基于GF-1 影像的建筑信息提取及變化檢測(cè)研究：以草海國家自然保護(hù)區(qū)為例＊

秦 倩，任金銅，2

（1.貴州工程應(yīng)用技術(shù)學(xué)院生態(tài)工程學(xué)院，貴州 畢節(jié) 551700；2.貴州省典型高原濕地生態(tài)保護(hù)與修復(fù)重點(diǎn)實(shí)驗(yàn)室，貴州 畢節(jié) 551700）

草海國家自然保護(hù)區(qū)位于貴州省威寧彝族回族苗族自治縣，擁有完整、典型的高原濕地生態(tài)系統(tǒng)[1]。近年來，草海保護(hù)區(qū)受到人類活動(dòng)，特別是城鎮(zhèn)化的影響，導(dǎo)致其生態(tài)環(huán)境問題加劇，嚴(yán)重影響了黑頸鶴等珍稀瀕危物種的生境。

隨著衛(wèi)星遙感技術(shù)的發(fā)展，基于衛(wèi)星遙感影像的建筑物信息提取和變化檢測(cè)研究越來越受到重視。方圣輝等[2]根據(jù)建筑物的邊緣特征結(jié)合影像灰度特征，采用Canny 算子對(duì)建筑物信息提??；朱俊杰等[3]提出了應(yīng)用幾何特征等對(duì)建筑物進(jìn)行信息提取方法；李海霞[4]對(duì)高分辨影像提取了最優(yōu)特征子集，完成研究區(qū)遙感分類；胡茂瑩[5]對(duì)影像特征進(jìn)行對(duì)比優(yōu)選，成功提取了建筑物信息；朱姝[6]提出了一種結(jié)合影像多特征與K均值分類思想對(duì)建筑物信息進(jìn)行提??；VU 等[7]利用面向?qū)ο蠓椒▽?duì)快鳥影像建筑物進(jìn)行提取。在變化檢測(cè)方面，張永梅等[8]提出結(jié)合像素級(jí)和特征集的建筑物變化檢測(cè)；劉小洲[9]應(yīng)用紋理差值變化檢測(cè)方法對(duì)建筑物進(jìn)行變化檢測(cè)研究；汪閩等[10]提出了一種多特征結(jié)構(gòu)相似度的變化檢測(cè)方法，提高了變化檢測(cè)的適用性。

本文基于高分一號(hào)（GF-1）影像數(shù)據(jù)，運(yùn)用面向?qū)ο蟮姆诸惙椒ㄒ约白兓瘷z測(cè)方法，提取草海保護(hù)區(qū)建筑信息，并進(jìn)一步開展變化檢測(cè)分析，以期為草海國家自然保護(hù)區(qū)的生態(tài)環(huán)境問題保護(hù)與城市規(guī)劃提供參考。

1 研究區(qū)與數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

草海國家自然保護(hù)區(qū)位于貴州西部威寧彝族回族苗族自治縣縣城西南側(cè)，保護(hù)區(qū)總面積9 600 hm2。草海湖是貴州最大的天然淡水湖，1985 年經(jīng)貴州省人民政府批準(zhǔn)建立自然保護(hù)區(qū)，主要保護(hù)對(duì)象為黑頸鶴及高原濕地生態(tài)系統(tǒng)[11]。草海具有豐富日照、冬季溫暖干燥夏季涼爽濕潤(rùn)等獨(dú)特的高原氣候特征，平均年降水量950.9 mm，是中國為數(shù)不多的亞熱帶高原濕地生態(tài)系統(tǒng)自然保護(hù)區(qū)[12]。

1.2 數(shù)據(jù)來源與預(yù)處理

本研究使用的遙感影像數(shù)據(jù)為國家高分辨率對(duì)地觀測(cè)系統(tǒng)首發(fā)星GF-1，影像獲取時(shí)間分別為2015-11-07 和2020-02-20，影像包含4 個(gè)分辨率為8 m的多光譜波段和1 個(gè)分辨率為2 m 的全色波段，數(shù)據(jù)來源于高分辨率對(duì)地觀測(cè)系統(tǒng)貴州數(shù)據(jù)與應(yīng)用中心。

本文利用PIE-Basic 6.0 對(duì)研究區(qū)兩期的GF-1 遙感影像數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、正射校正、幾何精校正、影像融合、圖像裁剪等影像預(yù)處理，消除影像變形，使影像更符合地面真實(shí)情況，以便于建筑物信息的提取及變化檢測(cè)。

