基于GF-1 PMS的喀斯特城鎮綠地提取研究

王瑋　黃林　任金銅

摘要：綠地面積作為園林城市建設的重要指標，對于城市規劃建設具有重要意義。文章基于面向對象分類算法，以位于喀斯特山區的貴州省畢節市海子街鎮為研究區，利用高分一號（GF-1）PMS遙感影像進行城鎮綠地提取。結果表明：綠地信息在GF-1 PMS影像上具有明顯的光譜、紋理特征，通過對影像對象特征的不同選擇和組合，能夠很好地提取城鎮綠地信息；在面向對象分類算法中，基于規則的綠地信息提取總體分類精度為79.36％，Kappa系數為0.76；基于樣本的綠地信息提取總體分類精度為89.79％，Kappa系數為0.85，其提取效果比基于規則的面向對象方法更好。

關鍵詞：高分一號；城鎮綠地；面向對象；信息提取

中圖分類號：TP7文獻標志碼：A

0 引言

隨著城鎮化發展，城鎮綠地的空間分布、生態效益越來越受重視。然而，傳統綠地信息的獲取耗時費力［1］。遙感技術的發展為綠地信息提取提供了有力支撐， 利用高分辨率遙感影像進行城鎮綠地規劃已成為熱點［2］。

近年來，已有學者將遙感技術應用到城鎮綠地信息提取。李寶華［3］基于Landsat影像對開封市綠地專題信息進行提取，取得較好效果。孫雅榮［4］采用面向對象技術對城市綠地信息自動提取，以保證數據精度。王延飛等［5］分析對比了各種城市綠地提取方法的準確度和可行性。周智勇等［6］通過對比3種分割方法，對城市綠地進行面向對象規則分類并評價。陳陽等［7］介紹了一個完整的遙感工程實現過程，快速掌握城市綠地總量與分布現狀。張云英等［8］利用GeoEye-1影像數據

進行綠地信息的提取實驗對比，認為面向對象方法提取效果較好。王斐等［9］分析了不同影像在進行綠地信息提取中的優缺點。馬鑫［10］研究了一種面向對象思想進行城市綠地信息提取的新方法。張鑫［11］利用遙感圖像獲得城區地面覆蓋類型、結構和面積。王剛等［12］利用WorldView-2遙感影像基于面向對象方法進行綠地信息分析。然而，針對喀斯特山區的城鎮綠地信息進行提取的研究較少，特別是基于國產衛星遙感影像的綠地信息提取研究不多。

本文以位于典型喀斯特山區的畢節市海子街鎮為研究區，基于我國民用高分衛星高分一號（GF-1）PMS影像為數據源，利用不同面向對象遙感圖像分類方法，對研究區城鎮綠地信息進行提取研究，以期為典型喀斯特山區城鎮綠地信息提取提供參考和借鑒。

1 研究區概況及數據來源

1.1 研究區概況

海子街鎮為貴州省畢節市七星關區下轄鎮，位于七星關區東北部［13］，距區中心13 km，轄38個行政村，國土面積127.4 km2，其中耕地25.7 km2，水田6.73 km2，旱地18.97 km2，是畢節市第一農業大鎮，為黔西北工業園區駐地，以新能源汽車產業為支柱。海子街鎮土地肥沃，自然資源豐富，具有一定的代表性。

1.2 數據來源

GF-1衛星是我國“高分辨率對地觀測系統”國家科技重大專項的首發星，GF-1衛星上有4臺16 m分辨率多光譜寬幅（WFV）相機和2臺2 m分辨率全色/8 m分辨率多光譜（PMS）相機［14］。GF-1作為國產衛星在高空間分辨率、多光譜與寬覆蓋等關鍵技術領域取得一定的突破，目前在自然資源部、農業農村部和生態環境部等部門得到廣泛應用［15］。

本文選取GF-1遙感影像（GF1_PMS1_E105.6_N27.5_20160824_L1A0001781624、GF1_PMS2_E105.3_N27.4_20170607_L1A0002413314），獲取時間為2016年8月24日和2017年6月8日，數據來自高分貴州中心。對獲取的研究區原始影像數據進行預處理，包括圖像融合、正射校正、大氣校正、鑲嵌、裁剪等。

2 基于面向對象的綠地信息提取方法

2.1 面向對象分類概念

面向對象的遙感影像分類方法是以影像對象為分類或檢測的最小單元，從較高層次（對象層次）對遙感影像進行分類，充分考慮地物的特征，有效克服“椒鹽效應”，減少同物異譜和同譜異物的影響［16］。

