遥感解译技术在地理国情普查工作中的应用

钱建彬　王彦敏　尹　凡,2

(1.江苏省测绘工程院　南京　210013)(2.卫星测绘技术与应用国家测绘地理信息局重点实验室　南京　210013)



遥感解译技术在地理国情普查工作中的应用

钱建彬1王彦敏1尹凡1,2

(1.江苏省测绘工程院南京210013)(2.卫星测绘技术与应用国家测绘地理信息局重点实验室南京210013)

摘要地理国情是基本国情的重要组成部分,论文针对地理国情地表覆盖生产的技术要求,讨论应用遥感数据自动解译方式在地理国情监测工作中的应用方法,并针对不同地类的提取提出了几点建议。

关键词地理国情; 地表覆盖; 遥感; 解译

Application of Remote Sensing Interpretation in the Geographical Condition Monitoring

QIAN Jianbin1WANG Yanmin1YIN Fan1,2

(1. Jiangsu Mapping & Surveying Engineering Institute, Nanjing210013)

(2. Key Laboratory of Satellite Mapping Technology and Application, NASG, Nanjing210013)

AbstractThe geographical conditions is an important part of the basic national conditions, according to the requirement of geographical conditions of surface coverage of production technology, the application method of the application of remote sensing data automatic interpretation method inmonitoring the geographical conditions in the work is discussed in this paper. And some suggestions are provided for the extraction of different land types.

Key Wordsnational geographic condition, land cover, remote sensing, interpretation

Class NumberTP391

1引言

地理国情,即以地球表层自然、生物和人文现象的空间变化和它们之间的相互关系、特征等为基本内容,对构成国家物质基础的各种条件因素做出宏观性、整体性、综合性的调查、分析和描述[1]。2010年12月20日,中共中央政治局常委、国务院副总理李克强同志对测绘工作作出的重要批示中,首次要求国家测绘地理信息局“加强基础测绘和地理国情监测”,2013年,江苏省地理国情生产工作全面而有序的展开。

我国地理国情普查地表覆盖分类细致,分为12个一级类、58个二级类及133个三级类,传统的人工目视提取会导致巨大的工作量。对此,研究遥感影像解译是提高地理国情地表覆盖生产效率的主要方法之一,针对遥感技术在地理国情监测工作中的应用,国内学者开展了大量而深入的试验和研究。[2~9]随着遥感技术的不断快速发展利用遥感影像的信息分类提取将变得更加准确,为保证数据的准确性和现势性,遥感解译技术的辅助应用,可在一定程度上提高生产效率,增强测绘保障能力。

2典型地物的解译

2.1解译数据源与方法

测绘部门在进行地理国情生产时,可以已有数据为参考,以江苏省测绘工程院为例,院内已有覆盖全省的1∶10000基础测绘DLG数据、DEM数据,高分辨率卫星影像(资源三号等)及航空影像(0.3m分辨率),以及由LiDAR或航空影像得到的DSM数据。

当前地理国情生产中,可选用高分辨率遥感影像生产的DOM作为生产底图,为提高DOM的视觉效果及节约存储空间,大部分生产单位在生产DOM过程中进行了调色处理,并以三波段(RGB)方式储存。但经过此处理过程的DOM损失了原有光谱信息,特别是在植被与水体解译过程中重要的近红外光谱信息。因此,利用光谱信息进行遥感解译时,需要重新制作四波段(R-G-B-Nir)DOM,但需注意的是要与人工解译使用的DOM良好套合。

随着遥感技术的不断发展,遥感影像的分辨率得到了巨大的提升,当前地理国情生产各单位使用的遥感影像已达到米级甚至亚米级,其中有代表性的卫星影像如ZY-3、worldview系列、quickbird等,航空影像则可达到0.3m甚至0.1m。高分辨率影像可为解译提供更为丰富的信息,同时因地物的琐碎给解译工作带来了更大的困难。为解决这一问题,目前较为流行的是采用面向对象的解译方式[10],这种方式将遥感影像通过分割算法分为一个个的对象,再根据对象的光谱、形状及纹理信息进行下一步的解译与处理。eCognition软件在此种方式上有着较大的优势,可选为合适的解译软件,也可选择ENVI、FeatureStation、PCI等自动解译软件。

