基于高分辨率遥感影像的城市绿地信息提取-以东莞市为例

2019-11-08贺丹

数字通信世界 2019年10期

贺丹

（东莞理工学院城市学院，东莞 523419）

随着城市化进程速度的加快，城市绿地作为城市建设中唯一具有生命力的基础设施，是城市的氧源，城市绿地在保持城市生态平衡、促进城市生态化建设、维护城市稳健发展都具有重要意义。[1]近年来，随着高分辨率遥感技术的高速发展，高分辨率遥感影像的产生，不仅使土地利用、城市规划、环境监测等方面有了更加详细的数据来源，同时有利于促进人们对地球资源和环境的认识不断深化。高分辨率遥感卫星影像具有地物纹理信息丰富、成像光谱波段多、重访时间短等特点，[2]为城市绿地信息提取提供了更为有效而准确的依据。如何充分利用高分辨率遥感影像指导城市绿地规划和生态环境建设具有重大意义。

国内外的学者对基于高分辨率遥感影像的城市绿地信息提取展开了广泛的研究，也取得了初步的研究成果。在2006年，孙小芳[3]等人采用基于纹理的城市绿地信息提取方法，对全色影像和5个纹理影像进行多分辨率分割，并对分割所形成的目标根据绿地5个纹理特征设定阈值，提取出绿地信息，提取精度达到92.8%。2010年，余柏蒗[4]等人利用引入辅助信息进行城市绿地提取，该方法分段使用高分辨率遥感影像的光谱和2维形态信息以及机载LiDAR数据的3维形态信息作为分类依据，并以美国休斯敦中心城区为研究实例，城市绿地分类精度达到93.46%。2016年，张云英[5]等人利用面向对象的方法进行城市绿地信息提取，以唐山市Geoeye影像数据为研究依据，通过监督分类和面向对象的方法分类结果进行了实验对比，得出面向对象的方法在高分辨率信息提取上要硬币传统分类技术更优的结论。

通过广泛研读国内外已有研究成果可知，目前很少有研究者应用国产高分一号卫星（GF-1）的遥感影像进行绿地信息提取研究，同时，随着遥感卫星数据的显著增加，进行信息处理和绿地提取的技术要求也越来越高，研究难度也进一步加大。因此，本文以广东省东莞市为研究区域，以国产高分一号卫星（GF-1）的遥感影像数据为研究对象，采用面向对象的方法对城市绿地信息进行提取，以研究城市绿地信息提取的基本方法，并进一步提高城市绿地信息提取精度。

1 绿地分类及影像特征

依据城市绿地的具体功能，可将城市绿地分为5大类，分别是公园绿地、防护绿地、生产绿地、附属绿地和其他绿地。

东莞市是广东省的地级市，位于中国华南地区，广州东南、珠江口东岸，东江下游的珠江三角洲。地理位置为东经113°31′-114°15′，北纬22°39′-23°09′，东西长约70.45公里，南北宽约46.8公里。东莞地势东南高、西北低，地貌以丘陵台地、冲击平原为主。城市面积约2465平方公里，常住人口834.25万人。本文选择东莞市中心城区为研究区，研究区域如图1所示。

图1 东莞市研究区范围位置图

图2 东莞市2017年9月16日遥感影像

图 3 东莞市研究区城市绿地波段1、2组合标准假彩色影像

国产高分一号卫星（GF-1）是我国于2013年发射的高分辨率对地观测系统的第一颗卫星，GF-1突破了高空间分辨率、多光谱与宽覆盖相结合的光学遥感等关键技术，本文所选数据源为GF-1卫星影像，成像日期为2017年9月16日，研究区的位置及影像如图2所示。

从图2可知，研究区所选影像云量为0%，且覆盖范围包括东莞市的大部分地区，因此所选GF-1影像数据质量较好，能为后续城市绿地信息提取提供基本研究数据，同时该影像数据的分辨率较高，直接影响了绿地信息提取的精度。

从图2中可知，研究区域内的覆盖物主要有绿地、道路、河流、建筑物等。运用ENVI5.2软件选取其中3790×3500像元子区域作为实验研究区，如图3所示，研究范围约为3.5km。将研究区域的遥感影像进行假彩色合成处理，通过计算三个波段（Band1、Band2、Band3）之间的协方差（Covariance），可知波段2（Band2）和波段3（Band3）有很高的相关性，波段1（Band1）比较独立，于是选取波段1和波段2进行波段组合，得到标准假彩色遥感影像，如图3所示。从图3可以看出，城市绿地影像表现出明显的光谱特征、纹理特征和空间特征。

