基于遙感手段的城區(qū)樹(shù)冠提取

孫淑麗 周俊利

（河南省遙感測(cè)繪院，河南 鄭州 450003）

1 引言

地理國(guó)情主要是指陸地表面自然環(huán)境和人文地理要素的空間分布及其相互關(guān)系，是我國(guó)基本國(guó)情的重要組成部分[1]。地理國(guó)情普查是一項(xiàng)具有重大意義的國(guó)情國(guó)力調(diào)查，是全面掌握地理國(guó)情信息的重要手段[2-3]。普查內(nèi)容包括地形地貌、植被覆蓋、水域、荒漠與裸露地等的類別、位置、范圍、面積等，以及人文地理要素的基本情況，主要有與人類活動(dòng)密切相關(guān)的交通網(wǎng)絡(luò)、居民地與設(shè)施、地理單元等的類別、位置、范圍等，掌握其空間分布現(xiàn)狀[4]。

地理國(guó)情普查中有諸多要素普查較為困難，如城區(qū)樹(shù)冠要素提取，傳統(tǒng)的城區(qū)樹(shù)冠要素提取主要采用人工目視勾畫(huà)的方法進(jìn)行信息提取、外業(yè)調(diào)繪、內(nèi)業(yè)修改存檔等，其中，信息提取步驟往往需要投入大量人力進(jìn)行作業(yè)，且作業(yè)員的經(jīng)驗(yàn)和熟練程度差異，會(huì)導(dǎo)致遺漏和同類要素分類差別[5]。但是，地理國(guó)情普查中的城區(qū)樹(shù)冠提取，是工作重點(diǎn)，一直以來(lái)都需要投入大量精力[6]?；诖耍狙芯坎捎眠b感手段進(jìn)行城區(qū)樹(shù)冠的自動(dòng)識(shí)別，以此達(dá)到零遺漏、高精度的目的。

遙感技術(shù)是一種遠(yuǎn)距離、非接觸的探測(cè)技術(shù)，具有重訪周期短、覆蓋范圍廣、現(xiàn)勢(shì)性強(qiáng)、數(shù)據(jù)獲取與處理簡(jiǎn)便等優(yōu)勢(shì)，為地表信息精準(zhǔn)獲取提供了強(qiáng)有力的手段[7]。本研究將國(guó)產(chǎn)高分辨率衛(wèi)星影像GF-2 作為數(shù)據(jù)源，采用遙感技術(shù)中的非監(jiān)督分類、重分類方法進(jìn)行城區(qū)樹(shù)冠遙感提取[8-9]。

2 研究數(shù)據(jù)及方法介紹

高分二號(hào)衛(wèi)星（GF-2）于2014 年8 月19 日成功發(fā)射，是我國(guó)自主研制的首顆空間分辨率優(yōu)于1 米的民用光學(xué)遙感衛(wèi)星。GF-2 星作為我國(guó)首顆分辨率達(dá)到亞米級(jí)的寬幅民用遙感衛(wèi)星，在設(shè)計(jì)上具有諸多創(chuàng)新特點(diǎn)，突破了亞米級(jí)、大幅寬成像技術(shù)。GF-2 星下點(diǎn)空間分辨率可達(dá)0.8 米，標(biāo)志著我國(guó)遙感衛(wèi)星進(jìn)入了亞米級(jí)“高分時(shí)代”。GF-2 效果圖如圖1 所示。

圖1 GF-2效果圖

非監(jiān)督分類是以不同地物在影像上的各種特征差別為依據(jù)的一種無(wú)先驗(yàn)知識(shí)的圖像分類。根據(jù)待分類樣本特征參數(shù)的統(tǒng)計(jì)特征，建立決策規(guī)則來(lái)進(jìn)行分類。常用的非監(jiān)督分類算法有回歸分析、趨勢(shì)分析、等混合距離法、集群分析、主成分分析和圖形識(shí)別等[10]。重分類是在分類基礎(chǔ)上進(jìn)行第二次或多次的分類整合，以此達(dá)到不同類別聚合的效果[11]。

