地理国情普查中地表覆盖信息提取技术的应用研究

2015-03-31肖剑孙会敏

地球 2015年11期

关键词：国情普查自动

■肖剑孙会敏

（安徽省测绘局第二测绘院安徽合肥 230000）

地理国情普查中地表覆盖信息提取技术的应用研究

■肖剑孙会敏

（安徽省测绘局第二测绘院安徽合肥 230000）

地表覆盖信息提取技术是地理国情普查当中的一项重要技术，而地理国情普查工作的开展，也使得地表覆盖信息提取技术朝着高效化、智能化的方向发展。本文通过区域研究，选择合适的数据源，利用计算机人工交互解译、计算机自动解译、目视解译等方法对土地覆盖信息进行提取。通过试验和对比，三种解译方式各自具有独特的优缺点，解译区域的复杂程度、目标区域种类等因素，会对遥感影像质量和分类结果精度产生影响。因此在地理国情普查过程中，需要进行综合利用。

地理国情普查地表覆盖信息提取技术应用研究

0 前言

地理国情普查指的是对各个时期的基础测绘成果进行综合利用，通过现代测绘技术，对城镇、道路、地表覆盖、地标形态、沙漠、冰川、湿地、水系、地形等要素进行空间化、定量化、动态化的普查，同时统计和分析普查结果，对统计地图和统计分析报告进行及时的发布。地理国情对过轻的描述和分析，是建立在地理的角度上，其研究特征是在地球表层的人文现象、自认生物的空间变化，以及他们之间的相互关系特征。以此为内容，对各种构成国家物质基础的因素和条件进行综合性、整体性、宏观性的分析和调查。

1 地理国情普查中地表覆盖信息提取技术的分类体系

1.1 地表覆盖信息提取技术

在当前的地理国情普查中，所应用的地表覆盖信息提取技术主要有计算机人工交互解译、计算机自动解译、目视解译三种方法。其中，目视解译指的是对图像的色调和色彩等影像特征和布局、位置、图形、纹理、阴影、大小、形状等空间特征进行运用，同时综合各类专题图、地形图等非遥感信息资料，遵从相关的规律，由表及里的进行逻辑推理和综合分析。计算机自动提取和计算机自动分类使对遥感影像进行内业处理，通过对象的纹理特征、形状特征、光谱特征等，对提取规则进行相应的建立，从而实现对地表覆盖类别信息的自动提取。计算机人工交互解译是二者的结合，利用自算计自动提取技术对目标地物的形状、光谱等信息，按照影像特征进行提取。利用目视解译对形状破碎、光谱信息模糊的目标地物进行分析[1]。

1.2 地标覆盖信息分类

地表覆盖信息分类会对人工建筑、自然营造物等状况或属性进行反映，分类标准不同，分类结果也不相同。根据2013年国务院第一期全国地理国情普查的相关情况，所发布的相应指标内容中对地表覆盖信息的分类来看，地理国情普查的内容主要有一级类12个，二级类58个，三级类133个。这些类的代码和名称，都有特定的定义，来对分类体系进行参考，对三级分类进行利用。

2 地理国情普查中地表覆盖信息提取技术的应用

2.1 目视解译法

影像的解译标志，也就是判读要素，它能够直接在遥感图像中对地物信息的影像特征进行判别和反映，主要包括图案、纹理、颜色、色调、阴影、大小、形状等。而在选定的试验区域中，地物种类较少，主要为林地和草地，在影像中，耕地、水体、房屋、道路等地物形状规则，但数量较少。通过对解译标志体系的建立，判读遥感影像，然后分类地物类别、提取地表覆盖信息。将目标地物分为14类进行了试验，分别为水面、砾石地表、堆放物、构筑物、硬化地表、无轨道路面、低密度低矮房屋、高密度低矮房屋、高覆盖草地、乔灌混合林、阔叶灌木林、针叶林、旱地等[2]。

2.2 计算机自动提取法

面向对象的多尺度信息提取技术，其关键和基础就是影像的分割。遥感影像的空间信息较为复杂，对于不同类别的微观和宏观地物特征，单一尺度的遥感影像分割难以有效兼顾。如果分割尺度较大，旱地、草地、林地等大面积的目标地物能够保留完整，但房屋、道路等小面积的目标地物将会被破坏。如果分割尺度较小，对象将会增多，数据将会冗余，分类效率就会降低。面向对象的分类模式主要有隶属度函数分类法和临近分类法两种，分别为监督分类和非监督分类。在分类之后，还需要经过局部边缘处理、重分类、合并对象等处理，才能得到理想的分类结果。

2.3 计算机人工交互解译法

从光谱上来看，在试验区域的房屋顶部，有灰色、黑色、白色、蓝色等，并且具有不规则的形状[3]。含有土、碎石、沥青的路面在影响中呈现黄色、青色、白色等较为复杂的光谱信息。路网稀松、中断，不适用于计算机自动解译。在试验区域当中，由于水体和旱地数量较多具有特征突出的几何形状，与相邻地物的光谱信息差别较大，可以采用计算机自动提取技术。在计算机人工交互解译当中，由于计算机和人之间需要反复交叉的进行工作，因此在数据衔接等方面，会出现一定问题，因此，需要对其进行后处理。核查属性信息完整性和逻辑关系恰当性。

2.4 分类结果及精度评价

对于不同的地表覆盖种类、地形、影像质量、地区来收，适用的解译方法和相应的分类结果也有所不同，其中目视解译法适用于地形简单、地物种类少、破碎度低的区域；计算机自动解译法适用于地形简单、破碎度低的区域；计算机人工交互解译法适用于地形复杂、地物种类多、破碎度大、以及总体地物分类中，线形地物数量所占比例过大的区域[4]。其中计算机自动解译法对影像质量的要求最高，其次是目视解译法，计算机人工交互解译法对影像质量的要求最低。