仉明，汪偉，李承鑫，劉子瀟

(天津市測繪院，天津 300381)

1 背景

2010年12月，李克強(qiáng)副總理對測繪工作做出重要批示，首次從國家戰(zhàn)略高度提出了“地理國情監(jiān)測”的概念，要求測繪部門開展地理國情監(jiān)測工作;國家測繪地理信息局局長徐德明在全國測繪局長會議上重申了開展地理國情監(jiān)測的意義，指出了地理國情監(jiān)測是測繪發(fā)展的新機(jī)遇和新挑戰(zhàn)［1］;2011年3月，全國人大代表、國家測繪地理信息局副局長李朋德提出了《關(guān)于加強(qiáng)地理國情監(jiān)測的建議》議案;國家測繪地理信息局《測繪地理信息發(fā)展“十二五”總體規(guī)劃綱要》明確指出測繪發(fā)展的總體戰(zhàn)略為:“構(gòu)建數(shù)字中國，監(jiān)測地理國情，發(fā)展壯大產(chǎn)業(yè)，建設(shè)測繪強(qiáng)國”［2，3］。

鑒于開展地理國情監(jiān)測對社會發(fā)展和經(jīng)濟(jì)建設(shè)的意義及“十二五”期間開展地理國情監(jiān)測的重要性，國家測繪地理信息局成立了地理國情監(jiān)測部，并在全國范圍內(nèi)先后選擇了6個地理國情監(jiān)測試點。2011年3月，天津市規(guī)劃局主持并啟動2011年天津市地理市情監(jiān)測項目，于2012年1月完成階段性任務(wù)。

在天津市開展地理市情監(jiān)測項目過程中，在遙感影像上對感興趣的目標(biāo)地物要素進(jìn)行分類提取是一種十分快捷的數(shù)據(jù)獲取方式。但是，如何依據(jù)地理國情監(jiān)測的監(jiān)測對象，盡可能地減少多種干擾因素對其分類產(chǎn)生負(fù)面影響，不斷提高分類的精度和智能化水平［4，5］，是地理國情監(jiān)測遇到的技術(shù)難題和挑戰(zhàn)。

目前主要的遙感影像分類方法有非監(jiān)督分類、最大似然分類、人工神經(jīng)網(wǎng)絡(luò)分類、支持向量機(jī)分類、決策樹分類和面向?qū)ο蠓诸惙椒ǖ?。與傳統(tǒng)基于像元的分類方法不同，面向?qū)ο蠓椒ㄊ且杂扇舾赏|(zhì)性像元組成的“對象”為處理單元，綜合分析、提取對象的光譜、紋理、形狀、空間關(guān)系等多種屬性信息用于分類，因而能在較大程度上解決基于像元方法難以克服的光譜混淆、混合像元等問題，從而有效提高分類精度［6］。

本文以天津市地理國情監(jiān)測中的天津市市內(nèi)六區(qū)和新四區(qū)的水域變化監(jiān)測為例，利用面向?qū)ο蟮姆诸惙椒?，對該三期航空遙感影像進(jìn)行處理，從而得到在一個較長時間段內(nèi)天津市市內(nèi)六區(qū)和新四區(qū)的水域變化情況，以此作為地理市情監(jiān)測的一項重要監(jiān)測內(nèi)容。

2 數(shù)據(jù)和技術(shù)方法

2.1 使用數(shù)據(jù)情況

本文所使用的數(shù)據(jù)為天津市1995年二季度1.0 m分辨率的航空攝影影像、2007年二季度SPORT衛(wèi)星遙感影像和2011年二季度World View20.46 m衛(wèi)星遙感影像，研究區(qū)域的Google Earth影像及天津市市內(nèi)六區(qū)和新四區(qū)的基礎(chǔ)地形圖資料等。

2.2 技術(shù)方法

(1)遙感影像預(yù)處理

采用Erdas 2011數(shù)據(jù)處理軟件，對獲取的原始遙感影像進(jìn)行投影變換、幾何校正、邊界裁定、影像增強(qiáng)等數(shù)據(jù)預(yù)處理工作。

(2)面向?qū)ο筮b感影像分類流程

采用Erdas 2011數(shù)據(jù)處理軟件的面向?qū)ο筮b感影像分類流程主要包括:影像分割、屬性計算、特征提取和對象分類等步驟。主要流程如圖1所示。

