韩彦伟，冯仕超

(河北九华勘查测绘有限责任公司，河北保定071000)

一、引 言

20世纪以来，全球环境以前所未有的速度发生变化，一系列全球性重大环境问题对人类的生存和发展构成严重威胁，全球变化科学成为研究的热点，土地利用变化研究是当今全球变化研究的前沿和热点［1-4］。城市用地扩张过程一直是土地利用变化研究的焦点。随着经济的高速发展，城市化进程的加快，致使城市规模不断扩大，城镇建设中土地利用问题日益显现，以人口密集、经济发展相对迅速的城乡结合部更为突出，因此，国家将土地利用动态监测列为国土资源管理的基本工作任务之一。

随着高分辨率影像的出现，以及遥感信息的周期性、宏观性、现势性的特点，使得利用高分辨率遥感卫星影像对城市土地利用动态监测，获取土地利用变化信息逐渐成为研究土地的现状及其变化趋势的一种手段。城镇化对城市土地利用的扰动极为剧烈，对城市土地集约利用也产生了较为深刻的影响。QuickBird卫星作为高分辨率卫星，影像地面分辨率最高可达61 cm，影像更新周期短，因此，本研究在总结前人研究方法的基础上，以QuickBird遥感影像为数据源，以河北省保定市为研究区，采用面向对象分类技术和人工目视解译相结合的作业方法，对城市周边土地利用变化情况进行监测，为政府等决策部门快速评估研究区域城市化进程作出准确评估。

二、研究区概况

河北省保定市位于华北平原中部，位于北纬38 °10'～40°00'，东经 113°40'～116°20'之间，与北京、天津构成黄金三角，且互成犄角之势，自古是“北控三关，南达九省”的“通衢之地”，有“京畿重地”、“首都南大门”之称。全市土地总面积22 187.96 km2，下辖3个区及22个县(市)，如图1所示。研究区域主要是保定市下辖的新市区、北市区和南市区3个区。研究区内年日照时间2 447～2 871 h，年平均降水量575.4 mm，年平均气温7.5°C ～12.7°C，无霜期 165 ～200天。保定市交通十分便利，京广铁路、京港澳高速公路、京昆高速和107国道纵贯全市，是华北地区重要的交通枢纽(如图1所示)。

图1 保定市行政区划图

三、数据来源与研究方法

1.数据来源与处理

QuickBird卫星于2001年10月18日由美国DigitalGlobe公司在美国范登堡空军基地发射，是目前世界上最先提供亚米级分辨率的商业卫星，星下点卫星影像分辨率为0.61 m，全色分辨率为0.61～0.72 m，多光谱分辨率为 2.44 ～2.88 m。本文的研究以2010年和2011年两期保定市QuickBird影像作为研究的主要数据源，辅助数据主要包括保定市行政界线图层和1∶25万DEM。土地利用分类体系主要参考了中国科学院“中国资源环境数据库”土地利用遥感分类体系和《土地利用现状》国家标准，并结合保定市土地利用实际情况，将研究区土地利用类型划分为耕地、林地、草地、城乡居住建设用地、交通用地、水域和未利用土地7类。

2.技术路线与作业流程

土地利用监测流程如图2所示。

图2 土地利用监测流程图

3.遥感数字图像的预处理

(1)几何校正与配准

本研究根据全景或局部区域的地形特点，利用卫星提供的RPC数据，配合控制点(GCPs)与DEM数据，利用ERDAS软件，采用二次多项式纠正模型进行纠正。图像重采样选择双三次卷积重采样法，相比于最邻近像元采样法和双线性插值法，该方法的内插精度比较高，图像比较平滑。以纠正好的第一期图像数据为参考图像，以第二期图像为纠正单元与之配准，采样多项式纠正模型。几何配准的过程分两步:①在多源图像上确定分布均匀、足够数量的图像同名点;②通过所选择的图像同名点解算几何变换的多项式系数，通过纠正变换完成一幅图像对另外一幅图像的几何配准。

(2)图像融合

图像融合要求多源图像精确配准，分辨率不一致时，要求重采样后保持一致。原始图像数据由全色波段和多光谱图像数据两部分组成，应分别对两部分数据进行正射纠正和配准，再进行分辨率融合，形成高分辨率空间信息和多光谱彩色信息的融合图像数据。

