基于高分辨率遙感影像的農(nóng)村居民點(diǎn)內(nèi)部用地信息提取研究

陳廣群，劉洋，蘭澤英

(1.廣州市城市規(guī)劃勘測(cè)設(shè)計(jì)研究院，廣東廣州 510060； 2.武漢大學(xué)資源環(huán)境科學(xué)學(xué)院，湖北 武漢 430079；3.地理信息系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，湖北武漢 430079)

基于高分辨率遙感影像的農(nóng)村居民點(diǎn)內(nèi)部用地信息提取研究

陳廣群1?，劉洋1，蘭澤英2，3

(1.廣州市城市規(guī)劃勘測(cè)設(shè)計(jì)研究院，廣東廣州 510060； 2.武漢大學(xué)資源環(huán)境科學(xué)學(xué)院，湖北 武漢 430079；3.地理信息系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，湖北武漢 430079)

近年來(lái)，隨著農(nóng)村地區(qū)土地利用規(guī)劃工作的細(xì)致深入，對(duì)快速獲取農(nóng)村居民點(diǎn)內(nèi)部用地信息提出了更高的要求。目前，國(guó)內(nèi)外的研究主要集中在對(duì)于房屋或道路的提取上，且大多以面向像元的分類(lèi)方法為主，其結(jié)果并不能反映農(nóng)村居民地內(nèi)部的整體用地情況且分類(lèi)精度有待進(jìn)一步提高。為此，本文提出了一種方法:首先利用大比例尺土地利用現(xiàn)狀圖提取農(nóng)村居民點(diǎn)外邊界；接著建立起農(nóng)村居民地遙感分類(lèi)體系；然后，采用面向?qū)ο蟮姆诸?lèi)技術(shù)，輔以各種地學(xué)知識(shí)建立起提取農(nóng)村居民點(diǎn)內(nèi)部用地信息的有效模型；最后以武漢市黃陂區(qū)的桃園吉地區(qū)為研究區(qū)域進(jìn)行了實(shí)例研究，驗(yàn)證此方法的有效性。

高分辨率遙感影像；農(nóng)村居民地內(nèi)部用地信息提?。幻嫦?qū)ο蠓诸?lèi)技術(shù)

1 引 言

農(nóng)村居民地在我國(guó)土地利用中所占的比重很大，但是其布局散亂、用地粗放。因此，采用高分辨率遙感技術(shù)快速、有效地掌握其內(nèi)部用地信息，從而進(jìn)行潛力挖掘、優(yōu)化布局已成為當(dāng)前我國(guó)新農(nóng)村建設(shè)的首要任務(wù)。

目前，國(guó)內(nèi)外對(duì)城市居民點(diǎn)用地信息提取的研究很多(Aaron K.Shackelford，2003)，但針對(duì)農(nóng)村居民地的研究相對(duì)較少，且主要集中在對(duì)于房屋或道路的提取上(陳敏，2004；蘇俊英，2004；朱長(zhǎng)青等，2004；Michael Bock，Panteleimon Xofis，2004；Jingnan Huang et al，2007)，其結(jié)果并不能反映農(nóng)村居民地的整體用地情況。此外，目前的研究大多以面向像元的分類(lèi)方法為主，并相繼出現(xiàn)了基于光譜特征和形狀特征的簡(jiǎn)單決策樹(shù)模型(安如，趙萍，2005)，基于知識(shí)發(fā)現(xiàn)的房屋半自動(dòng)提取方法(楊存建，周成虎，2001)，基于紋理特征的房屋與道路分離的骨架化算法(蘇俊英，曹輝，張劍清，2004)，基于ffmax算子的輔助分類(lèi)方法(Chu He et al，2006)等。但在農(nóng)村居民點(diǎn)內(nèi)部，由于用地結(jié)構(gòu)混亂，像元間相互影響的情形十分突出，此類(lèi)方法并不能較大地提高分類(lèi)的精度。

