基于GIS的多源地理空間信息提取方法

李飛強 張信超

(浙江有色勘測規劃設計有限公司, 浙江 紹興 312000)

0 引言

地理信息系統(Geographic Information Systems,GIS),是一門空間信息分析技術[1]。通過計算機硬件、軟件系統的支持,能夠完成地球整個或部分表層(包括大氣層)空間中,有關地理分布數據的采集、儲存、管理、處理、分析、顯示和描述,為地理研究和地理決策提供服務[2]。GIS技術在有效地管理具有空間屬性的各種資源環境信息的同時,能夠快速和重復的完成多源地理資源管理和實際應用的分析測試,使其更利于對決策的制定和科學地完成政策的標準評價,還能夠監測多階段的資源環境狀況及分析及比較動態變化,有效、快速完成數據收集、空間分析和決策的所有信息,并將所有信息匯集成一個共同的信息流,極大幅度的提高工作效率。決策樹作為GIS技術中一種新型的數據分類預測算法,可以發現數據庫數據的潛在的價值信息知識,是能夠從一組無規律、無順序的事例中推理出表達決策樹的分類規則,簡潔又高效。

多源地理空間信息是地理信息系統的基礎,可以通過圖形、圖像、文字、表格或者數字等多種方式表達。多源地理空間信息作為GIS作用的對象,是GIS技術所表達的現實世界通過模型抽象的實質性內容[3-4]。但是越來越多的人研究和介入GIS技術,建立了具備行業特點的符合規范的獨立體系,導致各個行業均積累了海量的、不同形式的、不同獲取手段的地理空間數據,由不同的部門收集和維護,并且每個部門又根據不同的需求選取不同的表達方式,使地理空間信息數據出現各種差異和沖突的現象[5]。

因此,為了使地理空間信息數據重復采集的狀況減少,及現有的多源地理空間信息數據資源能夠被充分利用,本文提出基于GIS技術的多源地理空間信息提取方法,有效處理以上問題。

1 基于GIS技術的多源地理空間信息提取

1.1 多源地理空間信息數據目錄節點的設計與呈現

為了更好地完成多源地理空間信息數據的查找,需要設計多源地理空間信息數據的目錄結構樹節點。分別為數據表節點、非數據節點、矢量數據集節點和柵格數據集節點、文件數據節點、矢量數據層節點和柵格數據層節點,其作用依次分別是:與存儲在元數據表中的記錄其他節點數據相關信息的特定數據表相對應;沒有和具體的數據關聯,創建的目的僅為搭建數據目錄結構;與數據庫中的相關數據集相對應;與包括了空間信息數據與非空間信息數據的非存放在數據庫中的數據相對應[6-7];分別與數據庫中相應數據集下面的數據層相對應。設計的多源地理空間信息數據目錄節點用圖1描述。

圖1 設計的多源地理空間信息數據目錄節點

多源地理空間信息數據目錄節點設計完成后,為實現各個節點信息能夠存儲在數據表中,需要通過數據庫技術的數據結構來建立索引實現;為了獲取向節點對象賦值的對應節點信息,采用面向對象的編程技術和基于GIS技術與文件讀取技術,完成相應的數據的獲取[8-9]。多源地理空間信息數據表與數據節點對象的結構設計用表1描述。

表1 多源地理空間信息數據表與數據節點對象結構設計

設計的多源地理空間信息數據目錄節點,是一個數據組織工具,并具備靈活好、適應性強等優點。如果用戶想要實現各類型數據的整合,可以通過自行建立的相應數據節點與對應的數據完成組織和關聯,根據業務或者其他的數據組織方式有效管理各類型的數據來實現目標[10]。并且對數據節點對象增加了便于各類數據節點操作的功能,例如添加、刪除、復制、剪切、刷新等,使后臺數據庫能夠根據前臺的操作同時完成修改和調整,并實時呈現。

需要利用相應的組件完成不同類型數據的解譯與可視化,使多源地理空間信息數據被充分利用,完成其價值體現[11]。創建的多源地理空間信息數據目錄結構只是一個框架,如果無法讀取與分析數據,數據目錄結構只是一個框架,沒有使用價值。為實現能夠在同一個平臺上讀取多源地理空間信息數據,向一個開發環境中融合所有相關的組件,保證各種組件之間的連貫調配和使用[12]。通過模塊的建立,使不同的數據類型都與各自的模塊相對應。并且在展示某類數據時,通過對此類數據的模塊調用后,利用其相對應的可視化窗口呈現。在各組件的基礎上完成歸納分類并形成模塊后,完成模塊調用是多源地理空間信息數據的讀取思路。多源地理空間信息數據讀取思路框架用圖2描述。

