肖 昶，张 莉

(1. 湖北省基础地理信息中心，湖北 武汉 430074； 2. 湖北省测绘成果档案馆，湖北 武汉 430074)

地理国情监测已经进入到了常态的动态监测阶段，其主要工作方式为在统一底图上，使用最新的遥感数据对既有成果进行变化检测和数据更新[1]。而随着遥感事业的飞速发展，越来越多的新型设备和新的处理方法不断涌现，使遥感数据来源多样，质量不断提升，推动遥感数据在地理国情监测中广泛应用[2]。但遥感数据源的复杂性和庞大数据量，使选择地理国情监测数据源成为难题，有必要对各种遥感数据源进行对比评价，以选择成本更低、精度更高的数据源，更好地为地理国情监测服务[3]。

许多专家学者对相关问题进行了研究。文献[4]基于空间分辨率和成图比例尺提出了选择航天遥感数据源的依据，选择出了适用于第二次全国土地调查的航天遥感数据源，但其适用范围具有一定的局限。文献[5]讨论了可见光、多光谱及高光谱数据的波谱特征、云量，以及光照、价格等因素，为公路区域生态环境监测中数据的选取提供了依据，但其仅针对公路进行了研究。文献[6]依据地质灾害调查中的区域类型、精度要求及解译效果、最佳成图比例尺等提出数据选取原则，对滑坡灾害不同时期的数据实现选取和处理，但其方法适用于灾害研究及其数据的处理，所得的方法也并不适用于常态的地理国情监测研究。

本文对地理国情监测数据源的种类、光谱特性、时相、分辨率、影像质量及价格等影响其质量和实用性的主要因子进行分析，针对不同需求提出对应的指标体系。在此基础上提出一种结合主观专家评价和客观熵值计算的比选方法。首先综合人工赋权和熵值法自动赋权两种方法，对各因子给予相应的权重；然后加权求和，得到比选指标结果；最后比较分析，选择评分最优的数据源作为待选数据源。

1 地理国情监测的遥感数据源

数据源对地理国情监测的生产效率和产品精度都具有决定性作用。近年来，遥感数据源种类不断增加，由于其特征参数存在诸多差异，如何从大量复杂的遥感数据中选取最佳地理国情监测的数据源成为亟需解决的问题。

地理国情监测的数据源主要有以下几类：中、低分辨率遥感影像数据，包括卫星影像如Landsat 7和Landsat 8卫星的影像数据等；高分辨率影像数据，如航空像片、Spot 5、高分一号、高分二号、资源三号数据等；无固定分辨率的数据，如Google影像等[7]。各类遥感数据源见表1。

表1 地理国情监测的主要遥感数据源

2 遥感数据源比选

2.1 据源质量因子

评价遥感数据源主要有两类指标，一类为遥感研究对象的地理特性，即地物的空间分布、波谱特性、数据的时相等，对应了空间分辨率、光谱分辨率、辐射分辨率和时间分辨率[8]4个分辨率指标；另一类为具体应用特性，包括精度要求、类型、成本等。若需要提取几何结构参数，通常使用航空像片、激光雷达或多角度观测数据；若需要提取非表面信息，通常使用微波遥感；若需要获取生化参数，通常选择高光谱数据。实践中可基于这两类指标，建立评价体系对数据源进行综合评价选取[9]。

地理国情监测数据源选择时，不仅需要考虑数据自身属性，还需要考虑数据处理分析及相关产品的要求，如比例尺、覆盖面积、地形特征、地物类别及分布等[10]。若同一年不同季节的影像，应选择适宜时相的影像以更好地反映地物特征；若影像数据源的时相适宜但分辨率较低，可用分辨率较高的旧影像作为辅助；为保证数据覆盖，需要选择同一地区不同时相的影像进行对比研究[11]。地理国情监测中常用的数据源选择指标包括分辨率、时相、价格、覆盖范围、地形、经济、人文等要素。

2.2 地理国情监测数据源评价体系

本文研究从反映影像质量、解译和应用效果等方面出发，选取空间分辨率、时相、波段特征、含云量和价格指标，通过赋权，建立指标体系，评价数据源，实现地理国情数据源的选取。由于不同的研究对象对指标有不同的需求，本文分别针对水体、植被、建筑3种地理国情监测对象，对遥感数据源进行分析和评价[12]。

