基于高空間分辨率影像的林業小班遙感區劃系統設計與實現

吳春爭，馮益明，舒清態，李增元，武紅敢，車騰騰

（1.西南林業大學 資源學院，云南 昆明 650224；2.中國林業科學研究院 荒漠化研究所，北京 100091；3.中國林業科學研究院 資源信息研究所，北京 100091）

傳統的森林資源調查小班區劃主要是以地形圖為工作手圖，在現地進行對坡勾繪。這種方法存在人為主觀性，不同作業人員對區劃標準的掌握存在差異，所以容易造成小班區劃的不一致。并且，傳統的小班區劃調查方法工作量大，效率低。利用高空間分辨率衛星影像進行森林資源調查的方法開始得到了廣泛使用[1－3]。高空間分辨率衛星遙感以一種非常精細的方式觀測地面，所獲取的高空間分辨率遙感影像可以更清楚地表達地物目標的空間結構特征與表層紋理信息，可分辨出地物內部更精細的組成，地物邊緣信息也更清晰，為林業小班遙感區劃提供了新的有效途徑。當前，已有許多林業工作者研究了應用遙感技術進行森林資源調查小班區劃的技術路線與方法，如針對目前森林資源規劃設計調查中小班遙感區劃方法存在的問題，提出了連續小班區劃方法，并分析了連續小班區劃方法的優點及應用前景[4]。以Quick Bird高空間分辨率衛星遙感圖像為基礎，對以1∶10000地形圖為手圖的小班勾繪精度進行檢驗，此外，還討論了提高小班勾繪精度的技術方法[5]。但是，現有研究多是集中在研究以目視解譯進行手工勾繪的方式進行林業小班區劃，應用遙感影像的計算機自動解譯進而提取林業小班邊界的系統研究尚少。為了減少小班區劃工作量，提高工作效率以及保證小班區劃的一致性[6]，本研究設計了一種基于高空間分辨率遙感影像進行林業小班區劃的系統。借助該系統，可以實現基于高空間分辨率遙感影像進行林業小班邊界的內業自動生成。

1 林業小班遙感區劃系統設計

1.1 總體設計思想

森林資源調查小班區劃總是遵循一些大的劃分原則，如大的地性線、分類經營區劃線、權屬邊界線、土壤類型區劃線等。這些邊界也基本是小班的邊界。本研究基于這些原則進行系統設計，詳細研究實施方案如下：①對影像進行預處理，使它更利于圖像分割及信息提取。例如影像正射校正、影像融合、彩色合成及影像鑲嵌等。②綜合小班區劃原則，采集相應數據（主要包括大的地性線、分類經營區劃圖、權屬分布信息、土壤類型、土地利用圖等），作為小班邊界劃分控制條件。③在小班邊界控制條件下，開發影像分割算法對遙感數據進行專題數據圖層（大的地形線以及林班邊界）約束下的分割，并輸出矢量化結果，形成小班區劃初步結果。④借用多尺度分割結果，綜合考慮影像分割的上下文關系，結合影像特征標識，對影像分割結果進行類型識別。⑤從識別的類型圖中提取有林地、疏林地、灌木林地等信息（小班區劃僅在這些類型中進行），以這些類型為邊界控制條件，再次運行分割算法，并輸出矢量化結果。⑥二次分割的矢量化結果進行疊加分析，形成小班區劃第2次結果，若對第2次小班區劃結果不滿意，應用小班區劃編輯模塊功能，對小班區劃結果進行手工交互修改，形成最終小班區劃結果。

1.2 軟件總體功能設計

林業小班遙感區劃系統應包括幾個既相對獨立又相互依存的部分，即影像預處理，影像分割，面向對象分類，小班區劃編輯等幾個大的部分。系統功能及相互關系如圖1所示。由于影像預處理不是系統功能設計的重點和主要內容，故在此省略。下面對系統的主要功能做詳述。

圖1 系統功能結構示意圖Figure1 Schematic of system function structure

1.2.1 影像分割 系統采用一種融合遙感影像像元各波段灰度信息與影像紋理信息的圖像分割方法[9]，實現了一種基于四分樹的區域分開-合并算法。該方法有效地利用了遙感影像像元各波段灰度信息以及影像紋理信息。系統選用基于四分樹的區域分開-合并算法，實現對圖像的分割。四分樹是一種強調包含關系而不是相鄰關系的數據結構，它的根對應整幅圖像，不同層的節點代表圖像中不同大小的區域，父節點所代表的區域為其子節點的4倍。分開-合并方法是利用四分樹分割圖像的典型方法，它是基于區域的，允許將任意希望的一致性度量引入分割過程，可充分組合利用圖像的全局與局部信息，在缺少先驗知識的情況下，提供更有效的分割。算法實現流程如圖2。

