郎悟灵

（四川中水成勘院测绘工程有限责任公司，四川 成都 610000）

在我国，遥感影像解译技术是支撑我国地理国情普查的重要技术，利用遥感影像解译技术可以将各类地理条件信息从地理国情中发掘出来，并在地理国情的具体普查过程中起到相当重要的作用，为其提供充足的理论资料和依据，能够显著提升具体普查工作的工作效率。因此，遥感影像解译技术在我国的地理国情普查工作中能够起到十分重要的作用，并且能作为技术基础为我国的地理事业提供各种理论和技术的支持，具有十分重要的现实意义。

1 项目区概况

金沙县位于贵州省西北部，毕节地区东部，全县辖21个乡镇及4个街道办，共58万人，东西间距约100km，南北宽约23.5km，共有42个社区居民委员会、199个村民委员会。根据任务区的特点，运用高新技术和装备采用“外—内—外—内”的方式开展普查工作，即项目开展前先建立解译标志以保证地表覆盖分类的准确性。通过使用人工对遥感影像进行解译的方式将项目地区地表内容进行分类，同时采集相关的地理要素。其中存在难以判定边界且地理要素难以辨别的，还包括难以精确判定的地表覆盖分类图。根据外业调查成果对各数据层进行编辑、修改，依据《地理国情普查检查验收与质量评定规定》（GDPJ 09—2013）相关要求完成质量检查，建立多种普查成果数据库[1]。

2 遥感解译样本数据采集方法

遥感解译样本采集对地理环境的正确认知是保证解译结果正确的基本前提。在内业采集方面，利用生产的正射影像、基础地理信息数据、项目区专题数据资料，通过人工解译方式，按照《地理国情普查内容和指标》（GDPJ 01—2013）要求，采集金沙县范围内地理国情普查数据，形成包括耕地、园地、林地、草地、房屋建筑区、道路、构筑物、人工堆掘地、裸露地表、水域10种类型的地表覆盖数据以及河流、交通道路、构筑物和地理单元及界线为主的地理要素信息数据[2]。

在进行外部作业时，要根据GPS进行工作定位，记录工作轨迹，将外部作业的调查顺序和核查工作作为工作依据。同时，在进行外部作业工作时校对路线中的地理要素和图版等元素，并关注和记录沿途的地理环境和地表特征等元素。在整体地理元素的整合和分类工作中，要及时整理最新采集到的基础地理信息和特殊的地理信息，同时补充和确认发现的难以观察到的地理位置便捷等特殊信息，根据在外作业中了解到的最新成果，与最新的数据统计系统相结合进行编辑、修改、汇总，形成地理国情普查数据。对存在差异的图片进行相互的数据处理，详细检查已得到的地理元素和具体研究成果，通过修改形成普查生产基本数据，同时以此数据为分析基础，使用地理数据的统计分析组成图像，汇报并总结出研究成果[3]。

3 遥感影像解译方法

我国地表的具体覆盖分类是通过使用计算机进行智能计算和人工判读相结合的形式得到的，在存在难以判明具体条件的影响因素的情况下，例如勘测影像出现问题时，或是冬季、存在云雾等影响视觉观察和智能评定的形式下，通过人工解译的形式进行分析。

3.1 解译标志的建立

利用遥感技术所得到的地理图像通常存在差异性，而将图像中存在的差异性进行统计和比对分析就能够判别图像中的地理事物。一般情况下，在遥感图像资料中通过分析得出的图像特征就是遥感影像解译的标志。遥感影像的解译标志一般包括两种，即直接解译标志和间接解译标志。在开展任何遥感解译工作之前，都要根据实际情况提前建立解译标志，可以通过遥感技术得到的图像样片确立基础标志，然后根据实际情况和需求进行比较，在此过程中还需要根据地区位置变化和时间节点的变化更换解译标志[4]。