為此，本文利用高分辨率遙感影像，提出了一種方法(如圖1所示):首先利用大比例尺土地利用現(xiàn)狀圖提取農(nóng)村居民點(diǎn)外邊界；接著根據(jù)新農(nóng)村建設(shè)對(duì)于居民地規(guī)劃的需求建立起農(nóng)村居民地遙感分類(lèi)體系；然后，采用面向?qū)ο蟮姆诸?lèi)技術(shù)，輔以各種地學(xué)知識(shí)建立起提取農(nóng)村居民點(diǎn)內(nèi)部用地信息的有效方法模型；最后以武漢市黃陂區(qū)的桃園吉地區(qū)為研究區(qū)域進(jìn)行了實(shí)例研究，驗(yàn)證此方法的有效性。

圖1 利用高分辨率遙感影像提取農(nóng)村居民點(diǎn)用地信息技術(shù)路線流程圖

2 研究區(qū)域

本文以武漢市黃陂區(qū)的桃園吉地區(qū)為研究對(duì)象，它位于黃陂市東部，具有典型的江漢平原農(nóng)村居民點(diǎn)的特點(diǎn)，總面積 112.4 km2。采用的遙感影像為2005年的SPOT5影像，分辨率為2.5 m×2.5 m，研究區(qū)域被劃分為2 469×1 922個(gè)柵格。該影像為在氣象條件良好的前提下拍攝所得，并經(jīng)過(guò)幾何糾正，影像配準(zhǔn)和融合從而轉(zhuǎn)化成數(shù)字正射影像圖。此外，本文還采用了該地區(qū)2005年的1∶1萬(wàn)的土地利用現(xiàn)狀圖作為參考。

3 居民地外邊界提取

將遙感影像作為底圖，以土地利用現(xiàn)狀圖中獲取的居民點(diǎn)圖斑作為邊界條件進(jìn)行圖像裁剪，運(yùn)算結(jié)果就代表影像圖中相應(yīng)的農(nóng)村居民點(diǎn)范圍，為此采用了同時(shí)期的影像數(shù)據(jù)(2005年SPOT5影像)和矢量數(shù)據(jù)(2005年的1∶1萬(wàn)的土地利用現(xiàn)狀圖)，步驟如下:首先，基于ArcInfo軟件的查詢(xún)模塊將土地利用現(xiàn)狀圖中的居民地圖斑篩選出來(lái)；其次，上步操作得到的圖斑是Shapefile數(shù)據(jù)格式，必須轉(zhuǎn)換為柵格圖像文件才能與影像進(jìn)行疊置計(jì)算。在轉(zhuǎn)換過(guò)程中，利用Coverage作為中間數(shù)據(jù)格式進(jìn)行處理。此外，轉(zhuǎn)換后還需要設(shè)置圖像的投影信息等；最后，通過(guò)掩膜運(yùn)算實(shí)現(xiàn)影像中農(nóng)村居民點(diǎn)邊界的提取。

4 輔以地學(xué)知識(shí)的面向?qū)ο笥跋穹诸?lèi)

本文采用面向?qū)ο蟮姆诸?lèi)方法來(lái)提取農(nóng)村居民點(diǎn)內(nèi)部用地信息。其實(shí)現(xiàn)過(guò)程包括:首先建立農(nóng)村居民點(diǎn)內(nèi)部用地信息的遙感分類(lèi)體系；其次，對(duì)影像進(jìn)行多尺度分割，并建立類(lèi)層次結(jié)構(gòu)，針對(duì)每種類(lèi)別，建立不同的特征組合；然后依據(jù)分割得到的同質(zhì)對(duì)象的特征向量空間來(lái)進(jìn)行遙感影像分類(lèi)；接著，對(duì)于錯(cuò)分或漏分的同質(zhì)對(duì)象，可以通過(guò)人機(jī)交互的方式進(jìn)行糾正，在初次分類(lèi)的影像上進(jìn)行再分類(lèi)；最后采用實(shí)地調(diào)查數(shù)據(jù)對(duì)分類(lèi)精度進(jìn)行評(píng)價(jià)。

4.1 農(nóng)村居民地遙感分類(lèi)體系

按照《我國(guó)新農(nóng)村規(guī)劃分類(lèi)體系》的要求，農(nóng)村居民點(diǎn)的詳細(xì)分類(lèi)體系主要由以下幾個(gè)類(lèi)別組成:村民住宅用地(dwelling building)、公共建筑用地(public building)、生產(chǎn)建筑用地(operative building)、道路用地(pavement land)、廣場(chǎng)用地(open space)、水利洗滌用地(pond land)，及村莊內(nèi)部綠化用地(vegetation land)。結(jié)合研究區(qū)域的實(shí)際特點(diǎn)，具體分析上述土地利用類(lèi)型在遙感影像中的信息機(jī)理如下:

