基于GF—1衛(wèi)星WFV數(shù)據(jù)的全國建設(shè)用地自動監(jiān)測技術(shù)研究

劉順喜++戴建旺等

摘 要：該文以國產(chǎn)高分一號衛(wèi)星WFV數(shù)據(jù)為數(shù)據(jù)源，采用面向?qū)ο蠓诸惣夹g(shù)，研究面向全國范圍的宏觀監(jiān)測信息提取技術(shù)及系統(tǒng)實現(xiàn)。一方面，研究了大尺度上利用高分遙感影像和面向?qū)ο蠓诸惣夹g(shù)進(jìn)行宏觀監(jiān)測信息提取一整套技術(shù)方法，并對其中的建設(shè)用地進(jìn)行了重點研究。另一方面，在集群計算環(huán)境下，利用高分一號衛(wèi)星WFV數(shù)據(jù)，實現(xiàn)基于面向?qū)ο蟮暮暧^監(jiān)測信息自動提取，并重點對建設(shè)用地提取結(jié)果進(jìn)行了驗證，驗證結(jié)果顯示分類精度優(yōu)于80%。該研究提高了利用中等分辨率影像進(jìn)行宏觀監(jiān)測的準(zhǔn)確性及時效性，為合理利用和管理土地資源提供決策支持信息，支撐土地利用業(yè)務(wù)化應(yīng)用。

關(guān)鍵詞：高分WFV 面向?qū)ο蠓诸?建設(shè)用地 土地利用 信息自動提取

中圖分類號：TP753 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2015）06（b）-0033-03

當(dāng)前中國正經(jīng)歷著快速的城市化，特別是在沿海經(jīng)濟(jì)發(fā)達(dá)地，城市擴(kuò)展速度已經(jīng)遠(yuǎn)超過發(fā)展中國家的平均擴(kuò)展速度。合理利用城市土地是實現(xiàn)城市經(jīng)濟(jì)和社會發(fā)展目標(biāo)的重要手段，是政府用以保護(hù)生態(tài)與自然環(huán)境、合理利用資源、統(tǒng)籌安排城市發(fā)展空間布局及維護(hù)城市發(fā)展過程中和諧與平衡的重要依據(jù)[2]。

隨著衛(wèi)星遙感技術(shù)的發(fā)展，城市化進(jìn)程的加劇，遙感技術(shù)在城市土地利用監(jiān)測的應(yīng)用得到了空前的發(fā)展。遙感對地觀測技術(shù)能夠大范圍、快速獲取地表信息，并且具有客觀性、時效性、綜合性、經(jīng)濟(jì)性以及多時相的特點，是當(dāng)前在大尺度區(qū)域上進(jìn)行土地利用詳查、制圖和變化信息動態(tài)監(jiān)測的最有效技術(shù)途徑。相關(guān)學(xué)者采用遙感圖像在區(qū)域范圍內(nèi)進(jìn)行土地利用調(diào)查方面開展了廣泛的研究，并且提出了適用于遙感數(shù)據(jù)的土地利用分類系統(tǒng)和方法。張友水等利用兩期TM影像，對影像進(jìn)行纓帽變換，通過兩時相的亮度軸（B）、綠度軸（G）和濕度軸（W）3個分量的差值運算進(jìn)行信息復(fù)合，在紹興區(qū)進(jìn)行土地利用變化監(jiān)測研究[4]。印影等以資源一號02C星為數(shù)據(jù)源，通過對影像進(jìn)行融合處理，采用面向?qū)ο蠓诸惙椒ㄟM(jìn)行土地利用分類，總體分類精度達(dá)到93.04%[5]。于龍等采用波譜角分類方法，通過選取不同圖像子區(qū)域的同一地物不同變異端元來消除端元變異性對分類精度的影響，結(jié)果顯示波譜角分類對城市用地分類具有較好的可應(yīng)用性[6]。韓彥偉等以河北省保定市市區(qū)為例，結(jié)合QuickBird數(shù)據(jù)，采用面向?qū)ο蠓诸惣夹g(shù)和人工目視解譯相結(jié)合的作業(yè)方法，對其土地利用變化情況進(jìn)行監(jiān)測。

