多方法的地理國情地表覆蓋分類研究

胡 艷，袁 超

（1.重慶市地理信息中心，重慶 401120；2.武漢大學 遙感信息工程學院，湖北 武漢 430079）

地理國情監測是新時期空間信息科學的重要使命，已被確定為未來 20 a我國測繪工作的重點之一，其相關內容在國外已有所開展[1-3]。在強大的對地觀測數據獲取能力和先進的科技力量支撐下，在全球經濟一體化的形勢下，國外發達國家的地理國情監測范圍不再局限于本土，而是擴大到區域或全球尺度[4]，如美國地質調查局2002年啟動的“地理分析和動態監測計劃（GAM）”[2]。近年來，部分省市測繪部門在地理國情、省情的監測與分析方面陸續開展了一些嘗試，如重慶市連續7 a的主城區建設用地動態監測與分析、連續3 a的區縣建設用地動態監測與分析、生態管制區監測與分析等，但總體來說，這些工作還是探索性的，未形成規模和體系。2010年12月，李克強副總理在全國測繪局長會議的批示中指出“要加強基礎測繪和地理國情監測”，正式拉開了我國全面開展地理國情監測的序幕。

2012年10月地理國情監測項目得到國家正式立項。2013年，國家測繪地理信息局發布《關于下達2013年地理國情普查試點生產計劃的通知》（國測國發[2013]18號）文件，有計劃有選擇地開展第2批地理國情普查試點工作，重慶市永川區被列入第2批地理國情普查試點。永川區地理國情普查試點的目標除完成規定的工作內容之外，更重要的是積極開展多方法的地理國情普查技術研究。本研究主要針對地理國情普查中工作量最大的地表覆蓋分類數據采集，對多方法的地表覆蓋分類進行研究與總結，為深化完善普查內容、技術標準等提供有益建議，為下一步全市地理國情普查積累技術經驗，提供解決方案。

1 試點區域及數據源

1.1 試點區域概況

永川區位于重慶西部，東西寬44.48 km，南北長71 km，幅員面積1 576 km2，是重慶市6大區域性中心城市之一。境內以丘陵地貌為主，地形破碎，地物復雜。截至2012年底，永川區轄7個街道，16個鎮，210個行政村，戶籍總人口為112.88萬人。

1.2 資料分析與利用情況

1）高分辨率遙感影像數據。本次永川區地理國情普查所采用的基礎影像數據為2011年7月份以及2012年9月份航飛的20 cm航空影像，以及2013年1月采集的資源三號衛星影像，覆蓋整個永川區域，是地表覆蓋分類的基礎數據源。

2）基礎地理信息數據，主要包括1∶1萬DLG，覆蓋整個永川區，共計81幅，成圖時間為2004年，主要用于道路面、房屋面的提取。此外，DLG中植被標識點及植被線用作地表覆蓋的解譯參考。

3）專題數據資料。項目實施過程中收集到相關國土、水利等行業部門的專題資料，用于地表覆蓋類型的輔助判斷。其中國土部門的土地利用現狀分類數據參考價值較大，時間為2009年。

2 基于多方法的永川區地表覆蓋分類

2.1 基于專題圖層分割后進行人機交互式解譯

利用土地利用現狀圖斑作為專題圖層參與航片分割，直接賦予土地利用現狀圖斑的屬性，并在ArcGIS平臺中進行圖斑的屬性核查與屬性錄入。試點研究表明，約17種地類（共計46類）的圖斑可直接對應到地理國情普查分類體系中，但整體上需人工核查。此外，由于土地利用現狀圖斑的邊界與影像套合偏差較大，導致分割后的圖斑過于細碎，邊界修整工作量較大。該方法技術路線可行，但與全人工相比，無論在工作效率還是成果質量上都無明顯提升。

2.2 基于規則庫自動解譯輔以人機交互式解譯

1）影像分割。永川試點所用航片數據包含紅、綠、藍3個波段，顏色經過勻色和均衡性處理，直接分割后很難建立解譯規則庫，監督/非監督的分類效果不佳。因此，在研究中對分割方法進行優化，引入資源三號衛星影像、DEM、坡度等輔助資料參與建立規則庫。經試驗，根據地物背景的復雜性，分割尺度控制在120～200的范圍，各個圖層權值航片選取為1，資源衛星和DEM、坡度為選取為0，分割的圖斑邊界與航片之間的套合最好。