水体会随季节变化，对其进行研究时需要得到较为完整的信息，故时相选择尤为重要[13]。同时，无论在哪一波段，水体的图像特征均呈现深色调，与周围地物相比反差较大，且这种特性不会随区域与时相变化，反差大时分辨率适当降低也能由于其差别过大而被识别，因此对于分辨率的要求可适当降低[14]。而含云量与价格可以看作固有属性，云量会影响后续研究，而价格较为固定，但选择可以多样，研究者可以根据经济状况作出选择，其重要程度相对较低。

植被分析上与水体大致相似，时相要求高。选择植被茂盛、信息量丰富的影像较为重要[15]。分辨率方面在信息丰富的程度上能准确判别其与其他地物的差别即可。含云量与价格考虑相同。

由于环境较为复杂，建筑物比选有别于前两者，包含各种主次干道、房屋、地物，且在城市中排布紧密，故空间分辨率要求较高。建筑物体随时间变化不大，时相考虑上主要受周边水体、植被影响，因此权重值不与水体和植被一样大。考虑到城市建筑较为集中，较大云量会遮蔽大量信息，因此含云量给予较大权重。价格同样是作为辅助参考[16]。

2.3 数据源评价方法

本文综合专家评价法和熵值法对各数据源的评价指标进行赋权并计算得综合分值，通过比较分值得到最佳数据源。操作流程如图1所示。

2.3.1 专家评价法

不同的研究对象对指标有不同的需求，本文针对水体、植被、建筑3种研究对象，根据参考文献和专家评价调研结果，依据研究对象的不同，对相应数据的指标赋予不同权重。

水体的范围会发生季节性变化，因此数据的时相信息尤为重要，赋予40%的权重。由于水体反射作用较强，在大多数波段的图像都呈现深色调，与周围地物反差较大，且不产生区域性与时间性的变化，因此对于数据源分辨率的要求可适当降低，将其权重定为20%。波段数过少或过多对于信息的提取都有影响，将其权值定为10%。含云量与价格可以看作固有属性，云量会影响研究效果，设权重为20%，以保证数据完整性与可用性。影像数据价格相对便宜，重要程度相对较低，权值定为10%，以提供参考。

植被的评价指标赋权与水体大致相似，在本文中需选择植被茂盛、信息量丰富的影像。植被的研究对时相要求较高，设定比重为40%。分辨率上在信息丰富的程度上能准确判别其与其他地物的差别即可，权重设为20%。波段数的权重设为20%，含云量为10%、价格为10%。

建筑物所处环境复杂，且排布紧密。准确识别建筑物对象需要较高的分辨率，将其权值赋为40%。由于建筑物随时间变化较小，其时相因素主要受周边水体、植被影响，所赋权重略小，为20%。由于城市建筑较为集中，较大云量会遮蔽大量信息，影响较大，其权重设为25%。波段数和价格同样是作为辅助参考，波段数权重为10%，价格权重为5%。

将各评价指标值转换成相应的分值，再依据权重进行加权求和。计算过程如下：

针对不同的研究对象，空间分辨率的阈值设定差别较大，水体阈值为30 m；植被为5 m；建筑物为2.5 m。空间分辨率等于阈值时，其转换评分值V1为1，分辨率为其他值时，评分等于阈值R与当前空间分辨率R1的比值，本文方法中，分辨率值越接近阈值，评分越高。

V1=1-0.01·|R1-R|

(1)

时相评分值M1以月份为单位，不同地物对应的最佳研究值M为：水体：5、8月；植被5、6月；建筑1、2月。时相为最佳值时，转换评分值V2为0.7；时相为其他值时，转换评分值V2均以每间隔最优值一个月递减0.2计算。

V2=1-|M1-M|·0.1

(2)

含云量低于10%时，评分值V3为1，高于10%时，评分值V3的计算以含云量C越高，评分值越低为原则。

V3=1.1-C

(3)

设定波段数为B1，其最佳值B在3～15之间，在此范围内，波段数评价值为1，若不在此范围内，则距离两边界值越远，得分值越低。计算公式为

V4=1-0.1·|B1-B|

(4)

经调研，设定价格阈值为500元，其他值评分V5为最能接受的代价值P除以当前代价值P1所得。

V5=P/P1

(5)

最终得分值V为4种评价值进行加权运算得到。

V=V1·a+V2·b+V3·c+V4·d+V5·e

(6)