上述土地利用分類方法多是基于像元的光譜信息，不能有效地提取出影像中的空間紋理信息，無法保障自動識別精度。部分基于面向?qū)ο蠓诸惣夹g(shù)研究也主要是基于國外高分辨率數(shù)據(jù)源，且不具備面向大區(qū)域的推廣的能力。罕有以國產(chǎn)高分辨衛(wèi)星為數(shù)據(jù)源利用面向?qū)ο蠹夹g(shù)進(jìn)行大范圍土地利用信息分類提取的研究。基于此，本研究以面向?qū)ο蠓诸惣夹g(shù)，構(gòu)建基于高分一號衛(wèi)星WFV數(shù)據(jù)（幅寬達(dá)800公里）的宏觀監(jiān)測特征庫，搭建集群計算環(huán)境，實現(xiàn)大區(qū)域范圍內(nèi)建設(shè)用地信息的高效、自動提取。

1 研究區(qū)域概況

該文以中部第4小區(qū)為研究對象，以河北省保定市和河南省鄭州市為例進(jìn)行土地利用宏觀監(jiān)測，重點建設(shè)用地的提取信息進(jìn)行分析和驗證。

保定市位于北緯38°10′～40°00′，東經(jīng)113°40′～116°20′之間。北鄰北京市和張家口市，東接廊坊市和滄州市，南與石家莊市和衡水市相連，西部與山西省接壤。鄭州市位于東經(jīng)112°42'～114°14'，北緯34°16'～34°58'，東西寬166公里，南北長75公里，總面積約為7446.2平方公里，其中市區(qū)面積約1010.3平方公里，山地面積約2377平方公里。兩市處于華北平原中北部，屬于溫帶季風(fēng)氣候。冬季干燥寒冷，夏季高溫多雨，春季干旱少雨，蒸發(fā)強(qiáng)烈。春季旱情較重，夏季常有洪澇。年均溫和年降水量由南向北隨緯度增加而遞減。年均溫11～12℃，南北相差3～4℃。7月均溫大部分地區(qū)26～28℃；1月均溫為-5～-4℃。全區(qū)0℃以上積溫為4500～5500℃，10℃以上活動積溫為3800～4900℃，無霜期200～220天，年降水量500～600毫米。

2 數(shù)據(jù)獲取與處理

良好的數(shù)據(jù)及完整的資料準(zhǔn)備是地類信息提取的基礎(chǔ)，為了實現(xiàn)地類信息提取規(guī)則的真實性，可用性及普適性，前期數(shù)據(jù)準(zhǔn)備及處理方面輸入數(shù)據(jù)包含GF-1號多光譜遙感影像數(shù)據(jù)、對應(yīng)的30m分辨率DEM高程數(shù)據(jù)及研究區(qū)矢量。高分一號衛(wèi)星2013年發(fā)射升空，GF-1衛(wèi)星搭載了兩臺2m分辨率全色和8m分辨率多光譜相機(jī)，四臺16m分辨率多光譜相機(jī)。16m分辨率多光譜相機(jī)幅寬達(dá)到了800公里，在具有類似空間分辨率的同時可以在更短時間內(nèi)對同一個地區(qū)重復(fù)拍照。該研究從中國資源衛(wèi)星應(yīng)用中心獲得2014年6月份無大片云霧覆蓋影像數(shù)據(jù)。DEM從USGS網(wǎng)站下載，矢量數(shù)據(jù)由相應(yīng)地方業(yè)務(wù)部門提供。

數(shù)據(jù)預(yù)處理主要是包括正射校正及輻射校正。正射校正以15m分辨率的Landsat8全色影像為基準(zhǔn)，同時輸入DEM數(shù)據(jù)，從而保證誤差控制在一個像元之內(nèi)。輻射校正則消除了大部分氣溶膠的影響。同時為了盡可能的保留影像數(shù)據(jù)的原始光譜信息，影像無需做勻色處理。

