華東平原區(qū)居民地遙感特征分析及提取方法研究

苑惠麗，余艷玲，李吉英，陳文君

(1.金陵科技學(xué)院建筑工程學(xué)院，江蘇 南京 211169； 2.廣西水產(chǎn)科學(xué)研究院廣西重點實驗室，廣西 南寧 530021；3.濱州學(xué)院建筑工程系，山東 濱州 256600)

1 引 言

居民地是人與自然相互作用的產(chǎn)物，是人類因生產(chǎn)和生活需要而集聚定居的場所，包括房屋建筑物，以及與居住直接相關(guān)的其他生活設(shè)施(如道路、公共設(shè)施、園林綠化、港站等)和生產(chǎn)設(shè)施。居民地遙感信息提取在國土資源管理、環(huán)境監(jiān)測、地質(zhì)災(zāi)害應(yīng)急等領(lǐng)域具有重要的研究意義，尤其是現(xiàn)階段中國城鎮(zhèn)化建設(shè)過程中城市用地迅速擴(kuò)大的情況下，準(zhǔn)確提取居住用地信息對科學(xué)合理進(jìn)行城鎮(zhèn)規(guī)劃，控制城鎮(zhèn)用地規(guī)模具有十分重要的作用。

目前提取居民地的常用方法主要是利用影像的光譜特征構(gòu)建各種建筑指數(shù)提取，或利用光譜特征進(jìn)行樣本的快速選取等方面[1～4]。然而單純基于光譜知識的居民地信息提取易受混合像元、同物異譜和異物同譜現(xiàn)象的困擾，存在嚴(yán)重的“椒鹽現(xiàn)象”[5]，隨著面向?qū)ο蠓椒ǖ膹V泛應(yīng)用，綜合應(yīng)用遙感圖像的光譜特征和幾何特征進(jìn)行居民地提取成為可能[6～9]。面向?qū)ο蟮姆治龇椒P(guān)鍵在于影像分割尺度的確定和信息提取指標(biāo)的選擇。分割尺度的大小決定了分割后對象的輪廓貼近地物的真實形態(tài)，合適的分割尺度能最大限度地減弱過分割和欠分割現(xiàn)象。此外，我國沿海地區(qū)農(nóng)村居民地具有與內(nèi)陸完全不同的分布特點和影像特征，在利用遙感影像進(jìn)行信息提取過程中分割尺度及提取指標(biāo)也有不同，而以往文獻(xiàn)中少有介紹和分析。

本研究擬利用中分辨率遙感影像Landsat 8 OLI數(shù)據(jù)，以華東平原區(qū)居民地為研究對象，探究內(nèi)陸和沿海居民地各自具有的獨特地理分布特點和影像特征，充分利用居民地的光譜和幾何特征，采用面向?qū)ο蟮挠跋穹治龇椒ㄟM(jìn)行居民地信息提取研究。

2 華東平原區(qū)居民地遙感影像特征

2.1 遙感圖像目視特征

平原區(qū)居民地分為農(nóng)村居民地和城鎮(zhèn)居民地[10]。農(nóng)村居民地主要是由房屋、房間空地、道路、村內(nèi)零星樹木及村周圍較連片的樹木組成。房屋主要為低矮樓房和平房，居民地四周一般為農(nóng)田，部分居民地周圍有水塘、溝渠，居民地之間有道路連通。

因此，在中分辨率遙感影像上，農(nóng)村居民地的像元多為混合像元，其遙感信息是由房屋、房間空地、道路、零星樹木及水塘等對電磁波的反射和輻射等混合而成。平原區(qū)農(nóng)村居民地一般具有集中分布、數(shù)量多、面積相對較大、形狀較為規(guī)整以及與周圍農(nóng)田有較好的區(qū)分度等特點，影像上較易識別。按照分布情況，平原區(qū)農(nóng)村居住地又有內(nèi)陸和沿海之分。內(nèi)陸的平原區(qū)農(nóng)村居民地一般呈簇、團(tuán)狀分布，周圍農(nóng)田多為旱地，如江蘇安徽北部地區(qū)(圖1a)；沿海的平原區(qū)農(nóng)村居民地一般沿溝渠或道路分布，呈條狀，多分布于東部沿海，周圍農(nóng)田多為水田，因房屋寬度的影響，在 30 m分辨率的影像上，與房屋前后的農(nóng)田或溝渠、道路形成混合像元，導(dǎo)致其光譜特征不明顯，不易識別(圖1b)。

