基于多時相GF-1影像的施工期生產建設項目分布信息提取

康 芮, 史明昌, 趙 院, 羅志東, 王曉晶, 劉二佳

(1.北京林業大學 林學院, 北京 100083; 2.水利部 水土保持監測中心, 北京 100055; 3.北京地拓科技發展有限公司, 北京 100084)

?

基于多時相GF-1影像的施工期生產建設項目分布信息提取

康 芮1, 史明昌1, 趙 院2, 羅志東2, 王曉晶3, 劉二佳3

(1.北京林業大學 林學院, 北京 100083; 2.水利部 水土保持監測中心, 北京 100055; 3.北京地拓科技發展有限公司, 北京 100084)

摘要：[目的] 開展基于高分遙感的生產建設項目提取技術的研究，全面、及時地掌握生產建設項目分布信息,滿足水土保持監管的迫切需求。 [方法] 以陜西省榆林市的部分區域為研究區,利用2013和2014年兩個時相的GF-1影像,通過面向對象的直接比較法,提取變化信息,并結合光譜、形狀等特征,去除偽變化,獲取區域范圍內新增的裸地和不透水面。另外,結合專家知識,提取疑似施工期生產建設項目信息。[結果] 新增裸地和不透水面的發現精度達到83.53%, 疑似施工期生產建設項目的發現精度為95.56%。[結論] 該方法能夠有效地提取施工期生產建設項目分布信息。

關鍵詞：GF-1影像; 面向對象; 直接比較法; 施工期生產建設項目

文獻參數： 康芮, 史明昌, 趙院, 等.基于多時相GF-1影像的施工期生產建設項目分布信息提取[J].水土保持通報，2016,36(3)：253-257.DOI:10.13961/j.cnki.stbctb.2016.03.044

黨的十八大以來，黨中央國務院對深化簡政放權、放管結合、職能轉變做出全面部署，行政體制改革進入“快車道”。在生產建設項目水土保持簡政放權的同時，如何創新管理理念和模式，加強事中事后監管，是水行政主管部門亟需解決的重要問題。生產建設項目水土保持監管的基礎工作之一是掌握生產建設項目的分布信息，目前主要來源于生產建設單位編制的水土保持方案、動態巡查和群眾舉報，這3種方法均存在漏洞。通過水土保持方案無法發現未編制方案或者提前施工的生產建設項目，而這些項目是監管的重點；動態巡查和群眾舉報具有周期長、時效性差、效率低等缺點。

利用遙感技術提取生產建設項目分布信息能夠彌補傳統方法的不足。目前的研究主要是關于礦山調查的，常用的方法有2種。一是基于單期遙感影像，采用人機交互方法提取礦產資源開采點(面)位置、開采狀態、開采方式等信息[1-6]。二是基于多期遙感影像，采用圖像差值的變化檢測方法提取變化圖斑，結合影像分類結果，獲取礦山信息[7-8]。后者精度與效率更高，但需要進一步研究適用于生產建設項目提取的變化檢測方法。本文擬利用2013年11月16日和2014年8月25日的GF-1影像，利用面向對象的直接比較法以及專家知識提取施工期生產建設項目分布信息，以期為生產建設項目水土保持監管提供直觀可靠的科學依據。

1研究區概況、施工期生產建設項目特征及數據源

研究區位于陜西省榆林市榆陽區與橫山縣的交界處，地理位置為109°21′55″—109°40′52″E,38°4′55″—38°23′50″N,總面積約為648 km2。該區域是毛烏素沙漠與陜北黃土高原的交接地帶，地表廣布固定、半固定沙丘，地勢比較平坦。研究區屬于榆橫工業園。榆橫工業園利用當地煤炭資源發展煤化工產業，規劃期限為2006—2020年。2014年，陜西未來能源化工有限公司100萬噸年煤間接液化示范項目、中煤陜西公司榆橫煤化工項目和園區公路等生產建設項目處于施工期。

