多方法的地理国情地表覆盖分类研究

胡 艳，袁 超

（1.重庆市地理信息中心，重庆 401120；2.武汉大学 遥感信息工程学院，湖北 武汉 430079）

地理国情监测是新时期空间信息科学的重要使命，已被确定为未来 20 a我国测绘工作的重点之一，其相关内容在国外已有所开展[1-3]。在强大的对地观测数据获取能力和先进的科技力量支撑下，在全球经济一体化的形势下，国外发达国家的地理国情监测范围不再局限于本土，而是扩大到区域或全球尺度[4]，如美国地质调查局2002年启动的“地理分析和动态监测计划（GAM）”[2]。近年来，部分省市测绘部门在地理国情、省情的监测与分析方面陆续开展了一些尝试，如重庆市连续7 a的主城区建设用地动态监测与分析、连续3 a的区县建设用地动态监测与分析、生态管制区监测与分析等，但总体来说，这些工作还是探索性的，未形成规模和体系。2010年12月，李克强副总理在全国测绘局长会议的批示中指出“要加强基础测绘和地理国情监测”，正式拉开了我国全面开展地理国情监测的序幕。

2012年10月地理国情监测项目得到国家正式立项。2013年，国家测绘地理信息局发布《关于下达2013年地理国情普查试点生产计划的通知》（国测国发[2013]18号）文件，有计划有选择地开展第2批地理国情普查试点工作，重庆市永川区被列入第2批地理国情普查试点。永川区地理国情普查试点的目标除完成规定的工作内容之外，更重要的是积极开展多方法的地理国情普查技术研究。本研究主要针对地理国情普查中工作量最大的地表覆盖分类数据采集，对多方法的地表覆盖分类进行研究与总结，为深化完善普查内容、技术标准等提供有益建议，为下一步全市地理国情普查积累技术经验，提供解决方案。

1 试点区域及数据源

1.1 试点区域概况

永川区位于重庆西部，东西宽44.48 km，南北长71 km，幅员面积1 576 km2，是重庆市6大区域性中心城市之一。境内以丘陵地貌为主，地形破碎，地物复杂。截至2012年底，永川区辖7个街道，16个镇，210个行政村，户籍总人口为112.88万人。

1.2 资料分析与利用情况

1）高分辨率遥感影像数据。本次永川区地理国情普查所采用的基础影像数据为2011年7月份以及2012年9月份航飞的20 cm航空影像，以及2013年1月采集的资源三号卫星影像，覆盖整个永川区域，是地表覆盖分类的基础数据源。

2）基础地理信息数据，主要包括1∶1万DLG，覆盖整个永川区，共计81幅，成图时间为2004年，主要用于道路面、房屋面的提取。此外，DLG中植被标识点及植被线用作地表覆盖的解译参考。

3）专题数据资料。项目实施过程中收集到相关国土、水利等行业部门的专题资料，用于地表覆盖类型的辅助判断。其中国土部门的土地利用现状分类数据参考价值较大，时间为2009年。

2 基于多方法的永川区地表覆盖分类

2.1 基于专题图层分割后进行人机交互式解译

利用土地利用现状图斑作为专题图层参与航片分割，直接赋予土地利用现状图斑的属性，并在ArcGIS平台中进行图斑的属性核查与属性录入。试点研究表明，约17种地类（共计46类）的图斑可直接对应到地理国情普查分类体系中，但整体上需人工核查。此外，由于土地利用现状图斑的边界与影像套合偏差较大，导致分割后的图斑过于细碎，边界修整工作量较大。该方法技术路线可行，但与全人工相比，无论在工作效率还是成果质量上都无明显提升。

2.2 基于规则库自动解译辅以人机交互式解译

1）影像分割。永川试点所用航片数据包含红、绿、蓝3个波段，颜色经过匀色和均衡性处理，直接分割后很难建立解译规则库，监督/非监督的分类效果不佳。因此，在研究中对分割方法进行优化，引入资源三号卫星影像、DEM、坡度等辅助资料参与建立规则库。经试验，根据地物背景的复杂性，分割尺度控制在120～200的范围，各个图层权值航片选取为1，资源卫星和DEM、坡度为选取为0，分割的图斑边界与航片之间的套合最好。

