ISO非監督法分類在地理國情監測中的應用

熊文豪　伊雨花

摘 要：地表覆蓋是地理國情監測中重要的部分，其主要依賴人工解譯和自動人工結合的兩種方式。ArcGIS具備分類以及矢量處理等強大的功能，本文嘗試用ArcGIS自動人工相結合的方式進行地表覆蓋的解譯工作。詳述ArcGIS中ISO非監督法分類在地理國情監測地表覆蓋中的應用，分析不同參數帶來的影響，并根據地理國情監測的要求進行具體的實施流程確定。

關鍵詞：地理國情監測；地表覆蓋；ISO非監督法分類

中圖分類號：P237 文獻標識碼：A 文章編號：1671-2064（2017）16-0249-02

在遙感影像分類中，根據是否已知訓練樣本的數據，分類方法分為監督分類和非監督分類。非監督分類的結果，只是對不同類別達到了區分，但是不確定類別的屬性，其類屬是通過事后對各類進行分析后確定的。在地理國情監測地表覆蓋的解譯中就采用了非監督分類，然后人工進行再分類。而ArcGIS的分類工具就具備ISO聚類非監督分類。本文重點介紹了使用ArcGIS軟件按照地理國情的要求進行影像的分類和處理，以烏梁素海地理國情監測為例，確定其流程和方法。

1 數據的制作

烏梁素海主要以挺水植物、沉水植物、浮游植物、水面為主，大部分屬于植物類，通過影像以及植被特性分析，重點進行植物和水面的劃分，最后在植物里區分挺水植物、沉水植物、浮游植物。這里采用一幅1萬的圖幅數據25平方公里數據的分類，并說明參數不同對分類的影像[1]。主要流程如圖1所示。

（1）首先在ArcGIS工具欄中使用影像分類工具，進行ISO聚類非監督分類。ISO聚類非監督分類共包含3個參數類數目、最小類大小、采樣間隔。其中類數目指要將像元劃分成的類數目，最小類的大小指一個有效類中的最小像元數，采樣間隔是指采樣所采用的間隔。因地理國情監測數據要求矢量數據與影像的精度在5個像元內，且此次分類最小面積1600平米，為達到較高的精度要求，最小類大小為300，采樣間隔默認10，類數目分別進行10、20、30的分類。經過該分類后獲得的柵格數據分別為ISO10、ISO20、ISO30。

（2）數據的矢量化操作。地理國情監測數據為矢量數據LCA層，并具備CC及TAG兩個屬性字段，因此需要轉換為矢量數據，方便后期操作。采用ArcGIS功能“轉換工具-由柵格轉出-柵格轉面”，分別獲得矢量數據。地表覆蓋圖斑數分別如表1所示。

其中可以發現隨著分類數的增加，圖斑數也聚增，數據量會變的很大，操作時間會變長，對計算機內存等也有著一定的要求。分類數的增加，針對影像的分類也會更加精細，后期的處理也變得復雜。

（3）人工進行屬性分類。LCA層中的CC屬性字段代表著地物的分類屬性編碼。因整個圖幅基本可以劃分為水面、蘆葦，人為的選擇一級分類進行合并劃分為水面1001，其他的為蘆葦0431。在各個屬性字段中添加CC字符串字段，并根據grid_code進行計算。ISO10選擇1、2、5類，ISO20選擇1、2、3、5、8類，ISO30選擇1、2、3、4、8、13類，該類分別賦為水面1001。因需要使用邏輯處理，故使用代碼實現，如下：

If [grid_code]= 1 or [grid_code]= 2 or [grid_code]= 5 Then

[CC] = “1001”

else [CC] =”0431”

end if

分類數目增加，分類更加詳細，水面的紋理的區分更加細致，需要人為判定哪些類為水面。采用ArcGIS工具“數據管理工具-制圖綜合-融合”，針對同CC的屬性融合。

（4）數據的綜合。自動解譯過程中會產生大量的極小面，這是不符合地理國情監測數據指標的，因此需要進行小面的合并操作，分別合并至大面中。蘆葦0431和水面1001的面積指標為1600平方米，在地理國情中面積指標可以縮小30%，為1120平米，再次以1120為面積的限定條件。建立CC1字符串字段，將小面積的0431改為1001，小面積的1001改為0431，計算代碼如下：

If （[CC] = “1001” And [Shape_Area] <1120） Then

[CC] = “0431”

elseif （[CC] = “0431” And [Shape_Area] <1120） Then

[CC] = “1001”

end if

該操作極大的減少了小面積的噪聲，一般進行兩次操作后基本不存在極小面積等問題，最終三種分類方式的圖斑數為340，圖斑數從幾十萬到幾百，而且基本將比較明顯的類別區分出來。經過劃分后比較三種方式，發現第2步人工確定分類，極大的影像了分類的精度，此處選擇錯誤將導致很多邊界不準確或屬性錯誤，而隨著分類數目的增加，確定類的屬性變得困難，但是分類效果會更理想，尤其對于比較離散的紋理，ISO30分類效果較好，ISO20、ISO10存在屬性劃分錯誤[2]。

（5）去除齒狀節點。自動解譯是以像元為基礎進行分割處理，經過此操作后，邊界齒狀明顯，在地理國情中要求圖斑節點數不能超過10萬個節點，為了減少節點數，進行簡化面操作。在ArcGIS工具中“制圖工具-制圖綜合-簡化面”，簡化面是在不改變基本幾何形狀的情況下，通過移除多余的彎曲簡化面要素。采用POINT_REMOVE簡化算法，包含兩個簡化容差，最大允許偏移量及最小面積，其中最大允許偏移量指轉換前后節點的偏移大小。偏移量設置的越大形狀改變越大，與影像的套和程度越低。因影像分辨率為2米，這里參數設置為2至10之間確保精度，當偏移量為5時，改變了較多的形狀，邊界存在部分不準確。經測試3能達到較好的效果，節點減少較多且與影像套和效果好。在ArcGIS10.0版本以上簡化面工具新增了處理拓撲錯誤工具，該功能解決了以往簡化面中存在的大量重疊面以及簡化面操作。

（6）最后在此基礎上劃分浮游藻類以及沉水植物，并進行數據的整理和檢查工作，解決同普異物等問題，確保地理國情數據的精確以及可靠。

2 結語

通過ISO聚類非監督分類極大的減小了工作量，不用人工進行面分割處理，提高了效率。在分類過程中發現不同的參數對自動解譯精度有較大的影響，然而分類數增加電腦的處理時間會更長，直接影響到后續的操作。因此在進行某一地區項目時，因根據影像情況制定參數方案，最后進行整個項目區的處理。

參考文獻

[1]蔣好忱，任宏權，秦先鋒，等.eCognition影像自動解譯及精度評定[J].測繪通報，2015，（10）：81-84.

[2]覃宇，張迅.地表覆蓋自動解譯方案在地理國情普查項目中的應用[J].測繪與空間地理信息，2015，（06）：164-166.endprint