在滿足必要的形狀標準前提下，盡量采用顏色標準。在永川試點中，SHAPE參數的設置在0.1～0.3，Compactness參數的設置為0.2，效果較好。

2）特征分析及自動解譯。基于資源三號衛星影像、DEM、坡度等輔助資料建立解譯規則庫，基本可提取水體、水田、林地、道路以及其他硬化地表等部分大類及中類。對于水體，NDWI和SLOPE特征能較好識別，在永川典型丘陵地貌中，水田的分布與地形的相關性很高，坡度的導入能大大改善水田的提取結果。林地和草地主要采用規則庫中所用特征，其中草地的NDVI范圍較窄、值較大，色彩較為均衡，因此Standard Deviation Red特征相對較低；對于硬化地表，Brightness和Mean Blue（航片）特征能較好地識別；其他植被區采用NDVI和Standard Deviation Blue進行提取。

自動分類階段，遵循“先易后難，減法法則”。“先易后難”即先提取最容易的水體、林地、水田、硬化地表等。“減法法則”即第一次規則使用時，盡可能全面包含潛在目標類別信息，后續規則逐步剔除非目標信息，最終得到準確的目標信息。

在自動解譯過程中，道路與周圍建筑、旱地以及其他硬化的粘連現象較為突出，后期人工干預的工作量較大。因此，利用1∶1萬數據庫中的道路以及建筑，對照影像進行更新后作為專題圖層參與分割，以解決道路與周圍地物的粘連問題（見圖1）。

對各類地物的特征進行分析，建立遙感自動解譯庫如表1（如無特別說明，相應的Red、Green、Blue指資源三號衛星的多光譜波段）所示，圖2為自動解譯的效果圖。

表1 地表覆蓋解譯規則庫

3）人機交互式解譯。將自動解譯后較穩定的分類結果（水體、水田、林地、草地、道路等類型的地物）在Ecognition中檢查后合并導出，其他圖斑不作合并處理，進入人機交互式解譯流程。

由于自動解譯的圖斑非常破碎，圖斑的鋸齒突出，導入Geoway平臺后數據量太大，處理過程中極易產生“異形、三角形”等小圖斑，從而出現拓撲面縫隙，后期處理工作量較大。而基于ArcGIS軟件開發的屬性刷工具效果較好，利用1∶1萬DLG中的植被標識點以及植被輔助線輔助判斷，在其他植被中細分出灌木林、喬灌混合林、人工幼林、疏林、竹林和旱地等；在其他硬化地表中細化出構筑物和房屋建筑區；在其他地物中細分出人工堆掘地、荒漠與裸露地表等；同時對圖斑邊界有誤的進行合并、拆分、重構等編輯。

2.3 全人工人機交互式解譯

永川區的試生產同時采用Geoway和ArcGIS平臺進行全人工人機交互式解譯。

1）基于Geoway平臺的全人工地表覆蓋分類。以《地理國情普查內容與指標》、《地理國情普查試點方案》為依據，建立地理國情普查數據模型，即*.sch方案文件；地物類代碼可以采用CC（地理國情分類代碼）或GB（基礎地理信息分類碼）制作。

采集遵循“先基礎框架數據再其他”的原則，先提取水系、道路、建筑區等，再進行植被處理。先提取邊界線，再進行屬性賦值。Geoway有較好的線編輯能力，采用折線、樣條曲線、雙線、三線等采集工具，利用S、Y快捷鍵跟進、跟出采集，保證共邊對象的快速采集。屬性的錄入利用“地物類刷”、“快速輸入欄”或“右鍵帶屬性移動”來實現，處理稍顯費力。

2）基于ArcGIS平臺的全人工地表覆蓋分類。在ArcGIS平臺中，邊界線采集順序也遵循以上原則，運用折線、樣條曲線、雙線等采集工具，進行構面處理，并按照試點方案要求部署屬性字段。 ArcGIS的屬性錄入繁瑣，因此，基于ArcGIS軟件開發了屬性刷工具（見圖3），不用人工錄入屬性，點擊相應的地類按鈕，點選相應的多邊形，地類的CC碼、名稱將直接錄入到相應的屬性項中，同時在“是否修改”的屬性中自動追加標識，或通過標注出地類的CC碼、地類名稱來區分已處理和未處理的對象，大大提高了工作效率。

