用地理本体和相对高程识别遥感对象的方法研究＊

崔 巍 汤世明 李 荣 姚志武

（武汉理工大学资源与环境工程学院 武汉 430070）

随着遥感技术应用领域的不断扩大，不同领域对遥感影像识别和分类的需求也不断增强.通常的做法是借助领域内现行的分类标准，利用遥感技术来实现遥感对象的提取和分类.但是，现行的分类标准中，相对概念往往是根据其功能或职责进行划分的，例如，教学用地多由教学楼、宿舍楼等建筑构成，在遥感特征上与普通的城镇住宅用地等城市建筑物没有区别，仅仅通过遥感数据本身，无法对其进行提取和分类.因此，迫切需要一种方法，提取分类标准中按功能或职责分类的地物.为了实现上述目的，本文采取了一种用遥感影像、相对高程和地理本体［1－3］提取教学用地的方法.

1 利用相对高程和地理本体提取教学用地的原理

基本思路是利用高分辨率影像的阴影获取建筑的高度信息.通过将建筑高度与利用面向对象遥感提取的建筑屋顶相结合，得到其总的建筑面积；其次利用从遥感影像中提取的操场面积，根据教育部的相关规定和计算公式，换算得到对应的教学用地面积，最后通过空间分析确定教学用地的范围，实现对组成对象复杂的教学用地的分类.其中用到利用阴影提取建筑物相对高度算法［4－7］和教育部的相关规定.

1.1 遥感影像中建筑物相对高程

计算建筑物的相对高程信息基本原理见图1.

图1 太阳高度角、卫星高度角、阴影之间的关系

设建筑物的高度为H；建筑物阴影的总长度为S；α为卫星高度角；β为太阳高度角；γ为太阳方位角；L1为被遮挡阴影的长度；L2为影像上可见的阴影长度，则

如果卫星传感器扫描的方向与太阳照射的方向相反，这时L1＝0，则

1.2 相关本体知识

教育部本科教学工作水平评估指标［8］中关于教学基本设施的规定为生均运动场面积≥3m2才达到基本设施齐全的要求.生均运动场面积由室内体育场和一般运动场2部分组成，而室内运动场在矢量图上无法提取出来，不能计算出其面积.因此在计算生均运动场面积时应该不包括文献［9］规定的室内体育场（风雨操场）的平均面积0.5m2.利用这一信息进行修正，用操场的面积area除以2.5m2可以得到学生的人数st，即

文献［9］中对11项校舍的规划建筑面积的规定，见表1.

表1 11项校舍的规划建筑面积总指标 m2／生

在研究中以综合大学的建筑面积指标为计算依据，因为这类学校的建筑类型相对齐全，比较有代表性.取生均占有的建筑面积avg为22.57 m2，然后与学生人数相乘得到学生的建筑面积starea，即

由于这些指标只涵盖了学生的建筑面积，而现实中教育用地还包括教工用地，如教工公寓和教工住宅等.根据教育部本科教育评估中关于师资队伍与数量结构中生师比的规定，当生师比小于18时才达到结构基本合理的要求.取生师比ratio为18，用学生人数除以18得到教工人数t，即

文献［9］中对教工住宅和教工宿舍的相关规定确定教工的人均建筑面积.其中第三十七条规定教工住宅的规划建筑面积指标（以主管部门批准的全校教职工人员编制总数为基本参数）不得超过34.14m2／人.第四十条规定教工宿舍的规划建筑面积指标（以主管部门批准的全校教职工人员编制总数为基本参数）不得超过2.33m2／人.取教工人均占有建筑面积avg′为两者之和36.47m2／人，将其与教工人数相乘得到教工占有的建筑面积At，即：

最后将学生和教工占有的建筑面积相加得到学校总的建筑面积totalarea，即：

2 教学用地提取算法

包括如下步骤：

步骤1 用规则提取阴影，并计算出其外包矩形的长和宽.在预置地段遥感影像的矢量图中提取阴影，其中阴影的提取规则为：最大光谱差值大于1.1，近红外波段2的光谱均值小于192，边界指数小于2.5，海岸波段的光谱均值大于340，归一化植被指数介于－0.09和0.025之间，标准差小于10，紧致度小于3.3，密度大于0.56，海岸波段的光谱均值小于370.计算阴影的面积A，对阴影做其外包矩形，计算外包矩形的面积A、周长P，计算外包矩形的长l和宽w.

步骤2 根据阴影长度换算建筑物的高度，估算出建筑物的层数.计算阴影面积A与外包矩形面积A的比值ratio，当比值ratio大于0.5时，将建筑的高度H设置为外包矩形的长l乘以系数0.91，否则，将建筑的高度H设置为外包矩形的长l乘以系数0.662 563，根据建筑物高度H，按每层楼高3.5m换算成层数c.