2 研究方法

2.1 面向?qū)ο蟮挠跋穹诸惙椒?/h3>

面向?qū)ο蟮挠跋穹诸惙椒ㄊ菍⒁幌盗型|(zhì)的影像對(duì)象合并成一個(gè)對(duì)象，不僅利用了影像對(duì)象的光譜信息，還加入了紋理、形狀、大小、陰影等信息，將同質(zhì)的對(duì)象合并在一起的分類[13]。相比基于像元的分類方法，面向?qū)ο蟮挠跋穹诸惙椒ǔ浞掷糜跋裉卣?，使得影像具有更好的分類效果[14]。面向?qū)ο蟮挠跋穹诸惙椒ㄖ饕ㄓ跋穹指?、設(shè)置形狀因子和緊致度因子等過程。

2.2 變化檢測(cè)方法

變化檢測(cè)是不同時(shí)間同一區(qū)域地物變化的過程，變化檢測(cè)方法有分類后比較法和直接比較法，直接比較法由于前后時(shí)期影像容易造成大量的偽變化區(qū)域。因此本文采用分類后比較法對(duì)建筑物的特征進(jìn)行變化檢測(cè)[15]。

2.3 精度評(píng)價(jià)

本文利用常用的總體精度系數(shù)（Overall Accuracy）和Kappa 系數(shù)2 個(gè)評(píng)價(jià)指標(biāo)檢驗(yàn)分類結(jié)果的精度。Kappa 系數(shù)是一種用于檢驗(yàn)分類結(jié)果與實(shí)際地物空間對(duì)應(yīng)的一致性和可信度的一種評(píng)價(jià)指標(biāo)，綜合考慮了混淆矩陣中被正確劃分的像元和錯(cuò)分、漏分的像元，能夠反映出分類效果的優(yōu)劣。

總體精度系數(shù)和Kappa 系數(shù)評(píng)估指標(biāo)的含義、數(shù)學(xué)表達(dá)式如表1 所示。

表1 遙感影像分類結(jié)果精度評(píng)估指標(biāo)

3 結(jié)果與分析

3.1 土地覆蓋分類結(jié)果

本研究以草海保護(hù)區(qū)GF-1 遙感影像為數(shù)據(jù)源，基于面向?qū)ο蠓诸惙椒ǖ玫窖芯繀^(qū)土地覆蓋分類，分類的結(jié)果如圖1 所示。從圖1 中可以看出研究區(qū)建筑物主要位于草海保護(hù)區(qū)的東北部，即威寧縣的老縣城；耕地和植被占比較高，水體主要集中在研究區(qū)的中間部分。

圖1 2015、2020 年研究區(qū)土地利用分類結(jié)果

通過對(duì)研究區(qū)土地覆蓋分類結(jié)果進(jìn)行精度評(píng)價(jià)，得到分類結(jié)果精度表，如表2 所示。

表2 土地覆蓋分類精度評(píng)價(jià)

由表2 可知，2015 年研究區(qū)土地覆蓋分類結(jié)果的總體精度和Kappa 值分別為81.38%、0.701 9，2020年研究區(qū)土地覆蓋分類結(jié)果的總體精度和Kappa 值分別為82.59%、0.703 5。兩期分類結(jié)果總體精度均在0.8以上，Kappa 系數(shù)達(dá)到了0.6 以上，表明面向?qū)ο蠓诸惤Y(jié)果較合理且滿足后續(xù)的建筑物提取及變化檢測(cè)。

3.2 建筑物提取及時(shí)空變化特征分析

基于分類后土地覆蓋信息提取研究區(qū)建筑物信息并進(jìn)行格式轉(zhuǎn)換，轉(zhuǎn)換為shapefile 格式，如圖2 所示。從圖2 中可看出研究區(qū)建筑物圍繞草海湖區(qū)分布，2020 年草海保護(hù)區(qū)建筑物分布相比2015 年較為密集，主要表現(xiàn)在威寧縣主城區(qū)及西部建筑物分布明顯增加。