2.4 結果分析

利用基于規則庫的航片自動解譯以及全人工人機交互式解譯完成了1 576 km2的地表覆蓋分類，結果如圖4所示。

通過內外業質檢發現，分類圖斑與影像的套合一致，主要是園地與人工幼林、疏林，灌木林與喬灌混合林，竹林與桉樹（屬于喬木林），人工幼林與疏林等地物的錯分、誤分率較高，在部分區域可達到50%，其他地物的分類精度基本能達到90%。因此，需針對這些地物加強內業判讀經驗的總結，加大外業核實的強度，確保分類精度。

本研究針對地理國情普查地表覆蓋分類數據采集進行了多方法研究，結論如下：

1）利用航空影像進行自動解譯，與全人工方式相比，未必在工作效率上有所提升，但在自動解譯圖斑的邊界準確度和操作層面上對地物的概況、取舍與綜合相對容易統一。

2）利用航片進行自動解譯可輔助以衛星影像（如資源三號衛星，時相最好不超過2 a）、DEM以及坡度等參與分割，可建立自動提取規則庫，解決部分大類及中類的自動提取問題。

3）在利用高分辨率影像進行自動解譯的過程中，道路與周圍建筑區、硬化地表以及旱地較易粘連，可利用1∶1萬數據庫中的道路和建筑更新后作為專題圖層參與分割，解決道路與周圍地物的粘連問題。

4）自動解譯的圖斑非常破碎、鋸齒突出，在Geoway平臺中數據量太大，處理效果不佳。 ArcGIS對自動解譯后的“異形鋸齒狀”圖斑的處理較為有效。

5）全人工解譯中，遵循先基礎框架要素（道路、建筑區、水系等）再其他地物的原則，能協調好地物間的關系；對于道路、建筑區、水系等基礎框架要素，以及有明顯地類邊界的喬木林和旱地，宜選擇比較精細的尺度；而對于植被、水田、旱地等，以及無明顯地類邊界的（如喬木林和喬灌混合林），則可選擇相對寬松的尺度，在一定程度上可協調工作效率與幾何精度的問題。

6）全人工解譯下Geoway平臺的優點是線編輯較為便捷，缺點是添加標識點稍顯繁瑣。可整合兩者優勢，利用Geoway線編輯能力，基于ArcGIS平臺開發的屬性刷工具，大大提高工作效率。

3 結 語

通過地理國情試生產，深入理解了國情普查的意義、內容及技術方法，對地理國情內容與指標的建議如下：

1）自動解譯后圖斑邊界的平滑處理可提高數據的可利用性。自動解譯后圖斑細碎，邊界鋸齒狀突出，在導致后續成果可利用性差。試點階段進行了平滑性處理研究，將面轉成線，利用PEAK算法進行平滑，再基于Geoway平臺的面狀數據的標識點進行構面，達到平滑面的同時保留面的屬性的目的。

2）深入研究不同地物的分割尺度及規則庫。不同地物其分割尺度以及規則庫都有所不同，如何科學地確定分割尺度，盡量突出地物的典型信息，如何系統且智能化地確定不同地物的規則庫，提高自動解譯的精度與水平，是下一步研究的重點。

[1]喬朝飛.國外地理國情監測概況與啟示[J]．測繪通報，2011(11) : 81-83

[2]許暉，張坤. 中美地理國情監測概述[J].測繪標準化，2012，28(4)：6-9

[3]中國科學院資源環境科學與技術局．科學研究動態監測快報[EB/OL]. http: //www. Rcees.ac.cn / xwzx / kydt /201102/ P020110222728608447733.Pdf, 2011-04-05

[4]李德仁，晆海剛，單杰. 論地理國情監測的技術支撐[J].武漢大學學報：信息科學版，2012，37(5)：505-512

[5]Hay J G， Blaschke T，Marceau J D， et al. A Comparison of Three Image-object Methods for the Multiscale Analysis of Landscape Structure[J].ISPRS Journal of Photogrammetry and Remote Sensing，2003，57(5/6): 327-345

[6]劉兆祎，李鑫慧，沈潤平,等. 高分辨率遙感圖像分割的最優尺度選擇[J].計算機工程與應用，2012(11):1-7