董國棟

(諸城市國土資源局，山東 諸城　262200)

基于多源遙感數(shù)據(jù)的農(nóng)村居民點用地提取技術(shù)

董國棟

(諸城市國土資源局，山東 諸城262200)

在分析和改進(jìn)傳統(tǒng)的建設(shè)用地、不透水面遙感分類方法的基礎(chǔ)上，針對農(nóng)村居民點用地的特點，提出了一種結(jié)合面向?qū)ο蠓诸惣夹g(shù)、多源、多時相遙感數(shù)據(jù)數(shù)據(jù)綜合分析技術(shù)，借助先驗知識，通過遙感手段與GIS技術(shù)相結(jié)合進(jìn)行農(nóng)村居民點用地分類提取的新方法。使用北京市遙感數(shù)據(jù)進(jìn)行了實驗，自動分類結(jié)果準(zhǔn)確率高。另外，通過對圖像分割后得到的圖像對象進(jìn)行多邊形編輯，可以進(jìn)一步提高準(zhǔn)確率，從而滿足高精度研究和監(jiān)測的需要。

農(nóng)村居民點；遙感影像；監(jiān)測技術(shù)

引文格式：董國棟.基于多源遙感數(shù)據(jù)的農(nóng)村居民點用地提取技術(shù)[J].山東國土資源，2015,31(3):63-66.DONG Guodong.Extraction Technique of Rural Residential Land Based on Multi-source Remote Sensing Data[J].Shandong Land and Resources,2015，31(3):63-66.

近年來，隨著我國經(jīng)濟高速發(fā)展, 建設(shè)用地擴張速度驚人，人地矛盾進(jìn)一步突出[1]，具體表現(xiàn)為一方面，城市化進(jìn)程加快，城市建設(shè)用地面積快速增長；另一方面，雖然農(nóng)村人口大量遷往城鎮(zhèn)居住，但是農(nóng)村居民點用地卻仍然不斷擴張，并且農(nóng)村居民點土地利用粗放，空置超占多[2]。對農(nóng)村居民點用地進(jìn)行大范圍快速有效的監(jiān)測漸成為政府和學(xué)者關(guān)注的熱點，同時準(zhǔn)確掌握我國農(nóng)村居民點用地的空間數(shù)量信息，也是分析研究農(nóng)村與農(nóng)業(yè)相關(guān)問題的重要基礎(chǔ)數(shù)據(jù)，因此，迫切需要探索適合大范圍快速有效的農(nóng)村居民點用地分類提取方法。

1　研究背景

目前，利用遙感影像分類技術(shù)提取建設(shè)用地和不透水面的研究，如傳統(tǒng)的監(jiān)督、非監(jiān)督分類方法以及近年來出現(xiàn)的指數(shù)模型法、線性光譜分析法和利用數(shù)據(jù)挖掘算法都取得了較好的效果。但是，如果采用這些方法進(jìn)行專門針對農(nóng)村居民點用地的分類提取則存在明顯不足，具體分析有以下原因：

(1)農(nóng)村居民點用地比較松散，一般房前屋后會存在菜園、零星樹木或者小塊水塘等[3]，土地覆蓋類型多樣，而根據(jù)現(xiàn)行的《土地利用現(xiàn)狀分類標(biāo)準(zhǔn)》，這些土地雖然覆蓋類型不同，但都屬于農(nóng)村居民點用地，這與“不透水面”的概念有所不同，因此，采用基于像元或者亞像元的不透水面提取方法進(jìn)行農(nóng)村居民點分類，會在很大程度上低估農(nóng)村居民點用地面積。

(2)農(nóng)村居民點與裸土地、裸巖石礫地存在比較嚴(yán)重的“同譜異物”現(xiàn)象，采用通常的多光譜遙感數(shù)據(jù)進(jìn)行分類，容易出現(xiàn)混分、錯分的現(xiàn)象，嚴(yán)重影響農(nóng)村居民點用地分類提取精度。

(3)傳統(tǒng)的建設(shè)用地或者不透水面的提取方法，對建設(shè)用地內(nèi)部不同地類判別研究較少，無法更加細(xì)致、有效地區(qū)分建設(shè)用地內(nèi)部的城市建設(shè)用地、農(nóng)村居民點用地和公路交通用地等二級類。

針對上述問題，該研究采用2010年北京市多期LANDSAT TM，ETM數(shù)據(jù)和2010年DMSP/OLS夜間燈光平均強度數(shù)據(jù)產(chǎn)品，在Definiens7.0軟件平臺下，利用影像單元的光譜信息進(jìn)行初始分類，得到初步的建設(shè)用地類別，然后進(jìn)一步利用多期TM數(shù)據(jù)植被指數(shù)最大值、夜間燈光和影像單元形狀、面積等信息區(qū)別農(nóng)村居民點、裸土地、裸巖石礫地、城市建設(shè)用地等地類，針對農(nóng)村居民點用地進(jìn)行精細(xì)分類，利用GIS技術(shù)將分類結(jié)果與google earth進(jìn)行疊加，比較直觀地分析和驗證了該方法的可行性。