圖2 分開-合并實現流程Figure2 Separate-merge implementation flowchart

1.2.2 面向對象分類 系統采用面向對象的遙感影像分類方法，實現流程見圖3。高空間分辨率影像數據的產生，傳統的基于像元的影像分類方法已經不能滿足需要[10-12]。克服基于像元方法局限性的途徑就是面向基元的方法。面向對象原理是通過對影像的分割，使同質像元組成大小不同的對象。正是由于對象內部的光譜差異小，所以對任一對象可以忽略其紋理等空間信息，而從光譜和形狀兩方面刻畫。利用對象的空間特征和光譜特征進行分類，有效地克服基于像元層次分類的不足。面向對象分類流程主要分為影像分

割、建立對象層次結構、分類規則和信息提取。研究采用專家決策支持的模糊邏輯分類算法，突破傳統的單純基于光譜信息進行影像分類的局限性，綜合影像空間和波譜兩方面的信息進行信息提取，通過充分利用地物目標的光譜、結構、形狀、紋理及上下文語義等信息，大大提高了對高空間分辨率數據的自動識別精度。依據建立的基于高空間分辨率影像數據的林地分類系統（表1），建立影像分類層次結構（圖4），實現影像的多層次分割分類，圖5為影像多級分割分類功能菜單圖。

圖3 面向對象分類流程圖Figure3 Technology flowchart of object-oriented classification

表1 基于SPOT-5影像的林地分類系統表Table1 Based on SPOT-5 forest classification system

圖4 類層次結構Figure4 Class hierarchy

圖5 軟件多級分割分類Figure5 Software multi-level segmentation classification

1.2.3 小班區劃編輯 影像分割、分類結果經過柵格矢量化處理后，系統中小班遙感區劃編輯功能模塊可以對輸出矢量結果不符合規定的部分進行編輯處理，如：①輸出的矢量化邊界呈鋸齒狀，不平滑。②有些斑塊面積不符合小班面積劃分的規定。③有些區劃不合理只體現在個別點、線或面上。另外，對于分類完成的小班區劃結果，需要用此模塊中的拓撲功能進行拓撲操作，檢查分類結果的拓撲錯誤，實現拓撲重建等。小班遙感區劃編輯模塊功能主要包括圖斑的空間求交，合并操作，邊界平滑操作，節點、弧段、面、島多邊形的拓樸編輯功能等（圖6）。

2 林業小班遙感區劃系統的實現

2.1 開發環境選擇

當前，Windows是優先選擇的開發環境，C#是一種最新的，面向對象的編程語言。C#語言不但能提高開發人員的生產力，同時還能消除可能造成開發成本增加的程式設計錯誤，在數據庫管理，地理信息系統（GIS）二次開發、運算、通信和多媒體開發方面都具有簡單易行、功能強大等優點，所以越來越受到開發人員的青睞[13]。為此，作者采用Visual Studio C＃開發語言，在Windows環境下進行軟件的設計與開發。

2.2 開發林業小班遙感區劃系統的對策

由于目前對林業小班遙感區劃系統的研究剛剛起步，因此，實現林業小班遙感區劃系統的功能應當逐步實施。在完成總體設計的基礎上，首先實現林業小班遙感區劃所要求的基本的技術支撐部分：如多尺度分割、面向對象分類、小班遙感區劃編輯等；其次實現小班數據的更新功能；然后完成小班區劃所需的各類統計表的輸出功能；最終逐步完善和實現林業小班遙感區劃系統的所有功能。

2.3 系統主體功能介紹

系統首先從底層編寫程序源碼，實現基于四分樹的區域分開-合并算法，解決影像多尺度分割問題。再采用面向對象的影像分類思想，按照建立的影像分類層次，對分割結果進行逐級分類，系統中提供了最鄰近分類法和支持向量機分類法。最后借助MapGIS二次開發平臺，對分割、分類結果進行矢量編輯處理，形成小班區劃結果。圖7是小班區劃系統實現的界面展示，圖8是實現的小班區劃結果。

圖6 小班區劃編輯功能Figure6 Editing function of sub-compartment division

圖7 區劃系統界面Figure7 Division system interface

圖8 小班區劃結果Figure8 Result of sub-compartment division

3 討論

研究中，采取大的地性線與已有林班線為邊界控制條件，對影像進行邊界控制條件下的多尺度、多層次分割，在此基礎上進行小班區劃，得到了較好精度。研究中采用的面向對象遙感圖像分類方法與傳統的監督分類方法相比較，精度有大幅提高，主要在于傳統監督分類方法只利用像素的光譜特征進行分類，使得一些光譜相近的地物很難區分。而本研究采用的基于面向對象的分類方法不僅利用對象的光譜特征，更充分利用了對象的空間特征，這使得一些通過光譜特征很難區分或者根本無法區分的地物很容易的被提取出來。此外，研究中采用的面向對象遙感圖像分類方法，不僅能夠充分利用高分辨率遙感圖像豐富的空間信息，并能自動提取現實世界中的地理目標，而且還能輸出帶有屬性表的多邊形，可以解決森林資源用圖及時更新。雖然目前的軟件已采用面向對象及其之間的空間關系（形狀、大小和位置等）來判別復雜目標，但對高層次語義知識的利用水平還有待進一步提高，還在相當程度依賴人為性和主觀性，設置的樣本對象不同，往往導致分類結果有較大差異。基于遙感影像計算機自動解譯的小班區劃結果與人為的主觀區劃結果肯定存在一定的差異，但遙感影像計算機自動解譯的結果，符合實際生產應用，我們就認為基本達到要求。可以考慮該系統先在中國森林類型較為簡單的林區，如東北林區進行示范研究，然后逐步擴大推廣應用。

