刘顺喜++戴建旺等

摘 要：该文以国产高分一号卫星WFV数据为数据源，采用面向对象分类技术，研究面向全国范围的宏观监测信息提取技术及系统实现。一方面，研究了大尺度上利用高分遥感影像和面向对象分类技术进行宏观监测信息提取一整套技术方法，并对其中的建设用地进行了重点研究。另一方面，在集群计算环境下，利用高分一号卫星WFV数据，实现基于面向对象的宏观监测信息自动提取，并重点对建设用地提取结果进行了验证，验证结果显示分类精度优于80%。该研究提高了利用中等分辨率影像进行宏观监测的准确性及时效性，为合理利用和管理土地资源提供决策支持信息，支撑土地利用业务化应用。

关键词：高分WFV 面向对象分类 建设用地 土地利用 信息自动提取

中图分类号：TP753 文献标识码：A 文章编号：1672-3791（2015）06（b）-0033-03

当前中国正经历着快速的城市化，特别是在沿海经济发达地，城市扩展速度已经远超过发展中国家的平均扩展速度。合理利用城市土地是实现城市经济和社会发展目标的重要手段，是政府用以保护生态与自然环境、合理利用资源、统筹安排城市发展空间布局及维护城市发展过程中和谐与平衡的重要依据[2]。

随着卫星遥感技术的发展，城市化进程的加剧，遥感技术在城市土地利用监测的应用得到了空前的发展。遥感对地观测技术能够大范围、快速获取地表信息，并且具有客观性、时效性、综合性、经济性以及多时相的特点，是当前在大尺度区域上进行土地利用详查、制图和变化信息动态监测的最有效技术途径。相关学者采用遥感图像在区域范围内进行土地利用调查方面开展了广泛的研究，并且提出了适用于遥感数据的土地利用分类系统和方法。张友水等利用两期TM影像，对影像进行缨帽变换，通过两时相的亮度轴（B）、绿度轴（G）和湿度轴（W）3个分量的差值运算进行信息复合，在绍兴区进行土地利用变化监测研究[4]。印影等以资源一号02C星为数据源，通过对影像进行融合处理，采用面向对象分类方法进行土地利用分类，总体分类精度达到93.04%[5]。于龙等采用波谱角分类方法，通过选取不同图像子区域的同一地物不同变异端元来消除端元变异性对分类精度的影响，结果显示波谱角分类对城市用地分类具有较好的可应用性[6]。韩彦伟等以河北省保定市市区为例，结合QuickBird数据，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，对其土地利用变化情况进行监测。

上述土地利用分类方法多是基于像元的光谱信息，不能有效地提取出影像中的空间纹理信息，无法保障自动识别精度。部分基于面向对象分类技术研究也主要是基于国外高分辨率数据源，且不具备面向大区域的推广的能力。罕有以国产高分辨卫星为数据源利用面向对象技术进行大范围土地利用信息分类提取的研究。基于此，本研究以面向对象分类技术，构建基于高分一号卫星WFV数据（幅宽达800公里）的宏观监测特征库，搭建集群计算环境，实现大区域范围内建设用地信息的高效、自动提取。

1 研究区域概况

该文以中部第4小区为研究对象，以河北省保定市和河南省郑州市为例进行土地利用宏观监测，重点建设用地的提取信息进行分析和验证。

保定市位于北纬38°10′～40°00′，东经113°40′～116°20′之间。北邻北京市和张家口市，东接廊坊市和沧州市，南与石家庄市和衡水市相连，西部与山西省接壤。郑州市位于东经112°42'～114°14'，北纬34°16'～34°58'，东西宽166公里，南北长75公里，总面积约为7446.2平方公里，其中市区面积约1010.3平方公里，山地面积约2377平方公里。两市处于华北平原中北部，属于温带季风气候。冬季干燥寒冷，夏季高温多雨，春季干旱少雨，蒸发强烈。春季旱情较重，夏季常有洪涝。年均温和年降水量由南向北随纬度增加而递减。年均温11～12℃，南北相差3～4℃。7月均温大部分地区26～28℃；1月均温为-5～-4℃。全区0℃以上积温为4500～5500℃，10℃以上活动积温为3800～4900℃，无霜期200～220天，年降水量500～600毫米。

2 数据获取与处理

良好的数据及完整的资料准备是地类信息提取的基础，为了实现地类信息提取规则的真实性，可用性及普适性，前期数据准备及处理方面输入数据包含GF-1号多光谱遥感影像数据、对应的30m分辨率DEM高程数据及研究区矢量。高分一号卫星2013年发射升空，GF-1卫星搭载了两台2m分辨率全色和8m分辨率多光谱相机，四台16m分辨率多光谱相机。16m分辨率多光谱相机幅宽达到了800公里，在具有类似空间分辨率的同时可以在更短时间内对同一个地区重复拍照。该研究从中国资源卫星应用中心获得2014年6月份无大片云雾覆盖影像数据。DEM从USGS网站下载，矢量数据由相应地方业务部门提供。