本研究選取GF-2 影像作為數(shù)據(jù)源，首先對(duì)影像進(jìn)行預(yù)處理，基于非監(jiān)督分類方法進(jìn)行影像自動(dòng)解譯，分類類別設(shè)為默認(rèn)，可得到最適合影像像元特征的類別數(shù)。然后對(duì)分類成果進(jìn)行重分類，消除多余類別，如同一地物錯(cuò)分成多類，并且合并相似類，如城區(qū)水體與河流水體，最終得到分類成果。具體技術(shù)路線如圖2 所示。

圖2 技術(shù)路線

3 結(jié)果分析

3.1 非監(jiān)督分類

采用GF-2 影像進(jìn)行非監(jiān)督分類，使用的分類器為Isodata 聚類，該方法可最大程度地將相似的特征歸為一類。非監(jiān)督分類首先計(jì)算影像特征，建立 特征庫(kù)，并計(jì)算不同像元的特征庫(kù)與相近像元的離散度，從而確認(rèn)計(jì)算機(jī)決策是否與相鄰像元?dú)w為一類。然后對(duì)像元進(jìn)行相似類聚合，整體效果如圖3 所示。由圖3 可知，相似類聚合較好地識(shí)別出了房屋、道路及樹(shù)冠信息，但仍存在同一地物被識(shí)別成兩類或多類。

對(duì)相似類聚合后的類別進(jìn)行分類提取，分類后的影像成果如圖4 所示。整體來(lái)說(shuō)，樹(shù)冠都達(dá)到較準(zhǔn)確的識(shí)別提取，無(wú)論是建筑中間呈條帶分布的樹(shù)冠，或是單獨(dú)的樹(shù)冠，均有較好的識(shí)別。但所識(shí)別的邊界鋸齒狀比較嚴(yán)重，究其原因是樹(shù)冠邊緣在影像上為混合像元[12]，極易與其他地物混淆，從而導(dǎo)致錯(cuò)誤識(shí)別。

圖4 非監(jiān)督分類結(jié)果

3.2 重分類

針對(duì)邊緣鋸齒狀，本研究采用重分類方法進(jìn)行消除。重分類是在非監(jiān)督分類成果基礎(chǔ)上進(jìn)行類別消除與融合，從而提升分類精度的方法。利用ArcGIS 軟件進(jìn)行處理，結(jié)果如圖5 所示，鋸齒狀基本得到消除，邊緣平滑，且樹(shù)冠提取精度整體提升。

圖5 重分類結(jié)果

3.3 效率分析

本研究采用遙感手段提取城區(qū)樹(shù)冠，整體效率較人工勾畫(huà)方法高很多。以一個(gè)區(qū)縣為例，單人勾畫(huà)城區(qū)樹(shù)冠，需要7 到10 天；利用遙感手段提取樹(shù)冠及后處理約為30 分鐘，而且精度符合地理國(guó)情普查精度。整體來(lái)說(shuō)，城區(qū)樹(shù)冠遙感提取的效率遠(yuǎn)高于人工勾畫(huà)的效率。

4 結(jié)論

結(jié)合地理國(guó)情要素普查工作，本研究采用遙感手段進(jìn)行城區(qū)樹(shù)冠提取，以此達(dá)到提升效率的目的。經(jīng)過(guò)研究，得出以下結(jié)論：

（1）非監(jiān)督分類中的Isodata 分類方法較好地識(shí)別出了城區(qū)樹(shù)冠。

（2）重分類方法比較好地解決了樹(shù)冠邊緣鋸齒狀問(wèn)題。

（3）與人工勾畫(huà)方法相比，采用遙感手段提取城區(qū)樹(shù)冠的效率與精度更高。

本研究雖然采用了遙感手段進(jìn)行城區(qū)樹(shù)冠提取，且獲取了較高精度的結(jié)果，但在地理國(guó)情普查的其他地類要素中仍未得到很好的拓展，后期將在該方面進(jìn)行更多的研究與應(yīng)用。