圖2 2015、2020 年研究區(qū)建筑物提取結(jié)果

從空間分布來看，草海保護(hù)區(qū)范圍內(nèi)的建筑物整體呈擴(kuò)張趨勢(shì)，2015—2020 年，研究區(qū)建筑物面積凈增長(zhǎng)為120.06 hm2，平均每年增長(zhǎng)24.01 hm2，并且主要增加在主城區(qū)以及農(nóng)村主要宅基地周圍。從空間變化來看，城區(qū)變化趨勢(shì)與交通道路有關(guān)，且沿交通道路增加；減少情況主要在研究區(qū)范圍的西部以及東南部，如烏龍灘、松坡山、老關(guān)山、張家?guī)r頭4 個(gè)村周圍建筑物明顯減少。

3.3 建筑物變化檢測(cè)分析

基于兩期影像解譯的研究區(qū)土地覆蓋成果，制作研究區(qū)土地覆蓋轉(zhuǎn)移矩陣，如表3 所示。由表3 可知，研究區(qū)建筑物轉(zhuǎn)出面積為258.60 hm2，主要轉(zhuǎn)出為耕地、植被和道路，其中50.11%轉(zhuǎn)化為耕地，23.28%轉(zhuǎn)化為植被，18.78%轉(zhuǎn)化為道路。建筑物轉(zhuǎn)入面積為378.66 hm2，建筑物的增加其中主要由植被和耕地轉(zhuǎn)入，植被和耕地轉(zhuǎn)入面積分別為177.08 hm2、145.05 hm2，轉(zhuǎn)入占比分別為46.76%、38.31%，水體轉(zhuǎn)入占比最少，為0.44%。

表3 草海研究區(qū)土地利用轉(zhuǎn)移矩陣（單位：hm2）

通過對(duì)兩期土地覆蓋成果的土地覆蓋結(jié)構(gòu)進(jìn)行分析，得出研究區(qū)土地利用結(jié)構(gòu)表，如表4 所示，其中，數(shù)據(jù)正值為地物增加情況，負(fù)值為地物減少情況。從表4 可看出，建筑物總面積整體呈現(xiàn)增加趨勢(shì)，由2015年的720.50 hm2增長(zhǎng)到2020 年的840.57 hm2，建筑物凈增值為120.06 hm2。

表4 研究區(qū)土地利用結(jié)構(gòu)表（單位：hm2）

4 結(jié)論與討論

本研究基于GF-1 遙感影像，結(jié)合研究區(qū)地物的光譜、形狀、紋理、陰影等特征，運(yùn)用面向?qū)ο蟮姆诸惙椒▽?duì)草海研究區(qū)的建筑物進(jìn)行分類提取，并對(duì)提取結(jié)果進(jìn)行變化檢測(cè)，得出以下結(jié)論。

GF-1 遙感影像的高分辨率便于快速有效地分辨地物類型，并有助于建筑物信息提取及變化監(jiān)測(cè)的研究，使用GF-1 遙感影像作為數(shù)據(jù)源能夠取得較好的目標(biāo)地物解譯效果。

本研究使用面向?qū)ο蟮姆诸惙椒ㄕw分類效果較好，2015 年和2020 年的總體分類精度分別為81.38%和82.59%，Kappa 系數(shù)值分別為0.701 9 和0.703 5。分類精度結(jié)果表明，面向?qū)ο蠓诸惙椒ㄟ\(yùn)用于高分辨遙感影像具有較好的地物分類效果。

2015—2020 年，草海保護(hù)區(qū)范圍內(nèi)的建筑物轉(zhuǎn)入面積大于轉(zhuǎn)出面積，且建筑物的總體面積呈擴(kuò)張趨勢(shì)，建筑物凈增值為120.06 hm2。2015—2020 年，研究區(qū)建筑物轉(zhuǎn)入面積為378.66 hm2，建筑物的增加其中主要由植被和耕地轉(zhuǎn)入，轉(zhuǎn)入面積分別為177.08 hm2、145.05 hm2，建筑物面積轉(zhuǎn)出258.60 hm2，主要轉(zhuǎn)出為耕地、植被和道路；轉(zhuǎn)出面積分別為129.59 hm2、60.20 hm2、48.57 hm2。

本研究根據(jù)GF-1 遙感影像高分辨率的優(yōu)點(diǎn)，對(duì)建筑物進(jìn)行面向?qū)ο蠓诸愄崛〖白兓瘷z測(cè)，整體效果較好。但研究?jī)H僅使用一種方法進(jìn)行建筑物的分類提取，其分類結(jié)果存在錯(cuò)分、漏分等情況，下一步將對(duì)比其他分類方法，以最優(yōu)分類結(jié)果進(jìn)行變化檢測(cè)研究。