地理国情监测中异形图斑的处理方法

宋禄楷 贺致芬 孙晓炜

(山东省国土测绘院, 山东 济南 250102)

0 引言

全国地理国情监测成果已在“多规合一”、城市规划实施监管、环境保护与治理、自然资源管理、空间用途管制等多个方面得到应用[1-2]。我国将逐渐构建自然资源统一调查监测体系,国土三调数据与地理国情数据融合利用将在生态文明制度建设中发挥更加不可或缺的作用[3-4]。2021年6月,自然资源部印发《2021年全国地理国情监测实施方案》[5],围绕自然资源部“两统一”职责履行,在自然资源统一调查监测评价框架下,采用2020年地理国情监测地表覆盖数据与2020年变更调查地类图斑数据的叠加结果作为地表覆盖图斑底图数据,开展耕地资源、林草资源、水资源、海岛海岸带和城市要素、人工建(构)筑物的类型、面积、范围、分布和变化情况的监测工作。监测过程中要求严格保持底图数据“三调”图斑的类型与界线不变,标注变化信息时采用地理国情信息代码。

在实际生产作业中,地理国情监测覆盖图斑和“三调”地类图斑的叠加,产生了大量的尖锐、狭长等异形图斑,将对监测实施进度和监测成果质量造成影响[6-8]。目前有很多针对尖锐、狭长图斑的质检方法研究与应用较好[9-10],但仍不能解决人工工作量大的问题,狭长图斑的剖分综合多采用Delaunay三角网剖分的方法进行狭长图斑的剖分综合处理[11-13],但是该方法对大图斑上的尖锐折角,狭窄连接部位的处理效果不佳。针对上述问题,本文提出了一种基于检测线的异形面检查与图斑自动综合处理的方法,开发了工具并在山东省2021年地理国情监测中进行了应用,保证了数据成果的准确性和可靠性。

1 图斑底图数据的生成过程与问题分析

1.1 图斑底图数据的生成过程

2021年度地理国情监测工作的地表覆盖图斑底图数据是以第三次全国国土调查及2020年变更调查成果(以下简称“三调”成果)为底版与2020年地理国情监测成果中的地表覆盖数据层经过叠加后生成的数据结果[14],具体步骤如下：

(1)叠加图层相交处理。计算“三调”地类图层数据与国情监测覆盖图层数据层的几何交集。将两个图层中相叠置的图斑的各部分作为新图斑写入到输出图层中。输出图层中的图斑保留原“三调”地类图斑的土地类型编码(DLBM)和图斑标识码(BSM)属性,保留原国情监测覆盖图斑中的地理国情信息码(CC)、生产标记信息(Tag)和地物标注属性(Feature)。

(2)细碎图斑归并处理。数据生产过程中由于遥感影像数据源时空不一致、采集指标的不同和人工采集误差等原因,造成了“三调”地类数据与国情监测覆盖数据存在套合差,在经过叠加图层相交处理后,会产生大量的细碎图斑,需要对细碎图斑进行归并处理。基本处理原则是：①将面积小于200 m2的图斑或者是面积小于400 m2的窄条状图斑进行归并;②采取“就近就大”的原则,将细碎图斑归并到位于同一“三调”图斑内、共享边最长、面积比自己大的相邻图斑;③若可并入多个图斑时,优先并入地理国情信息类型相近的相邻图斑。

(3)核查标记赋值。图斑底图数据完成细碎图斑归并处理后,针对国情图斑类型与三调图斑类型的相容性,进行要求核查标记(toCheck)字段的赋值。国情图斑类型与三调图斑类型相容时,toCheck赋值为0,表示需要监测变化,不相容时,toCheck赋值为1,表示需要核查。

1.2 图斑底图数据中的遗留问题

地表覆盖图斑底图数据虽然对细碎图斑进行了归并处理,但因由于遥感影像数据源时空不一致和采集指标不一致等原因[15],在叠加处理后产生了大量尖锐折角、狭长突出和狭窄连接等异形图斑问题,如图1所示。这些异形图斑与正常图斑融为一体,构成一个整体图斑,不能自然分割,因此未能通过细碎图斑归并处理消除问题。按要求应对数据叠加、编辑、切割等处理过程形成的与实地情况不相符、不合理的尖锐狭长图斑进行处理,如果采用人工手动处理,处理工作量大、费时费力,需要通过开发专门工具,实现异形图斑的自动综合处理,提高生产效率和数据质量。

