地理國情監(jiān)測自動化提取專題地類圖斑要素的研究與應(yīng)用

王開陽

(遼寧省地理國情監(jiān)測中心，遼寧沈陽 110034)

近年來，隨著高分辨率遙感影像與測繪信息化技術(shù)的飛速發(fā)展，以及地理國情監(jiān)測工作的逐年推進，積累了各類信息豐富高分辨率遙感影像，如高分二號、北京二號等。傳統(tǒng)的依靠人工提取地物信息的工作方式已經(jīng)不能滿足項目進度需求。

其中，在2020年遼寧省地理國情監(jiān)測項目中，國家實施方案與技術(shù)方案進行調(diào)整與細化，除監(jiān)測的地表覆蓋變化和國情要素更新外，在此基礎(chǔ)上，新增加了樹冠與水體專題圖層采集，按照要求，傳統(tǒng)作業(yè)模式是人工提取地物信息，經(jīng)過前期實驗區(qū)試點，發(fā)現(xiàn)圖斑形狀不規(guī)則，人工采集工作量較大，無法按工期要求完成任務(wù)。因此，項目研究通過高分辨率遙感影像光譜特征、幾何特征等指標對其自動化提取，解決實際工作量較大問題，確保項目按期完成。

一、研究的內(nèi)容與要求

按照2020年遼寧省地理國情監(jiān)測實施方案中要求，首先是對房屋建筑區(qū)內(nèi)的（0521、0522、0511和0512）達到指標最少上圖面積200平方米的樹冠覆蓋投影面進行采集，采集的圖斑CC碼采用綠化林地編碼，存儲在 V_LCRT 數(shù)據(jù)圖層，(對小于100平方米的細碎圖斑或細小空洞根據(jù)情況進行融合或刪除)，然后是地表水的采集要求，按照符合時效性的影像實際水面覆蓋范圍采集，提取水面范圍圖斑，存儲在 V_LCRW 數(shù)據(jù)圖層。影像無法覆蓋存在漏洞區(qū)域的可在地表覆蓋基礎(chǔ)數(shù)據(jù)庫中提取水面圖斑對其補充更新。

二、研究的路線和方法

1.數(shù)據(jù)準備

試驗區(qū)使用的監(jiān)測矢量數(shù)據(jù)是大連市地理國情監(jiān)測數(shù)據(jù)中的地表覆蓋中的房屋建筑區(qū)和水域數(shù)據(jù)，用來制作緩沖區(qū)數(shù)據(jù)。大連市范圍內(nèi)高分辨率影像數(shù)據(jù)及地理國情監(jiān)測國情要素數(shù)據(jù)，用來空三糾正監(jiān)測衛(wèi)星遙感影像。高分二號0.8米分辨率衛(wèi)星遙感影像，包含紅、綠、藍、近紅外4個波段，每波段16比特，用來提取專題水體和樹冠數(shù)據(jù)。

面向?qū)ο蠓诸愐话惴钟跋穹指睢⑻卣魈崛『头诸?。本文從生產(chǎn)實踐的角度，逐步驗證了面向?qū)ο蟮倪b感影像分割技術(shù)的在地理國情監(jiān)測專題數(shù)據(jù)提取中的顯著優(yōu)勢。

采用簡譯軟件進行遙感影像的自動化解譯專題數(shù)據(jù)提取，其作業(yè)流程包括數(shù)據(jù)預(yù)處理、影像分割、對象特征計算、特征提取和對象分類等步驟。

2.預(yù)處理

采用常規(guī)的影像處理軟件，加載影像控制源和地理國情監(jiān)測矢量數(shù)據(jù)等，對獲取的原始遙感影像進行幾何校正、區(qū)域網(wǎng)平差、投影變換、影像增強等數(shù)據(jù)預(yù)處理工作。

在ArcGIS軟件中，提取地理國情監(jiān)測數(shù)據(jù)中的地表覆蓋的水體和房屋建筑區(qū)矢量圖斑數(shù)據(jù)，向外擴5-10米半徑，用于制作區(qū)域緩沖區(qū)數(shù)據(jù)。

