段號然，段永紅，尚慶彬

（山西農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，山西 太谷 030801）

土地是國家的民生之本、發(fā)展之基。農(nóng)村土地調(diào)查及登記發(fā)證工作是關(guān)系農(nóng)村經(jīng)濟(jì)社會發(fā)展的一項重要基礎(chǔ)性工作，是夯實農(nóng)村發(fā)展基礎(chǔ)的重要舉措。2012年，我國已全面推動農(nóng)村土地調(diào)查工作，國土資源部、農(nóng)業(yè)部、財政部三部委聯(lián)合下發(fā)通知，明確要求我國農(nóng)村集體土地調(diào)查登記發(fā)證，宅基地使用權(quán)和集體建設(shè)用地使用權(quán)登記確權(quán)工作最遲要在2018年年底前全部完成[1]。本研究采用1∶2 000 比例尺的數(shù)字正射影像圖，快速有效的解譯影像圖對于推進(jìn)調(diào)查工作有著關(guān)鍵性的作用。山區(qū)影像的解譯一直是影像解譯的難點問題，因此，有必要對土地調(diào)查過程中山區(qū)影像的識別困難進(jìn)行調(diào)查分析，并探尋解決這一問題的方法。

遙感影像解譯的精度直接影響著調(diào)查工作的結(jié)果，探索適合的影像處理、解譯方法對于調(diào)查工作有重要的意義。本研究主要探討了山區(qū)影像耕地解譯過程中存在的幾種有解譯困難的地塊，并針對性地提出了具體的解決辦法，研究對土地調(diào)查工作中影像不清晰、陰影坡度及其他地物的影響處理有很大的指導(dǎo)意義。

1 遙感影像在土地調(diào)查中的應(yīng)用分析

1.1 土地調(diào)查中影像識別方法的選擇

遙感影像的判讀分為目視解譯、計算機自動分類判讀及計算機人工交互解譯3 種方法。目視判讀又稱目視解譯，是指專業(yè)人員通過直接觀察在遙感圖像上獲取目標(biāo)地物信息的過程。計算機自動分類判讀是指以計算機系統(tǒng)為支撐環(huán)境，利用模式識別與人工智能技術(shù)，根據(jù)目標(biāo)地物的各種影像特征對遙感圖像進(jìn)行解譯。計算機人工交互解譯則是以目視解譯為基礎(chǔ)，以計算機軟硬件為平臺對遙感數(shù)據(jù)源進(jìn)行提取和編輯處理。在土地確權(quán)過程中對于影像的解譯工作主要是對耕地的解譯及耕地邊界的識別，對解譯的精度要求極高，計算機自動分類判讀和人機交互判讀都難以滿足這樣的精度要求。利用目視解譯與實地測量相結(jié)合的方法可以在保證解譯精度的基礎(chǔ)上最大限度的提高工作效率，是調(diào)查工作的最佳解譯方法。

1.2 土地調(diào)查中影像識別的基本程序

影像的目視解譯一般分為知識準(zhǔn)備、選擇解譯標(biāo)志、初步解譯、野外調(diào)查、詳細(xì)解譯5 個步驟[2]。知識準(zhǔn)備是解譯的基礎(chǔ)，目視解譯要求解譯人員有較為豐富的遙感知識，對于各種地物的光譜信息有深刻的認(rèn)識，對于被解譯區(qū)域的土壤、地質(zhì)特性有基本的了解。

對于每一種遙感影像上的地物類型，本研究都是從其波譜特征、幾何特征、時間特征、植被特征等方面對其進(jìn)行描述的[3]，而這些特征的典型代表就是這一類地物的解譯標(biāo)志。解譯標(biāo)志的選擇是解譯的前提，正確、合適的解譯標(biāo)志可以極大地提高解譯的效率與準(zhǔn)確度。本次調(diào)查工作選擇三四月份的影像作為解譯影像，這個時期的農(nóng)田處于翻新的狀態(tài)，在色調(diào)方面與林地和裸地都有較為明顯的差異，是對農(nóng)田解譯的最佳時期。平坦地區(qū)耕地的色調(diào)均一，紋理均勻，分布集中，形狀規(guī)則，有較為明顯的解譯標(biāo)志。山區(qū)的耕地由于受地形的限制，解譯標(biāo)志與平坦地區(qū)差別較大。山區(qū)耕地的色調(diào)會隨地形地貌的變化而不同，布局也較為分散，形狀大多不規(guī)則。

