·环境科学·

土地利用图斑自动综合智能方法应用研究

张苏1，陈正江1，高洁2，谢元礼1，段汉明1

(1.西北大学 城市与环境学院, 陕西 西安710127；2.陕西交通职业技术学院，陕西 西安710018)

摘要：提出适用于土地利用现状图的地图自动综合方案,提高土地利用现状图制图综合的自动化程度。采用数学形态学中变化的闭运算及基于Majority Filter的元胞自动机模型。阐述了实现该方法的详细过程,综合结果分析表明,在大幅减少图斑数量的同时土地利用结构保持基本不变。结合数学形态学算法与元胞自动机模型进行土地利用制图综合,能有效提高综合的自动化程度,并取得较好的综合效果。

关键词：土地利用;自动综合;数学形态学;元胞自动机

收稿日期：2014-04-13

基金项目：国家自然科学基金资助项目(51178163)

作者简介：张苏,男,贵州贵阳人,西北大学博士生,从事遥感与地理信息系统应用的研究。

中图分类号：P285.23

Applied research of intelligent method for automatic

generalization of land use patch

ZHANG Su1， CHEN Zheng-jiang1， GAO Jie2, XIE Yuan-li1， DUAN Han-ming1

(1.College of Urban and Environment, Northwest University, Xi′an 710127, China;

2.Shaanxi College of Communication Technology, Xi′an 710018, China)

Abstract:A plan is proposed for automatic generalization which is suitable for the present land use map, improveing the degree of automation of cartographic generalization for the present land use map. The methods are based on expansion and corrosion operators of mathematical morphology and majority filter rule in cellular automata. Details of the study is presented, and the analysis of generalization results shows that the number of patch reduced drastically while land use structure remain unchanged. The intelligent method for land use map generalization which is combined with mathematical morphology and cellular automata, is able to improve the generalization process of automation and achieve good generalization effect.

Key words: land use; cartographic generalization; mathematical morphology; cellular automata

土地利用现状图是对一个地区一定时期内的土地利用情况全面、系统的记录,记录了丰富的自然与社会属性信息,在宏观决策、规划管理、社会经济服务、科研等方面发挥着重要作用[1]。在开展第二次全国土地调查(以下简称二调)后,我国现已建立了覆盖全国范围的土地利用数据库,这一成果对土地管理部门或科研机构来讲无疑都是重要的参考数据。但是，第二次全国土地调查是基于1∶10 000开展的,在很多情况下我们需要印制更小比例尺土地利用图,就必须进行综合缩编。

1智能化综合方法原理

对于土地利用图斑而言,制图综合即为在保持土地利用结构以及空间布局形态不变的前提下,进行土地利用图斑的化简及土地利用分类体系的归并,达到对土地利用现状图的综合化简。土地利用图一般是矢量格式,本文基于栅格数据结构进行研究,须将土地利用图转换为栅格格式。

数学形态学用于土地利用图斑综合,可以对图斑进行概括、化简、移位等,但问题是该方法仅针对单一属性的对象,若同时运算则会产生大量的破碎图斑,因此仅使用数学形态学方法无法实现一幅完整地图的综合。利用元胞自动机进行土地利用制图综合,可简化图斑边界、实现图斑概括及小图斑的融合,但问题是对图斑概括的效果不佳。因此,本文利用数学形态学在处理大数据量图斑融合上的优势及元胞自动机善于化简图斑边界和融合细小图斑的特点,提出土地利用图斑的自动综合方法。具体方法如图1所示。

图1　智能化土地利用图斑综合方法 Fig.1　Intelligent generalization method of land use patch

1.1利用数学形态学进行数据预处理

利用数学形态学进行图斑聚合,问题的关键是确定最小图斑距离参数。根据数学形态学算法原理,以3×3栅格为基本结构元,经过膨胀和腐蚀运算的反复迭代,以达到图斑融合的效果。其中,将3×3栅格选作基本结构元的原因在于能够在膨胀运算的迭代次数与实现融合的图斑最小距离间建立明确的数量关系,因而可以通过控制膨胀运算迭代次数的方式实现对图斑不同程度的融合效果。具体公式如下:

D=cellsize×2×i

(1)

其中,D代表图斑融合距离下限,cellsize代表栅格大小,i代表膨胀运算次数。在经过i次膨胀运算后,结果是小于距离下限D的图斑进行融合(见图2)。

图2　膨胀与腐蚀综合效果 Fig.2　Generalization effect of expansion and corrosion

数学形态学运算针对单一属性图斑,在运算完成后需对图斑进行叠加处理,但在叠加时会出现不同地类图斑冲突,因此需要建立冲突处理原则,将其按级别顺序进行地类合并。优先级越高,地类叠加面积变化率越小。

课程内容是课程目标得以实现的载体，课程目标的完成仅仅依靠单个教育活动是远远不够的，为了增强经历活动教育的有效性，教师可围绕经历活动的总目标，结合家长资源、社区资源、幼儿园资源，将原来不成体系的、零散的经历活动根据幼儿的年龄特点进行重新梳理、整体规划，并将每个年龄段的经历教育活动设置为五个模块，即日常生活活动、主题探索活动、社会实践活动、亲子互动活动和自我表现活动，每一个经历活动隶属于某一模块。随着研究的进一步深入，新的经历活动内容不断涌现，使经历活动具有延续性，使幼儿的兴趣得到满足，使幼儿的知识经验得到提升。