圖1 面向?qū)ο筮b感影像分類流程

(3)影像分割

影像分割是基于同質(zhì)性或異質(zhì)性準(zhǔn)則將一幅圖像劃分為若干有意義的子區(qū)域的過程［7，8］。分割所得的圖像區(qū)域應(yīng)同時滿足以下條件:①圖像區(qū)域中的所有像元要都滿足某種相似性準(zhǔn)則且任意兩點之間連通。②相鄰圖像區(qū)域之間針對某選定特性具有顯著差異性。③區(qū)域邊界應(yīng)該規(guī)整且能夠保證邊緣的空間定位精度。遙感影像分割目的是將影像中具有某種地物特征的區(qū)域分開并使得每個區(qū)域都滿足一定的同質(zhì)性條件，如灰度、光譜、紋理等。

分割分兩步驟:首先確定分割范圍，對影像進(jìn)行初始化分割，后確定歸并尺度。在保證定分割精細(xì)程度及具有較小破碎性的情況下，選擇合適的歸并尺寸對圖像進(jìn)行歸并。分割尺度范圍為0%～100%，值越大分割越細(xì)，分割后影像破碎化程度越高;歸并尺度范圍為0% ～100%，值越大，歸并后得到的對象數(shù)量越少，內(nèi)部同質(zhì)性越低。歸并尺度一般依據(jù)歸并的目視效果反復(fù)實驗，以確定最佳組合。本項目中，通過多次試驗，最終選定天津市市內(nèi)六區(qū)及新四區(qū)的影像分割尺度和歸并尺度分別為60%和70%的參數(shù)水平，如此分割后，分割影像的內(nèi)部同質(zhì)性較高，邊界輪廓清晰，具備較好的可分離性。該操作是通過Raster Object Creators(ROC)來實現(xiàn)的。分割之后，產(chǎn)生的結(jié)果既包含空間的基于區(qū)域增長的種子點，又包含光譜的每個柵格對象像素概率屬性，這個過程將改善處理結(jié)果的可靠性。

(4)屬性計算

完成影像分割后，采用合適的參數(shù)定義和計算對象的特征空間，是面向?qū)ο蠓诸惖年P(guān)鍵技術(shù)問題。Erdas 2011能夠計算對象的光譜、空間、紋理、色彩空間與波段比等四類空間屬性，光譜屬性可計算對象各波段上的相元灰度值的均值和標(biāo)準(zhǔn)差;空間屬性可計算對象的幾何特征(如長度、面積等);紋理計算相元灰度值變化范圍;色彩空間與波段比可計算對象的色調(diào)、亮度和飽和度等特征。對光譜、空間和紋理三種屬性，選擇全部指標(biāo)參數(shù)參與屬性運算，色彩空間選擇3個RGB波段轉(zhuǎn)換為HIS色彩空間來構(gòu)筑對象的特征空間。

(5)樣本選取與對象分類

采用對象訓(xùn)練樣本選取方法提取經(jīng)過定義和計算的屬性特征，并以此來建立判別規(guī)則［9］。與監(jiān)督分類方法不同，面向?qū)ο筇崛〉臉颖臼且粋€個經(jīng)過分割和重新定義的“對象”，對象與對象之間的形狀、大小、數(shù)量相互差異很大［10］。結(jié)合相關(guān)資料并結(jié)合目視解譯，選取天津市中心城區(qū)和新四區(qū)水域特征明顯，內(nèi)部同質(zhì)性強(qiáng)的樣本數(shù)量20個進(jìn)行訓(xùn)練學(xué)習(xí)。

通過Raster Pixel Processor(RPP)操作從原始影像上通過取樣和訓(xùn)練水域像素區(qū)分水域和非水域像素，通過該步驟操作將產(chǎn)生含有水域像素值概率的影像。

利用Erdas 2011附帶的Raster Object Operator(ROO)柵格對象算子操作所有可能水域的柵格對象，利用概率過濾器(Probability Filter)濾掉所有水域?qū)ο蟮透怕实臇鸥駥ο螅瑫r用一個ROO中心線轉(zhuǎn)換器(ROO Centerline Convert)將所有可能的道路柵格對象轉(zhuǎn)換為只含有單一的像素寬度的線性柵格對象。最后用Raster to Vector Conversion(RVC)模塊完成柵格到矢量的轉(zhuǎn)換，并用Vector Object Operators(VOO)矢量對象操作器中的Generalize operator、Line Link operator、Line Snap、Line Remove等算子完成矢量數(shù)據(jù)的最終編輯。

