightness Value、各波段均值Band Mean Value等進(jìn)行分類。在本次廣東研究區(qū)域內(nèi)，主要是采用道路的矢量數(shù)據(jù)參與分割，然后根據(jù)矢量專題層對(duì)道路歸類。

2） 植被信息提取。對(duì)植被進(jìn)行分類時(shí)常用的特征是植被指數(shù)NDVI。各植被類別之間區(qū)分的常用特征有綠波段比率、近紅外波段標(biāo)準(zhǔn)差、紋理特征等。

研究區(qū)域主要根據(jù)植被指數(shù)NDVI特征以及結(jié)合SVM監(jiān)督分類方法提取植被信息，之后對(duì)初次分類提取的植被信息進(jìn)行進(jìn)一步細(xì)分。

單純依靠一期影像很難區(qū)分耕地、園地、林地及草地信息，如果是山區(qū)，建議用DEM區(qū)分出林地，其他可參考近紅外標(biāo)準(zhǔn)差及綠波段比率區(qū)分以及結(jié)合監(jiān)督分類的方法提取。

3）水域提取。水域在近紅水域提取外波段反射率較低，在影像上常表現(xiàn)為暗色調(diào)，因此分類水體時(shí)常采用與近紅外波段有關(guān)的特征，如近紅外波段均值、植被指數(shù)NDVI、水體指數(shù)NDWI等。研究區(qū)域主要利用水體指數(shù)NDWI進(jìn)行水域提取，對(duì)自動(dòng)分類結(jié)果進(jìn)行后期人工判讀編輯。陰影及一些含水地類易被誤作為水域，需要后期人工判讀編輯剔除或采用另外的方法對(duì)其剔除。

4）房屋建筑（區(qū)）物提取。房屋建筑（區(qū)）物各波段反射率較高，在遙感影像上一般呈現(xiàn)為亮色調(diào)，建筑群體表面較為粗糙，各波段標(biāo)準(zhǔn)差比較大，分類時(shí)可參照利用亮度值、各波段均值及各波段標(biāo)準(zhǔn)差。

根據(jù)地理國情監(jiān)測的要求，兩棟房屋之間距離大于獨(dú)棟房屋時(shí)，要單獨(dú)提取出來，這對(duì)于零散房屋來說較為容易，只需分割尺度合適即可。對(duì)于城市里的密集房屋，要單獨(dú)將房屋與硬化地面、道路及其他人造地物區(qū)分開來比較難。建議使用房屋矢量數(shù)據(jù)參與分割，或者利用紅波段均值結(jié)合監(jiān)督分類方法，將其統(tǒng)一化為房屋建筑群，后期再結(jié)合高分辨率遙感影像及邊緣特征等信息作進(jìn)一步的提取。

5） 荒漠與裸露地表、構(gòu)筑物和人工堆掘地提取。荒漠與裸露地表、構(gòu)筑物、人工堆掘地由于沒有地物覆蓋，反射率較高，在遙感影像上一般表現(xiàn)為亮色調(diào)，提取時(shí)一般采用亮度值、各波段均值。

2.3 地表覆蓋解譯數(shù)據(jù)成果分析

按照前文創(chuàng)建的不同地物解譯規(guī)則集知識(shí)庫，開始地物分類。利用規(guī)則集知識(shí)庫，調(diào)用控件作為工程化、自動(dòng)化生產(chǎn)的方案，即Architect生產(chǎn)作業(yè)流程；工作人員只需要按照作業(yè)的要求，調(diào)整創(chuàng)建的控件參數(shù)信息，從中提取地表數(shù)據(jù)，并將大量數(shù)據(jù)整體移交至服務(wù)器Server，由其作出自動(dòng)化批量化的數(shù)據(jù)處理，其間可以編輯利用人工判讀解譯及基于樣本的監(jiān)督分類方法，有效地提高地類提取的準(zhǔn)確性。Architect生產(chǎn)作業(yè)流程以及最終分類結(jié)果如圖2所示。

圖2 Architect生產(chǎn)作業(yè)流程（左）及最終分類結(jié)果（右）

2.4 地表覆蓋解譯數(shù)據(jù)精度評(píng)定分析

混淆矩陣是用來表示精度評(píng)價(jià)的一種標(biāo)準(zhǔn)格式。該矩陣的列為參考影像信息，行為被評(píng)價(jià)影像分類結(jié)果信息，行與列相交的部分概括了分類到與參考類別有關(guān)的某一特定類別中的樣本數(shù)目，樣本數(shù)可以為像元數(shù)目、或者分割對(duì)象數(shù)目，具體表達(dá)形式如表2所示。