初步解譯是解譯人員運用自身的知識條件結(jié)合選擇的解譯標(biāo)志對遙感影像進(jìn)行的解譯，是僅憑經(jīng)驗的解譯。初步解譯的主要工作是了解解譯區(qū)域的特點，選擇合適的解譯方法，尋找解譯的難點與問題。目視解譯常用方法有：直接判讀法、對比分析法、信息復(fù)合法、邏輯推理法、地理相關(guān)分析法等[4]。在調(diào)查工作實際解譯時，應(yīng)當(dāng)從地物的整體特征出發(fā)，針對具體的影像狀況采用合適的判讀方法。

野外調(diào)查是保證解譯精度最為必要的過程，它既是對初步解譯結(jié)果驗證和修改的過程，也是實地測量的過程。初步解譯的誤差大多處于遙感影像中難以識別的區(qū)域，野外調(diào)查必須有目的性地解決這些區(qū)域的解譯困難，因此，在調(diào)查的過程中必須攜帶初步解譯的結(jié)果，更正不恰當(dāng)?shù)慕庾g標(biāo)志，修改錯誤的解譯結(jié)果。野外實測工作主要針對圖像上無法解譯的耕地邊界，另外實測也是檢驗解譯精度的途徑之一。連片耕地由于土質(zhì)相同、作物類似，在色調(diào)、耕作痕跡方面差異較小，是實地測量的主要工作對象。

詳細(xì)解譯是在初步解譯和野外調(diào)查的基礎(chǔ)上對解譯結(jié)果的完善，是獲取最終解譯結(jié)果的過程。詳細(xì)解譯是運用正確的解譯方法，結(jié)合野外調(diào)查與測量的結(jié)果對影像進(jìn)行解譯與細(xì)節(jié)處理的過程。詳細(xì)解譯結(jié)果是要應(yīng)用到調(diào)查工作當(dāng)中的最終數(shù)據(jù)，它要求解譯者運用自身基礎(chǔ)知識，結(jié)合實際調(diào)查對影像的每個細(xì)節(jié)做到完善。目視解譯的各個步驟環(huán)環(huán)相扣，每個過程的錯誤都會導(dǎo)致解譯結(jié)果的錯誤，因此，解譯過程中一定要做到認(rèn)真仔細(xì)，以保證結(jié)果的準(zhǔn)確性。

2 山區(qū)耕地解譯的困難及解決方法

我國是一個多山的國家，一些地區(qū)大量的分布著山地和丘陵，這些地區(qū)的影像受地形及植被情況的影響往往存在較多的陰影，一些地區(qū)還存在或多或少的變形。這些因素都會對該地區(qū)的耕地解譯造成一定的困難，以下介紹了幾種常見的山區(qū)影像耕地解譯的困難及它們的解決方法。

2.1 耕地邊界的識別

2.1.1 不規(guī)則耕地的邊界識別 山區(qū)的地形起伏不平，居民點分布較為分散，交通常常被山川河流阻隔，植被分布情況也更為復(fù)雜。受上述種種因素的影響，山區(qū)可作農(nóng)業(yè)使用的區(qū)域較少，形不成較大規(guī)模的耕地，因此，山區(qū)耕地往往呈現(xiàn)小面積分散分布的態(tài)勢，而且無法形成較為規(guī)則的形狀。這類耕地的單塊面積很小，地塊邊界曲折，沒有固定的走向，相鄰耕地間的界線往往也不是直線，這些特征都會給耕地邊界的精確識別造成很大的困難。在現(xiàn)有影像質(zhì)量的基礎(chǔ)上要想減少上述因素造成的解譯誤差，需要盡可能的在影像中突出耕地邊界。

與耕地本身的土壤相比，耕地邊界土壤的密度更高，濕度更小，石頭等雜物較多，因此，在遙感影像中耕地邊界表現(xiàn)為淺色調(diào)。耕地的色調(diào)與其邊界的色調(diào)有明顯的差異，可以通過對比度增強的方法突出地塊的邊緣。對比度增強是通過拉伸或者壓縮圖像中亮度值的范圍來實現(xiàn)的，常見的對比度變換的方法包括線性變換與非線性變換[4]。不同的遙感影像應(yīng)該依照其像元亮度值分布的直方圖選擇合適的對比度變換方法。從圖1可以看出，研究區(qū)域的影像在3 個波段的直方圖峰值提升較為迅速，高密度值都集中在亮度坐標(biāo)軸的左側(cè)，這說明圖像偏暗，對比度較小。針對研究區(qū)域影像的亮度值直方圖特征，選擇正態(tài)拉伸的方法對圖像的亮度值進(jìn)行拉伸處理，經(jīng)過拉伸處理后圖像像元的亮度范圍較之前都有了很大的擴(kuò)展，直方圖的峰值也更靠近坐標(biāo)軸的中間，這說明圖像的對比度較之前有了很大的提升。這一變化在研究區(qū)域的影像中也有直觀的體現(xiàn)，從圖2可以看出，處理前的影像整體的色調(diào)較暗，耕地與邊界的對比不明顯，耕地邊界的解譯難度較大；但經(jīng)過拉伸處理后影像的色調(diào)變得更加明亮，耕地與邊界的對比也更加明顯，更容易識別出白色條狀的耕地邊界。