3 監(jiān)測實例

采用2.1所敘的數(shù)據(jù)，利用上述方法和過程對天津市中心城區(qū)和新四區(qū)1995年，2007年和2011年的水域進(jìn)行監(jiān)測，得到的分類統(tǒng)計精度為92.38%，Kappa系數(shù)為 0.9167，得到的面向?qū)ο蟮姆诸惤Y(jié)果如圖2所示。

通過統(tǒng)計和實地調(diào)查發(fā)現(xiàn):2007年的水域面積比1995年減少約 84.5 km2，主要是由于城鎮(zhèn)化建設(shè)和工業(yè)化發(fā)展占用大量土地，小型湖泊和池塘面積不斷減少;2011年的水域面積比2007年增加了約4.1 km2，增加幅度較小，這說明了從2007年到2011年該時間段內(nèi)天津市中心城區(qū)和新四區(qū)的水域保持較好，三個年份的水域面積詳細(xì)統(tǒng)計情況如表1所示。

圖2 中心城區(qū)和新四區(qū)水域監(jiān)測分類結(jié)果

三個年代的水域監(jiān)測面積統(tǒng)計 表1

4 結(jié)論

文章利用面向?qū)ο蟮倪b感影像分類技術(shù)，對天津市地理市情監(jiān)測中的中心城區(qū)和新四區(qū)水域面積變化情況進(jìn)行了監(jiān)測，得到了被監(jiān)測區(qū)域的水域面積的量化指標(biāo)，探討了面向?qū)ο蟮倪b感影像分類技術(shù)在地理國情監(jiān)測中的應(yīng)用，為地理國情監(jiān)測地表覆蓋專題的監(jiān)測累積了經(jīng)驗。

［1］桂德竹.貫徹中央一號文件推進(jìn)地理國情監(jiān)測［N］.中國測繪報，2011－05－06.

［2］王倩，姜曉虹.從美國測繪部門的轉(zhuǎn)型發(fā)展看地理國情監(jiān)測［N］.中國測繪報，2011－05－10.

［3］李德仁.地球空間信息學(xué)的機(jī)遇［J］.武漢大學(xué)學(xué)報·信息科學(xué)版，2004，29(9):753 ～756.

［4］蘇偉，李京，陳云浩等.基于多尺度影像分割的面向?qū)ο蟪鞘型恋馗脖环诸愌芯俊择R來西亞吉隆坡市城市中心區(qū)為例［J］.遙感學(xué)報，2007，11(4):521～530.

［5］陳杰，鄧敏，肖鵬峰等.基于分水嶺變換與空間聚類的高分辨率遙感影像面向?qū)ο蠓诸悾跩］.遙感技術(shù)與應(yīng)用，2010，25(5):597 ～603.

［6］莫利江，曹宇，胡遠(yuǎn)滿等.面向?qū)ο蟮臐竦鼐坝^遙感分類——以杭州灣南岸地區(qū)為例［J］.濕地科學(xué)，2012，10(2):206～213.

［7］HayGJ，BlasehkeT，MareeauDJ，etal.A comparison of three image－object methods for the multi－scale analysis of landscape structure［J］.ISPRS Jounal of Photogrammetry Remote Sensing，2003，57(5，－6):327 ～345.

［8］Ewel K C.Appreciating tropical coastal wetlands from a land－scape perspective［J］.Frontiers in Ecology and the Environment，2010，8(1):20 ～26.

［9］Yildiz S，Ozbek M，Tasdemir A，et al.Identification of predominant environmental factors structuring benthic macro invertebrate com－munities:a case study in the Kucuk Menderes coastal wetland(Tur－key)［J］.Fresenius Environmental Bulletin，2010，19(1):30 ～36.

［10］彭海濤，柯長青.基于多層分割的面向?qū)ο筮b感影像分類方法研究［J］.遙感技術(shù)與應(yīng)用，2010，25(1):149～154.