生產建設項目在建設過程中，通常需要進行土地平整、采石取土、坡面開挖及填筑、渣料臨時堆放、棄渣棄土等工序，易造成水土流失。因此，生產建設項目水土流失最嚴重的時期為施工期。施工期生產建設項目的工序總體可以歸納為土地平整、道路和建筑物修建，表現在遙感影像上是土地覆蓋類型的變化，即植被等變為裸地，之后裸地變為不透水面。因此，提取施工期生產建設項目的實質是利用多時相遙感影像進行變化檢測，提取新增裸地和不透水面。

除了施工期生產建設項目外，個人修建房屋等人為活動也會形成新增裸地和新增不透水面，氣候變化、水蝕、風蝕、動物破壞等自然因素也會形成新增裸地。但生產建設項目施工所形成的新增裸地和不透水面具有以下特征：從空間位置來看，位于城鎮周邊，分布較為集中；從地物組成來看，周圍有規則分布的建筑物，并且有道路連接，并非單一的裸地；從特征地物來看，內部有一定的特征地物或者標志性建筑物，例如露天煤礦的采掘場，井采煤礦的儲煤場、儲煤罐、棧道和風井等；從邊界特征來看，與周邊地物有明顯的差異，邊界清晰。另外，一個生產建設項目施工過程中會形成多個新增裸地和不透水面，這些新增裸地和不透水面分布集中、屬性相似。

為了滿足研究的需要，本文選用2013年11月16日和2014年8月25日獲取的GF-1影像，均包括空間分辨率為8 m的多光譜數據以及空間分辨率為2m的全色數據。2013年11月16日的影像中，北部區域有云霧覆蓋。

數據預處理包括輻射校正、正射校正、融合和圖像裁剪。

2研究方法

2.1變化檢測

變化檢測按照最小處理單元可分為基于像元和面向對象兩種。按照是否經過分類，面向對象的變化檢測可分為直接比較法和分類后比較法兩類[9-18]。本文中，由于變化類型已確定，并且冬季影像信息弱，分類精度不高，會影響變化檢測的精度。因此，采用面向對象的直接比較法提取變化信息。

2.1.1多尺度分割多尺度分割是面向對象的直接比較法重要的一步，目的是得到同質性對象。多尺度分割的參數主要有波段權重、分割尺度、形狀因子、緊致度因子等。本文中，波段1,2,3,4的權重均為1。比起光譜信息給予幾何形狀信息更大的權重，因此，形狀因子設置為0.6。均衡考慮對象的緊致度和平滑度，因此，緊致度因子設置為0.5。

對于一種特定的地物類型而言，最優的分割尺度應該是所分割的結果多邊形能夠較好地顯示該地物的邊界，能通過一個或多個影像對象來表達該地物，同時，不能出現過于破碎或邊界模糊的現象[19]。目前，有多種確定最優尺度的方法。其中，均值方差法是最常用的方法[19-20]。對于均值方差相近的尺度，若分割后圖斑數量相差較大，影像分割時間以及分類后處理時間將會有很大差異。因此，本文為了評價分割的尺度是否適用于分類，在100～2 000之間以100遞增共選取20個不同的尺度，綜合均值方差法以及分割后圖斑數量確定最優尺度。

如圖1所示，對于2013年的影像，當尺度為200時，分割對象的均值方差最大；尺度為100時，分割對象的均值方差次之，兩者相差不大。但尺度為100時，圖斑數量為251 450，大約是尺度為200時圖斑數量的4倍。對于2014年的影像，當尺度為100時，分割對象的均值方差最大；當尺度為200時，分割對象的均值方差次之，兩者數值接近。但當尺度為100時，圖斑數量為764 506，大約是尺度為200時圖斑數量的4倍。綜合考慮分割效果和工作效率，本文確定2013和2014年的影像分割尺度均為200。