在满足必要的形状标准前提下，尽量采用颜色标准。在永川试点中，SHAPE参数的设置在0.1～0.3，Compactness参数的设置为0.2，效果较好。

2）特征分析及自动解译。基于资源三号卫星影像、DEM、坡度等辅助资料建立解译规则库，基本可提取水体、水田、林地、道路以及其他硬化地表等部分大类及中类。对于水体，NDWI和SLOPE特征能较好识别，在永川典型丘陵地貌中，水田的分布与地形的相关性很高，坡度的导入能大大改善水田的提取结果。林地和草地主要采用规则库中所用特征，其中草地的NDVI范围较窄、值较大，色彩较为均衡，因此Standard Deviation Red特征相对较低；对于硬化地表，Brightness和Mean Blue（航片）特征能较好地识别；其他植被区采用NDVI和Standard Deviation Blue进行提取。

自动分类阶段，遵循“先易后难，减法法则”。“先易后难”即先提取最容易的水体、林地、水田、硬化地表等。“减法法则”即第一次规则使用时，尽可能全面包含潜在目标类别信息，后续规则逐步剔除非目标信息，最终得到准确的目标信息。

在自动解译过程中，道路与周围建筑、旱地以及其他硬化的粘连现象较为突出，后期人工干预的工作量较大。因此，利用1∶1万数据库中的道路以及建筑，对照影像进行更新后作为专题图层参与分割，以解决道路与周围地物的粘连问题（见图1）。

对各类地物的特征进行分析，建立遥感自动解译库如表1（如无特别说明，相应的Red、Green、Blue指资源三号卫星的多光谱波段）所示，图2为自动解译的效果图。

表1 地表覆盖解译规则库

3）人机交互式解译。将自动解译后较稳定的分类结果（水体、水田、林地、草地、道路等类型的地物）在Ecognition中检查后合并导出，其他图斑不作合并处理，进入人机交互式解译流程。

由于自动解译的图斑非常破碎，图斑的锯齿突出，导入Geoway平台后数据量太大，处理过程中极易产生“异形、三角形”等小图斑，从而出现拓扑面缝隙，后期处理工作量较大。而基于ArcGIS软件开发的属性刷工具效果较好，利用1∶1万DLG中的植被标识点以及植被辅助线辅助判断，在其他植被中细分出灌木林、乔灌混合林、人工幼林、疏林、竹林和旱地等；在其他硬化地表中细化出构筑物和房屋建筑区；在其他地物中细分出人工堆掘地、荒漠与裸露地表等；同时对图斑边界有误的进行合并、拆分、重构等编辑。

2.3 全人工人机交互式解译

永川区的试生产同时采用Geoway和ArcGIS平台进行全人工人机交互式解译。

1）基于Geoway平台的全人工地表覆盖分类。以《地理国情普查内容与指标》、《地理国情普查试点方案》为依据，建立地理国情普查数据模型，即*.sch方案文件；地物类代码可以采用CC（地理国情分类代码）或GB（基础地理信息分类码）制作。

采集遵循“先基础框架数据再其他”的原则，先提取水系、道路、建筑区等，再进行植被处理。先提取边界线，再进行属性赋值。Geoway有较好的线编辑能力，采用折线、样条曲线、双线、三线等采集工具，利用S、Y快捷键跟进、跟出采集，保证共边对象的快速采集。属性的录入利用“地物类刷”、“快速输入栏”或“右键带属性移动”来实现，处理稍显费力。

2）基于ArcGIS平台的全人工地表覆盖分类。在ArcGIS平台中，边界线采集顺序也遵循以上原则，运用折线、样条曲线、双线等采集工具，进行构面处理，并按照试点方案要求部署属性字段。 ArcGIS的属性录入繁琐，因此，基于ArcGIS软件开发了属性刷工具（见图3），不用人工录入属性，点击相应的地类按钮，点选相应的多边形，地类的CC码、名称将直接录入到相应的属性项中，同时在“是否修改”的属性中自动追加标识，或通过标注出地类的CC码、地类名称来区分已处理和未处理的对象，大大提高了工作效率。