步骤3 用规则提取屋顶，并根据屋顶面积和建筑物的层数计算出其建筑面积.在所述矢量图中提取屋顶，计算屋顶的面积s′，其中屋顶的提取规则为：归一化植被指数大于－0.083 4且小于0.315，并且海岸波段光谱均值大于353，亮度值小于851，形状指数小于4.87，最大光谱差值大于0.65，标准差大于2.85，且绿波段的光谱均值大于近红外波段的光谱均值；将层数c赋给与该阴影相邻接的屋顶.用屋顶的面积s′乘以层数c得到一栋建筑的建筑面积s.

步骤4 用规则提取出操场并计算面积.在所述矢量图中提取操场，计算操场的面积area，其中操场的提取规则为：面积大于500m2，边界指数小于等于1.37，亮度值小于567，且归一化植被指数大于等于－0.096 4，并且最大光谱差值大于0.65，形状指数小于3.1.

步骤5 用操场面积推算出学生人数.用操场的面积area除以2.5m2，得到学生的人数st；将生均占有的建筑面积22.57m2与学生人数st相乘，得到学生的建筑面积starea；用学生的人数st除以生师比18，得到教工人数t；将教工人均占有建筑面积36.47m2／人与教工人数t相乘，得到教工占有的建筑面积tarea；将学生和教工占有的建筑面积相加，得到学校总的建筑面积totalarea.

步骤6 用缓冲区分析确定教学用地的范围.对操场做自定义半径的缓冲区；当落在缓冲区内建筑的建筑面积之和sum小于学校总的建筑面积totalarea之和时，对操场再做缓冲区，再做的缓冲区的半径为上一缓冲区半径加5m，直到落在相交以后缓冲区内建筑的建筑面积之和sum不小于学校总的建筑面积totalarea之和后停止；将停止做缓冲区时缓冲区的半径定义为Ri＋1，当落在半径为Ri＋1的缓冲区内建筑的建筑面积之和sumi＋1与学校总的建筑面积totalarea之差的绝对值大于落在半径为Ri＋1－5的缓冲区内建筑的建筑面积之和sumi与学校总的建筑面积totalarea之差的绝对值时，缓冲区半径重置为Ri，否则缓冲区半径重置为Ri＋1，用重置半径的缓冲区与操场所在的科教用地格网求交，教学用地的范围为两者相交的区域.

3 实验结果和分析

在研究中选择杭州市的部分学校进行实验，其中包括大学、中学和小学.实验结果表明，该算法确定的教学用地范围是比较准确的，尤其是对综合性大学，分类结果与实际情况更接近.实验结果见图2（虚线为学校的实际范围，实线部分为实验确定的教学用地范围）.

图2 范围确定比较准确的图

但是该算法还存在一定的局限性，对于部分未按照建设部和教育部相关规定进行建设的学校，分类结果会与实际情况误差较大.

上图的结果可以发现，大学所确定的范围偏小，是由以下原因造成.

1）在用操场面积计算学校的建筑面积时选用学生人居建筑指标中有一些建筑类型未包含，如工科院校的生产性工厂及其附属用房，医学院校及个别体育院校的临床实习医院、浴室、医务所，个别学校的函授部因校外辅导站不足.

2）研究时用的人均建筑面积时按综合大学来计算的，从表1中可以看到，一些工科院校、师范类的学校的人均建筑面积都要比综合大学要大，所以用综合大学的人均建筑面积来计算工科或师范类等的院校的建筑面积，要比其实际建筑面积要小.

4 结 论

以教学用地为例，提供一种用地理本体和相对高程提取和识别按功能或职责分类的遥感对象的方法，与现有技术相比具有如下优点.

1）分别利用规则提取科教用地的建筑屋顶和操场，避免人工对其进行矢量化，为按功能和职责分类的遥感对象的自动提取和识别，探索了一条新思路.

2）利用建筑实际高度和影像中阴影长度的关系，通过阴影的长度得到建筑的高度，为二维的遥感数据推广到三维应用，拓宽了思路.

［1］崔 巍.用本体实现地理信息系统语义集成和互操作［D］.武汉：武汉大学，2004.

［2］高丽萍.基于面向对象遥感技术的地理本体推理研究［D］.武汉：武汉理工大学，2009.

［3］崔 巍，李 荣.基于分维的遥感影像最佳分割尺度研究［J］.武汉理工大学学报，2011，33（12）：83－86.

［4］何国金，陈 刚.利用SPOT图象阴影提取城市建筑物高度及其分布信息［J］.中国图象图形学报，2001，6（5）：426－428.

［5］董玉森，詹云军.利用高分辨率遥感图像阴影信息提取建筑物高度［J］.咸宁师专学报，2002，22（5）：93－96.

［6］谢军飞，李延明.利用IKONOS卫星图像阴影提取城市建筑物高度信息［J］.国土资源遥感，2004，12（4）：4－6.

［7］吴海平.用高分辨率IKNONOS影像测定城市建筑容积率的研究［D］.北京：中国农业大学，2003.

［8］普通高等学校本科教学工作水平评估指标体系解读［EB／OL］.http：／／www.doc88.com／p－38973495530.html

［9］中华人民共和国建设部.普通高等学校建筑规划面积指标［M］.北京：人民教育出版社，1992.