ENVI（The Environment for Visualing Images）作為功能強大的遙感圖像處理專業軟件，在遙感影像面向對象分類中提供了基于規則和基于樣本的兩種不同類型的提取方法。本文將利用兩種方法對GF-1影像數據進行綠地信息提取研究。

2.2 基于規則的面向對象綠地信息提取

基于規則的面向對象信息提取類似于決策樹分類，利用影像光譜、紋理、形狀等特征獲取分類規則，對影像對象進行分割與合并以獲取影像對象，進而基于規則特征進行信息提取。

本文通過歸一化植被指數（NDVI，式中記為INDV）獲取面向對象分類規則。NDVI是較為常用的一種遙感圖像增強方法，利用遙感影像中近紅外波段與紅光波段進行計算，主要用于增強遙感影像中的植被信息，可以很好地用于區分植被與非植被覆蓋區，其公式為：

式中，NIR、RED分別表示遙感影像中的近紅外波段和紅光波段。NDVI的取值范圍是-1～1，NDVI值高表明該區域植被覆蓋度高［17］。

本文采用NDVI對綠地進行初步提取，在提取過程中，利用ENVI軟件提供的面向對象分類工具ENVI FX，確定對象分割與合并閾值、信息提取的規則設定等。通過多次實驗，獲得影像理想的分類規則為：分割閾值35，合并閾值60，規則NDVI>0.5107。

2.3 基于樣本的面向對象監督分類綠地信息提取

與傳統基于像元的監督分類不同，基于樣本的面向對象分類算法的樣本是由影像對象構成的。在進行分類過程中，該方法能夠充分利用影像的光譜、空間和紋理等影像特征。

2.3.1 選擇樣本

通過對GF-1影像目視分析，結合CJJ/T 85—2017《城市綠地分類標準》，以及研究區現狀，本文將城鎮綠地劃分為三大類，即防護綠地、附屬綠地和區域綠地（見表1）。在分類過程中，樣本的選擇至關重要。樣本的選擇一般是在研究區域中均勻分布，且能夠有效表達地物類型［1］。本文利用ENVI專業遙感軟件選擇一定數量的樣本，其中一部分用于影像分類中的訓練樣本，選擇另一部分用于分類后的精度評價。

2.3.2 分類算法

SVM（Support Vector Machines，支持向量機）因其算法結構簡單，適合處理高維特征、復雜小樣本與不確定性等問題［1］，是近年來模式識別與機器學習領域新的研究熱點。本文面向對象分類算法中使用較為常用的機器學習算法VM進行。

3 結果與分析

3.1 城鎮綠地信息提取

利用前文中基于規則的面向對象綠地信息提取方法對研究區GF-1影像中綠地信息進行提取。通過預覽得知，基于規則的綠地信息提取能夠很好地提取出綠地信息，并且沒有將跟綠地信息光譜信息接近的彩鋼瓦混淆歸為綠地。

根據研究區影像中目標地物的特點，利用影像對象的光譜、空間形狀、圖像紋理、植被指數等特征，選擇SVM分類方法基于樣本的面向對象綠地信息進行提取。通過影像目視解譯結合現場勘察，基于規則的面向對象綠地信息提取結果中大部分綠地類型的分類結果正確，區域綠地分類效果最好，防護綠地錯分、漏分較多。基于樣本的面向對象綠地信息提取也存在部分錯分、漏分現象，但總體來看效果較好。其中，防護綠地錯分、漏分較多，這很可能是由于在選擇訓練區時，地物本身就存在不好分性。

3.2 精度評價

本文選用總體分類精度和Kappa系數進行分類精度定量評價［18］。通過選取驗證樣本對分類結果進行精度評價得到表2。從表2中可以看出，基于樣本的面向對象分類總體分類精度和Kappa系數均高于基于規則的面向對象分類，總體分類精度為89.79％，Kappa系數為0.85；從生產者精度和用戶精度來看，基于樣本的面向對象分類生產者精度和用戶精度也是均高于基于規則的面向對象分類；基于樣本的面向對象分類防護綠地分類精度低于附屬綠地和區域綠地。

4 結論與展望

本文基于GF-1 PMS影像基于規則與訓練樣本的面向對象方法，綜合應用遙感影像光譜、紋理及空間特征進行了喀斯特山區城鎮綠地信息提取，得出以下結論。

（1）在GF-1 PMS高分辨率遙感影像中，城鎮綠地具有明顯的光譜、紋理和空間形態特征，根據各類目標地物的特點和具體要求，綜合選取不同的對象特征及特征組合，可有效提取城鎮綠地信息。

（2）基于規則的綠地信息提取總體分類精度為79.36％，Kappa系數為0.76；基于樣本的綠地信息提取總體分類精度為89.79％，Kappa系數為0.85；基于樣本的面向對象監督分類綠地信息提取方法比基于規則的面向對象綠地信息提取方法效果好。

由于遙感影像存在同物異譜、同譜異物、混合像元等問題，在分類過程中很難進行區分，因此訓練樣本的數量和代表性會對分類結果有一定的影響，故本文得出的結論是否具有廣泛適用性還值得深入探討。

參考文獻

［1］張宏剛，黨濤.基于高分辨遙感影像城市綠地信息分類提取［J］.測繪技術裝備，2018（1）：46-49.

