遥感影像信息获取技术在地理国情监测中的应用研究

冯杰婷

摘 要：随着我国社会经济的飞速发展，如何处理社会、经济、环境、生态、资源、人口等各个要素之间的关系，促进社会和谐发展，是当前亟待解决的问题。因此，通过相关监测手段对我国地理国情现状予以全面掌握，是当前社会生态文明建设和经济发展的需要。而在地理国情监测项目中，地表覆盖信息提取的关键在于快速、准确地获取遥感影像包含的地物信息。因此，研究和探讨遥感影像信息获取技术在地理国情监测中的应用具有十分重要的意义。

关键词：遥感影像；地物信息；数据源；地理国情监测

中图分类号：P208；P237 文献标识码：A DOI：10.15913/j.cnki.kjycx.2016.05.030

地理国情监测是指通过各种技术方法和手段（移动通信技术、地理信息系统技术、航空航天遥感技术、全球导航卫星系统等），对自然地理要素和人文要素等进行定量空间化和动态的监测，并对其中的变化趋势、变化频率、变化量、地域差异和分布特征等进行统计与分析，从而生成关于生态、环境、经济、资源等要素的发展变化规律、空间分布的研究报告和监测数据地图等，以供政府进行相关战略决策。我国幅员辽阔，地理国情复杂，尤其是改革开放的实施，促使我国社会经济飞速发展，土地利用与覆盖发生了巨大的变化。与此同时，城乡发展不平衡，产业结构不合理，城镇化、工业化与生态环境和能源资源的矛盾等问题日益突出。这些问题使得我们必须加快发展地理国情监测，以准确、真实、可靠的地理国情信息，为政府准确掌握国力国情，科学、规范管理，为社会生态文明建设和经济发展助力。

1 遥感影像信息获取技术概述

在地理国情监测项目中，遥感影像是最重要的数据源。按照观测方式和观测平台，地理国情监测数据获取一般有航天卫星遥感、航空机载遥感、平流层飞艇遥感、低空无人遥感、水下遥感和地面观测等方式，通过搭载微波、高光谱、红外线等多种探测手段互相配合，从而为地理国情监测提供多时相、多分辨率、多源的数据资源。

1.1 遥感影像信息获取技术概念

遥感影像信息获取技术是指在大量可用的遥感影像资源之中提取有用的信息，比如某一区域的地物、温度等信息，并且将提取的信息储存在数据库，以供用户查询使用。而将遥感影像信息从海量的遥感影像资源中挖掘出来，一直都是遥感影像研究领域的难点和重点。

1.2 遥感影像的分割方法

遥感影像分割是指依照特定的算法，将一幅影像分割成多个互不相干的影像对象，通过计算机自动化影像分析对分割后形成的影像对象展开相应分析。由此可见，影像分析的关键在于影像分割，它关系到影像分析的结果。经过数十年的发展，影像分割技术如今已有近千种算法，包括基于特定理论的分割方法、基于边界技术和域相结合的分割方法、基于边缘检测的分割方法、基于区域的分割方法、基于边界的分割方法等。

1.3 遥感影像的分类方法

遥感影像主要有两种解译方式，即计算机自动解译和目视解译。计算机自动解译分类速度快，并且受人为主观因素的影响较少，主要方法有监督分类和非监督分类两种。监督分类是指首先提取统计信息和选择训练样本，然后再选择合适的分类算法；非监督分类不用经过人工选择训练样本这一过程，而是在遥感影像中对自然相似光谱集群自动搜寻与定义，然后将搜寻定义的数据与参考数据作比较，从而将其划分至某一类别中。目视解译是遥感影像工作人员需具备的最基本的一项技能，工作人员依据遥感影像的解译标志可实现人工解译。目视解译是一个漫长且烦琐的过程，需要将遥感影像人工数字化，人为主观因素的干扰较大，不但工作人员的工作量大，而且解译效果准确率低。

