基于資源三號(hào)衛(wèi)星影像的城市綠地信息提取方法探討

王 野

(沈陽(yáng)市勘察測(cè)繪研究院，遼寧 沈陽(yáng) 110004)

基于資源三號(hào)衛(wèi)星影像的城市綠地信息提取方法探討

王 野

(沈陽(yáng)市勘察測(cè)繪研究院，遼寧 沈陽(yáng) 110004)

我國(guó)高分遙感衛(wèi)星的發(fā)展為城市綠地的規(guī)劃、建設(shè)和改造提供有力的技術(shù)支持。研究利用資源三號(hào)衛(wèi)星全色和多光譜影像，以國(guó)內(nèi)某城市為例，采用基于規(guī)則的面向?qū)ο蠓诸惣夹g(shù)獲取城市綠地。研究提出的技術(shù)方案，簡(jiǎn)單易行，具有較好的應(yīng)用性。對(duì)于推動(dòng)資源三號(hào)衛(wèi)星在國(guó)土資源和城市規(guī)劃方面的應(yīng)用具有重要意義。

資源三號(hào)衛(wèi)星；城市綠地；信息提取；基于規(guī)則的面向?qū)ο蠓诸?/p>

城市綠地是城市生態(tài)系統(tǒng)中的重要組成部分，其功能主要體現(xiàn)在生態(tài)功能、景觀功能、社會(huì)功能3個(gè)方面[1-2]。隨著社會(huì)發(fā)展、經(jīng)濟(jì)增長(zhǎng)，城市綠地系統(tǒng)規(guī)劃已經(jīng)開(kāi)始受到政府決策者和管理者的重視。為了充分發(fā)揮綠地“城市清潔器”的作用，更加科學(xué)地解決好土地使用緊張和合理分配綠地面積兩者之間的矛盾，必須客觀、準(zhǔn)確地掌握城市綠地的變化情況。近年來(lái)，高分辨率遙感衛(wèi)星數(shù)據(jù)及遙感信息處理技術(shù)在城市綠地提取中得到廣泛應(yīng)用[3-5]，常用的幾種用于提取城市綠地信息的衛(wèi)星包括：Landsat TM(ETM)、IKONOS、Quick Bird、Spot4/5和WorldView等。

隨著國(guó)產(chǎn)衛(wèi)星的發(fā)展和高分辨率衛(wèi)星的陸續(xù)發(fā)射，提升了我國(guó)高分辨率遙感衛(wèi)星影像的自主供給能力。資源三號(hào)(ZY-3)衛(wèi)星是我國(guó)首顆民用高分辨率光學(xué)傳輸型立體測(cè)圖衛(wèi)星，主要用于1∶50 000立體測(cè)圖及更大比例尺基礎(chǔ)地理信息產(chǎn)品的生產(chǎn)和更新以及國(guó)土資源調(diào)查與監(jiān)測(cè)等[6]。本文利用資源三號(hào)衛(wèi)星全色和多光譜影像，以國(guó)內(nèi)某城市為例，探討城市綠地信息提取方法，以期推動(dòng)資源三號(hào)衛(wèi)星在城市綠地的規(guī)劃、建設(shè)和改造方面的應(yīng)用，并提供可行的技術(shù)方案。

1 資源三號(hào)衛(wèi)星

資源三號(hào)衛(wèi)星采用三線陣測(cè)繪方式，三線陣相機(jī)由具有一定交會(huì)角的前視、正視和后視3個(gè)線陣TDI CCD構(gòu)成，通過(guò)對(duì)同一地面點(diǎn)不同視角的觀測(cè)可構(gòu)成三線陣立體影像；另有1臺(tái)多光譜相機(jī)提供多光譜影像，地面分辨率優(yōu)于8 m[7]，具體參數(shù)見(jiàn)表1。

2 城市綠地提取方法

為了提取城市綠地信息，研究選擇資源三號(hào)衛(wèi)星2013年10月11日拍攝的國(guó)內(nèi)某城市的全色和多光譜影像。整個(gè)數(shù)據(jù)處理由ENVI 5.0完成。城市綠地信息提取流程如圖1所示。

對(duì)于高分?jǐn)?shù)據(jù)，全色波段和多光譜波段屬于基本配置。進(jìn)行目標(biāo)信息提取時(shí)，通常采用圖像融合處理，既保證了全色波段的高空間分辨率，又利用多光譜波段，保證了目標(biāo)的光譜識(shí)別能力。如果對(duì)目標(biāo)對(duì)象的平面位置精度要求較高的話，需要做正射校正。本研究主要在于建立城市綠地提取的技術(shù)方法。另外，也缺乏研究區(qū)高分辨率的數(shù)字高程模型和地面控制點(diǎn)數(shù)據(jù)，因此，這里沒(méi)有對(duì)影像進(jìn)行正射校正的處理。