此外，針對地塊邊界呈長條狀、淺色調(diào)這一特征，還可以對影像進(jìn)行空間濾波，空間濾波可以實現(xiàn)對圖像中某些特征的重點突出。其中，銳化處理可以突出圖像中的線狀目標(biāo)及亮度變化率較大的部分，是適合耕地邊界處理的方法。從圖3可以看出，經(jīng)過銳化處理后耕地的條狀邊界變得更加明顯，耕地與其他地類的分界也更加突出，這一處理可以使耕地的邊界解譯更加準(zhǔn)確。

2.1.2 陰影區(qū)域耕地邊界識別 山區(qū)復(fù)雜的地形情況與廣泛分布的植被是造成山區(qū)影像陰影的主要原因，這些陰影普遍存在于山區(qū)影像中。陰影的存在豐富了影像的層次，增強了影像的立體感，對于山體高度與形狀的判定也有積極作用[5]，但陰影區(qū)域的地物信息也會因此而難以獲取，對山區(qū)影像的解譯造成困難[6]。山區(qū)耕地的解譯過程存在陰影區(qū)地物信息難以獲取的問題，一些耕地不可避免的處于山體或植被的陰影中，消除或減弱陰影的影響對于解譯這部分耕地將至關(guān)重要[7]。

對于陰影較弱的區(qū)域，通過觀察它的像元亮度值曲線（圖1）可以看出，這些區(qū)域在各個波段的亮度都集中于坐標(biāo)軸的左側(cè)，也印證了陰影區(qū)亮度值低，飽和度高，色調(diào)值大[8]的特征?；陉幱皡^(qū)的這一特征，可以適當(dāng)調(diào)節(jié)影像亮度的同時應(yīng)用拉伸的方法增強影像的對比度，通過這種處理方法來減弱陰影的影響。從圖4可以看出，這一方法對于陰影較弱區(qū)域的耕地信息獲取有很好的效果。但這種處理方法勢必會影響到非陰影區(qū)耕地的解譯，因此，這種方法只適合陰影區(qū)解譯，對非陰影區(qū)的解譯還應(yīng)該使用未經(jīng)處理的影像。

但山區(qū)的大多數(shù)陰影是無法通過簡單調(diào)整亮度和對比度解決的，對于這些區(qū)域則需要探索陰影的減弱方法或者利用其他資料輔助解譯。針對陰影區(qū)亮度值低、飽和度過高的缺點，可以將RGB（R 為紅色，G 為綠色，B 為藍(lán)色）空間的影像轉(zhuǎn)換為HIS（H 為明度，I 為飽和度，S 為三分量）空間的影像，然后分別對陰影區(qū)域的亮度和飽和度補償，再將影像轉(zhuǎn)換回RGB 空間[9]。對亮度值的補償可以先利用分離函數(shù)分離空間頻率，得到亮度的高頻與低頻成分，然后對陰影區(qū)域的亮度進(jìn)行增強[10]。對飽和度的處理則是通過抑制陰影區(qū)的飽和度以便恢復(fù)陰影區(qū)的自然色彩[11]。這一方法可以有效消除一些區(qū)域的陰影，但對于多數(shù)陰影較重的區(qū)域來說，應(yīng)用多來源、多時相影像輔助解譯是最有效的方法。不同季節(jié)、不同天氣狀況的光照狀況不同，遙感影像的質(zhì)量與陰影狀況也不相同，應(yīng)用影像的這一特點對比多期影像便可實現(xiàn)對陰影區(qū)的識別（圖5），雖然2 幅影像的拍攝季節(jié)、植被狀況、影像質(zhì)量都不同，但由于二者的陰影狀況不同，處理后對于處理前陰影區(qū)域信息的解譯可以起到很大的參考作用。

