基于GF—1衛星WFV數據的全國建設用地自動監測技術研究

劉順喜++戴建旺等

摘 要：該文以國產高分一號衛星WFV數據為數據源，采用面向對象分類技術，研究面向全國范圍的宏觀監測信息提取技術及系統實現。一方面，研究了大尺度上利用高分遙感影像和面向對象分類技術進行宏觀監測信息提取一整套技術方法，并對其中的建設用地進行了重點研究。另一方面，在集群計算環境下，利用高分一號衛星WFV數據，實現基于面向對象的宏觀監測信息自動提取，并重點對建設用地提取結果進行了驗證，驗證結果顯示分類精度優于80%。該研究提高了利用中等分辨率影像進行宏觀監測的準確性及時效性，為合理利用和管理土地資源提供決策支持信息，支撐土地利用業務化應用。

關鍵詞：高分WFV 面向對象分類 建設用地 土地利用 信息自動提取

中圖分類號：TP753 文獻標識碼：A 文章編號：1672-3791（2015）06（b）-0033-03

當前中國正經歷著快速的城市化，特別是在沿海經濟發達地，城市擴展速度已經遠超過發展中國家的平均擴展速度。合理利用城市土地是實現城市經濟和社會發展目標的重要手段，是政府用以保護生態與自然環境、合理利用資源、統籌安排城市發展空間布局及維護城市發展過程中和諧與平衡的重要依據[2]。

隨著衛星遙感技術的發展，城市化進程的加劇，遙感技術在城市土地利用監測的應用得到了空前的發展。遙感對地觀測技術能夠大范圍、快速獲取地表信息，并且具有客觀性、時效性、綜合性、經濟性以及多時相的特點，是當前在大尺度區域上進行土地利用詳查、制圖和變化信息動態監測的最有效技術途徑。相關學者采用遙感圖像在區域范圍內進行土地利用調查方面開展了廣泛的研究，并且提出了適用于遙感數據的土地利用分類系統和方法。張友水等利用兩期TM影像，對影像進行纓帽變換，通過兩時相的亮度軸（B）、綠度軸（G）和濕度軸（W）3個分量的差值運算進行信息復合，在紹興區進行土地利用變化監測研究[4]。印影等以資源一號02C星為數據源，通過對影像進行融合處理，采用面向對象分類方法進行土地利用分類，總體分類精度達到93.04%[5]。于龍等采用波譜角分類方法，通過選取不同圖像子區域的同一地物不同變異端元來消除端元變異性對分類精度的影響，結果顯示波譜角分類對城市用地分類具有較好的可應用性[6]。韓彥偉等以河北省保定市市區為例，結合QuickBird數據，采用面向對象分類技術和人工目視解譯相結合的作業方法，對其土地利用變化情況進行監測。

上述土地利用分類方法多是基于像元的光譜信息，不能有效地提取出影像中的空間紋理信息，無法保障自動識別精度。部分基于面向對象分類技術研究也主要是基于國外高分辨率數據源，且不具備面向大區域的推廣的能力。罕有以國產高分辨衛星為數據源利用面向對象技術進行大范圍土地利用信息分類提取的研究。基于此，本研究以面向對象分類技術，構建基于高分一號衛星WFV數據（幅寬達800公里）的宏觀監測特征庫，搭建集群計算環境，實現大區域范圍內建設用地信息的高效、自動提取。

1 研究區域概況

該文以中部第4小區為研究對象，以河北省保定市和河南省鄭州市為例進行土地利用宏觀監測，重點建設用地的提取信息進行分析和驗證。

保定市位于北緯38°10′～40°00′，東經113°40′～116°20′之間。北鄰北京市和張家口市，東接廊坊市和滄州市，南與石家莊市和衡水市相連，西部與山西省接壤。鄭州市位于東經112°42'～114°14'，北緯34°16'～34°58'，東西寬166公里，南北長75公里，總面積約為7446.2平方公里，其中市區面積約1010.3平方公里，山地面積約2377平方公里。兩市處于華北平原中北部，屬于溫帶季風氣候。冬季干燥寒冷，夏季高溫多雨，春季干旱少雨，蒸發強烈。春季旱情較重，夏季常有洪澇。年均溫和年降水量由南向北隨緯度增加而遞減。年均溫11～12℃，南北相差3～4℃。7月均溫大部分地區26～28℃；1月均溫為-5～-4℃。全區0℃以上積溫為4500～5500℃，10℃以上活動積溫為3800～4900℃，無霜期200～220天，年降水量500～600毫米。

2 數據獲取與處理

良好的數據及完整的資料準備是地類信息提取的基礎，為了實現地類信息提取規則的真實性，可用性及普適性，前期數據準備及處理方面輸入數據包含GF-1號多光譜遙感影像數據、對應的30m分辨率DEM高程數據及研究區矢量。高分一號衛星2013年發射升空，GF-1衛星搭載了兩臺2m分辨率全色和8m分辨率多光譜相機，四臺16m分辨率多光譜相機。16m分辨率多光譜相機幅寬達到了800公里，在具有類似空間分辨率的同時可以在更短時間內對同一個地區重復拍照。該研究從中國資源衛星應用中心獲得2014年6月份無大片云霧覆蓋影像數據。DEM從USGS網站下載，矢量數據由相應地方業務部門提供。