(1)村民住宅用地、公共建筑用地、生產(chǎn)建筑用地這3個(gè)類(lèi)別是按照建筑物的利用類(lèi)型來(lái)區(qū)分的，由于它們?cè)谶b感影像中各項(xiàng)特征相似，不具備可分性，因此將其歸屬為建筑物用地(build－up land)，其顏色為白色，大小在25 m×25 m以下。

(2)在農(nóng)村居民點(diǎn)中，道路用地的鋪筑材料是水泥或碎石，一般寬 2.5 m，光譜特征與水泥房頂相似；還有一部分道路被兩邊的行樹(shù)覆蓋，光譜特征表現(xiàn)為與綠地相似，顏色為深綠偏亮。由于道路在影像中表現(xiàn)出“同物異像現(xiàn)象”，為了獲得更好的分類(lèi)精度，本文將道路用地細(xì)分為:水泥覆蓋的道路(cement covered pavement)、樹(shù)冠覆蓋的道路(crown covered pavement)。

(3)廣場(chǎng)用地主要指房屋間的空地，受經(jīng)濟(jì)水平的限制，目前這些地塊未進(jìn)行規(guī)劃管理，還屬于泥土地，寬1 m～5 m不等，顏色呈土黃。

(4)水利洗滌用地主要反映為居民點(diǎn)內(nèi)部的小型水塘，圖斑緊湊，主要表現(xiàn)為深藍(lán)色。

標(biāo)準(zhǔn)的土地利用分類(lèi)體系和通過(guò)遙感影像提取出來(lái)的土地利用分類(lèi)體系的對(duì)應(yīng)關(guān)系 表1

(5)村莊內(nèi)部綠化用地包括林地和草地，林地的分布主要有以下幾種方式:成片分布在居民點(diǎn)外圍、零星分布在房屋四周、平行分布在道路兩旁，其中，道路兩旁的綠地受水泥地面反射光譜的影響，顏色為綠色稍亮；密集綠地顏色偏深綠；稀疏綠地由于混有部分泥土的反射光譜，顏色偏淡綠。由于綠化用地表現(xiàn)出“同物異像”現(xiàn)象，為了獲得更好的分類(lèi)精度，本文將綠化用地細(xì)分為:密集型(dense vegetation)和稀疏型(spread vegetation)，最后再進(jìn)行統(tǒng)計(jì)匯總。

4.2 多尺度影像分割

影像分割的目的在于將影像劃分成一個(gè)個(gè)有意義的區(qū)域，為下一步分類(lèi)提供基礎(chǔ)。影像分割的精度直接決定以后分類(lèi)結(jié)果精度高低(Volker Walter，2004)。分割尺度的選擇、圖層權(quán)重的選擇以及分割因子的選擇是影像分割過(guò)程中的重要環(huán)節(jié)。

(1)尺度的選擇:對(duì)于一種確定的地物類(lèi)型，最適宜的尺度值是分割后的多邊形能將這種地物類(lèi)型的邊界顯示十分清楚，并且能用一個(gè)對(duì)象或幾個(gè)對(duì)象表示出這種地物，既不能太破碎，也不能太大(黃慧萍，2003)。在農(nóng)村居民點(diǎn)中，地類(lèi)圖斑本身就比較小，因此分割尺度均選在30 m以下。其中，綠地和洗滌用地有成片分布情況，而且它們的光譜特征與其他地類(lèi)差別較大，因此分割尺度最大；建筑用地和空地的分割尺度其次；道路的寬度只有2.5 m，應(yīng)該盡量選擇小尺度分割。

(2)圖層權(quán)重的選擇:可以根據(jù)不同圖層對(duì)分割結(jié)果的重要性而取不同的權(quán)重值。如果分割過(guò)程中所需要的一個(gè)層的信息越多，則此層的權(quán)重就越高(Barlow J，2003；Geneletti D，2003)。

(3)分割因子的選擇:影像分割時(shí)，要反復(fù)試驗(yàn)確定合適的顏色、光滑度和聚集度3個(gè)分割因子。這3個(gè)因子決定了在影像對(duì)象層中各自所占的百分比。多尺度影像分割的參數(shù)如表2所示。