2.2 山區(qū)耕地的面積精準(zhǔn)核算

耕地面積是耕地資源的重要數(shù)據(jù)，準(zhǔn)確的耕地面積對于作物的估產(chǎn)和政府的農(nóng)業(yè)決策都起著至關(guān)重要的作用。山區(qū)耕地的情況較平坦地區(qū)更復(fù)雜，耕地面積的調(diào)查難度也更大，獲取準(zhǔn)確的耕地面積對于農(nóng)村土地調(diào)查工作至關(guān)重要。對耕地邊界的準(zhǔn)確識別是獲取準(zhǔn)確耕地面積的前提，耕地內(nèi)的小地物與坡地面積的修正是面積核算的困難所在，對這2 個問題的處理結(jié)果直接決定著耕地面積的精確程度。

據(jù)統(tǒng)計，30 m 分辨率的遙感影像判讀所獲得的的耕地圖斑面積比實際耕地面積大30%左右[12]，造成這一差異的最主要原因便是各種非耕地的小地物和線狀地物。山區(qū)耕地與平坦地區(qū)耕地相比，小地物的類型更多，分布更廣，解譯難度也更大，因此，小地物和線狀地物的剔除是山區(qū)耕地面積精準(zhǔn)核算的重要工作。目前，國內(nèi)外對遙感影像中小地物的提取方法主要有3 類：（1）抽樣調(diào)查法，選取若干有代表性的區(qū)域，實地測量小地物與線狀地物在耕地總面積中所占的比例，根據(jù)這一比例估測整個研究區(qū)小地物與線狀地物的面積。（2）數(shù)理分析法，結(jié)合GIS 和RS 技術(shù)，通過建立數(shù)學(xué)模型和相關(guān)趨勢外推模型來測算非耕地面積。（3）高分辨率影像解譯法[13]，采用較高分辨率的影像解譯并剔除非耕地的小地物和線狀地物[12]。前2 種方法能有效去除小地物和線狀地物的影響，但都無法獲取這些地物的具體位置，此外由于山區(qū)環(huán)境復(fù)雜，耕地狀況隨機性較強，這2 種方法在某些區(qū)域可能造成較大的誤差。高分辨率影像法更適合在確權(quán)工作中使用，確權(quán)的基礎(chǔ)影像本身分辨率較高，可以滿足小地物的解譯標(biāo)準(zhǔn)，而且與其他2 種方法相比，高分辨率影像法的效率更高。耕地中小地物的分布不規(guī)律，面積相對較小，類型多樣，了解各類小地物的解譯標(biāo)志可以有效提高解譯精度和解譯效率。

除小地物與線狀地物外，坡地面積的修正也是影響山區(qū)耕地精準(zhǔn)核算的重要因素。坡地是北方山區(qū)常見的耕地形式，由于修建梯田的工程量比較大，在一些坡度較小的山坡常會形成與水平面呈一定角度的坡地。對于這類坡地，使用影像圖直觀解譯只能獲取到它投影到水平面上的投影面積，與它的真實面積有較大的誤差。為了消除這一誤差需要獲取坡地的坡度和坡向，利用三角形的勾股定理對坡地面積進(jìn)行校正。校正公式為：S＝S1÷cosθ，其中，S 為校正面積，S1為解譯面積，θ 為耕地的坡度。

坡度坡向是描述地形特征信息的重要指標(biāo)，它能夠反映地形的形態(tài)起伏與結(jié)構(gòu)特征。坡度是指過地表一點的切平面與水平面的夾角，反映地表坡面的傾斜程度；坡向是指地表面上一點的切平面的法線在水平面的投影與該點正北方向的夾角，它指示坡面所面對的方向。地形因子與山區(qū)耕地流轉(zhuǎn)密切相關(guān)，隨著坡度增加，耕地情況越差[14]。目前，獲取坡度坡向最常用的手段是應(yīng)用DEM 數(shù)字高程模型進(jìn)行坡度坡向分析[15]。DEM 是地形表面形態(tài)屬性信息的數(shù)字表達(dá)，是帶有空間位置特征和高程屬性特征的數(shù)字描述。主要的坡度坡向分析方法有數(shù)值分析法、局部曲面擬和法、空間矢量法及快速傅里葉變換法等[16]。不同精度的DEM 數(shù)據(jù)計算所得的坡度坡向精度也不相同[17]，低精度的DEM 會導(dǎo)致研究區(qū)的坡度變小，坡度標(biāo)準(zhǔn)差變大，DEM 精度對不同坡度區(qū)域表現(xiàn)為不同的影響。由研究區(qū)的DEM數(shù)據(jù)計算得到的坡度坡向圖疊加研究區(qū)影像可以發(fā)現(xiàn)，耕地多處于0°～15°的低坡區(qū)域；依據(jù)坡向圖可以判斷耕地的朝向，對于大塊坡地的坡向及形狀的判定有指導(dǎo)性的作用。對圖6中坡地初步解譯，該地塊面積為1 531.8 m2，疊加坡度圖得到該地塊坡度在12°～20°范圍內(nèi)，取中間值15°經(jīng)校正公式計算可得校正后面積為1 587.5 m2，經(jīng)與農(nóng)戶核實校正后面積更接近地塊的實際面積，證實了該方法的可行性。