圖1 華東平原區(qū)居民地影像特征

城鎮(zhèn)居民地主要由房屋、道路、綠地及房間空地組成。房屋為樓房， 30 m分辨率的遙感影像上樓房的陰影不明顯。房間空地和道路多為水泥地面，光譜特征與房屋近似，具有建筑物的特征，不易識別。綠地范圍較大時，在影像上可以分辨；大部分情況下分布零散、面積較小，與建筑物等組成混合像元。城鎮(zhèn)居民地一般具有集中分布、面積較大及與周圍農(nóng)田有較好的區(qū)分度等特點，影像上較易識別。除此之外，緊鄰城鎮(zhèn)居民地的周圍可能分布有一定面積的工業(yè)用地，亮度較高，較易區(qū)分。

2.2 遙感圖像光譜特征

為了分析不同類型地物在光譜特征上的可分性，在經(jīng)過輻射定標(biāo)、大氣校正、幾何精校正的Landsat 8 OLI影像(獲取時間：2018年4月17日)上選取典型地物測定其在多光譜波段的亮度值，考慮平原區(qū)的實際情況和地類的光譜特性，選取主要地物類型統(tǒng)計光譜均值，光譜曲線如圖2所示?？梢钥闯觯黝惖匚锏姆瓷涮匦栽诟鱾€波段上是不一致的。因為有了綠色農(nóng)作物的覆蓋，耕地表現(xiàn)出了與其他地物明顯不同的特征，雖然在第1～第4波段上與水體接近，但在第5波段近紅外波段上反射率最高；居住地和道路各波段的反射率值都較為接近，沒有明顯的區(qū)分度?？梢?，僅利用光譜信息進(jìn)行分析，難以將居民地從背景地物中精確地提取出來，這也是利用光譜特征提取居民地信息的難點。

圖2 平原區(qū)主要地物光譜采樣均值曲線圖

2.3 幾何特征

內(nèi)陸和沿海的城鎮(zhèn)居民地具有相似的幾何特征，而農(nóng)村居民地則有明顯的不同。內(nèi)陸研究區(qū)影像經(jīng)過分割，團(tuán)狀的居民地被分割出來，與周圍地物的分割形狀有明顯區(qū)別如圖3(a)所示。由于分辨率的限制與道路本身的寬度，道路呈現(xiàn)細(xì)小長條狀，長度遠(yuǎn)大于寬度，寬度變化小，多為1～2個像元。研究統(tǒng)計發(fā)現(xiàn)對于線狀的道路，當(dāng)分割尺度為25時，道路Length/Width大于3.5，而且Density小于2。因此，利用幾何特征有助于區(qū)分有相似光譜特征的內(nèi)陸居住地和道路。沿海地區(qū)的農(nóng)村居民地分割后呈長條狀，幾何特征明顯(圖3b)。與內(nèi)陸研究區(qū)不同，因房屋單排建設(shè)，靠近道路或溝渠，30 m分辨率使其分割過程中歸為同一對象內(nèi)。

圖3 華東平原區(qū)居民地幾何特征

3 數(shù)據(jù)與方法

3.1 研究區(qū)概況

安徽省渦陽縣和江蘇省鹽城市鹽都區(qū)分別代表了內(nèi)陸和沿海兩種情況下的平原區(qū)居民地類型。安徽省渦陽縣位于皖北地區(qū)，地處亳州市中心地帶，位于北緯33°27′～33°47′，東經(jīng)115°53′～116°33′，面積 2 107 km2，總?cè)丝?55萬。屬于暖溫帶半濕潤大陸性季風(fēng)氣候，縣境地勢平坦。土地利用類型以耕地地為主，耕地面積 1 311 km2。

江蘇省鹽都區(qū)位于蘇北地區(qū)鹽城市區(qū)西南部，地處北緯33°20′，東經(jīng)129°9′，總面積 1 018 km2。東西寬，南北窄，呈不規(guī)則的長條形。境內(nèi)有豐富的土地資源和水資源，全區(qū)地勢平坦，河網(wǎng)密布。具有明顯的季風(fēng)氣候特點，四季分明。