圖1　2013，2014年影像均值方差、圖斑數量與分割尺度的關系

2.1.2亮度差值計算亮度描述的是所有波段的光譜平均值。不同地物的亮度不同，裸地的亮度高于其他覆蓋類型。當其他覆蓋類型變化為裸地時，亮度增加；當裸地變化為不透水面時，亮度減少。因此，利用兩期影像的亮度差值可提取變化信息，主要是新增裸地和不透水面。

為了消除影像之間的差異，計算兩期影像的亮度差值之前，需要對亮度進行歸一化。本文采用min-max歸一化方法，將亮度映射到0～1之間。轉換函數如下：

(1)

式中：B*——歸一化后亮度值；B——亮度值； max——整幅影像亮度的最大值； min——整幅影像亮度的最小值。

本文中，歸一化處理后亮度的差值范圍為-0.7～0.6。通過分析影像特征，將差值大于0.2的圖斑判斷為新增裸地；將差值小于-0.18的圖斑判斷為新增不透水面。

2.2偽變化去除

除了新增裸地和不透水面外，由于時相差異、云霧、沙地的影響，變化檢測提取的信息中還存在其他不相關的變化，可利用其光譜或者形狀特征去除。

影像的時相不同，植被在兩幅影像中的亮度不同，并且呈現為亮度增加的趨勢。因此，部分植被被誤分為新增裸地。可利用夏季影像的歸一化植被指數將其去除，通過分析影像，將NDVI大于0.08的圖斑判斷為植被。

云霧與裸地的亮度值接近，前時相影像中云霧覆蓋的區域，后時相影像中為真實的地表覆蓋，亮度為減少的趨勢。因此，這些區域可能被誤認為是新增不透水面。可根據云霧在藍波段反射率高于其他地物的特征將其去除，通過分析影像，將藍波段均值大于900的圖斑判斷為云霧。

研究區內存在大量沙地，亮度值與裸地接近。但沙地邊界不規則，而生產建設項目形成的裸地邊界比較規則，即沙地的邊界指數大于裸地。通過分析影像，將邊界指數大于13.5的圖斑判斷為沙地。

另外，生產建設項目形成的新增裸地和不透水面一般面積較大，而且新增裸地的面積大于新增不透水面。因此，可利用面積去除小圖斑。通過分析影像特征，將新增裸地中面積小于999像素的圖斑和新增不透水面中面積小于528像素的圖斑判斷為小圖斑。

2.3疑似施工期生產建設項目提取

由于生產建設項目的特征過于復雜，依靠算法無法準確地提取，因此，需要我們利用專家知識來對計算機提取的圖斑進行篩選和補充，并且將屬于同一個項目的圖斑合并，從而得到疑似施工期生產建設項目。

2.4精度評價

精度評價采用統計法，指標包括發現精度、屬性精度和面積精度。發現精度是正確圖斑數量與真實數量的比值，用于分析圖斑被算法發現的百分比；屬性精度是正確圖斑數量與總提取數量的比值，用于分析提取結果中屬性正確圖斑占總提取圖斑的百分比；面積精度是正確圖斑面積與真實面積的比值，用于分析真實結果中正確圖斑面積所占的百分比。其中，正確圖斑為提取結果與真實值的交集。

3結果及分析

3.1新增裸地和不透水面提取結果及精度評價

根據本文設計的技術路線，監測出研究區2013年冬季至2014年夏季新增裸地和新增不透水面的數量、面積和空間分布。監測結果表明，新增裸地和新增不透水面的數量為158個，面積為675.50 hm2。其中，新增裸地的數量為124個，面積為594.49 hm2，新增不透水面的數量為34個，面積為81.01 hm2。

新增裸地和不透水面中，96.84%的圖斑是屬于疑似施工期生產建設項目的。其中，新增裸地中95.97%的圖斑屬于疑似施工期生產建設項目，新增不透水面中100%的圖斑屬于疑似施工期生產建設項目。

通過比較提取結果與人機交互結果，得到新增裸地和不透水面的發現精度、屬性精度和面積精度，結果如表1所示。發現精度高于屬性精度和面積精度。并且，新增不透水面的屬性精度高于新增裸地，新增裸地的發現精度和面積精度高于新增不透水面。