數據預處理主要是包括正射校正及輻射校正。正射校正以15m分辨率的Landsat8全色影像為基準，同時輸入DEM數據，從而保證誤差控制在一個像元之內。輻射校正則消除了大部分氣溶膠的影響。同時為了盡可能的保留影像數據的原始光譜信息，影像無需做勻色處理。

3 研究方法

3.1 信息分層提取思路

該研究針對耕地、園林地、草地、水域、建設用地5種一級地類，采用分層逐級提取的思路進行提取。信息提取步驟如下：

第一步：將影像分為植被與非植被，在第一層提取中能保證較高的提取精度。

第二步：將第一步的分類結果作為參考參與進一步的分類，在植被區域內進一步分為園林地和非園林地，在非植被區域內進一步分為水體和非水體，排除非植被對園林地的干擾和植被對水體的干擾，同時在進一步提取時也能只考慮園林地（水域），設置合適的分割尺度等參數。

第三步：將第二步的分類結果作為參考參與進一步的分類，在非園林區域將其分為草地和耕地兩類，在非水體區域將其分為建設用地和其他用地。如圖1所示。

3.2 面向對象的尺度分割

影像分割是以某個像元進行并行生長，然后以此為種子向周邊像元進行合并同質性比較大的相鄰像元的過程，從而把圖像劃成若干個互不交疊的區域。在相同的區域內，圖像具有相同或相似的特征，這是面向對象信息提取技術的基礎。不同大小的分割閾值，生成的影像對象多邊形的大小、數量也不相同。分割尺度越大，影像中生成的對象數量越少，單個對象的面積越大，反之亦然。但分割尺度太小，地物顯得破碎且工作量大；分割尺度過大，會出現“淹沒”現象，許多小面積的地物將無法提取出來，從而影響到地類分類的精度。

3.3 規則集研發

規則是指鑒別某種地類的判斷原則，原則必須具有普遍性和獨有性。地類信息提取規則集的開發是基于區域大量數據研究的基礎，研究地類本身特征及地物之間的關聯性，以典型地區的影像數據為研究熱點，針對該影像數據的地物有針對性的開發相應的規則，并將規則應用于同類型影像數據中反復測試修改，直到該區域的所有影像數據均能提取出較為理想的地類圖斑。

遙感影像上植被較綠，耕地作物信息明顯，采用波段運算得到植被指數灰度影像層，然后利用多閾值分割方法將植被信息從影像里區分出來。林地在近紅外波段上與耕地上有明顯的區別，可先用DEM數據界定出林地的大致范圍，然后根據林地的紋理較為粗糙特征，利用綠波段的均方差信息進行結果優化。草地信息表現為針狀細碎地物，可以利用紅波段均方差及紋理特征將特征值大的定義為草地區域。相對于其他地物，水域提取較為容易，大部分有水區域水體指數值較高。建筑物在紅波段上則體現出亮度值較大的特點。針對上述地物在影像上的不同特征，可以較好的完成其相應提取（具體規則見表1）。

地類提取規則的創建是信息提取的關鍵和難點，主要表現為兩大難點，一是地類通用特征的找尋；二是地類提取臨界條件的判斷。特征建立的原則要能夠將所提地物的信息突出，并且信息為直方圖上的極大值或極小值區域范圍。臨界條件的設定，關鍵在于兩次條件計算時能夠有比較大的差異性，這種終止條件為非此即彼。規則集創建過程如圖2所示。

3.4 精度驗證

鑒于在宏觀范圍內進行土地利用監測，依靠野外樣點調查進行驗證的方法難以實現，本研究通過目視解譯，人工勾繪相應地類樣本，對提取的地類圖斑進行精度評價。首先選取同一時間相應區域GF-1號2m、8m融合正射影像數據，與16m影像數據相比，其能夠更清晰的識別地類，從而可以保證樣本勾繪的準確性。在待評價區域內，選取多個地物信息豐富、有代表性的小區域作為樣本區。在樣本區內，采用人工目視解譯的方法，采用分辨率較高的GF-1號2m、8m融合影像進行樣本勾繪（宏觀監測使用的基礎影像為GF-1號16m影像）。最后使用樣本與提取結果進行疊加分析，計算得到分類精度。計算公式如下：