［2］李巍，丁晨旸，李萍.基于高分一號遙感影像的綠地信息提取［J］.安徽農業科學，2017（14）：208-210.

［3］李寶華.遙感影像綠地信息提取：以開封市為例［J］.平頂山學院學報，2005（5）：69-72.

［4］孫雅榮.城市綠地信息提取及空間數據質量評價分析［D］.上海：上海師范大學，2007.

［5］王延飛，溫小榮.基于NDVI再分類的城市綠地信息提取：以江蘇省徐州市為例［J］.福建林業科技，2012（2）：66-69.

［6］周智勇，邢英梅，東啟亮，等.基于GF-1遙感數據的城市綠地信息提取研究［J］.礦產勘查，2015（5）：635-641.

［7］陳陽，趙俊三，陳應躍.基于ENVI的高分辨率遙感影像城市綠地信息提取研究［J］.測繪工程，2015（4）：33-36.

［8］張云英，汪金花，陳曉婷，等.面向對象的高分影像城市綠地精準提取方法研究［J］.礦山測量，2016（2）：76-79.

［9］王斐，劉艷紅，馮代麗，等.城市綠地信息提取的研究進展［J］.中國農學通報，2017（10）：67-71.

［10］馬鑫.高分辨率遙感影像面向對象的綠地信息提取方法研究［D］.銀川：寧夏大學，2017.

［11］張鑫.遙感圖像處理在城市綠地提取中的應用研究［D］.西安：西安建筑科技大學，2018.

［12］王剛，高美歡，劉玉梅.基于高分辨遙感影像的城市綠地信息提取研究［J］.北京測繪，2018（2）：221-224.

［13］郗靜，王鴻，陳钘.七星關區水土保持監督執法工作成效與經驗［J］.黑龍江科技信息，2017（7）：283.

［14］王雪英，郭衛華.面向對象的高分一號衛星影像大棚信息提取研究［J］.湖北農業科學，2019（24）：4.

［15］羅海靜，資鋒，陳玲，等.高分一號衛星在國土資源領域的應用及前景［J］.衛星應用，2015（3）：41-43.

［16］賀丹.基于高分辨率遙感影像的城市綠地信息提取：以東莞市為例［J］.數字通信世界，2019（10）：80-81.

［17］王潔寧，王浩.新版《城市綠地分類標準》探析［J］.中國園林，2019（4）：92-95.

［18］姜洋.浙江省不透水面時空演變及與城市熱環境的相關分析［D］.南京：南京大學，2014.

（編輯 李春燕編輯）

Research on extracting green space in Karst towns based on GF-1 PMS

WANG? Wei1， HUANG? Lin1， REN? Jintong2，3

（1.Anhui Yuntu Space Information Technology Co.， Ltd.， Hefei 230022， China; 2.Guizhou University

of Engineering Science， Bijie 551700， China; 3.Guizhou Province Key Laboratory of Ecological Protection

and Restoration of Typical Plateau Wetlands， Bijie 551700， China）

Abstract：? Green space area as an important indicator of garden city construction is of great significance for urban planning and construction. Based on object-oriented classification algorithm， the article takes Haizijie town， Bijie city， Guizhou province， located in the Karst mountainous area as the research area. The GF-1 PMS remote sensing image is used to extract urban green spaces. The results show that green space information has obvious spectral and texture features on GF-1 PMS images. By selecting and combining different image object features， urban green space information can be effectively extracted; in object-oriented classification algorithms， the overall classification accuracy of rule-based green space information extraction is 79.36%， the Kappa coefficient is 0.76; the overall classification accuracy of green space information extraction based on samples is 89.79%， the Kappa coefficient is 0.85， and its extraction performance is better than rule-based object-oriented methods.

Key words： GF-1; urban green space; object-oriented; information extraction

基金項目：喀斯特高原資源與環境遙感人才團隊；項目編號：畢委人領通〔2023〕14號。智慧地理空間信息應用工程中心；項目編號：畢科聯合〔2023〕8號。貴州省區域內一流建設學科“生態學”；項目編號：黔教XKTJ〔2020〕22）。

作者簡介：王瑋（1985— ），男，高級工程師，碩士；研究方向：空間信息應用。