3.2 遙感影像及分類驗證數(shù)據(jù)

影像時相的選擇是影響提取精度的一個重要環(huán)節(jié)，對于平原區(qū)居民地而言，一般選用4月～5月初這個時期的遙感影像進(jìn)行居民地的提取[10]。此時耕地的植被特征明顯，分布于居住地周圍的落葉林還沒有覆蓋掉居民地，可以用植被指數(shù)完全將耕地區(qū)分開。

因此，選取Landsat 8 OLI(Operational Land Image)L1級標(biāo)準(zhǔn)產(chǎn)品為數(shù)據(jù)源(表1)，內(nèi)陸居民點研究區(qū)數(shù)據(jù)來源于2018年4月17日獲取的影像，沿海居民點研究區(qū)數(shù)據(jù)由2018年4月28日和2018年4月19日獲取的兩景影像拼接而成，三景均為無云影像，該級別數(shù)據(jù)產(chǎn)品使用地面控制點和數(shù)字高程模型數(shù)據(jù)進(jìn)行了幾何校正，坐標(biāo)精度能滿足本研究要求；分類精度的驗證與評價，使用2016年7月獲取的研究區(qū)行政村數(shù)據(jù)，渦陽縣有501個，鹽都區(qū)有796個。

研究區(qū)選取數(shù)據(jù)源 表1

3.3 方法

在利用遙感影像進(jìn)行信息提取前，利用ENVI 5.3的輻射定標(biāo)模塊對Landsat 8影像進(jìn)行輻射定標(biāo)，并結(jié)合Landsat 8的光譜響應(yīng)函數(shù)，利用該平臺的FLAASH校正模塊進(jìn)行大氣校正。

3.3.1 面向?qū)ο蠓治龇椒?/p>

當(dāng)前我國的各個企業(yè)在管理的過程中，應(yīng)用的管理模式還處于初級階段，在一些經(jīng)濟(jì)活動中，具體的事務(wù)處理還存在著不完善的部分，企業(yè)需要通過不斷創(chuàng)新，引進(jìn)先進(jìn)的信息技術(shù)，將內(nèi)部的管理制度制訂落實，合理規(guī)避企業(yè)經(jīng)營活動中的風(fēng)險項，讓企業(yè)能夠在保證資產(chǎn)的合法整合的情況下，提升企業(yè)的經(jīng)濟(jì)效益，推動企業(yè)利益的最大化，是企業(yè)基于經(jīng)濟(jì)效益和生產(chǎn)經(jīng)營共同作用下的發(fā)展途徑，所以，完善企業(yè)的內(nèi)部控制管理是企業(yè)能夠長期可持續(xù)發(fā)展的必然階段。

影像分割是面向?qū)ο笮畔⑻崛〉牡谝徊?，分割的尺度以及生成對象合適與否將直接影響遙感信息提取的精度。本文根據(jù)影像數(shù)據(jù)的分辨率和應(yīng)用目的，基于試驗對比獲得最佳分割尺度參數(shù)。在分割時遵循以下兩個原則：①在滿足必要的精細(xì)條件下，盡量以最大可能分割尺度來區(qū)分不同的影像區(qū)域獲得影像對象；②在滿足必要的形狀標(biāo)準(zhǔn)前提下，盡可能采用顏色標(biāo)準(zhǔn)，即光譜因子[5]。

影響生成對象的分割因子主要是影像波段權(quán)重(Image Layer weights)、分割尺度(Scale parameter)以及均質(zhì)因子，包括形狀因子(Shape)和緊致度因子(Compactness)。本研究采用最佳指示因子和基于面積的方法對分割參數(shù)進(jìn)行試驗和選擇。

(1)

式中Si為第i波段的標(biāo)準(zhǔn)差；Rj為任意兩個波段之間的相關(guān)系數(shù)，OIF表示波段組合的信息量，OIF越大，表示組合信息量越大，波段之間的組合越優(yōu)。

3.3.2 提取特征指標(biāo)選取

(1)歸一化指數(shù)法。最著名的是歸一化植被指數(shù)NDVI(Normalized Difference Vegetation Index)。

(2)