[1]李曉峰，張樹清，那曉東，等.利用Contourlet域紋理特征在高分辨率遙感影像上提取林地邊界[J].林業科學研究，2008，21（增刊 1）：142－145.LI Xiaofeng，ZHANG Shuqing，NA Xiaodong，et al.Extracting the boundary of forests from high-resolution remote sensing imagery using texture feature in contourlet domain [J].For Res，2008，21 （supp 1）：142 － 145.

[2]劉濤，谷建才，陳鳳娟.“3S”技術在森林資源調查中的應用與展望[J].中國農學通報，2008，24（11）：156－159.LIU Tao，GU Jiancai，CHEN Fengjuan.Applications and prospects of RS，GIS and GPS technology in forest resources investigation [J].Chin Agric Sci Bull，2008，24 （11）：156 － 159.

[3]鄭天水.SPOT-5衛星遙感信息在森林資源調查中的應用現狀與解決思路[J].林業調查規劃，2006，31（5）：24－28.ZHENG Tianshui.Application of SPOT-5 satellite remote sensing information to forest resources inventory and ideas on solution to the problems [J].For Invent Plan，2006，31 （5）：24 － 28.

[4]谷萬祥，葛林，劉思.森林資源規劃設計調查中小班區劃方法探討[J].吉林林業科技，2005，34（5）：42-44.GUWanxiang，GELin，LIUSi.Studyonsub-compartmentdivision in forest inventory planning and design [J].J Jilin For Sci Technol，2005，34 （5）：42 － 44.

[5]李春干，代華兵.基于高分辨率衛星圖像的小班勾繪精度檢驗[J].福建林學院學報，2006，26（2）：127-130.LI Chungan，DAI Huabing.Accuracy inspection of sub-compartment division based on hi-resolution remote sensing imagery [J].J Fujian Coll For，2006，26 （2）：127 － 130.

[6]張艮龍，馮益明，賈建華，等.基于SPOT-5遙感影像的小班區劃探討[J].浙江林學院學報，2010，27（2）：299－303.ZHANG Genlong，FENG Yiming，JIA Jianhua，et al.Sub-compartment division based on SPOT-5 remote sensing images [J].J Zhejiang For Coll，2010，27 （2）：299 － 303.

[7]馮益明，李增元，武紅敢.基于灰度與紋理信息融合的影像分割方法[J].遙感技術與應用，2006，21（6）：536－540.FENG Yiming，LI Zengyuan，WU Honggan.Image segmentation method based on the fusion of gray information and texture information [J].Remote Sens Technol Appl，2006，21 （6）：536 － 540.

[8]喬程，駱劍承，吳泉源，等.面向對象的高分辨率影像城市建筑物提取[J].地理與地理信息科學，2008，24（5）：36－39.QIAO Cheng，LU0 Jiancheng，WU Quanyuan，et al.Object-oriented method based urban building extraction from high resolution remote sensing image [J].Geogr Geo-Inf Sci，2008，24 （5）：36 － 39.

[9]蘇偉，李京，陳云浩，等.基于多尺度影像分割的面向對象城市土地覆被分類研究——以馬來西亞吉隆坡市城市中心區為例[J].遙感學報，2007，11（4）：521－ 530.SU Wei，LI Jing，CHEN Yunhao，et al.Object-oriented urban land-cover classification of multi-scale image segmentation method：a case study in Kuala Lumpur City Center，Malaysia [J].J Remote Sensing，2007，11 （4）：521 － 530.

[10]張秀英，馮學智，江洪.面向對象分類的特征空間優化[J].遙感學報，2009，13（4）：664－669.ZHANG Xiuying，FENG Xuezhi，JIANG Hong.Feature set optimization in object-oriented methodology [J].J Remote Sens，2009，13 （4）：664 － 669.

[11]鄒建成，孫國平.基于ArcGIS Engine與C#下的城鎮地籍管理信息系統的研究與實現[J].城市勘測，2009（4）：29－31.ZOU Jiancheng，SUN Guoping.Research and realization of town cadastral management information system based on the ArcGIS Engine and C# [J].Urban Geotech Investigat&Surv，2009 （4）：29 － 31.