图1 图斑底图数据中异形图斑错误示意图

2 异形图斑的处理方法研究

通过对图斑底图数据的生成过程与问题分析,明确的处理思路是将问题图斑中的异形部位从图斑主体上分割下来,再将分割后的异形图斑按照细碎图斑的处理方法与临接的同一三调图斑边界内的其他图斑进行归并处理,最终将问题修正。其中需要解决两个关键问题,一是如何快速检测出哪些图斑存在异形部位,二是如何将异形部位合理地从图斑主体上分割下来。

2.1 异形图斑的检测方法

仅从图斑层面考虑,问题图斑不合理的本质是异形部位不符合最小采集指标,表现为局部的尖锐、狭长面,如果将一个图斑沿边界平行向内收缩,则图斑的尖锐、狭长部分将首先消失,因此,可以利用这个原理进行异形图斑的检测与分割,构造图斑边界向内的平行复制线,检测图斑是否存在异形部位。基本的检测步骤是：

(1)确定检测阈值,一般小于最小采集指标一半长度。

(2)生成检测线,使用图斑边界向面内方向进行平行复制,生成平行复制线,如图中虚线。

(3)拓扑判断,判断检测线是否在被检测图斑面内部,如图2(a)中检测线(虚线)在内部则为正常图斑;如图2(b)中检测线有部分在面外部则为问题图斑。

(a)正常图斑的检测线 (b)异形图斑的检测线

(4)提取检测结果。

2.2 异形图斑的分割方法

依据构造的检测线,在查找问题图斑的基础上,可以利用问题图斑尖锐、狭长等异形部位的检测线位于图斑外部,通过整理和反向平行复制,获取切割线,实现问题图斑异形部位与图斑主体部位的分割。基本的处理步骤如下：

(1)检测线裁剪,以问题图斑为采集范围裁剪检测线,提取问题图斑面内部的检测线,如图3(a)所示。

(2)检测线整理,整理面内部的检测线,将碎线进行合并处理,剔除自相交、重叠等拓扑错误,获取闭合检测线,如图3(b)所示。

(3)生成裁剪线,按照检测时采用的阈值,与检测时反向平行复制,获得用于裁剪问题图斑的裁剪线。

(4)图斑分割处理,利用生成的裁剪线,对问题图斑进行分割处理,如图3(c)所示。

(a)异常图斑的检测线 (b)检测线整理

2.3 自动化处理工具开发

本文基于C#语言和ArcObjects二次开发平台编写异形图斑自动化处理工具,数据处理流程如图4所示,包括图斑检测、图斑分割和图斑融合四个处理步骤。

图4 自动化处理工具工作流程图

(1)图斑检测阶段,遍历底图数据,将问题图斑检测出来,并提取基本检测标记进行记录,便于后续人工核检与处理。

(2)图斑分割阶段,针对检测出的问题图斑进行分割处理,部分完全狭长的问题图斑会存在分割处理失败的情况,将分割处理失败的图斑标记为A型。

(3)图斑融合阶段,将分割成功后的图斑进行碎面融合处理,当同一“三调”边界内没有可以与之融合的图斑时则会融合失败,将图斑融合失败的图斑标记为B型,成功处理的合格图斑标记为C型。

(4)图斑融合处理后,会有小部分图斑无法一次性将异形错误消除,如图5所示,切割的问题图斑1的碎面与正常图斑3融合又形成了新的问题图斑。可通过迭代运行消除这类错误,也可取消迭代处理,此类问题采用人工判读进行处理。

(a)原始图斑

3 数据试验

在山东省2021年地理国情监测中,应用开发的自动化工具处理异形图斑问题,大幅度减少了人工处理的工作量,提高了生产效率。在某地46 km2区域14 623个图斑中,经自动化处理后,标记5 038个图斑存在异型问题,213个图斑未进行图斑分割处理,4 825个图斑完成图斑分割融合处理,经质检后仍发现遗留问题64条,对异形图斑的自动综合处理效率达94.5%,数据处理前后的局部对比如图6所示,处理后的底图数据质量明显提高,有利于后续的图斑解译与更新。

(a)处理前图斑 (b)下影像

4 结束语

地理国情监测任务时间紧、任务重,面对大数据量的异形图斑处理工作,本文提出了一种检测与处理相结合的自动化处理思路,并在山东省2021年地理国情监测中进行了应用,取得良好的应用效果。本文方法主要针对大图斑中存在的面折刺、面狭长等图形错误,无法对完全狭长的图斑进行处理,可结合Delaunay三角网剖分方法对狭长图斑进行综合处理,本文制作的自动化处理工具在处理过程中面对图斑数据量过大时,效率仍然较低,可针对性地引入GPU并行计算技术进行分块处理,提高处理效率。总体上,本文提出的方法在类似的面折刺、面狭长等图形错误的自动化处理工作中,具有较好的通用性和推广价值。