表2 混淆矩陣表達(dá)形式

設(shè)xij是分類數(shù)據(jù)中第i類和參考數(shù)據(jù)類型第j類的分類樣本數(shù)為分類所得到的第i類的總和；為參考數(shù)據(jù)的第j類的總和；N為評(píng)價(jià)樣本總數(shù)。則用戶精度為（User Accuracy）：圖精度為（Producer Accuracy）總體精度為

為了對(duì)解譯成果進(jìn)行精度評(píng)定，采用ArcGIS軟件在研究區(qū)域內(nèi)隨機(jī)抽取51個(gè)精度評(píng)定點(diǎn)，套合高清遙感影像，利用人工對(duì)所選精度評(píng)定點(diǎn)作出判斷分析，并將之與eCognition（易康）軟件的處理成果作出比較，得出各地物大概的分類精度，如表3所示。

表3 混淆矩陣精度評(píng)定分析結(jié)果

由表3混淆矩陣精度評(píng)定分析結(jié)果可見，經(jīng)過eCognition（易康）軟件對(duì)研究區(qū)域地表覆蓋解譯之后，地物提取的總體精度達(dá)到98%，完全符合生產(chǎn)任務(wù)的精度要求。

2.5 生產(chǎn)效率分析

eCognition（易康）軟件工程化解譯方法應(yīng)用于多丘陵區(qū)域的影像數(shù)據(jù)（如圖3 所示）處理，由于本區(qū)域內(nèi)林地分布特點(diǎn)導(dǎo)致人工判讀繪制耗時(shí)較長，一幅1∶10 000圖幅數(shù)據(jù)人工判讀時(shí)間大約在6～7（11～12 h工作/d）d左右。利用eCognition（易康）軟件工程化解譯的方法，自動(dòng)處理一幅1∶10 000影像數(shù)據(jù)需要0.5～1 h左右，人工判讀地物修改需要4～5 d，工程化解譯方法能夠至少節(jié)約1～2 d時(shí)間。

圖3 丘陵區(qū)域地類分析

4 結(jié) 語

地理國情普查地表覆蓋信息量大、涵蓋面廣、數(shù)據(jù)融合多，采用人工解譯耗時(shí)較長，且個(gè)體對(duì)解譯方式的理解均有不同，導(dǎo)致地表覆蓋解譯的數(shù)據(jù)存在差異性，不利于數(shù)據(jù)的統(tǒng)計(jì)及后期的分析應(yīng)用。本文以廣東省某區(qū)域高分二號(hào)（GF-2）衛(wèi)星影像的地表覆蓋解譯為例，提出了一套基于eCognition(易康)軟件對(duì)地表覆蓋解譯自動(dòng)化處理的技術(shù)流程，并對(duì)解譯成果進(jìn)行精度評(píng)定。其中還存在一些不足，需要減少人工判斷數(shù)據(jù)進(jìn)行解譯輔助，實(shí)現(xiàn)自動(dòng)化快速解譯，推動(dòng)后續(xù)的地理國情普查地表覆蓋解譯工作減少人工干預(yù)，獲取更高精度分類結(jié)果。

[1] 劉若梅． 對(duì)地理國情監(jiān)測的再認(rèn)識(shí)[J]．地理信息世界,2013(1):27-30

[2] 張勤, 樊文鋒． 測繪與地理國情監(jiān)測[J]．測繪通報(bào),2012(11):78-80

[3] 陳鐳, 叢越君． 淺析第一次全國地理國情普查[J]．西部資源,2013(6):135-136

[4] 唐秀娟． 抓好地理國情普查 促進(jìn)新型城市化建設(shè)[J]．產(chǎn)業(yè)與科技論壇,2014,13(10):216-217

[5] 程滔, 周旭, 劉若梅． 面向地理國情監(jiān)測的地表覆蓋信息提取方法[J]．測繪通報(bào),2013(8):84-86

[6] 陳軍, 陳晉, 宮鵬,等． 全球地表覆蓋高分辨率遙感制圖[J]．地理信息世界,2011,9(2):12-14

[7] 李曉兵, 陳云浩, 喻鋒． 基于遙感數(shù)據(jù)的全球及區(qū)域土地覆蓋制圖——現(xiàn)狀、戰(zhàn)略和趨勢[J] ．地球科學(xué)進(jìn)展,2004,19(1):71-80

[8] 國務(wù)院第一次全國地理國情普查領(lǐng)導(dǎo)小組辦公室．地理國情普查內(nèi)容與指標(biāo)[Z]．2013-08

[9] 任立欣,岳昊,劉春紅．地理國情普查地表覆蓋數(shù)據(jù)分類方法研究[J]．測繪與空間地理信息,2014(6):72-74