3 研究方法

3.1 信息分層提取思路

該研究針對耕地、園林地、草地、水域、建設(shè)用地5種一級地類，采用分層逐級提取的思路進(jìn)行提取。信息提取步驟如下：

第一步：將影像分為植被與非植被，在第一層提取中能保證較高的提取精度。

第二步：將第一步的分類結(jié)果作為參考參與進(jìn)一步的分類，在植被區(qū)域內(nèi)進(jìn)一步分為園林地和非園林地，在非植被區(qū)域內(nèi)進(jìn)一步分為水體和非水體，排除非植被對園林地的干擾和植被對水體的干擾，同時在進(jìn)一步提取時也能只考慮園林地（水域），設(shè)置合適的分割尺度等參數(shù)。

第三步：將第二步的分類結(jié)果作為參考參與進(jìn)一步的分類，在非園林區(qū)域?qū)⑵浞譃椴莸睾透貎深悾诜撬w區(qū)域?qū)⑵浞譃榻ㄔO(shè)用地和其他用地。如圖1所示。

3.2 面向?qū)ο蟮某叨确指?/p>

影像分割是以某個像元進(jìn)行并行生長，然后以此為種子向周邊像元進(jìn)行合并同質(zhì)性比較大的相鄰像元的過程，從而把圖像劃成若干個互不交疊的區(qū)域。在相同的區(qū)域內(nèi)，圖像具有相同或相似的特征，這是面向?qū)ο笮畔⑻崛〖夹g(shù)的基礎(chǔ)。不同大小的分割閾值，生成的影像對象多邊形的大小、數(shù)量也不相同。分割尺度越大，影像中生成的對象數(shù)量越少，單個對象的面積越大，反之亦然。但分割尺度太小，地物顯得破碎且工作量大；分割尺度過大，會出現(xiàn)“淹沒”現(xiàn)象，許多小面積的地物將無法提取出來，從而影響到地類分類的精度。

3.3 規(guī)則集研發(fā)

規(guī)則是指鑒別某種地類的判斷原則，原則必須具有普遍性和獨有性。地類信息提取規(guī)則集的開發(fā)是基于區(qū)域大量數(shù)據(jù)研究的基礎(chǔ)，研究地類本身特征及地物之間的關(guān)聯(lián)性，以典型地區(qū)的影像數(shù)據(jù)為研究熱點，針對該影像數(shù)據(jù)的地物有針對性的開發(fā)相應(yīng)的規(guī)則，并將規(guī)則應(yīng)用于同類型影像數(shù)據(jù)中反復(fù)測試修改，直到該區(qū)域的所有影像數(shù)據(jù)均能提取出較為理想的地類圖斑。

遙感影像上植被較綠，耕地作物信息明顯，采用波段運算得到植被指數(shù)灰度影像層，然后利用多閾值分割方法將植被信息從影像里區(qū)分出來。林地在近紅外波段上與耕地上有明顯的區(qū)別，可先用DEM數(shù)據(jù)界定出林地的大致范圍，然后根據(jù)林地的紋理較為粗糙特征，利用綠波段的均方差信息進(jìn)行結(jié)果優(yōu)化。草地信息表現(xiàn)為針狀細(xì)碎地物，可以利用紅波段均方差及紋理特征將特征值大的定義為草地區(qū)域。相對于其他地物，水域提取較為容易，大部分有水區(qū)域水體指數(shù)值較高。建筑物在紅波段上則體現(xiàn)出亮度值較大的特點。針對上述地物在影像上的不同特征，可以較好的完成其相應(yīng)提?。ň唧w規(guī)則見表1）。

地類提取規(guī)則的創(chuàng)建是信息提取的關(guān)鍵和難點，主要表現(xiàn)為兩大難點，一是地類通用特征的找尋；二是地類提取臨界條件的判斷。特征建立的原則要能夠?qū)⑺岬匚锏男畔⑼怀?，并且信息為直方圖上的極大值或極小值區(qū)域范圍。臨界條件的設(shè)定，關(guān)鍵在于兩次條件計算時能夠有比較大的差異性，這種終止條件為非此即彼。規(guī)則集創(chuàng)建過程如圖2所示。