表1 資源三號(hào)有效載荷技術(shù)指標(biāo)[8]

圖1 城市綠地信息提取流程

對(duì)于城市綠地信息的提取，研究利用歸一化植被指數(shù)(NDVI)，為了保證精度，有必要對(duì)圖像進(jìn)行大氣校正。分類方法采用基于規(guī)則的面向?qū)ο蠓诸惙椒?，這是因?yàn)椋焊叻謹(jǐn)?shù)據(jù)對(duì)目標(biāo)對(duì)象的空間特征表現(xiàn)得更加詳細(xì)，利用傳統(tǒng)的監(jiān)督、非監(jiān)督分類往往難以取得理想的效果，利用面向?qū)ο蟮姆诸惙椒軌蚣骖櫮繕?biāo)物的空間和光譜特征。樣本統(tǒng)計(jì)則用于建立規(guī)則的閾值。

2.1 數(shù)據(jù)預(yù)處理

預(yù)處理包括圖像融合和大氣校正兩個(gè)環(huán)節(jié)。圖像融合算法選擇了Gram-Schmidt，該算法對(duì)圖像光譜具有較好的保持性，即經(jīng)過(guò)融合處理后，目標(biāo)的光譜特征沒(méi)有發(fā)生明顯變化，因此，適于做進(jìn)一步的大氣校正?？紤]到資源三號(hào)多光譜數(shù)據(jù)波段的局限性，這里僅做快速大氣校正(QUAC)，目的在于保證后續(xù)提取NDVI的精確性。通過(guò)數(shù)據(jù)預(yù)處理工作，最后得到經(jīng)過(guò)融合和大氣校正處理的、空間分辨率為2.1 m的4個(gè)波段的多光譜融合數(shù)據(jù)。

2.2 遙感圖像分類

高分?jǐn)?shù)據(jù)量一般都非常大，處理起來(lái)會(huì)非常耗時(shí)。因此，在進(jìn)行面向?qū)ο蟮膱D像分類時(shí)，先選擇一個(gè)研究子區(qū)，對(duì)有關(guān)分類參數(shù)和規(guī)則進(jìn)行試驗(yàn)，最后，將根據(jù)試驗(yàn)確定的參數(shù)和規(guī)則應(yīng)用于整幅圖像，得到綠地提取結(jié)果。

面向?qū)ο蠓诸愂紫冗M(jìn)行圖像對(duì)象的分割和合并，主要通過(guò)調(diào)整分割系數(shù)(scale level)和合并系數(shù)(merge level)來(lái)實(shí)現(xiàn)。分割系數(shù)的設(shè)置，保證將所有植被分割到各對(duì)象內(nèi)(見(jiàn)圖2)；合并系數(shù)的設(shè)置，保證植被不和其他類型的對(duì)象合并在一起(見(jiàn)圖3)，目的在于減少后續(xù)的計(jì)算量。

圖2 圖像分割預(yù)覽(scale level=30)

圖3 分割對(duì)象合并結(jié)果(merge level=70)

(a)標(biāo)準(zhǔn)假彩色合成圖

(b)基于NDVI規(guī)則的分類結(jié)果

完成分割和合并處理后，下一步是建立分類類別(綠地)，并針對(duì)建立的類別，設(shè)置分類規(guī)則。圖4(b)僅以NDVI作為分類規(guī)則，并以綠地對(duì)應(yīng)的最大NDVI和最小NDVI作為閾值，進(jìn)行綠地提取?？梢钥吹絻H利用NDVI建立規(guī)則提取綠地，會(huì)將暗青色以及高亮的目標(biāo)物混分為綠地(對(duì)比圖4(a))。

因此，考慮是否加入其他波段作為分類規(guī)則，提高綠地的提取精度。通過(guò)對(duì)子研究區(qū)內(nèi)的綠地和其他目標(biāo)物分別提取感興趣區(qū)，并進(jìn)行灰度值統(tǒng)計(jì)，分析它們?cè)贜DVI和4個(gè)光譜波段的灰度值差異，最后選擇第三波段(紅波段)作為另外一個(gè)規(guī)則；并根據(jù)樣本的統(tǒng)計(jì)結(jié)果(最大最小值)，作為面向?qū)ο蠓诸愔幸?guī)則的閾值。僅利用NDVI作為規(guī)則和利用NDVI與第三波段作為規(guī)則的綠地提取結(jié)果見(jiàn)圖5(a)和(b)。