式中，ρn為近紅外波段的反射率，ρr為紅波段的反射率；該指標(biāo)能夠有效地剔除居民地周圍的農(nóng)田信息。對于成團(tuán)狀的內(nèi)陸平原區(qū)居民地，可以用植被指數(shù)完全將耕地剔除；對于成條狀的沿海平原區(qū)居民地，將植被指數(shù)閾值調(diào)低，之后再建立區(qū)域進(jìn)一步提取。

(2)幾何特征指標(biāo)

從平原區(qū)居民地的分布特點可以看出，平原區(qū)居民地的空間分布具有明顯的規(guī)律和區(qū)域差異，如內(nèi)陸農(nóng)村居民地四周一般為農(nóng)田，沿海的農(nóng)村居民地一般沿道路、溝渠分布，因此可以利用居民地與其他類間的鄰接關(guān)系進(jìn)行識別；另外，居民地的形狀特征明顯，內(nèi)陸地區(qū)表現(xiàn)為近圓形，沿海地區(qū)為長條形，因此可以利用形狀指數(shù)進(jìn)行提取，形狀指數(shù)I的定義如下[11]：

I=S1/2/P

(3)

式中，I為形狀指數(shù)，S為圖斑面積，P為周長。圓的形狀指數(shù)大于0.25，長條形的形狀指數(shù)小于0.25。

綜上所述，首先，利用影像數(shù)據(jù)的第四波段及亮度特征剔除濕地信息；然后根據(jù)NDVI值將耕地信息盡可能剔除；最后根據(jù)形狀指數(shù)將居民地信息提取出來，得到居民地分布情況(圖4)。分類閾值的確定，根據(jù)特征指標(biāo)的分布直方圖找出近似閾值，在此基礎(chǔ)上進(jìn)行微調(diào)(±0.01)，結(jié)合目視結(jié)果確定閾值。

圖4 華東平原區(qū)居民地信息提取流程

4 結(jié)果與討論

4.1 分割波段選取

Landsat 8 OLI陸地成像儀的波段1～7和波段9為多光譜波段，空間分辨率為 30 m，波段8為全色波段，空間分辨率為 15 m。波段1主要用于監(jiān)測近岸水體，因此不需要用波段1。研究區(qū)遙感影像無云層覆蓋，所以也不需要用于卷云監(jiān)測的短波紅外波段9。對其余波段做相關(guān)性分析發(fā)現(xiàn)(表2)，波段1、2、3，波段6、7的相關(guān)性很強(qiáng)，其他波段之間的相關(guān)性相對較弱。因此避免信息冗余在1、2、3波段之間選擇一個波段，6、7之間選擇一個波段是比較合適的。

Landsat-8影像各波段間相關(guān)性矩陣 表2

參與圖像分割波段數(shù)量和構(gòu)成情況通過計算不同波段組合的OIF指數(shù)獲得，研究發(fā)現(xiàn)，隨著組合波段數(shù)量的增多，OIF有下降的趨勢[12]，因此，本文選取三個波段的組合計算OIF值。如表3所示，對于內(nèi)陸居民地研究區(qū)(245)波段組合包含的信息量最大，說明這三個波段的組合最優(yōu)。故在OIL影像分割中波段權(quán)值的選擇為2、4、5分別設(shè)置為1，其他波段權(quán)重為0參與分割。同樣，沿海居民地研究區(qū)(456)波段為分割波段。

對于產(chǎn)生影像對象的加權(quán)影像層，尺度參數(shù)定義了均一性準(zhǔn)則的最大標(biāo)準(zhǔn)差。尺度參數(shù)越大，產(chǎn)生的對象越大。本文以5為尺度間隔，以5～90為尺度范圍對影像進(jìn)行分割實驗，得到影像分割尺度與對象數(shù)目的關(guān)系，如圖5a所示。當(dāng)分割尺度為5～20時，對象數(shù)目隨分割尺度的增大而急劇減少；當(dāng)分割尺度大于45時，對象數(shù)目隨分割尺度增大的變化不明顯；且分割尺度在45～55之間時，分割對象的最大面積沒有變化(圖5b)。對象數(shù)目急劇變化，說明此時的分割尺度不適合任何地物的提取；對象數(shù)目幾乎沒有變化，說明分割結(jié)果已趨于穩(wěn)定，因此本文確定分割尺度參數(shù)范圍為20～45。