多尺度影像分割參數(shù) 表2

4.3 分類(lèi)層次及類(lèi)別表達(dá)

農(nóng)村居民點(diǎn)內(nèi)部地物的關(guān)系復(fù)雜，因此本文采用層次分析法(AHP)，將土地利用類(lèi)型分為若干層次，首先基于光譜特征進(jìn)行差異較大的類(lèi)別信息提取，得到第一層次的分類(lèi)結(jié)果；然后再基于形狀特征等幾何信息對(duì)第一層中無(wú)法區(qū)分的地類(lèi)進(jìn)行細(xì)分，獲得第二層次的分類(lèi)結(jié)果，按此操作流程，直至分出所有的類(lèi)別為止。這個(gè)層次結(jié)構(gòu)的建立是一個(gè)動(dòng)態(tài)過(guò)程，即它并非一層不變，而是隨著分類(lèi)操作反復(fù)調(diào)整的。

本文中，首先根據(jù)影像的光譜特征可以較容易區(qū)分廣場(chǎng)用地、水利洗滌用地和稀疏型綠化用地，它們分別為土黃色、深藍(lán)色和淡綠色。但是建筑物用地和水泥覆蓋的道路均為白色，樹(shù)冠覆蓋的道路和密集型綠化用地均為深綠色，這兩組地物在第一層分類(lèi)中無(wú)法區(qū)分，需要建立第二層分類(lèi)結(jié)構(gòu)。分類(lèi)層次如圖2所示。

此時(shí)，需要結(jié)合地學(xué)知識(shí)分析地物類(lèi)別與影像對(duì)象特征的相關(guān)性，選擇差異顯著的其他特征將它們區(qū)分開(kāi)來(lái)。由于道路斑塊較狹長(zhǎng)，建筑物斑塊則較為規(guī)整，綠化用地的形狀呈現(xiàn)出顯著的不對(duì)稱(chēng)性，因此通過(guò)各種形狀特征指數(shù)可以將這些地類(lèi)進(jìn)一步區(qū)分開(kāi)來(lái)。本文利用eCognition軟件的Feature View工具來(lái)實(shí)現(xiàn)，所選定的形狀特征指數(shù)主要有“長(zhǎng)度/面積”、“長(zhǎng)度/寬度”、“曲率/長(zhǎng)度”，如表3所示。

圖2 影像分類(lèi)的層次結(jié)構(gòu)

相似光譜特征類(lèi)別的表達(dá) 表3

4.4 居民地內(nèi)部土地利用信息提取

基于分割的面向?qū)ο蠓诸?lèi)技術(shù)一般包括兩種方法，即模糊分類(lèi)和最鄰近分類(lèi)，本文采用后一種方法。在分類(lèi)前先對(duì)每種地類(lèi)進(jìn)行樣本多邊形的訓(xùn)練工作。根據(jù)分類(lèi)系統(tǒng)中地物類(lèi)別的特征組合，利用成員函數(shù)篩選訓(xùn)練樣本。成員函數(shù)把任意特征值范圍轉(zhuǎn)換為統(tǒng)一的范圍[0，1](王寧宇，2006)，描述了樣本對(duì)于某個(gè)類(lèi)型的隸屬度。面向?qū)ο蠹夹g(shù)允許隨時(shí)對(duì)訓(xùn)練區(qū)樣本的成員函數(shù)曲線進(jìn)行調(diào)整，在訓(xùn)練中舍棄特征值分散的樣本，選擇屬性值在函數(shù)曲線上集中的多邊形為樣本庫(kù)成員，每種土地利用類(lèi)型有一個(gè)樣本函數(shù)庫(kù)，一個(gè)標(biāo)準(zhǔn)圖幅影像的樣本多邊形數(shù)目為20個(gè)～50個(gè)。確定樣本庫(kù)后就可以在不同的對(duì)象層提取對(duì)應(yīng)的地物類(lèi)別，每一個(gè)多邊形的特征組合與所有地類(lèi)的樣本函數(shù)曲線比較，若該屬性值位于曲線范圍之內(nèi)，則獲得一個(gè)隸屬度，隸屬度加權(quán)和大于其中一種地類(lèi)的預(yù)設(shè)值，則該多邊形確定為該類(lèi)用地。