2.2水体

水体在遥感影像上有着较强的光谱及纹理特征,相比较易于解译。由于水体本身的光谱特性,在近红外波段区间大量吸收v,在可见光波段区间反射,选用归一化水体指数(NDWI)可较好地对水体进行识别,徐涵秋等在此基础上提出了改进型的MNDWI,水体信息提取精度明显提高[11]。此外,水面通常表现得均一而平滑,利用此纹理特征可更好地探索到水体的边界位置,以使得解译成果应用到地理国情地表覆盖水体的生产过程。针对地理国情工作的水体提取,国内的研究较多。彭树标等[12]以四波段航空影像为基础,结合已有DLG数据,采用归一化水体指数(NDWI)识别水体,利用均值差探查水体边界,通过分块处理的方法规避了航空影像各区域光谱差异的问题,最终得到与DOM套合较好的水体解译成果,在原有基础上提高了30%的工作效率。针对卫星影像(如WorldWiew)国家基础地理信息中心程滔等[13]以WorldView2影像为数据源,利用蓝波段的比率值(ratio layer B)、标准方差值(standard deviation layer B)并结合水体指数(NDWI),完成水体信息的自动提取,且取得了较好的结果。殷亚秋等[14]利用近红外波段的比率(ratio NIR)、max.diff及形状信息构建水体知识库对SPOT5影像对水体进行有效提取。

2.3植被

植被在遥感影像上的主要光谱特征体现在其光谱“根号”型的特征,即在绿波段及近红外波段反射,红波段吸收,在对植被进行解译时可选用归一化植被指数(NDVI)。由于地理国情地表覆盖对植被的分类较细,仅大类上就有耕林园草,因此需要对植被进行进一步的细分。首先,可利用DSM及DEM数据,提取植被的高度信息,区分出高植被(林地)与低植被(农田草地等)。再以历史DLG数据为基础,选取较为可靠的样本,并以此为训练样本,利用分类算法进行分类[15]。随着地理国情遥感解译样本库的建立,可为将来地理国情监测工作提供更为可靠的解译样本信息。

2.4建筑物

由于建筑物在遥感影像上并无明显特征,因此较难有成熟稳定的方法来准确地提取。对于房屋的提取,主要可利用DSM与DEM数据得到高度信息,通过基于标记分水岭等相关算法进行分割,提取建筑物的感兴趣区。利用NDVI等相关信息剔除高植被的干扰,再利用形状、大小等信息提取建筑物,最后将其轮廓进行规整化可得到较为准确的建筑物信息。此种遥感方式可用于地理国情独立房屋地类的提取,在需要绘制成房屋建筑区的地区则需要人工编辑综合,但根据DSM与DEM提取的建筑物高度信息可辅助内业作业人员区分低矮与多层及以上房屋。

2.5道路

道路提取国内外学者进行了大量的研究,主要的方法大致可分为两种[16]。一是半自动的方法,通过人机交互提取道路种子店,再结合道路知识和影像信息,设计出算法搜寻道路,这也是目前使用较为广泛的方法,主要方法有基于边缘跟踪[17]、最小二乘模板匹配[18]、动态规划[19];另一种是自动提取的方法,需要利用人工智能结合道路的先验知识自动提取出道路的种子点信息,最后再联结成道路,主要方法有基于平行线对[20]、Snakes[21]、数学形态法[22]和网状模型[23]的方法。由于道路常受植被、车辆等地物的遮蔽,因此提取的道路成果需要人工进行编辑方可满足地理国情工作的需要,但在将来的地理国情监测工作中,可利用多期影像提取道路而得到变化监测成果。

3解译实验

针对江苏省地理国情普查工作,我单位开展了相关的解译实验。

3.1水体解译

在水体的解译中,建议采用利用水体近红外光谱特性衍生的NDWI、MNDWI、ratio NIR等参数以及利用水面较为均一的mix.diff及相关纹理信息进行提取。提取结果如图1所示,水体解译成果与DOM套合较好,可较大程度地提高原有工作效率。

图1　航空影像及卫星影像解译结果

3.2农田解译

在植被解译中,利用NDVI,红外波段纹理等信息区分植被与非植被,建议利用高程信息区别高低植被,再根据各波段信息、植被指数、纹理等信息综合来区分耕林园草等更细致的类别。利用四波段航空影像,以光谱、纹理等信息利用随机森林算法进行了相关分类实验,结果如图2所示。