表1　新增裸地和不透水面精度評價結果　%

另外，計算機自動提取的時間約為2 h，在此基礎上刪除錯誤圖斑和補充正確圖斑的時間約為2 h。而人機交互提取新增裸地和不透水面的時間約為8 h。因此，通過計算機自動提取，可以提高工作效率。綜合考慮精度和工作效率，結果表明該方法是可行的。

3.2疑似施工期生產建設項目提取結果及精度評價

根據施工期生產建設項目的特征，監測出研究區2013—2014年施工期生產建設項目的數量和空間分布。監測結果表明，根據施工期生產建設項目的特征，監測出研究區2013-2014年施工期生產建設項目的數量和空間分布。監測結果表明，施工期生產建設項目的數量為40個，主要項目類型有公路工程、電力工程、煤化工工程、城建工程和農林開發工程。不同類型的生產建設項目空間分布具有不同的特點。其中，公路工程具有指向性，一般與電力工程、煤化工工程等項目連接，并且與現有的公路工程交叉，形成網絡；電力工程、煤化工工程、城建工程分布集中，并且周圍有處于生產運行期的電力工程、煤化工工程等；農林開發工程與其他類型的生產建設項目距離較遠，但附近通常有耕地或村莊。通過核對已審批的水土保持方案以及實地調查，得到疑似施工期生產建設項目的發現精度為95.56%。通過核對已審批的水土保持方案以及實地調查，得到疑似施工期生產建設項目的發現精度為95.56%。

4討論與結論

(1) 以面向對象的直接比較法為核心，結合新增裸地和不透水面的光譜、形狀特征去除偽變化后，新增裸地和不透水面的發現精度達到83.53%。新增裸地和不透水面中，96.84%的圖斑屬于疑似施工期生產建設項目。

(2) 根據施工期生產建設項目的特征，監測出研究區2013—2014年共有40個施工期生產建設項目，主要項目類型有公路工程、電力工程、煤化工工程、城建工程和農林開發工程，發現精度達到95.56%。

利用遙感手段提取生產建設項目，當前屬于初步探索階段，本文在以下幾個方面還需要在今后的研究中進一步改進：對于施工期生產建設項目特征的總結具有局限性，影響了提取結果的精度，還需進一步完善。本文的技術路線是針對陜西省榆林市橫山縣確定的，由于時間和數據的限制，尚未在其他區域進行試驗，今后將擴大研究區，進一步完善技術路線。

[參考文獻]

[1]尚紅英,陳建平,李成尊,等.RS在礦山動態監測中的應用:以新疆稀有金屬礦集區為例[J].遙感技術與應用,2008,23(2):189-194.

[2]夏樂.遙感技術在礦山開發監測中的應用[D].北京:中國地質大學,2008.

[3]李思發,李亮,趙偉立.GeoEye-1在礦山開發遙感調查中的應用[J].工程地球物理學報,2011,8(5):631-634.

[4]李琴.基于GeoEye-1的礦山開發遙感調查與監測應用研究[J].安徽地質,2012,22(4):297-301.

[5]南竣祥.宣威煤礦區礦山開發遙感調查研究[D].北京:中國地質大學,2012.

[6]王娟,張建國,楊自安,等.遙感技術在甘肅省重點礦山開發調查與監測中的應用[J].礦產勘查,2014,5(2):312-321.

[7]施麗軍.甘肅拾金坡金礦區礦山遙感監測及其Web管理系統的實現[D].長沙:中南大學,2013.

[8]鄭晶.無證礦山的遙感監測[D].北京:中國地質大學,2013.

[9]孫曉霞,張繼賢,燕琴,等.遙感影像變化檢測方法綜述及展望[J].遙感信息,2011,26(1):119-123.

[10]唐樸謙,楊建宇,張超,等.基于像素比值的面向對象分類后遙感變化檢測方法[J].遙感信息,2010,25(1):69-72.