初次分類(lèi)后，難免有錯(cuò)分與漏分的現(xiàn)象，面向?qū)ο蠓诸?lèi)方法提供了一種人機(jī)交互的方式，將漏分的多邊形手動(dòng)歸為某種地物類(lèi)型，錯(cuò)分的多邊形進(jìn)行類(lèi)型的修改。這樣充分利用了人工目視解譯在高分辨率遙感影像處理中的優(yōu)勢(shì)，通過(guò)人機(jī)交互的方式，反復(fù)修正分類(lèi)結(jié)果，使分類(lèi)精度大大提高。

5 實(shí)驗(yàn)結(jié)果及分析

5.1 居民地邊界提取結(jié)果

提取結(jié)果如圖3所示，其中左邊為提取出的農(nóng)村居民點(diǎn)多邊形與影像的疊加結(jié)果，共有89塊多邊形；右邊為其中一塊多邊形的放大效果圖。由于該地區(qū)為典型的江漢平原地帶，居民地的分布受地形的影響較小，因此居民地的分布較為分散，但比較均勻。

圖3 SPOT影像圖中的農(nóng)村居民點(diǎn)范圍提取結(jié)果

5.2 基于面向?qū)ο蠹夹g(shù)的遙感影像分類(lèi)結(jié)果

(1)影像的多尺度分割結(jié)果

本文采用eCognition軟件來(lái)進(jìn)行基于面向?qū)ο蠹夹g(shù)的遙感影像分類(lèi)。在農(nóng)村居民地外邊界提取結(jié)果的基礎(chǔ)之上，我們采用表1中所示的參數(shù)對(duì)影像進(jìn)行多尺度分割，一共劃分了3個(gè)層次，得到3個(gè)尺度的分割結(jié)果，分別如圖4中的level1，level2以及l(fā)evel3所示。

圖4 多尺度分割結(jié)果圖

(2)影像分類(lèi)結(jié)果

我們確定了影像分類(lèi)的分類(lèi)層次以及相似類(lèi)別的表達(dá)后，光譜特征被首先用來(lái)區(qū)分第一層次的土地利用類(lèi)別。在具有較大分割尺度的影像對(duì)象層中(Level3)，我們建立了每個(gè)類(lèi)別的訓(xùn)練樣本。然后，采用面向?qū)ο蠹夹g(shù)的最鄰近分類(lèi)法進(jìn)行初始分類(lèi)，結(jié)果如圖5所示。

由圖5可知，在較大尺度的影像對(duì)象層中，光譜特征具有顯著區(qū)別的類(lèi)別能夠較容易進(jìn)行區(qū)分。然而，具有相似光譜特征的類(lèi)別卻存在著誤分類(lèi)的情況，例如圖中的區(qū)域A和B。在實(shí)地，A和B同為一條道路的兩個(gè)部分，但是A區(qū)域被行樹(shù)全覆蓋，在影像中呈深綠色，故在初始類(lèi)結(jié)果中被劃分為深綠色地類(lèi)，而B(niǎo)被水泥材料覆蓋，在影像中呈白色，故被劃分為白色地類(lèi)。因此，在具有“同物異像”或“同像異物”現(xiàn)象的區(qū)域還需要對(duì)小尺度影像對(duì)象層(Level1和Level2)輔以表3所示的形狀特征指數(shù)進(jìn)一步細(xì)分類(lèi)。并且，分類(lèi)結(jié)束之后，我們還需要采用人機(jī)交互方式對(duì)漏分或錯(cuò)分的區(qū)域進(jìn)行改正，從而得到最終的分類(lèi)結(jié)果，如圖6所示。

圖5 初始分類(lèi)結(jié)果

圖6 最終分類(lèi)結(jié)果

(3)分類(lèi)精度分析

由于農(nóng)村居民地內(nèi)部的用地信息在1∶1萬(wàn)土地利用現(xiàn)狀圖中得不到反映，因此本文采用實(shí)地調(diào)查的土地利用數(shù)據(jù)作為參考來(lái)評(píng)價(jià)此影像分類(lèi)的精度。首先，我們?cè)谘芯繀^(qū)域的89塊農(nóng)村居民地圖斑中選取了靠近主要道路的3塊和遠(yuǎn)離主要道路的3塊作為樣本；然后把樣本的影像分類(lèi)結(jié)果和實(shí)地調(diào)查結(jié)果做對(duì)比分析，分析的結(jié)果如表4所示。