2.3 撂荒耕地的解譯與驗證

耕地撂荒是指土地經(jīng)營者在耕地利用過程中由于受到社會、經(jīng)濟(jì)、人為等因素的影響對耕地減少耕作甚至不耕作的行為，撂荒會導(dǎo)致耕地在一些時期內(nèi)處于沒有充分利用甚至荒蕪的狀態(tài)[1]。撂荒耕地在國際和國內(nèi)眾多區(qū)域內(nèi)都有分布，而且近年來越來越多，特別是在耕地質(zhì)量相對較低的山區(qū)內(nèi)[18]。山區(qū)耕地與平坦地區(qū)相比產(chǎn)量更低，種植難度也更大[19]，農(nóng)戶為了追求更大的效益往往會放棄這一部分耕地[20]。做好對于撂荒耕地的調(diào)查，獲取撂荒耕地的真實數(shù)據(jù)，對于土地確權(quán)工作與農(nóng)業(yè)的整體決策都有重要的意義。

山區(qū)撂荒耕地往往都有面積小、分布分散、荒蕪程度嚴(yán)重、邊界模糊等特征，這些特征都增加了撂荒耕地的解譯難度。大多數(shù)的山區(qū)撂荒耕地?zé)o法通過直接解譯識別，對于這部分耕地的解譯應(yīng)該按照先調(diào)查后解譯的方式進(jìn)行。經(jīng)營耕地的農(nóng)戶對撂荒耕地的具體位置與實際狀況最了解，先調(diào)查經(jīng)營耕地的農(nóng)戶可以快速獲取耕地的大致信息，減少解譯工作的工作量，保證解譯工作的正確性。在影像解譯的過程中，由于撂荒耕地的植被狀況與周圍其他土地并無較大差異，因此，往往需要撂荒前后或不同季節(jié)的多期影像[21]。在實際操作中，由于撂荒年份、時間不確定，且影像質(zhì)量相對較差，因此，可以疊加不同季節(jié)的影像。按照調(diào)查的結(jié)果確定撂荒耕地的大致位置，疊加與不同季節(jié)的高分辨率影像，撂荒年份較短的耕地生長的多為草本植物，而周圍環(huán)境多為喬木、灌木。夏季草本植物與喬木灌木相比，色調(diào)更淺，紋理更細(xì)，而且沒有由于植物高度造成的陰影。秋冬季節(jié)草本植物枯萎速度更快，枯萎程度也更嚴(yán)重，因此，顏色多為枯黃色，與周圍環(huán)境的顏色差異較明顯。在調(diào)查的基礎(chǔ)上，合理的利用撂荒耕地的這些特征可以較好地解譯撂荒耕地的具體位置和邊界。

3 結(jié)論

本研究簡單介紹了農(nóng)村土地調(diào)查過程中耕地解譯的過程，重點探討了山區(qū)影像耕地解譯過程中存在的幾種有解譯困難的地塊，并針對這些解譯困難提出了具體的解決辦法。結(jié)果表明，對于不規(guī)則耕地的邊界識別問題，針對其邊界與內(nèi)部的色調(diào)差異，可以采用線性拉伸和非線性拉伸的方法增強圖像的對比度，然后使用高通濾波的方法銳化處理，突出耕地的邊界。陰影區(qū)耕地可以按照不同的陰影程度采用不同的辦法進(jìn)行處理，對于陰影較弱的區(qū)域可適當(dāng)?shù)恼{(diào)節(jié)影像的亮度與對比度以減弱陰影的影響；而對于陰影較強的區(qū)域則需要結(jié)合實地調(diào)研，通過變換色彩空間補償陰影區(qū)域的亮度與飽和度。為減小小地物對耕地面積的影響，可以采用影像解譯與抽樣調(diào)查相結(jié)合的剔除方法，而坡地對面積量算的影響則需要進(jìn)行坡度坡向分析，通過勾股定理進(jìn)行糾正。最后提出利用不同季節(jié)影像疊加的方法解譯撂荒耕地的方法。