為了得到提取居民地信息所需的最優(yōu)分割尺度，本文以2為尺度間隔，以20、22、…、46等14個尺度進(jìn)一步分割后統(tǒng)計分割對象的數(shù)量和最大面積，得到圖5(c)和圖5(d)，確定影像中居民地的最優(yōu)分割尺度為25。同樣的方法，確定沿海居民地影像的最優(yōu)分割尺度為30。

Landsat-8不同波段間組合OIF指數(shù) 表3

圖5 內(nèi)陸研究區(qū)分割對象數(shù)量和最大面積隨尺度變化關(guān)系

4.2 居民地提取及驗證分析

采用面向?qū)ο蟮挠跋穹治龇椒?，根?jù)2中確定的提取光譜和幾何特征指標(biāo)進(jìn)行安徽省渦陽縣和江蘇省鹽都區(qū)的居民地信息提取。提取結(jié)果如圖6所示：

圖6 居民地提取結(jié)果圖

將提取出的居民地信息與原影像進(jìn)行疊加，從目視上看，居民地信息均被提取出來，總體效果較好；統(tǒng)計結(jié)果發(fā)現(xiàn)，渦陽縣居民地面積為 262 km2，與實際居民地面積 243 km2相比，多提取8.6%；結(jié)合野外實地采樣數(shù)據(jù)進(jìn)行精度驗證，安徽省渦陽縣居民地信息提取精度達(dá)到94.8%，江蘇省鹽都區(qū)居民地信息提取精度達(dá)89.3%(表4)。

居民地信息提取精度評價表 表4

從圖7(a)可以看出，Landsat 8 OIL數(shù)據(jù)542波段組合假彩色顯示的內(nèi)陸農(nóng)村居民點周圍，有很明顯的林地分布，寬度約0～3個像元，分辨率導(dǎo)致部分像元為混合像元，上覆有林地的居民地與完全林地分布區(qū)域區(qū)分不明顯，分割時尺度的選擇和分類閾值的確定都會影響這個區(qū)域的類型劃分，從而影響居住地提取精度。另外，研究發(fā)現(xiàn)，4月份影像上河流兩側(cè)耕地與其他區(qū)域比較，濕地特征明顯，NDVI值較低，無法以同一個閾值進(jìn)行耕地剔除，利用近紅外波段能夠有效地將這一部分耕地剔除。

鹽都區(qū)居民地提取精度較低的原因主要在于該區(qū)居民地成條狀分布，寬度較小，受周圍環(huán)境影響較大，中分辨率影像上多為混合像元，分割得到的條狀對象中有房屋、道路，甚至溝渠(圖7b)。因此，在用居民地野外采樣點驗證與提取的居民地面積驗證相比較時，顯示精度較高。

圖7 居民地與鄰近地物分布情況

5 結(jié) 論

本文在分析了華東平原區(qū)內(nèi)陸居民地和沿海居民地視覺特征、光譜特征和幾何特征的基礎(chǔ)上，構(gòu)建了平原區(qū)居民地信息的提取模式，并進(jìn)行了驗證討論。結(jié)果如下：

(1)華東平原區(qū)居民地在內(nèi)陸和沿海有明顯不同的分布特點，內(nèi)陸居民地聚集在一起，成團(tuán)狀分布，周圍為農(nóng)田；沿海居民地一般沿溝渠或道路分布，成條狀。

(2)通過分析影像波段間的相關(guān)性和統(tǒng)計組合波段的OIF指數(shù)，內(nèi)陸居民地研究區(qū)確定542三個波段參與分割，沿海居民地確定456三個波段；根據(jù)分割對象數(shù)量和最大面積隨尺度變化的特點，確定內(nèi)陸居民地最優(yōu)分割尺度為25，沿海居民地研究區(qū)最優(yōu)分割尺度為30。

(3)面向?qū)ο蟮挠跋穹治龇椒ㄘ灤┯谡麄€研究過程，包括分類指標(biāo)的提取以及分類規(guī)則集的建立。綜合利用居民地的光譜和幾何特征提取居民地信息，有效地避免了“椒鹽現(xiàn)象”，提高了分類精度。