通過(guò)圖5(a)和(b)的比較表明，引入第三波段大大提高了綠地提取精度，特別是降低了建筑類地物的混分。至此，將子研究區(qū)獲得分割和合并系數(shù)以及規(guī)則閾值用于整個(gè)研究區(qū)，得到整個(gè)影像中的綠地面積(見(jiàn)圖6)。

(a)基于NDVI規(guī)則綠地提取

(b)基于NDVI和第三波段規(guī)則綠地提取

(c)原始標(biāo)準(zhǔn)假彩色圖像

圖6 研究區(qū)城市綠地提取結(jié)果

2.3 結(jié)果分析

將提取的綠地信息疊加到研究區(qū)標(biāo)準(zhǔn)假彩色合成圖上，通過(guò)比較分析表明，利用NDVI和紅波段能夠較好地提取城市綠地分布。錯(cuò)分區(qū)域主要在陰影區(qū)；漏分區(qū)域主要是植被覆蓋度低的區(qū)域。分析其原因，一方面，同選取的綠地和其他目標(biāo)物的樣本有關(guān)系；另一方面，地物的復(fù)雜性難免會(huì)使分類結(jié)果存在一些誤差。因此，面向?qū)ο蟮玫降某鞘芯G地提取結(jié)果，通常還需要進(jìn)行矢量后處理，保證最終提取結(jié)果的可靠性。

總的來(lái)說(shuō)，對(duì)于城市綠地的提取，需要利用表征植被信息的NDVI，為了降低其他目標(biāo)的影響，有必要引入其他波段以提高綠地提取精度。在選取樣本設(shè)定規(guī)則的閾值時(shí)，應(yīng)盡可能考慮到區(qū)域內(nèi)不同類型或者不同亮度的目標(biāo)地物。

3 結(jié) 論

研究利用資源三號(hào)衛(wèi)星的全色和多光譜波段數(shù)據(jù)，使用基于規(guī)則的面向?qū)ο蠓椒?，以覆蓋國(guó)內(nèi)某城市的影像為例，成功提取了研究區(qū)內(nèi)的城市綠地。分析表明，對(duì)于綠地信息的提取需要利用NDVI信息，并以其他光譜波段作為補(bǔ)充規(guī)則，以降低非綠地目標(biāo)的影響；此外，在規(guī)則閾值的選擇上，應(yīng)保證樣本選擇的全面性。研究提出城市綠地提取技術(shù)方案，簡(jiǎn)單易行，具有較好的可推廣性。

[1]周文佐,潘劍君, 劉高煥. 南京市城市綠地現(xiàn)狀遙感分析[J]. 遙感技術(shù)與應(yīng)用，2002,17(1):22-26.

[2]費(fèi)鮮云.高分辨率遙感影像在城市綠地信息提取中的應(yīng)用研究[D]. 泰安：山東農(nóng)業(yè)大學(xué)，2006.

[3]車生泉, 宋永昌.城市綠地景觀衛(wèi)星遙感信息解譯——以上海市為例[J].城市環(huán)境與城市生態(tài),2001,(2):10-12.

[4]黃慧萍,吳炳方,李苗苗,等.高分辨率影像城市綠地快速提取技術(shù)與應(yīng)用[J].遙感學(xué)報(bào)，2004,8(1):68-74.

[5]周寧平,廖明,匡秀梅.基于IKONOS影像的土地利用現(xiàn)狀更新調(diào)查方法[J].測(cè)繪工程，2012,21(4): 74-77.

[6]劉冰，林怡.基于決策樹(shù)方法的ETM+影像濕地信息提取[J].測(cè)繪工程，2013,22(1)：63-66 2012,33(3):55-64.

[7]唐新明, 謝俊峰, 張過(guò).測(cè)繪衛(wèi)星技術(shù)總體發(fā)展和現(xiàn)狀[J].航天返回與遙感，2012, 33 (3):17-24.

[責(zé)任編輯：張德福]

Research on urban green surveying based on ZY-3 satellite

WANG Ye

(Shenyang Geotechnical Investigating and Surveying Research Institute, Shenyang 110004, China)

The development of high-resolution satellites in China supports the plan, construction, and reform of urban green. Taking one city in China as an example, the study uses a rule-based object-oriented classification method to extract the distribution of urban green using pan and multi-spectral images of ZY-3 satellite. The technical procedure presented is easy to be implemented and applied to other areas. This study is helpful to promote the applications of ZY-3 satellites in land resources and city planning.

ZY-3 satellite; urban green; rule-based object-oriented classification

2014-01-05

王 野(1976-)，男，高級(jí)工程師.

TP753

：A

：1006-7949(2014)07-0065-03