3.影像分割

影像分割是基于同質(zhì)性或異質(zhì)性準則將一幅圖像劃分為若干有意義的子區(qū)域的過程。一般采用多尺度分割方法，根據(jù)一定的規(guī)則，首先將位置相鄰、屬性相似的多個像素合并成一個小對象，然后增大尺度，將小對象合并成更大的對象，每次計算對象的異質(zhì)度，相鄰對象合并的原則是使異質(zhì)度增長最小，直到超過了設(shè)置的閾值。

影像分割出的區(qū)域需要滿足以下三個條件：一是區(qū)域中影像的所有像元類別需要滿足其相似性，如灰度、色彩、紋理等，且任意兩點之間連通；二是相鄰影像區(qū)域的像元特征在區(qū)域邊界處具有顯著差異性或不連續(xù)性；三是區(qū)域邊界規(guī)整且能夠保證邊緣的空間定位精度。

加載原始4波段16bit遙感影像和帶緩沖區(qū)的水體和樹冠矢量數(shù)據(jù)，只分割提取緩沖區(qū)內(nèi)的影像數(shù)據(jù)，這樣可以加快數(shù)據(jù)分割速度，同時又不影響水體和樹冠的提取精度。

遙感影像分割的分割尺度和歸并尺度范圍均為0~100%，分割尺度值越大分割越細，對影像進行歸并需選擇合適的歸并尺寸，要先確定歸并尺度和分割尺度的范圍。分割后影像破碎化程度越高;歸并尺度值越大，歸并后得到的對象數(shù)量越少，內(nèi)部同質(zhì)性越低。歸并尺度一般依據(jù)歸并的目視效果反復(fù)實驗，以確定最佳組合。

4.對象特征計算

完成影像的分割和歸并后，計算對象的光譜、紋理、色彩空間與波段比等空間屬性，光譜屬性可計算對象各波段上的像元灰度值的均值和標準差;空間屬性可計算對象的幾何特征(如長度、面積等);紋理計算像元灰度值變化范圍，采用合適的計算對象和參數(shù)定義的特征空間，是面向?qū)ο蠓诸惖年P(guān)鍵技術(shù)問題。

5.特征選取與對象分類

為了更好和有效地實現(xiàn)分類識別，對其通過計算影像對象特征，實現(xiàn)特征集構(gòu)建，并對特征集進行特征提取，實現(xiàn)遙感影像的分類。采用對象訓(xùn)練樣本選取方法提取經(jīng)過定義和計算的屬性特征，并以此來建立判別規(guī)則。與監(jiān)督分類方法不同，面向?qū)ο筇崛〉臉颖臼且粋€個經(jīng)過分割和重新定義的"對象"，對象與對象之間的形狀、大小、數(shù)量相互差異很大。

利用衛(wèi)星高分二號原始影像上經(jīng)過取樣和訓(xùn)練樹冠、水域像素，區(qū)分非水域、非樹冠像素，產(chǎn)生了含有水域和樹冠像素值概率的影像實例。

提取水體和樹冠專題圖斑數(shù)據(jù)完成后，在軟件中初步對結(jié)果進行平滑導(dǎo)出，消滅大量像素級鋸齒狀邊界。

6.人工編輯

通過以上操作，專題圖斑數(shù)據(jù)還存在部分不規(guī)則的鋸齒狀邊界，以及超出指標范圍的圖斑數(shù)據(jù)，需要人工干預(yù)。在數(shù)據(jù)生產(chǎn)階段，采用ArcGIS軟件，疊加提取的水體、樹冠專題圖層數(shù)據(jù)，按中心城區(qū)100平方米的指標，下浮動到50平方米，參考遙感影像，對水體、樹冠專題圖斑進行面域的合并和刪除，修改鋸齒狀的邊界范圍。

三、結(jié)束語

結(jié)果表明，提取的水體和樹冠的一致性比率達90%以上，其在專題數(shù)據(jù)的自動化解譯中的實際應(yīng)用高效快捷，極大地減少了人工采集工作量，提高了日常生產(chǎn)效率，生產(chǎn)的數(shù)據(jù)成果能夠滿足地理國情監(jiān)測中的數(shù)據(jù)指標要求。也將在大連市的實際生產(chǎn)中的技術(shù)路線和得到寶貴經(jīng)驗，逐步推廣到撫順、盤錦等多個水體、樹冠覆蓋度高的地級市區(qū)，高效提取工作提供了一定的技術(shù)和理論參考價值。