数据预处理主要是包括正射校正及辐射校正。正射校正以15m分辨率的Landsat8全色影像为基准，同时输入DEM数据，从而保证误差控制在一个像元之内。辐射校正则消除了大部分气溶胶的影响。同时为了尽可能的保留影像数据的原始光谱信息，影像无需做匀色处理。

3 研究方法

3.1 信息分层提取思路

该研究针对耕地、园林地、草地、水域、建设用地5种一级地类，采用分层逐级提取的思路进行提取。信息提取步骤如下：

第一步：将影像分为植被与非植被，在第一层提取中能保证较高的提取精度。

第二步：将第一步的分类结果作为参考参与进一步的分类，在植被区域内进一步分为园林地和非园林地，在非植被区域内进一步分为水体和非水体，排除非植被对园林地的干扰和植被对水体的干扰，同时在进一步提取时也能只考虑园林地（水域），设置合适的分割尺度等参数。

第三步：将第二步的分类结果作为参考参与进一步的分类，在非园林区域将其分为草地和耕地两类，在非水体区域将其分为建设用地和其他用地。如图1所示。

3.2 面向对象的尺度分割

影像分割是以某个像元进行并行生长，然后以此为种子向周边像元进行合并同质性比较大的相邻像元的过程，从而把图像划成若干个互不交叠的区域。在相同的区域内，图像具有相同或相似的特征，这是面向对象信息提取技术的基础。不同大小的分割阈值，生成的影像对象多边形的大小、数量也不相同。分割尺度越大，影像中生成的对象数量越少，单个对象的面积越大，反之亦然。但分割尺度太小，地物显得破碎且工作量大；分割尺度过大，会出现“淹没”现象，许多小面积的地物将无法提取出来，从而影响到地类分类的精度。

3.3 规则集研发

规则是指鉴别某种地类的判断原则，原则必须具有普遍性和独有性。地类信息提取规则集的开发是基于区域大量数据研究的基础，研究地类本身特征及地物之间的关联性，以典型地区的影像数据为研究热点，针对该影像数据的地物有针对性的开发相应的规则，并将规则应用于同类型影像数据中反复测试修改，直到该区域的所有影像数据均能提取出较为理想的地类图斑。

遥感影像上植被较绿，耕地作物信息明显，采用波段运算得到植被指数灰度影像层，然后利用多阈值分割方法将植被信息从影像里区分出来。林地在近红外波段上与耕地上有明显的区别，可先用DEM数据界定出林地的大致范围，然后根据林地的纹理较为粗糙特征，利用绿波段的均方差信息进行结果优化。草地信息表现为针状细碎地物，可以利用红波段均方差及纹理特征将特征值大的定义为草地区域。相对于其他地物，水域提取较为容易，大部分有水区域水体指数值较高。建筑物在红波段上则体现出亮度值较大的特点。针对上述地物在影像上的不同特征，可以较好的完成其相应提取（具体规则见表1）。

地类提取规则的创建是信息提取的关键和难点，主要表现为两大难点，一是地类通用特征的找寻；二是地类提取临界条件的判断。特征建立的原则要能够将所提地物的信息突出，并且信息为直方图上的极大值或极小值区域范围。临界条件的设定，关键在于两次条件计算时能够有比较大的差异性，这种终止条件为非此即彼。规则集创建过程如图2所示。

3.4 精度验证

鉴于在宏观范围内进行土地利用监测，依靠野外样点调查进行验证的方法难以实现，本研究通过目视解译，人工勾绘相应地类样本，对提取的地类图斑进行精度评价。首先选取同一时间相应区域GF-1号2m、8m融合正射影像数据，与16m影像数据相比，其能够更清晰的识别地类，从而可以保证样本勾绘的准确性。在待评价区域内，选取多个地物信息丰富、有代表性的小区域作为样本区。在样本区内，采用人工目视解译的方法，采用分辨率较高的GF-1号2m、8m融合影像进行样本勾绘（宏观监测使用的基础影像为GF-1号16m影像）。最后使用样本与提取结果进行叠加分析，计算得到分类精度。计算公式如下：