3.4 精度驗證

鑒于在宏觀范圍內(nèi)進(jìn)行土地利用監(jiān)測，依靠野外樣點調(diào)查進(jìn)行驗證的方法難以實現(xiàn)，本研究通過目視解譯，人工勾繪相應(yīng)地類樣本，對提取的地類圖斑進(jìn)行精度評價。首先選取同一時間相應(yīng)區(qū)域GF-1號2m、8m融合正射影像數(shù)據(jù)，與16m影像數(shù)據(jù)相比，其能夠更清晰的識別地類，從而可以保證樣本勾繪的準(zhǔn)確性。在待評價區(qū)域內(nèi)，選取多個地物信息豐富、有代表性的小區(qū)域作為樣本區(qū)。在樣本區(qū)內(nèi)，采用人工目視解譯的方法，采用分辨率較高的GF-1號2m、8m融合影像進(jìn)行樣本勾繪（宏觀監(jiān)測使用的基礎(chǔ)影像為GF-1號16m影像）。最后使用樣本與提取結(jié)果進(jìn)行疊加分析，計算得到分類精度。計算公式如下：

①

式中，P 為圖斑分類精度，Cn為分類正確的某地類圖斑面積，Sn為該地類樣本圖斑總面積，Sz所有樣本圖斑總面積。預(yù)期結(jié)果為P ≥80%。

4 試驗與分析

4.1 試驗結(jié)果

采用面向?qū)ο蠓诸惣夹g(shù)，結(jié)合2014年6月份高分16m分辨率影像數(shù)據(jù)，對河北省保定市和河南省鄭州市土地利用信息進(jìn)行提取。

保定市2014年第二季度土地利用宏觀監(jiān)測提取圖斑14755個，面積30521866.19畝。其中建設(shè)用地圖斑9777個，面積4334105.66畝，占比14.14%；鄭州市2014年第二季度土地利用宏觀監(jiān)測提取圖斑8389個，面積11285302.11畝。其中建設(shè)用地圖斑4864個，面積3422463.83畝，占比30.33%。從上述土地利用宏觀監(jiān)測信息提取效果看，面向?qū)ο蠓诸惖姆椒ǖ玫降姆诸惤Y(jié)果不存在“椒鹽”現(xiàn)象，分類結(jié)果比較緊致。與相關(guān)專題圖相比，符合市級土地利用實際情況。如圖3所示。

4.2 精度評價

按照2.3.6部分精度驗證方法對保定市建設(shè)用地圖斑提取結(jié)果進(jìn)行精度評價，圖4為保定市樣本選擇及解譯結(jié)果。

依照保定市樣本選擇及解譯過程，對鄭州市高分辨率數(shù)據(jù)進(jìn)行相應(yīng)處理，其兩市圖斑分類精度見表2。

通過對保定市和鄭州市兩市圖斑提取進(jìn)行精度評價計算，主要得出以下結(jié)論：從圖斑分類精度上來看，面積小于等于100畝的圖斑分類精度較低，接近達(dá)到70%，隨著圖斑面積的增大，分類精度有明顯的提高，面積大于等于500畝小于1000畝的圖斑分類精度達(dá)到80%，面積大于等于1000畝的圖斑分類精度平均達(dá)到90%以上，總體分類精度大于80%。

4.3 處理效率分析

該研究在當(dāng)前主流硬件環(huán)境下（處理器：Intel（R） Xeon（R） CPU E5-2690 2.9GHz；內(nèi)存：16.0 GB；硬盤：2T）對系統(tǒng)單計算節(jié)點、3計算節(jié)點和6計算節(jié)點的處理效率進(jìn)行了測試，選取不同柵格數(shù)量的遙感影像作為測試數(shù)據(jù)。測試結(jié)果如圖5。

根據(jù)測試結(jié)果，系統(tǒng)在3計算節(jié)點狀態(tài)下，且任務(wù)量較小時，加速比主要在2-3倍間浮動，隨著任務(wù)量的增大，加速比呈上升趨勢，能夠達(dá)到3倍以上。系統(tǒng)在6計算節(jié)點條件下，當(dāng)任務(wù)量較小時，加速優(yōu)勢不明顯，且加速效率與3計算節(jié)點狀態(tài)大致相當(dāng)，隨著任務(wù)量的增大，加速比呈上升趨勢，能夠達(dá)到6倍以上。依此推算，當(dāng)系統(tǒng)具備20計算節(jié)點時，能夠在2周內(nèi)完成面向全國的建設(shè)用地（宏觀監(jiān)測）信息提取。