图2　农田分类随机森林分类结果

3.3建筑物与道路

在建筑物的提取上,建议可参考历史DLG数据,如近年的基础测绘数据,第二次土地调查成果等,可作为解译的重要参考资料。房屋的提取对影像及DSM精度要求较高,存在一定的难度,若作为数据更新中变化监测数据源则可取得较好的效果。

在道路的提取过程中,可考虑结合历史DLG数据(基础测绘等相关数据),利用道路的光谱亮度值信息及道路较为典型的长宽比等形状信息进行提取。

4结语

根据目前的经验,遥感解译数据在地理国情监测中水体解译成果可直接利用以提高生产效率,房屋、植被解译成果可作为参考资料辅助作业人员对地物进行判读,同时,房屋的高程信息也可为地理国情中高中低建筑的分类提供参考,道路解译仅在部分遥感影像质量较好的农村地区使用,或利用多期影像进行变化监测。由于地理国情地表覆盖分类体系中,有些地类很难利用传统方法进行识别,待在将来利用更好的遥感影像或引入更好的场景解译算法以解决。同时,遥感解译易受影像质量的影响,对于影像质量较差,时相为冬季、有云雾的影像则直接采用人工解译。作者建议在今后的地理国情监测工作中,可利用自动解译的方式,提取地物类别,并结合人工手动解译的方式,以更好地实现地理国情的高效率生产。本文针对地理国情地表覆盖生产,讨论采用遥感数据自动解译方法应用于地理国情监测工作,并针对不同地类的提取提出了几点建议,供各位同行参考。

参 考 文 献

[1] 徐德明.监测地理国情服务科学发展[EB/OL]. http://chzt.sbsm.gov.cn/article/zxgz/dlgqjc/ttxw/201104/20110400081302.shtml,2011.

XU Deming. Monitoring geographical conditions and service science development[EB/OL]. http://chzt.sbsm.gov.cn/article/zxgz/dlgqjc/ttxw/201104/20110400081302.shtml,2011.

[2] 钟先坤,张贵和,张登波.浅谈地理国情监测与测绘高新技术[J].江西测绘,2012(1):15-17.

ZHONG Xiankun, ZHANG Guihe, ZHANG Dengbo. Discussion on the high-tech of geographical situation monitoring and surveying and mapping[J]. JIANGXI CEHUI,2012(1):15-17.

[3] 杜蕾.遥感影像解译在地理国情普查中的应用[J].测绘工程,2014(6):46-49.

DU Lei. Application of remote sensing interpretation under the national geographic condition[J]. Engineering of Surveying and Mapping,2014(6):46-49.

[4] 黄霞,张静舒,何勇.地理国情普查中地表覆盖信息提取技术研究[J].重庆工商大学学报(自然科学版),2014(8):101-106.

HUANG Xia, ZHANG Jingshu, HE Yong. Research on Land Cover Information Extraction Technology in Geographical Condition Survey[J]. Journal of Chongqing Technology and Business(Natural Sciences Edition),2014(8):101-106.

[5] 杨伯钢,王淼.北京市第一次地理国情普查方法浅谈[J].北京测绘,2015(1):1-4,10.

YANG Bogang, WANG Miao. Discussion on Method of the First Geographic Conditions Survey in Beijing City[J]. Beijing Surveying and Mapping,2015(1):1-4,10.

[6] 翟亮,张晓贺,桑会勇,等.面向地理国情普查的地表覆盖分类技术与试验[J].遥感信息,2014(4):71-75.

ZHAI Liang, ZHANG Xiaohe, SANG Huiyong, et al. Land Cover Classification for National Geographic Conditions Gensus[J]. Remote Sensing Information,2014(4):71-75.

[7] 仉明,汪伟,李承鑫,等.面向对象的遥感分类技术在地理国情监测中的应用[J].城市勘测,2013(3):81-83.

ZHANG Ming, WANG Wei, LI Chengxin, et al. The Application of Remote Sensing Object Orientation Classification Technique on National Geomatics Monitoring[J]. Urban Geotechnical Investigation & Surveying,2013(3):81-83.

[8] 曹子荣.地理国情监测地表覆盖数据的两种采集方法比较[J].测绘技术装备,2013(2):22-24.

CAO Zirong. Comparison of two methods of collecting land cover data with geographical conditions of Geography[J]. Geomatics Technology and Equipment,2013(2):22-24.

[9] 曾波,赵展.地理国情普查中高分辨率遥感影像自动分类技术研究[J].测绘通报,2015(1):95-98.