3.2 水体

在搜集水体的图像资料时会带有较为明显的光谱特征以及文理特征，通常这种情况会降低遥感影像的解译难度。因为水体带有特殊的光谱特性，所以近红外波段区间上其吸收能力有显著的提高，由此可以通过可见光波段的区间反射来识别图像中的水体。一般情况下，通过遥感技术测量得到的水体图像都较为平滑且均匀，利用这一特性可观察水体周围的纹理特征，并通过分析就能够明确掌握水体的边际详细情况，从而明显提高遥感影像解译最终成果的准确程度。同时，小波段的变化结合IHS（Intensity Hue Saturation）系统能够以更加明显且直观的图像形式展现水体边际的具体轮廓，即使在将图像放大的情况下依然能保证人工识别的基本条件，确保人工解译能够具备相当的精度[5]。

3.3 植被

基于遥感技术下得出的图像，植被也会反映出一定的光谱特征，而植被表现出的光谱特种有别于水体，其显示效果通常采用“根号”来表示。在实际情况下，植被的光谱由于反射条件出现在绿波段和近红外波段，这个过程中被红波段吸收，使得在解译植被的遥感图像时，通常对植被采取归一化其具体指数的方式进行解译。而我国的植物类型划分种类十分广泛，在进行具体的地理国情普查工作时，需要对地表上存在的覆盖植被进行深入且细致的分类。通过采用DSM数据以及DEM数据，可以了解到植物的大致高度，通过植物的高度能够将其进行高低类型分类。通常情况下，高度较高的植被是森林区域，而高度较低的植被是农田或草地。在解译过程中，还可以应用DLG数据选取可靠性比较高的样本，并将其作为训练样本对植物进行分类，以此提高样本解译的可靠性[6]。

3.4 建筑物

在遥感测量所得影像上，建筑物并不具有明显特征，因此很难采取合理有效的方式进行准确提取。在对房屋建筑工程进行解译时，可以根据DSM数据以及DEM数据确定房屋建筑工程的高度信息。另外，还可以通过NDVI数据有效避免植物因素的干扰，提取和分析总结房屋建筑工程的形状信息和大小信息，对各类信息进行综合整理，即可得到较为准确的房屋建筑工程解译信息[7]。

3.5 道路

在进行道路解译过程中，也可以参考历史DLG数据，通过对道路的光谱亮度值信息以及道路的长度信息和宽度信息进行提取并解译。

3.6 人工推掘地

通常情况下，人工推掘地的观察难度都比较低，但是二级类需要外业调绘数据才可以确定。针对人工堆掘地，小波变换融合后对地物的识别非常容易，地物轮廓清晰可辨，边界线条明显。高通滤波融合和比值变换融合的图像虽然也可观察出地物及辨认边界，但较为费力，部分轮廓处出现模糊现象。

4 解译样本数据库建设

依据野外核查成果，按照《地理国情普查内业编辑与整理技术规定》（GDPJ 12—2013）进行地表覆盖与国情要素、遥感影像解译样本编辑整理，按照《地理国情普查数据库建设技术方法》的要求建立地理国情普查本底数据库。遥感影像解译样本数据库由记录地面照片属性及文件名的PHOTO数据表、记录遥感影像实例属性信息机文件名的SMPIMG数据表以及反映地面照片和遥感影像实例对应关系的关系表组成。不单独存储样点组相关信息，只具有逻辑意义，若有需要，可通过样点（地面照片）空间位置的相邻性特征识别样点组。

5 结束语

综上所述，在地理国情普查中应用遥感影像，能够有效提高测量精度和测量效率，对于测量所得影像数据，可以采用人工解译方式或者自动解译方式进行解译，并将解译成果作为参考资料，便于测量工作人员直接判断。需要注意的是，遥感影像质量会对遥感解译质量产生较大影响。因此，在地理国情普查中，一般采用自动解译结合人工解译的方式，这样能够有效提升地理国情普查工作效率。