2 绿地信息提取方法

为了提取城市绿地信息，本文选取国产高分一号（GF-1）卫星遥感影像，研究区域为东莞市某区域，整个数据处理过程借助ENVI5.1软件完成。

城市绿地提取的整体技术路线图为：在获取遥感影像数据之后，首先进行数据预处理，主要包括四个步骤，分别是图像融合、自定义坐标系、正射校正和大气校正，通过一系列的预处理操作，可以进一步提高影像分类、植被指数提取和光谱属性值的精度。接着进行面向对象绿地提取，主要包括调整分割尺度与合并尺度、获取绿地规则两个部分，获取绿地规则采用的是归一化植被指数（NDVI），能有效的区分有植被区和无植被区。最后，进行城市绿地信息提取与分析。

归一化植被指数（Normalized Difference Vegetation Index，NDVI）是近红外波段的反射值与红光波段的反射值之差比上两者之和。通过该比值可以较好的区分植被覆盖区与非植被覆盖区，其计算公式为：NDVI=（NIR-RED）/（NIR+RED），其中NIR是遥感影像中近红外波段的反射强度值，RED是可见光红波段反射强度值。当NDVI取值较高时，表明遥感影像中包含较多的绿色植被，一般来说NDVI的取值范围是-1～1。NDVI可以通过ENVI5.1软件中自带的NDVI计算工具得到，本文采用归一化植被指数对绿地进行初步提取，在提取过程中，要保证在其他地物尽可能少的情况下，将绿地信息最大限度的提取出来。

3 实验结果与分析

根据本文采用的整体技术路线，在获取国产高分一号遥感影像数据之后，先进行影像预处理。结合本文所选取的东莞市研究区遥感影像，将高空间分辨率的全色影像与多光谱数据进行影像融合处理，影像通过融合既可以提高多光谱影像空间分辨率，又保留其多光谱特性。选取ENVI5.1软件中的Gram-Schmidt Pan Sharpening（GS）方法进行影像融合。

正射校正采用少量的地面控制点与相机或卫星模型相结合，确立相机、图像和地面3个平台的简单关系，建立正确的校正公式，产生精确的正射图像。本文的正射校正是通过GCP+RPC+DEM的方法完成。高分遥感影像的正射校正过程与Image to Map方式的几何校正过程基本一致，主要包括5个步骤，分别是：打开数据文件、选择传感器校正模型、选择控制点、计算控制点误差、设置输出参数，其中地面控制点为（X，Y，Z），需要高程值。

大气校正是为了消除大气和光照等因素对地物反射的影响，消除大气分子和气溶胶散射的影响。根据本文进行绿地信息提取的应用需求，选取大气校正扩展模块中的快速大气校正工具（QUAC），自动从图像上收集不同物质的波谱信息，获取经验值完成高光谱和多光谱数据的快速大气校正。将高分遥感影像进行快速大气校正处理，并定位到绿地，分别选取大气校正前后的光谱曲线，从实验结果可知经过大气校正后的光谱曲线更为真实。

本文选取归一化植被指数（NDVI）为标准获取绿地规则，主要类型的城市绿地生成相应的判别规则如表3所示。从表3中可知，公园绿地的植被指数最高，一般大于-0.15，通过植被指数就能将生产绿地、附属绿地、非植被覆盖区域等。通过将矩形化指数设置为最小值到0.37，或者0.42～1，就能进一步区分公园绿地和防护绿地，其中防护绿地的矩形化指数取值为0.37～0.42。生产绿地的植被指数取值在-0.33～-0.15，附属绿地的植被指数取值在 -0.22～-0.18。

通过对东莞市研究区域的高分一号卫星影像进行反复试验和测试，从测试结果可知，不同类型的城市绿地遥感影像呈现出不同的特征，主要差别体现在植被指数和矩形化指数两个特征上。此外，从提取结果可知，在此研究区域内，公园绿地主要分布在社区所在区域；生产绿地主要分布在各个镇中心区域；附属绿地主要分布在居住区内部。除了极个别绿地信息未被提取出来，其余地区的绿地提取结果均正确。

为了研究本次城市绿地类型分类的精度，现从各种绿地类型分别选取10个感兴趣区，对分类提取结果进行精度评价，并得到各绿地类型的分类精度，从分类精度结果可知，城市绿地分类总精度达92.56%，Kappa系数为0.89，整体分类效果比较好，因此，基于高分辨率遥感影像的城市绿地提取方法综合了光谱特征、纹理特征、空间特征，能够较好的区分城市绿地类型。