①

式中，P 为图斑分类精度，Cn为分类正确的某地类图斑面积，Sn为该地类样本图斑总面积，Sz所有样本图斑总面积。预期结果为P ≥80%。

4 试验与分析

4.1 试验结果

采用面向对象分类技术，结合2014年6月份高分16m分辨率影像数据，对河北省保定市和河南省郑州市土地利用信息进行提取。

保定市2014年第二季度土地利用宏观监测提取图斑14755个，面积30521866.19亩。其中建设用地图斑9777个，面积4334105.66亩，占比14.14%；郑州市2014年第二季度土地利用宏观监测提取图斑8389个，面积11285302.11亩。其中建设用地图斑4864个，面积3422463.83亩，占比30.33%。从上述土地利用宏观监测信息提取效果看，面向对象分类的方法得到的分类结果不存在“椒盐”现象，分类结果比较紧致。与相关专题图相比，符合市级土地利用实际情况。如图3所示。

4.2 精度评价

按照2.3.6部分精度验证方法对保定市建设用地图斑提取结果进行精度评价，图4为保定市样本选择及解译结果。

依照保定市样本选择及解译过程，对郑州市高分辨率数据进行相应处理，其两市图斑分类精度见表2。

通过对保定市和郑州市两市图斑提取进行精度评价计算，主要得出以下结论：从图斑分类精度上来看，面积小于等于100亩的图斑分类精度较低，接近达到70%，随着图斑面积的增大，分类精度有明显的提高，面积大于等于500亩小于1000亩的图斑分类精度达到80%，面积大于等于1000亩的图斑分类精度平均达到90%以上，总体分类精度大于80%。

4.3 处理效率分析

该研究在当前主流硬件环境下（处理器：Intel（R） Xeon（R） CPU E5-2690 2.9GHz；内存：16.0 GB；硬盘：2T）对系统单计算节点、3计算节点和6计算节点的处理效率进行了测试，选取不同栅格数量的遥感影像作为测试数据。测试结果如图5。

根据测试结果，系统在3计算节点状态下，且任务量较小时，加速比主要在2-3倍间浮动，随着任务量的增大，加速比呈上升趋势，能够达到3倍以上。系统在6计算节点条件下，当任务量较小时，加速优势不明显，且加速效率与3计算节点状态大致相当，随着任务量的增大，加速比呈上升趋势，能够达到6倍以上。依此推算，当系统具备20计算节点时，能够在2周内完成面向全国的建设用地（宏观监测）信息提取。

5 结语

目前，土地利用宏观监测业务在全国范围内基本依靠人工解译的方式进行作业，面向对象的自动化提取方式由于技术瓶颈所限，尚未得到普遍应用，鲜有面向大范围的宏观监测信息自动提取案例，而该研究瞄准业务需求，首次实现了面向全国的大范围建设用地（宏观监测）信息自动化提取。该研究结论主要包括以下三点：（1）该研究以利用高分一号WFV数据为数据源进行全国建设用地（宏观监测）信息提取技术研究，提出信息提取规则集的总体设计及开发方案。同时，在典型区域进行建设用地提取精度评价，图斑提取总体精度在80%以上。（2）该研究基于eCognition Server进行系统的二次开发，具备其优秀的并行计算能力，在面向大区域进行作业时，有明显的效率优势。当系统能具备20节点时，能够在两周内完成全国960万平方公里的建设用地（宏观监测）提取任务，满足业务时效需求。（3）上述结果表明以GF一号卫星WFV影像为数据源利用面向对象技术在集群环境下进行大尺度的建设用地调查是可行的，国产高分一号卫星数据可以在大尺度的土地利用信息自动化提取中进行广泛的应用。

参考文献

[1] 李波.基于多源遥感数据的城市建设用地空间扩展动态监测及其动力学模拟研究[D].杭州：浙江大学，2012.

[2] 宋刚贤.基于遥感影像的城市违规建设用地监测研究[D].南京：南京农业大学，2008.

[3] 侯英雨，何延波.利用TM数据监测岩溶山区城市土地利用变化[J].地理学与国土研究，2001（3）：22-25.

[4] 张友水，徐财江，李志勇.基于TM影像的绍兴地区土地利用变化监测[J].资源科学，2006（6）：120-126.

[5] 印影，姜琦刚，林楠，等.资源一号02C星数据在土地利用分类中的应用[J].科学技术与工程，2014（29）：260-264.

[6] 于龙，周宇峰，丁丽霞，等.基于波谱角分类的土地利用动态监测[J].浙江农林大学学报，2014（3）：386-393.

[7] 韩彦伟，冯仕超.基于面向对象的土地利用监测研究[J].测绘通报，2013（S2）：170-173.

[8] 张景华，封志明，姜鲁光.土地利用/土地覆被分类系统研究进展[J].资源科学，2011（6）：1195-1203.

[9] 杨惠珍，吴楷钊，范海生，等.基于遥感影像的土地覆盖分类及变化监测研究[J].红外，2014（4）：38-44.

[10] 孙同贺，闫国庆.基于遥感技术的土地利用分类方法[J].测绘与空间地理信息，2013（1）：5-8.