[11]祝錦霞,王珂.面向對象的高分辨率影像變化檢測方法研究[J].農業機械學報,2013,44(4):184-189.

[12]佃袁勇,方圣輝,姚崇懷.一種面向地理對象的遙感影像變化檢測方法[J].武漢大學學報:信息科學版,2014,39(8):906-912.

[13]夏朝旭,何政偉,于歡,等.面向對象的土地覆被變化檢測研究[J].遙感技術與應用,2014,29(1):106-113.

[14]于信芳,羅一英,莊大方,等.土地覆蓋變化檢測方法比較:以內蒙古草原區為例[J].生態學報,2014,34(24):7192-7201.

[15]張正健,李愛農,雷光斌,等.基于多尺度分割和決策樹算法的山區遙感影像變化檢測方法:以四川攀西地區為例[J].生態學報,2014,34(24):7222-7232.

[16]Kindu M, Schneider T, Teketay D, et al. Land use/land cover change analysis using object-based classification approach in Munessa-Shashemene landscape of the Ethiopian Highlands[J]. Remote Sensing, 2013,5(5):2411-2435.

[17]H?lbling D, Friedl B, Eisank C. An object-based approach for semi-automated landslide change detection and attribution of changes to landslide classes in northern Taiwan[J]. Earth Science Informatics, 2015,8(2):327-335.

[18]Martha T R , Kamala P, Jose J, et al. Identification of new landslides from high resolution satellite data covering a large area using object-based change detection methods[J]. Indian Society of Remote Sensing, 2016,44(1):1-10.

[19]黃慧萍.面向對象影像分析中的尺度問題研究[D].北京:中國科學院遙感應用研究所,2003.

[20]王露.面向對象的高分辨率遙感影像多尺度分割參數及分類研究[D].長沙:中南大學,2014.

收稿日期：2016-01-25修回日期：2016-02-25

通訊作者：史明昌(1969—),男(蒙古族),內蒙古自治區赤峰市人,博士,教授,主要從事3S技術在水土保持、資源環境領域應用研究。E-mail:shimc@dtgis.com。

文獻標識碼：B

文章編號：1000-288X(2016)03-0253-05

中圖分類號：S157, TP79

Extraction of Distribution Information on Production and Construction Projects in Construction Period Based on Muti-temporal GF-1 Images

KANG Rui1, SHI Mingchang1, ZHAO Yuan2, LUO Zhidong2, WANG Xiaojing3, LIU Erjia3

(1.CollegeofForestry,BeijingForestryUniversity,Beijing100083,China;2.MonitoringCenterofSoilandWaterConservation,MinistryofWaterResources,Beijing100055,China; 3.BeijingDatumTechnologyDevelopmentCo.,Ltd.,Beijing100084,China)

Abstract：[Objective] To study the technologies on the extraction of information on the production and construction projects based on the high resolution remote sensing data in order to provide a quick way to timely capture the overall information on the distribution of production and construction projects, and to monitor soil and water conservation. [Methods] Taking some areas in Yulin City of Shaanxi Province as the study area, using GF-1 images acquired in 2013 and 2014, we used the object-oriented direct comparison method to extract the change information. Then combined with spectrum analysis and shape characteristics, pseudo changes were removed, and new bare land and impervious surface were acquired. In addition, with the help of expert knowledge, the distribution information of possible production and construction projects in the construction period was obtained. [Results] The accuracy of new bare land and impervious surface reached 83.53%, and the accuracy of possible production and construction projects in the construction period reached 95.56%. [Conclusion] This method can effectively extract the distribution information on production and construction projects in the construction period.

Keywords:GF-1 images; object-oriented method; direct comparison method; production and construction projects in the construction period

資助項目：國家中長期科學和技術發展規劃綱要(2006—2020年)重大專項“高分水利遙感應用示范系統(1期)”(08-Y30B07-9001-13/15)

第一作者：康芮(1989—),女(漢族),山西省太原市人,碩士研究生,研究方向為遙感技術在水保監測工作中的應用。E-mail:1123133901@qq.com。