①

式中，P 為圖斑分類精度，Cn為分類正確的某地類圖斑面積，Sn為該地類樣本圖斑總面積，Sz所有樣本圖斑總面積。預期結果為P ≥80%。

4 試驗與分析

4.1 試驗結果

采用面向對象分類技術，結合2014年6月份高分16m分辨率影像數據，對河北省保定市和河南省鄭州市土地利用信息進行提取。

保定市2014年第二季度土地利用宏觀監測提取圖斑14755個，面積30521866.19畝。其中建設用地圖斑9777個，面積4334105.66畝，占比14.14%；鄭州市2014年第二季度土地利用宏觀監測提取圖斑8389個，面積11285302.11畝。其中建設用地圖斑4864個，面積3422463.83畝，占比30.33%。從上述土地利用宏觀監測信息提取效果看，面向對象分類的方法得到的分類結果不存在“椒鹽”現象，分類結果比較緊致。與相關專題圖相比，符合市級土地利用實際情況。如圖3所示。

4.2 精度評價

按照2.3.6部分精度驗證方法對保定市建設用地圖斑提取結果進行精度評價，圖4為保定市樣本選擇及解譯結果。

依照保定市樣本選擇及解譯過程，對鄭州市高分辨率數據進行相應處理，其兩市圖斑分類精度見表2。

通過對保定市和鄭州市兩市圖斑提取進行精度評價計算，主要得出以下結論：從圖斑分類精度上來看，面積小于等于100畝的圖斑分類精度較低，接近達到70%，隨著圖斑面積的增大，分類精度有明顯的提高，面積大于等于500畝小于1000畝的圖斑分類精度達到80%，面積大于等于1000畝的圖斑分類精度平均達到90%以上，總體分類精度大于80%。

4.3 處理效率分析

該研究在當前主流硬件環境下（處理器：Intel（R） Xeon（R） CPU E5-2690 2.9GHz；內存：16.0 GB；硬盤：2T）對系統單計算節點、3計算節點和6計算節點的處理效率進行了測試，選取不同柵格數量的遙感影像作為測試數據。測試結果如圖5。

根據測試結果，系統在3計算節點狀態下，且任務量較小時，加速比主要在2-3倍間浮動，隨著任務量的增大，加速比呈上升趨勢，能夠達到3倍以上。系統在6計算節點條件下，當任務量較小時，加速優勢不明顯，且加速效率與3計算節點狀態大致相當，隨著任務量的增大，加速比呈上升趨勢，能夠達到6倍以上。依此推算，當系統具備20計算節點時，能夠在2周內完成面向全國的建設用地（宏觀監測）信息提取。

5 結語

目前，土地利用宏觀監測業務在全國范圍內基本依靠人工解譯的方式進行作業，面向對象的自動化提取方式由于技術瓶頸所限，尚未得到普遍應用，鮮有面向大范圍的宏觀監測信息自動提取案例，而該研究瞄準業務需求，首次實現了面向全國的大范圍建設用地（宏觀監測）信息自動化提取。該研究結論主要包括以下三點：（1）該研究以利用高分一號WFV數據為數據源進行全國建設用地（宏觀監測）信息提取技術研究，提出信息提取規則集的總體設計及開發方案。同時，在典型區域進行建設用地提取精度評價，圖斑提取總體精度在80%以上。（2）該研究基于eCognition Server進行系統的二次開發，具備其優秀的并行計算能力，在面向大區域進行作業時，有明顯的效率優勢。當系統能具備20節點時，能夠在兩周內完成全國960萬平方公里的建設用地（宏觀監測）提取任務，滿足業務時效需求。（3）上述結果表明以GF一號衛星WFV影像為數據源利用面向對象技術在集群環境下進行大尺度的建設用地調查是可行的，國產高分一號衛星數據可以在大尺度的土地利用信息自動化提取中進行廣泛的應用。

參考文獻

[1] 李波.基于多源遙感數據的城市建設用地空間擴展動態監測及其動力學模擬研究[D].杭州：浙江大學，2012.

[2] 宋剛賢.基于遙感影像的城市違規建設用地監測研究[D].南京：南京農業大學，2008.

[3] 侯英雨，何延波.利用TM數據監測巖溶山區城市土地利用變化[J].地理學與國土研究，2001（3）：22-25.

[4] 張友水，徐財江，李志勇.基于TM影像的紹興地區土地利用變化監測[J].資源科學，2006（6）：120-126.

[5] 印影，姜琦剛，林楠，等.資源一號02C星數據在土地利用分類中的應用[J].科學技術與工程，2014（29）：260-264.

[6] 于龍，周宇峰，丁麗霞，等.基于波譜角分類的土地利用動態監測[J].浙江農林大學學報，2014（3）：386-393.

[7] 韓彥偉，馮仕超.基于面向對象的土地利用監測研究[J].測繪通報，2013（S2）：170-173.

[8] 張景華，封志明，姜魯光.土地利用/土地覆被分類系統研究進展[J].資源科學，2011（6）：1195-1203.

[9] 楊惠珍，吳楷釗，范海生，等.基于遙感影像的土地覆蓋分類及變化監測研究[J].紅外，2014（4）：38-44.

[10] 孫同賀，閆國慶.基于遙感技術的土地利用分類方法[J].測繪與空間地理信息，2013（1）：5-8.