2　研究方法

2.1數(shù)據(jù)預(yù)處理

研究使用的遙感數(shù)據(jù)為2010年3期LANDSAT TM，ETM數(shù)據(jù)，其中1期數(shù)據(jù)為LANDSAT-7 ETM影像，已通過多影像自適應(yīng)局部回歸方法進(jìn)行去條帶處理，另外2期數(shù)據(jù)為LANDSAT-5 TM影像，每景數(shù)據(jù)可以覆蓋北京市(包括所轄縣區(qū))的絕大部分區(qū)域；美國NGDC(National Geophysical Data Center)提供的2010年DMSP/OLS夜間燈光平均強度數(shù)據(jù)產(chǎn)品，該產(chǎn)品已經(jīng)經(jīng)過除云去噪處理，具體數(shù)據(jù)情況見表1。

表1　研究使用的遙感數(shù)據(jù)

將LANDSAT TM,ETM數(shù)據(jù)中紅、綠、藍(lán)、近紅外、中紅外波段共6個波段數(shù)據(jù)重新打包，便于后續(xù)的圖像分類處理。由于LANDSAT TM,ETM數(shù)據(jù)與年DMSP/OLS夜間燈光平均強度數(shù)據(jù)地理參考不一致，所以需要對數(shù)據(jù)進(jìn)行重投影處理，統(tǒng)一為Albers等面積割圓錐投影。

2.2提取最大植被指數(shù)

在前人進(jìn)行的建設(shè)用地分類提取研究中，已經(jīng)證明了利用植被指數(shù)區(qū)別綠地與建設(shè)用地非常有效，由于農(nóng)村居民點周圍大量的耕地種植時間并不相同，耕地中尚未種植作物的裸土地與農(nóng)村居民點用地光譜特征比較相似，容易出現(xiàn)混分現(xiàn)象[4]。如圖1所示，兩幅圖像分別為獲取時間為6月和8月的TM數(shù)據(jù)，可以明顯發(fā)現(xiàn)，由于作物種植時間不同而出現(xiàn)的裸土地與農(nóng)村居民點用地光譜特征非常相似。

圖1　作物生長階段不同產(chǎn)生的裸土地

因此，研究對2010年3期不同成像時間的TM,ETM數(shù)據(jù)進(jìn)行處理，根據(jù)公式(1)計算每期數(shù)據(jù)的歸一化植被指數(shù)，得到NDVI1，NDVI2，NDVI3，然后根據(jù)公式(2)得到每個像元在3個成像時間時最大植被指數(shù)，通過設(shè)置合適的NDVImax閾值對裸土地進(jìn)行剔除，可以有效解決因為耕地作物種植時間差異而產(chǎn)生的裸土地與農(nóng)村居民點混分的問題。

(1)

式中：Nir為近紅外波段數(shù)據(jù);Red為紅光波段數(shù)據(jù);在TM,ETM數(shù)據(jù)中分別為第4和第3波段數(shù)據(jù)。

NDVImax=[NDVI1,NDVI2,NDVI3]

(2)

2.3圖像分割

圖像分割是圖像面向?qū)ο蠓诸愄幚淼那疤岷突A(chǔ)，通過對影像數(shù)據(jù)進(jìn)行圖像分割得到影像對象，影像對象是面向?qū)ο蠓诸惖淖罨締卧?，是影像的各種綜合信息的載體[5]。圖像分割的質(zhì)量直接影響后續(xù)處理的精度[6]，但是難以通過統(tǒng)一可靠的標(biāo)準(zhǔn)衡量圖像分割質(zhì)量，目前主要通過目視判讀評價圖像分割質(zhì)量，影像對象過小，實際類別相同卻分為大量不必要的對象，增加了分類難度，降低分類效率。影像對象過小，導(dǎo)致影像對象中包含不唯一的類別，導(dǎo)致錯分、混分。

研究首先在Definiens7.0中，利用3期TM數(shù)據(jù)的18個波段影像、計算得到的NDVImax圖像和DMSP/OLS夜間燈光平均強度數(shù)據(jù)，共19個圖層建立分類工程；然后采用軟件提供的多尺度分割算法進(jìn)行影像分割和信息提取。通過對比分割效果，確定選擇使用LANDSAT-5 TM 兩期數(shù)據(jù)共12個波段設(shè)置相同的影像圖層權(quán)重進(jìn)行圖像分割，由于農(nóng)村居民點用地土地覆蓋類型多樣，混合像元多，因此分割時應(yīng)設(shè)置較低形狀(shape)參數(shù)，中等緊質(zhì)度(Compactness)參數(shù)。TM是中等分辨率遙感數(shù)據(jù)，經(jīng)目視對比分割效果，分割尺度設(shè)置為20，得到的影像對象比較適合進(jìn)行分類提取(圖2)。