由評(píng)價(jià)結(jié)果可知，本文中農(nóng)村居民地內(nèi)部土地利用信息的提取結(jié)果具有較好的精度，總體上達(dá)到了84.09%，大多數(shù)地類(lèi)的分類(lèi)精度均在80%以上。而道路用地由于“同像異物”和“同物異像”現(xiàn)象的影響使得其分類(lèi)精度相對(duì)較低，為77%左右。對(duì)于稀疏型綠化用地，則是由于受到其周?chē)嗤练瓷涔庾V的影響，其分類(lèi)精度也相對(duì)較低，為76.67%左右?？傮w而言，此分類(lèi)精度是令人滿(mǎn)意的。

分類(lèi)結(jié)果的精度分析 表4

6 結(jié) 論

高分辨率遙感影像在土地詳細(xì)利用中具有廣闊的應(yīng)用前景。近年來(lái)，隨著農(nóng)村地區(qū)土地利用規(guī)劃工作的細(xì)致深入，對(duì)快速獲取農(nóng)村居民點(diǎn)內(nèi)部用地信息的提出了更高的要求。高分辨率遙感影像中包含了豐富的細(xì)節(jié)信息，為土地利用工作提供了數(shù)據(jù)來(lái)源，為此，本文提出了一種基于高分辨率遙感影像提取農(nóng)村居民地內(nèi)部土地利用信息的技術(shù)路線。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的基于像元的監(jiān)督分類(lèi)技術(shù)相比，面向?qū)ο蟮姆诸?lèi)過(guò)程更加符合人腦的思維過(guò)程，分類(lèi)結(jié)果更加符合實(shí)地情況。該方法實(shí)現(xiàn)了對(duì)農(nóng)村居民地內(nèi)部的房屋、道路、綠地、裸土地的定量、定位描述，為土地利用規(guī)劃提供了實(shí)時(shí)、可靠、詳細(xì)的數(shù)據(jù)基礎(chǔ)，它對(duì)于促進(jìn)土地集約利用，緩解用地矛盾，保護(hù)生態(tài)環(huán)境，改善農(nóng)村居民的生活條件具有十分重要的意義。

[1]Karathanassi，V，Iossifidis，C.＆Rokos，D.A texture－based classification method for classifying built areas according to their density.International Journal of Remote Sensing. 2000.21:1807～1823

[2]Caprioli M，Tarantino E.Urban Features Recognition from VHR Satellite Data wit h an Object2oriented Approach [A].Proceedings of Commission IV Joint Workshop，Challenges in Geospatial Analysis，Integration and Visualization II，Stut tgart[C].Germany，September 8～9，2003

[3]Townshend J，Huang C，Kalluri S，Defries R，et al.Beware of per pixel characterization of land cover.International.Journal of Remote Sensing，2000，21(4):839～843

[4]Blaschke T，Lang S，Lorup E，et al.Object－oriented image processing in an integrated GIS/remote sensing environment and perspectives for environmental applications[J]. Environmental Information for Planning，2000，2:555～570

[5]Chu He，Gui－song Xia，and Hong Sun.An Adaptive and Iterative Method of Urban Area Extraction From SAR Images [J].IEEE.IEEE GEOSCIENCE AND REMOTE SENSING.2006.10，3(4):504

[6]A.M.Marangoz，S.Karaki and M.Oruc.Analysis of object－oriented classification results derived from pan－sharpened landsat 7 ETM and Aster images.ISPRS workshop on topographic mapping from space，Ankara，F(xiàn)ebruary 2006

[7]Aaron K.Shackelford，Student Member，IEEE.A Combined Fuzzy Pixel－Based and Object－Based Approach for Classification of High－Resolution Multi－spectral Data over Urban Areas[J].IEEE GEOSCIENCE AND REMOTE SENSING. 2003.10，41(10):2354～2364

[8]Jingnan Huang，X.X.Lu，Jefferey M.Sellers.A global comparative analysis of urban form:Applying spatial metrics and remote sensing.ELSEVIER Landscape and Urban Planning.2007

[9]Michael Bock，Panteleimon Xofis，Jonathan Mitchley.Object－oriented methods for habitat mapping at multiple scales. ELSEVIER Journal for nature conservation.2004.12