圖2 多源地理空間信息數據讀取的思路框架

1.2 多源地理空間信息提取

利用ArcGIS對讀取到的信息數據展開預處理,提取包括各個波段的灰度值、物理小區標識(Physical Cell Identifier,PCI)、歸一化差分植被指數(Normalized Difference Vegetation Index,NDVI)、數字高程模型(Digital Elevation Model,DEM)、地質、地貌、土壤信息樣本數據后,用SPSS19.0對其分析,并建立決策樹獲取分類規則,向遙感圖像處理平臺(The Environment for Visualizing Images,ENVI)導入分類規則,完成遙感影像分類[13],多源地理空間信息數據預處理流程用圖3描述。

圖3 多源地理空間信息數據預處理流程

采用QUEST(quick unbiased efficient statistical tree)決策樹算法完成多源地理空間信息提取。QUEST決策樹是一種較新的二叉樹生長算法,全稱為快速的、無偏的、高效的統計樹。QUEST在具體分割節點的過程中,具備2個明顯特點,分別是能夠單獨考慮分割變量的選擇和分割點選擇。這種單變量的分割在變量的選擇上幾乎是不存在偏差[14]。通過建立光譜數據決策樹,集光譜數據、遙感圖像處理軟件(PCI)、地質等輔助數據于一體的多源數據地理空間信息決策樹,獲取決策樹對多源數據地理空間信息提取的結果[15],用圖4描述。

圖4 決策樹信息提取結果

2 測試分析

選取面積為148 600 km2、地勢自北向南,東西兩側向中部傾斜,屬溫帶季風氣候,轄14個地級市的某地區作為研究測試對象。該測試對象地表植物種類繁多,分布相對不均。選取2015年6月10日的美國陸地衛星4～5號專題制圖儀所獲取的多波段掃描遙感影像實測樣本點數據為測試的多源地理空間信息數據。測試對象的遙感圖像及土地利用分類體系分別用圖5和表2描述。

圖5 測試對象的遙感圖像

表2 土地利用分類體系

測試從兩個方面展開,分別是決策樹分類的精度和信息提取的全面性。信息提取的全面性受決策樹分類的精度的影響。進行精度評價后，獲取精度評價表，表3為光譜數據決策樹的土地利用分類矩陣，耕地、林地、草地、水域、居住使用以及未利用的用戶精度以及制圖精度分別為88.43%、90.36%、63.87%、100%、68.77%以及88.11%，制圖精度分別為96.1%、90.1%、87.2%、80.4%、100%以及95.24%。表4為多源數據決策樹的土地利用分類矩陣，耕地、林地、草地、水域、居住使用以及未利用的用戶精度以及制圖精度分別為68.54%、97.82%、92.21%、100%、96.65%以及86.11%，制圖精度分別為95.25%、90%、70.4%、96.43%、100%以及95.24%。用圖6描述本文方法對于表2中劃分的土地種類和面積信息提取的結果。

表3 光譜數據決策樹土地利用分類矩陣

表4 多源數據決策樹的土地利用分類矩陣

分析表3、表4可以看出:基于多源數據的決策樹分類方法,使水域的錯分和漏分情況明顯降低和減少,使得水域被漏分為居住使用的概率減少。居住使用地的劃分在兩種決策樹方法下劃分結果均較為理想,但基于多源數據決策樹方法的精度更高,使建設用地被錯分為水體的概率明顯減少。兩種決策樹方法對林地的劃分都相對較好,制圖精度和用戶精度均能達到 90.0%以上,由于遙感影像上,林地的色調與其他覆蓋類型存在較大差別,便于區分。遙感影像分類的一大難點的是草地和耕地的劃分,影響兩者劃分的原因為該測試地區地表覆蓋類型分布破碎的實地情況:成片的草地減少,分布散亂,耕地面積較大,草地、耕地鑲嵌分布。出現將部分的草地被漏分到耕地之中的現象,但總體分類精度較高,并不影響實際運用。通過整體數據的體現,說明本文方法能夠有效完成土地劃分,具備較好的劃分精度。

圖6為使用本文方法提取到的6種土地類型中的3種進行詳細劃分信息,提取結果清晰呈現了準確完成劃分的3種土地類型的同時,實現類型信息的提取并形成信息分布呈現,說明本文方法能夠有效實現多源地理空間信息提取。

圖6 三種土地種類詳細劃分信息提取結果

3 結束語

為了使地理空間信息數據在采集時出現不必要的重復情況大幅度降低,及實現現有的多源地理空間信息數據資源的有效和充分利用,本文提出基于GIS技術的多源地理空間信息提取方法。該方法利用ArcGIS對讀取到的信息數據實行預處理,提取包括各個波段的灰度值、PCI、NDVI、DEM、地質、地貌、土壤信息樣本數據后,再通過決策樹獲取多源地理空間信息的提取結果。測試結果表明:該方法能夠實現多源地理空間信息的提取,并且分類方法快速簡單,使工作效率有效提高。下一步的研究工作是如何利用本文方法實現其他方面具體量化信息的提取。