2.4 结果分析

利用基于规则库的航片自动解译以及全人工人机交互式解译完成了1 576 km2的地表覆盖分类，结果如图4所示。

通过内外业质检发现，分类图斑与影像的套合一致，主要是园地与人工幼林、疏林，灌木林与乔灌混合林，竹林与桉树（属于乔木林），人工幼林与疏林等地物的错分、误分率较高，在部分区域可达到50%，其他地物的分类精度基本能达到90%。因此，需针对这些地物加强内业判读经验的总结，加大外业核实的强度，确保分类精度。

本研究针对地理国情普查地表覆盖分类数据采集进行了多方法研究，结论如下：

1）利用航空影像进行自动解译，与全人工方式相比，未必在工作效率上有所提升，但在自动解译图斑的边界准确度和操作层面上对地物的概况、取舍与综合相对容易统一。

2）利用航片进行自动解译可辅助以卫星影像（如资源三号卫星，时相最好不超过2 a）、DEM以及坡度等参与分割，可建立自动提取规则库，解决部分大类及中类的自动提取问题。

3）在利用高分辨率影像进行自动解译的过程中，道路与周围建筑区、硬化地表以及旱地较易粘连，可利用1∶1万数据库中的道路和建筑更新后作为专题图层参与分割，解决道路与周围地物的粘连问题。

4）自动解译的图斑非常破碎、锯齿突出，在Geoway平台中数据量太大，处理效果不佳。 ArcGIS对自动解译后的“异形锯齿状”图斑的处理较为有效。

5）全人工解译中，遵循先基础框架要素（道路、建筑区、水系等）再其他地物的原则，能协调好地物间的关系；对于道路、建筑区、水系等基础框架要素，以及有明显地类边界的乔木林和旱地，宜选择比较精细的尺度；而对于植被、水田、旱地等，以及无明显地类边界的（如乔木林和乔灌混合林），则可选择相对宽松的尺度，在一定程度上可协调工作效率与几何精度的问题。

6）全人工解译下Geoway平台的优点是线编辑较为便捷，缺点是添加标识点稍显繁琐。可整合两者优势，利用Geoway线编辑能力，基于ArcGIS平台开发的属性刷工具，大大提高工作效率。

3 结 语

通过地理国情试生产，深入理解了国情普查的意义、内容及技术方法，对地理国情内容与指标的建议如下：

1）自动解译后图斑边界的平滑处理可提高数据的可利用性。自动解译后图斑细碎，边界锯齿状突出，在导致后续成果可利用性差。试点阶段进行了平滑性处理研究，将面转成线，利用PEAK算法进行平滑，再基于Geoway平台的面状数据的标识点进行构面，达到平滑面的同时保留面的属性的目的。

2）深入研究不同地物的分割尺度及规则库。不同地物其分割尺度以及规则库都有所不同，如何科学地确定分割尺度，尽量突出地物的典型信息，如何系统且智能化地确定不同地物的规则库，提高自动解译的精度与水平，是下一步研究的重点。

[1]乔朝飞.国外地理国情监测概况与启示[J]．测绘通报，2011(11) : 81-83

[2]许晖，张坤. 中美地理国情监测概述[J].测绘标准化，2012，28(4)：6-9

[3]中国科学院资源环境科学与技术局．科学研究动态监测快报[EB/OL]. http: //www. Rcees.ac.cn / xwzx / kydt /201102/ P020110222728608447733.Pdf, 2011-04-05

[4]李德仁，晆海刚，单杰. 论地理国情监测的技术支撑[J].武汉大学学报：信息科学版，2012，37(5)：505-512

[5]Hay J G， Blaschke T，Marceau J D， et al. A Comparison of Three Image-object Methods for the Multiscale Analysis of Landscape Structure[J].ISPRS Journal of Photogrammetry and Remote Sensing，2003，57(5/6): 327-345

[6]刘兆祎，李鑫慧，沈润平,等. 高分辨率遥感图像分割的最优尺度选择[J].计算机工程与应用，2012(11):1-7