[10]Volker Walter.Object－based Classification of Remote Sensing Data for Change Detection[J].ISPRS Journal of Photogrammetry＆Remote Sensing，2004，58:225～238

[11]Barlow J，Martin Y，F(xiàn) ranklin S E.Detecting Translational Landslide Scars Using Segmentation of Landsat ETM＋and DEM Data in the Northern Cascade Mountains[J].British Columbia，Can J Remote Sensing.2003，29(4):510～517

[12]Geneletti D，Go rte B G H.A Method for Object－Oriented Land Cover Classification Combining Landsat TM Data and Aerial Photograph s[J].Remote Sensing.2003，24(6): 1273～1286

[13]Floyd M H，Zong2Guo Xiao.Sar.Application in Human Settlement Detection，Population Estimation and Urban Landuse Pattern Analysis:A Status Report[J].IEEE.Geoscience and Remote Sensing，1997，35(1):93～1011

[14]王寧宇，李博.基于eCogniton的高分辨率遙感圖像的自動(dòng)識(shí)別分類(lèi)技術(shù)[J].北京建筑工程學(xué)院學(xué)報(bào)，2006.12，22(4):26～29

[15]蘇俊英，曹輝，張劍清.高分辨率遙感影像上居民地半自動(dòng)提取研究[J].武漢大學(xué)學(xué)報(bào)，2004.9，29(9):791～795

[16]黃慧萍.面向?qū)ο笥跋穹治鲋械某叨葐?wèn)題研究[D].中國(guó)科學(xué)院研究生院，博士學(xué)位論文，2003

[17]朱長(zhǎng)青，王耀革，馬秋禾等.基于形態(tài)分割的高分辨率遙感影像道路提取[J].測(cè)繪學(xué)報(bào)，2004.11，33(4):347～351

[18]田光進(jìn)，劉紀(jì)遠(yuǎn)，張?jiān)鱿榈?，基于遙感與GIS的中國(guó)農(nóng)村居民點(diǎn)規(guī)模分布特征.遙感學(xué)報(bào)，2002.7，第六卷第4期: 307～312

[19]安如，趙萍，王慧麟等.遙感影像中居民地信息的自動(dòng)提取與制圖[J].地理科學(xué)，2005，25(1):74～80

[20]楊存建，周成虎.TM影像的居民地信息提取方法研究[J].遙感學(xué)報(bào)，2000，4(2):146～150

[21]陳敏，劉秉瀚，楊靛青.TM遙感圖像中居民點(diǎn)的自動(dòng)提取[J].福州大學(xué)學(xué)報(bào)，2004(32):95～98

Extraction of Land－use Information within Rural Residential Area from High－resolution RS Images

Chen GuangQun1，Liu Yang1，Lan ZeYing2，3
(1.Guangzhou Urban Planning＆Design Survey Research Institute，Guangzhou 510060，China；2.School of Resource and Environment Science，Wuhan University，Wuhan 430079，China；3.Key Laboratory of Geographic Information System，Ministry of Education，Wuhan University，Wuhan 430079，China)

Extracting land－use information within rural residential area is one of the major applications in remote sensing today.In this paper，a new method，which is auxiliary land－use knowledge method，is presented for this requirement.With the abundant geographic knowledge in the thematic map，we first propose a simple and effective method to extract rural residential out－border from RS image by overlapping analysis，and take the result as the basic data for further interpretation.Secondly，the object－oriented approach is employed for further classification，whose basic cell isn’t a single pixel any more，but rather an image object from image segmentation.During the process，land－use knowledge is also taken as auxiliary information to establish class system and class hierarchy，select feature presentation of image objects，and examine classification result.Finally，a high－resolution RS image of Hubei Province is taken as testing data to verify the above method.The experiment results are satisfying:the detailed land－use information is extracted and categories with similar spectrum feature are divided effectively.It is obvious that this method offers a good solution to extract land－use information within rural residential area.

high－resolution RS image；Extracting land－use information within rural residential area；object－oriented classification approach

1672－8262(2010)03－71－06

P231

A

2010—03—23

陳廣群(1963—)，女，助理工程師，主要從事地圖學(xué)與GIS應(yīng)用。

國(guó)家973基金支持項(xiàng)目(2006CB701303)