式中，a、b、c、d、e为各评价指标对应的权重。

一般而言，专家评价法具有较高的可靠性，但是专家的权威性、专家小组组成的合理性、专家们评价的主观倾向性等是选择专家组合设计评价模型时需要解决的问题[17]。

2.3.2 熵值法赋权计算

熵值法是指利用评价指标自身的信息来确定其价值的一种方法。熵是一种信息无序度的度量，熵值越大，信息的无序度越高，反之，熵值越小，信息的无序度越小，信息的有效度越大，可以用信息熵值来判断评价指标的有效性。其原理为：

将数据存储为矩阵Xij(m×n)，进行最大标准化处理，得到矩阵Yij(m×n)，即Yij=Xij/max(Xij)。通过下列公式[12]计算第j项指标的熵值ej(0≤ej≤1)和信息效用值dj。

(7)

式中，k=1/lnm；dj=1-ej。

则各指标的权重为

qj=dj/∑dj

(8)

所有数据源的评价值为

(9)

2.3.3 综合主观评价法和客观评价法的数据源比较评价

根据相关文献统计，武汉市武昌区的各种地形类物中，水体占约43.43%，植被占约15.02%，将剩余占41.55%部分均按照建筑物的评分方法进行评价。根据多次试验和与实际情况对比结果，将主观评价法所得结果M1赋予55%的权重，将客观评价法所得结果M2赋予45%的权重，则各数据源的最终得分M的计算结果为

M=M1×55%+M2×45%

(10)

其中，通过对水体、植被、建筑物3种地物的评价结果分别按照地物分布比例赋权重，再加权计算，得到主观评价法的总得分计算结果，相应公式为

M1=Mwater×43.43%+Mvegetation×15.02%+Mbuilding×41.55%

(11)

式中，Mwater、Mvegetation和Mbuilding分别表示针对水体、植被和建筑物的数据评价结果。

3 试验及结果分析

3.1 试验数据

本文采用的数据范围为武汉市武昌区，包括Landsat 8影像、Planet影像、资源3号影像、高分1号影像、高分2号影像、航摄影像及Google影像数据，详细参数见表2。

表2 遥感数据源参数

3.2 结果分析

本文分别采用综合专家评价法和熵值法的方法，对各数据源的空间分辨率、时相、波段数、含云量、价格5个参数进行权重和评分计算，并基于Windows10系统和VS2017平台开发了系统，实现了通过依次输入多个数据源的参数，计算相应的评价结果并将结果录入文档中。评价对比结果如图2所示。

可见，针对不同地物目标，各数据像的评价结果不尽相同，采用不同的评价方法得到的结果也不相同。其中，数据1为进行水体和植被研究的最优数据，数据6为进行建筑物研究的最优数据。若提取3种地物，基于专家评价法可得数据1为最优数据源；根据熵值法数据2为最佳数据源；综合主观评价法和客观评价法可得，数据6为最佳数据源。

分析数据参数可知，数据1的时相和分辨率均满足水体研究的阈值，在水体研究中具有明显优势；数据1的时相也是植被研究的最佳时相，而时相对于植被的研究权重较大，同时数据1的分辨率也与植被研究分辨率阈值接近，因此数据1提取植被也有优势。虽然数据3分辨率最接近建筑物提取的分辨率阈值，但其时相与阈值相差较大，而数据6的时相与建筑物提取时相阈值最接近，其他参数相差不大，因此数据6为更适合建筑物研究的最优数据。在实际生产中，由于航空影像分辨率较高，且其获取时分辨率、时相等参数可控性更高，其应用也最为广泛。因此本文研究所得结果与实际研究相符，评价结果较为合理。

4 结 语

本文综合选取遥感数据的分辨率、时相、波段数、含云量和价格5项指标，设计和实现了一种结合主观专家评价和客观熵值计算的地理国情监测数据源比选方法。得到如下结论：

(1) 利用熵值法赋权，不受主观因素的干扰，可基于数据的物理特性，对数据源进行总体评价。

(2) 利用专家评价法赋权，可充分利用先验知识，明确各因素的应用价值，对数据源的应用价值进行总体评价。

(3) 数据源对不同种类地物的提取的影响程度不同。需要针对不同研究对象制定不同的评分标准。综合主观评价法和客观评价法对数据源进行评价比选，可充分发挥两种方法的优势，弥补各自的不足，使评价体系和方法更加科学有效，获得的评价结果更加合理可靠。

后续工作将对数据源的评价比选标准和方法展开进一步优化，以使参数挑选更加合理，赋权更加科学，计算更加自动化，更大程度地实现地理国情监测数据源比选的自动化和智能化。