ZENG Bo, ZHAO Zhan. Research on High Spatial Resolution Remote Sensing Image Classification for Geographic National Conditions Investigation[J]. Bulletin of Surveying and Mapping,2015(1):95-98.

[10] Baatz M, Schape A. Object-oriented and Multi-scale Image Analysis in Semantic Networks[C]//Ensehede ITC,1999.

[11] 徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报,2005,9(5):589-595.

XU Hanqiu. A Study on Information Extraction of Water Body with the Modified Normalized Difference Water Index(MNDWI)[J]. Journal of Remote Sensing,2005,9(5):589-595.

[12] 彭树标,尹凡,卢刚,等.航空影像水体提取在地理国情监测中的应用研究[J].地理空间信息,2015(6):12-14.

PENG Shubiao, YIN Fan, LU Gang, et al. Application of aerial image classification in the geographical condition monitoring[J]. Geospatial Information,2015(6):12-14.

[13] 程滔,刘若梅,周旭.基于高分辨率遥感影像的地理国情普查水体信息提取方法[J].测绘通报,2014(4):86-89.

CHENG Tao, LIU Ruomei, ZHOU Xu. Water Information Extraction Method in Geographic National Conditions Investigation Based on High Resolution Remote Sensing Images[J]. Bulletin of Surveying and Mapping,2014(4):86-89.

[14] 殷亚秋,李家国,余涛,等.基于高分辨率遥感影像的面向对象水体提取方法研究[J].测绘通报,2015(1):81-85.

YIN Yaqiu, LI Jiaguo, YU Tao, et al. The Study of Object-oriented Water Body Extraction Method Based on High Resolution RS Image[J]. Bulletin of Surveying and Mapping,2015(1):81-85.

[15] 尹凡,彭树标,卢刚.航空影像农田类型分类在地理国情监测中的应用研究[J].测绘与空间地理信息,2015(3):57-59.

YIN Fan, PENG Shubiao, LU Gang. Application of Aerial Image Classification in the Geographical Condition Monitoring[J]. Geomatics & Spatial Information Technology,2015(3):57-59.

[16] 林宗坚,刘政荣.从遥感影像提取道路信息的方法评述[J].武汉大学学报信息科学版,2003,28(1):90-93.

LIN Zongjian, LIU Zhengrong. Methods and Prospects of Road and Linear Structure Extraction from Remote Sensing Image[J]. Geomatics and Information Science of Wuhan University,2003,28(1):90-93.

[17] Heipke C. Semiautomatic Extraction of Road from Aerial Images. IAPRS Comm. Ⅲ Workshop, Munich,1994.

[18] Vosselman G., Knecht de J. Road Tracing by Profile Matching and Kalman Filtering. Automatic Extraction of manmade Objects from Aerial and Spaceimages[C]//Birkhauser Verlag Basel,1995:265-274.

[19] Gruen A., Li H, H. Semiautomatic Linear Feature Extraction by Dynamic Programming and LSB — Snakes. Photogrammetric Engineering & Remote Sensing,1997,63(8):985-995.

[20] Trinder J C., Wang Y D., Sowmy A., et al. Artificial Intelligence in 3D Feature Extraction[C]//Automatic Extraction of Man-made Objects from Aerial and Space Images(2). Basel: Birkhaeuser Verlag,1997:257-265.

[21] Baumgartner A., Steger C., et al. Automatic Road Extraction in Rural Areas International Archives of Photogrammetry and Remote Sensing[C]//1999,Part3-2W5,107-112.

[22] Katartzis A., Sahli H. A Model-Based Approach to the Automatic Extraction of Linear Features from Airbome images, using Mathematical Morphology and MRF theory. 2000, IRIS-TR-0062, VUB-ETRO department.

[23] Monga O, Armande N., Montesinor P. Thin Nets and Crest Lines: Application to Satellite Data and Medical Images[J]. Computer Vision and Image Understanding,1997,67(3):285-295.

中图分类号TP391

DOI:10.3969/j.issn.1672-9722.2016.01.042

作者简介:钱建彬,男,高级工程师,研究方向:遥感应用和地理信息数据处理。王彦敏,女,工程师,研究方向:遥感影像处理与分析。尹凡,男,硕士研究生,助理工程师,研究方向:遥感应用。

收稿日期:2015年7月11日,修回日期:2015年8月24日