2 遥感影像信息获取技术的具体应用

2.1 分割参数设置

影像分析的关键在于影像分割，它关系到影像分析的结果。要想得到令人满意的成果，影像分割结果就必须符合相关要求。因此，设置合理的分割参数至关重要。在对各个分割尺度参数进行设置时，一般采用控制变量法。在此，需要注意以下两点：①当紧致度因子权重为中间值，且在一定尺度下时，形状因子参数不宜过小。这是因为当形状因子参数逐渐增大时，影像对象的边界锯齿逐渐减少，对应地物的综合尺度逐渐增大，影像对象数目逐渐减少；而如果形状因子参数较小，分割边界就会过于细腻，影像对象的边界锯齿增加。②在一定尺度下，设置的紧致度因子不能偏小。因为当紧致度因子过小时，影像对象的锯齿较多，使得影像对象的边界相对来说不是很准确。总之，对于不同地物的提取，应当设置不同的分割参数多次分割影像，分割分类再分割分类，直至达到最好的解译效果。

2.2 分类精度评价

在人工编辑修改分割分类的遥感影像之前，还需要对其进行分类精度评价。分类精度评价是指真实影像包含的地物与导出的矢量结果之间的吻合度，即评价分类结果，确定分类的可靠性和精度。假如导出的矢量包含的要素与真实影像中所对应的地物类型接近，那么解译结果就具有很高的精度。因此，对于遥感影像的分类结果，分类精度评价是非常重要的，它将直接影像解译结果其他分析的可靠性。精度验证一般有两种方式，即ROC曲线和混淆矩阵。ROC曲线采用图形的方式来表达分类精度，较为形象；而混淆矩阵则为较常用的方式。需进行精度评价的因子主要有以下几个：①混淆矩阵。混淆矩阵用于比较地表真实信息与分类结果，可以在一个混淆矩阵里面显示分类结果的精度，是通过将分类图像中的分类和相应位置与每个地表真实影像的分类与位置进行比较得出的。②总体分类精度。它是指正确分类的像元总和与总像元数的比值。③Kappa系数。它是通过将影像像元总和乘以混淆矩阵对角线像元总和，再减去某一类中地表真实像元总数与被误分成该类像元总数之积对所有类别求和的结果，再除以总像元数的平方差减去某一类中地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果所得到的。④漏分误差。它指原本属于地表真实分类，却没有被分到相应类别的像元数。⑤错分误差。它是指被分为用户感兴趣的类，而事实上属于另一类像元。⑥用户精度。它是指假设将像元归到A类，相应的地表真实类别是A类的概率。⑦制图精度。它是指假设地表真实为A类，分类器能够将一幅图像的像元归为A类的概率。

2.3 分类后处理

分类后处理是指先运用模型生成器建立模型，然后进行人工编辑修改。人工编辑修改的主要任务是人工编辑自动解译完的数据，严格匹配不准确的影像和边界，并且修改相应的属性。人工编辑修改完成之后，再使用相邻面属性检查工具检查人工编辑修改完成的数据。如果检查出错误，还应当继续人工编辑修改，直至没有错误为止。

3 结论

应用遥感影像信息提取技术能够对遥感影像的形状、纹理、光谱等信息进行充分的利用，且提取的结果满足地理国情信息的提取要求。将遥感影像信息提取技术应用于地理国情监测中，不仅能加快地理国情普查的速度，减少工作人员的工作量，还能极大地提升普查效率。本文首先简单介绍了地理国情监测和遥感影像信息提取技术的相关概念，然后从分割参数设置、分类精度评价、分类后处理三方面详细介绍了遥感影像信息获取技术在地理国情监测中的具体应用，希望能借此推动遥感影像信息提取技术的发展和进步，以更好地为地理国情监测工作服务。

参考文献

[1]雷德容.地理国情监测与基础测绘相关关系研究[J].遥感信息，2015（02）.

[2]周树旺.地理国情监测内容及方法研究[J].城市地理，2015（18）.

[3]谭盛辉.遥感影像技术在地理国情普查中的应用[J].南方国土资源，2015（05）.

[4]李琦.高分辨率遥感影像在地理国情普查信息提取中的应用研究[D].长春：吉林大学，2014.

〔编辑：刘晓芳〕