5 結(jié)語

目前，土地利用宏觀監(jiān)測業(yè)務(wù)在全國范圍內(nèi)基本依靠人工解譯的方式進(jìn)行作業(yè)，面向?qū)ο蟮淖詣踊崛》绞接捎诩夹g(shù)瓶頸所限，尚未得到普遍應(yīng)用，鮮有面向大范圍的宏觀監(jiān)測信息自動提取案例，而該研究瞄準(zhǔn)業(yè)務(wù)需求，首次實現(xiàn)了面向全國的大范圍建設(shè)用地（宏觀監(jiān)測）信息自動化提取。該研究結(jié)論主要包括以下三點：（1）該研究以利用高分一號WFV數(shù)據(jù)為數(shù)據(jù)源進(jìn)行全國建設(shè)用地（宏觀監(jiān)測）信息提取技術(shù)研究，提出信息提取規(guī)則集的總體設(shè)計及開發(fā)方案。同時，在典型區(qū)域進(jìn)行建設(shè)用地提取精度評價，圖斑提取總體精度在80%以上。（2）該研究基于eCognition Server進(jìn)行系統(tǒng)的二次開發(fā)，具備其優(yōu)秀的并行計算能力，在面向大區(qū)域進(jìn)行作業(yè)時，有明顯的效率優(yōu)勢。當(dāng)系統(tǒng)能具備20節(jié)點時，能夠在兩周內(nèi)完成全國960萬平方公里的建設(shè)用地（宏觀監(jiān)測）提取任務(wù)，滿足業(yè)務(wù)時效需求。（3）上述結(jié)果表明以GF一號衛(wèi)星WFV影像為數(shù)據(jù)源利用面向?qū)ο蠹夹g(shù)在集群環(huán)境下進(jìn)行大尺度的建設(shè)用地調(diào)查是可行的，國產(chǎn)高分一號衛(wèi)星數(shù)據(jù)可以在大尺度的土地利用信息自動化提取中進(jìn)行廣泛的應(yīng)用。

參考文獻(xiàn)

[1] 李波.基于多源遙感數(shù)據(jù)的城市建設(shè)用地空間擴(kuò)展動態(tài)監(jiān)測及其動力學(xué)模擬研究[D].杭州：浙江大學(xué)，2012.

[2] 宋剛賢.基于遙感影像的城市違規(guī)建設(shè)用地監(jiān)測研究[D].南京：南京農(nóng)業(yè)大學(xué)，2008.

[3] 侯英雨，何延波.利用TM數(shù)據(jù)監(jiān)測巖溶山區(qū)城市土地利用變化[J].地理學(xué)與國土研究，2001（3）：22-25.

[4] 張友水，徐財江，李志勇.基于TM影像的紹興地區(qū)土地利用變化監(jiān)測[J].資源科學(xué)，2006（6）：120-126.

[5] 印影，姜琦剛，林楠，等.資源一號02C星數(shù)據(jù)在土地利用分類中的應(yīng)用[J].科學(xué)技術(shù)與工程，2014（29）：260-264.

[6] 于龍，周宇峰，丁麗霞，等.基于波譜角分類的土地利用動態(tài)監(jiān)測[J].浙江農(nóng)林大學(xué)學(xué)報，2014（3）：386-393.

[7] 韓彥偉，馮仕超.基于面向?qū)ο蟮耐恋乩帽O(jiān)測研究[J].測繪通報，2013（S2）：170-173.

[8] 張景華，封志明，姜魯光.土地利用/土地覆被分類系統(tǒng)研究進(jìn)展[J].資源科學(xué)，2011（6）：1195-1203.

[9] 楊惠珍，吳楷釗，范海生，等.基于遙感影像的土地覆蓋分類及變化監(jiān)測研究[J].紅外，2014（4）：38-44.

[10] 孫同賀，閆國慶.基于遙感技術(shù)的土地利用分類方法[J].測繪與空間地理信息，2013（1）：5-8.