(3)图像增强处理

遥感影像增强处理主要着眼于改进图像显示、提高遥感图像的视觉效果和可解译性，使遥感应用者易于从经过增强处理的遥感图像上获得所感兴趣的有用信息，快速实现从遥感数据向有用信息的转化［5］。利用ERDAS软件对融合后的图像进行增强处理，并结合Photoshop软件，对影像局部进行进一步图像增强处理和调色处理。通过对影像局部的对比度、亮度、色彩平衡等方面的微调整，使影像整体清晰易读、反差适中、色调均匀，主要目的是改善图像质量，提高图像目视效果，突出所需要的信息，压缩图像的数据量，使土地分类判读清晰易读，为进一步图像的人工目视判读作好准备。

四、土地利用变化信息的提取

1.土地利用变化图斑的判读和提取

对于土地变化信息提取方法，学者们已经作了很多研究，提出了很多计算机自动提取土地利用变化的方法，如影像相减法、植被指数相减法、变化矢量分析法、主成分变换法、光谱特征变异法及分类结果比较法等。但是由于受到卫星影像成像条件的不同，因此获取到的两个时相的影像存在差异，计算机自动分类的精度受到影响，从而影响土地利用变化信息的提取。相比于计算机自动分类，人工目视解译法的最大优点是方便灵活、精度高，在解译过程中能够充分利用影像解译标志和其他辅助信息(地貌，地形等)识别地物，但缺点是效率低、工作量大，同时与解译人员的经验有关。因此土地利用动态监测变化信息提取的方法趋向于结合面向对象分类和人工目视解译方法来提高监测结果准确性和监测精度。本研究结合计算机自动分类和人工目视解译方法对保定市城市周边土地利用变化情况进行监测。

2.面向对象分类

传统的分类方法是从中低分辨率遥感影像的基础上发展起来的，主要是根据象元的光谱信息进行分类，分类结果往往会产生“椒盐噪声”。这种分类方法均在一个尺度中实现所有地物类型的提取，不能充分利用影像所包含的信息。对于高分辨率遥感图像来说，由于该影像的细节信息丰富，图像的局部异质性大，传统的基于像元的分类方法易受高分辨率影像局部异质性大的影响和干扰。而面向对象分类方法利用高分辨率图像丰富的光谱、形状、结构、纹理、相关布局以及图像中地物之间的上下文信息，并结合专家知识进行分类，可以显著提高分类精度，而且使分类后的图像含有丰富的语义信息，便于人工解译。该项技术对于高分辨率影像有很好的处理效果，具有很好的应用前景，因此本研究中采用面向对象法对影像进行分类。

面向对象法是对遥感影像数据进行影像分割，从二维化的影像信息阵列中恢复影像所反映的景观场景中目标地物的空间形状及组合方式［6］。分割后影像的最小单元不再是单个像元，而是同质对象，对象包含了许多可用于分类的特征，如光谱、形状、纹理、空间关系等信息，根据遥感影像分类的具体要求，选择和提取影像对象的特征，并利用这些特征对目标影像进行分类［7］。

面向对象法主要分成两部分过程:影像对象构建和对象的分类。影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。多尺度影像分割可以理解为一个局部优化过程，而异质性则是由对象的光谱和形状差异确定的，形状的异质性则由其光滑度和紧凑度来衡量［8］。影像对象的异质性由公式(1)计算［9］

式中，F为影像对象的异质性;n为影像总波段数;fi为影像对象的第i波段异质性，计算公式如下

式中，wi为第i波段权重;hc为光谱异质性、hs为形状异质性。hc、hs由公式(3)、(4)计算得到

式中，nm、n01、n02、σm、σ01、σ02分别为合并后和合并前的影像对象的像元数及对象像元标准差;wc为光谱权重。

式中，wcm为形状紧凑度权重;hcm为形状紧凑度;hsm为形状光滑度。

式中，nm、n01、n02同公式(4);lm、l01、l02为合并后和合并前的影像对象的周长;bm、b01、b02为合并后和合并前的影像对象外接矩形的周长。

研究采用ENVI软件的空间特征提取模块，基于影像空间以及影像光谱特征，即面向对象，从高分辨率影像数据中提取耕地、林地、草地、城乡居住建设用地、交通用地、水域和未利用土地7种土地利用类型。通过计算机自动分类，最终提取研究区两期影像城乡居住建设用地分类图，对于分类结果精度验证采用随机选点加野外考察点的方法进行，第一期影像和第二期影像分布选取86个验证点，经验证，第一期和第二期影像的正确点分别为78和81个，影像所提取的城镇建筑用地信息精度为90.70%和94.19%，精度完全满足作业要求，然后通过栅格计算，计算出两期影像城乡居住建设用地变化部分。