1.2基于元胞自动机进行图斑综合

元胞自动机是定义在一个由具有离散、有限状态的元胞组成的元胞空间上,按照一定局部规则,在离散的时间维上演化的动力学系统,采用一定的元胞演化规则,驱动单个元胞状态发生变化,从而在大范围内呈现出宏观的变化规律与结果。经过数学形态学图斑融合运算后,将“众数滤波(Majority Filter)”作为元胞运算规则，对土地利用图斑进行综合处理,该算法具体如下:

For 循环遍历图像

{For 遍历图像中每一个栅格

{If 邻域内存在与中心栅格同属一类的栅格中心栅格属性值保持不变Else 改变中心栅格属性值为邻域内出现最多的值}}

众数滤波算法的核心思想是用邻域内栅格数值的众数替换中心栅格作为下一时刻该中心栅格的数值,如此进行迭代运算,最后运算的结果在对小图斑进行融合的同时也实现了图斑边界的化简,具体算法如图3所示。

图3　众数滤波算法示意图(以3×3邻域为例) Fig.3　Algorithm diagram of majority filter(3×3 neighborhood)

1.3利用元胞自动机进行小图斑融合

利用元胞自动机众数滤波规则进行综合后,地图中仍存在部分小于最小上图面积的图斑,需要将该部分小图斑融合到周边的大图斑中。这一步骤也采用众数滤波规则,具体运算时仅选取小于面积的图斑,具体融合效果如图4所示。

图4　小图斑融合 Fig.4　Amalgamation of little patch

2实验与分析

本文将秦岭腹地某地区二调1∶1万土地利用现状图作为研究对象,采用本文的智能化方法,以综合至1∶5万比例尺为目标进行土地利用图斑的综合实验。二调中规定的最小上图面积为400㎡,按照等比缩小的原则,限定综合后最小上图面积为10 000㎡,为对比综合效果,选择最小上图面积4 000㎡进行对比实验。表1是对制图综合前后几个主要变化指标的统计结果,“4 000”,“10 000”分别代表该综合结果中图斑面积的下限。

表1　制图综合前后土地利用数据统计表

从表1可以看出，研究区内农用地(耕、园、林、草等)和建设用地为主要地类,制图综合后这些图斑数量大幅削减,但面积变化率仍维持在10%左右,取得了较好的效果。其中,建设用地中的村庄用地在经过综合后面积变化率相对较高,近30%。这与样区位于秦岭腹地,地势起伏较大,村庄建设普遍分散的空间分布特点有很大关系。此外,在本地区所占比例极少的土地类型,如面状公路、水工建筑等,综合后图斑或被全部取舍或被部分取舍。由此看出,图斑综合后并未对当地的土地利用结构产生明显改变。

3结论

1)本文基于栅格数据模型提出了一种智能化土地利用制图综合方法。只需在综合初期设置一定的参数即可完成整个综合过程,过程中无需人为干预。最后的综合结果对于组成研究区土地利用结构占主体的耕、园、林、建制镇、采矿用地等地类的面积变化率控制在10%左右,综合前后土地利用结构未发生明显变化,取得了较好的综合效果。相比采用矢量数据模型的综合方法,本文提出方法能避免图斑重叠与空洞问题,简化了模型的实现难度;数学形态学模型与元胞自动机模型实现技术较为成熟,算法实现简洁,因此能将主要精力集中于对模型的优化与参数的研究。

2)结合数学形态学与元胞自动机的方法能够弥补使用单一方法的不足。以往研究较为详细的阐述了分别利用数学形态学与元胞自动机方法进行制图综合的作用与不足,而本文研究将两种方法结合起来,弥补使用单一方法的不足,实现了完整的土地利用综合过程。实验表明,利用数学形态学的膨胀与腐蚀运算对于土地利用图斑的融合与聚合作用明显,之后的元胞自动机运算能有效地去除因数学形态学运算产生的毛刺与破碎图斑,同时实现图斑的化简、删除与聚合。

3)制图综合的程度及综合结果的好坏与运算初始选择的参数密切相关,其中数学形态学膨胀腐蚀的重复次数、图层叠置顺序、元胞自动机的邻域类型与半径、演化次数、栅格大小等参数是影响综合结果的重要因素,因此针对综合时不同参数设置对综合效果的影响以及制图综合的适宜参数组的选择需要进一步的讨论。

参考文献：

[1]谢书明.浅谈土地利用现状图的地位和作用[J].测绘科技通讯,1995(1):37-38.

[2]武芳,钱海忠.面向地图自动综合的空间信息智能处理[M].北京:科学出版社,2008.

[3]CYNTHIA A, BUTTENFIELD B B P. Mastering map scale: balancing workloads using display and geometry change in multi-scale mapping[J]. GeoInformatica, 2010, 14(2): 221-239.

[4]闫浩文,王家耀,地图群(组)目标描述与自动综合[M].北京:科学出版社,2009.

[5]何宗宜.地图数据处理模型的原理与方法[M].武汉:武汉大学出版社,2004.

[6]赵仁亮,陈军,王东华,等.数字环境下的数据缩编更新方法[J].地理信息世界,2008(3):17-20,47.

[7]SU B,LI Z.An algebraic basis for digital generalization of area-patches based on morphological techniques[J].The Cartorgraphic Journal,1995,32(2):148-153.

[8]LI Z,SU B.Algebraic models for feature displacement in the generalization of digital map data using morphological techniques[J].Cartographica,1996,32(3):39-56.

[9]LI Z,SU B,LODWICK G,et al.Morphological transformation for the elimination of area features in digital map generalization[J].Cartography,1997,26(2):23-30.

[10]艾廷华,刘耀林.土地利用数据综合中的聚合与融合[J].武汉大学学报信息科学版,2002,27(5):486-492.

(编辑徐象平)