3.人工目视解译

ArcGIS中Effects工具条可以使得两期加载的影像数据和自动分类结果快速切换，从而准确对两期影像发生变化的图斑进行提取。该工具条使用户交互式地调整栅格图层的亮度和对比度，或透明显示栅格图层。Effects工具条主要包括亮度调整工具、对比度调整工具、透明度调整工具、卷帘工具和闪烁工具等，这些增强工具用于屏幕显示着色，而不是源栅格数据集的值。亮度调整工具增强了整个图像的亮感，例如，使深色更亮，浅色更白;对比度调整工具最深色和最浅色之间的差值;透明度调整工具让用户看到栅格图层下面的其他数据图层;卷帘工具和闪烁工具，可以使两个栅格图层直接快速切换。

在ArcGIS下叠加两期影像城乡居住建设用地变化部分栅格数据和两期不同时相影像图，通过数据叠加显示，运用Effects工具条，在两期面向对象分类的变化数据辅助下，针对两个相同坐标系的影像文件进行对比目视判读，将变化区域勾绘成图，并判定变化后的土地分类，提取变化图斑信息(变化类型、面积、数量和空间位置)，大大减少了对无变化区域作分类的工作量，有效提高了监测的精度。如图3和图4所示，图3为2010年影像，图4为2011年影像，通过Effects工具条可以对两期影像变化部分进行精确人工目视解译。

图3 2010年10月影像

图4 2011年10月影像

4.土地利用变化图斑的外业调绘与后续处理

为了进一步核实内业判读的变化图斑，需要对确定新增建设用地变化图斑的进行外业实地核实，并填写完全监测图斑之记与外业调查表。最后将外业核实过的变化图斑矢量文件添加到数据库中，并且与线状地物层叠加显示，形成监测成果数据(含影像图、图斑及属性，以及监测报告)。

五、结 论

通过本研究，得出以下结论:

1)以往通过外业测绘等常规手段对土地利用变化情况进行调绘，首先是调查的时间周期很长，而且费用高，由于遥感影像具有很强的时效性，因此现在利用高分辨率影像对土地利用变化情况进行调查，调查周期大大缩短，而且价格合理。

2)采用较高分辨率卫星遥感影像和地理信息系统等技术，研制了土地利用调查与动态监测的技术方法和工作流程，实现了对土地利用现状的定位、定性与定量监测，并准确揭示了研究区土地利用及其变化的特点和规律，可以快速有效地对土地利用进行调查监测。

3)本研究利用面向对象分类技术，并结合人工目视解译，大大提高了利用高分辨率影像对土地利用监测的效率和准确性，研究结论为今后开展类似工作提供了参考依据。

［1］RINDD.Complexity and climate［J］.Science，1999，328(2):105-106.

［2］MOOREB Ⅲ.Internation Geosphere Bioshphere Programme:A Study of Global Change，Some Reflec-tions［J］.IGBP News Letter，2000，40:1-3.

［3］WALKER R T.Land Use Transition and Deforestation in Developing Countries［J］.Geographical Analysis，1997，19:18-30.

［4］陈佑启，杨鹏.国际上土地利用/土地覆盖变化研究的新进展［J］.经济地理，2001，21(1):95-100.

［5］陈述彭.遥感技术与遥感数字图像分析处理方法、解译制图及其综合应用实务全书［M］.宁夏:宁夏大地音像出版社，2005:613-618.

［6］杨昕，汤国安，邓凤东，等.ERDAS遥感数字图像处理实验教程［M］.北京:科学出版社，2009.

［7］BAATZ M，SCHAPE A.Object-oriented and Multi-Scale Image Analysis in Semantic Networks［C］∥Proceedings of the 2nd International Symposium on Operationalization of Remote Sensing.Beijing:［s.n.］，1999.

［8］BENZ U C，PETER H，GREGOR W.Multi-resolution，Object-oriented Fuzzy Analysis of Remote Sensing Data for GIS-ready Information［J］.ISPRS Journal of Photogrammetry ＆ Remote Sensing，2004(58):239-258.

［9］BAATZ M.A Schape.Multiresolution Segmentation——an Optimization Approach for High Quality Multi-scale Image Segmentation［C］∥Angewandte Geographische Information.Karlsruhe:AGIT，2000.