圖2　不同分割尺度圖像分割效果

2.4建設(shè)用地提取

目前，利用遙感影像分類技術(shù)提取建設(shè)用地的方法已經(jīng)比較成熟，在Definiens7.0 軟件中可以首先定義圖像分類特征空間，該研究主要利用影像單元的光譜特征作為分類特征，因此選擇了影像對象內(nèi)所有像元在TM數(shù)據(jù)各波段的均值和標(biāo)準(zhǔn)差，共有36個統(tǒng)計值作為分類特征，然后通過與google earth圖像進(jìn)行對比，確定用于分類的圖像對象樣本，根據(jù)北京市郊區(qū)的土地覆蓋情況，確定了5種樣本，分別是建設(shè)用地、蔬菜大棚、綠地、水域、云，每種類別選擇30～50個圖像對象作為樣本，采用標(biāo)準(zhǔn)最臨近分類算法，對所有圖像對象進(jìn)行分類，提取建設(shè)用地。

2.5農(nóng)村居民點用地提取

(1)農(nóng)村居民點與裸土地的判別。使用最臨近分類算法分類后，可以發(fā)現(xiàn)大量的裸土地被錯分到建設(shè)用地中。由于這些裸土地雖然種植作物的時間不一樣，但是通過不同時相TM數(shù)據(jù)的植被指數(shù)最大值可以有效判別裸土地與農(nóng)村居民點用地，經(jīng)過對比分析，確定設(shè)置影像單元NDVImax平均值小于0.22的閾值條件，剔除混分進(jìn)建設(shè)用地的裸土地。

(2)農(nóng)村居民點與裸巖石礫地的判別。分析分類結(jié)果發(fā)現(xiàn)，山區(qū)裸露的巖石是另一種嚴(yán)重干擾分類精度的地貌類型，由于裸巖石礫地基本不生長植被，因此影像單元的NDVImax平均值較小，通過植被指數(shù)無法進(jìn)行區(qū)分。DMSP/OLS平均燈光強度數(shù)據(jù)產(chǎn)品能夠探測夜間低強度燈光，同時夜間燈光與區(qū)域經(jīng)濟活動狀況密切相關(guān)，雖然數(shù)據(jù)分辨率較低，但由于裸巖石礫地主要分布在遠(yuǎn)離城市的偏僻山區(qū)，因此，利用DMSP/OLS夜間燈光影像區(qū)別裸巖石礫地與農(nóng)村居民點用地非常有效，DMSP/OLS夜間燈光影像的值域分布是從0～63，經(jīng)過對比分析，確定設(shè)置將影像單元的DMSP/OLS夜間燈光影像平均值小于0.5的圖像對象從建設(shè)用地分類中剔除，去除分類中的裸巖石礫地(圖3)。

圖3　同一區(qū)域的TM影像(743彩色合成)與DMSP/OLS夜間燈光影像

(3)農(nóng)村居民點與交通道路用地的判別。由于TM影像是中分辨率影像，大部分交通道路用地與周圍綠地形成混合像元，在影像上并不明顯，所以大部分交通道路用地被分入綠地，只有少量寬度較大的路段被分入建設(shè)用地，對于這部分分入建設(shè)用地的交通道路，可以通過影像對象的形狀特征(length/width)對道路進(jìn)行區(qū)分，length/width即經(jīng)過圖像對象中心的最長軸與最短軸的比值，如圖4所示由于道路多呈條狀，而農(nóng)村居民點用地主要為團(tuán)塊狀，經(jīng)過對比分析，確定將圖像對象length/width值大于7的圖像對象從建設(shè)用地中剔除，去除建設(shè)用地分類中的交通道路用地。

圖4　農(nóng)村居民點與交通道路用地判別示意圖

(4)農(nóng)村居民點與城市的判別。將建設(shè)用地類別中的裸土地、裸巖石礫地、交通道路用地剔除后，建設(shè)用地類別中主要為城市建設(shè)用地和農(nóng)村居民點用地，由于圖像分割時，同一塊建設(shè)用地內(nèi)部會根據(jù)微小差別分為多個圖像對象，因此需要將同種類別相鄰的圖像對象進(jìn)行合并。圖像對象合并后，城市建設(shè)用地的圖像對象面積遠(yuǎn)大于一般的農(nóng)村居民點用地圖像對象面積，可以通過設(shè)置面積閾值進(jìn)一步區(qū)分城市建設(shè)用地與農(nóng)村居民點用地，同時也可以參考DMSP/OLS夜間燈光影像，一般城市用地?zé)艄鈴姸纫裁黠@比農(nóng)村居民點用地高。由于圖像對象合并后的城市區(qū)域面積較大，非常明顯，且數(shù)量較少，在大范圍農(nóng)村居民點監(jiān)測中也可以通過目視解譯，手動剔除的方式進(jìn)行判別。該研究中，通過設(shè)置圖像對象面積閾值條件，將建設(shè)用地分類中的城市建設(shè)用地單獨分為一類，由于有些城市建設(shè)用地分布在城市周圍，并未與城區(qū)圖像對象相連接，因此，在Definiens7.0 軟件中定義與城市建設(shè)用地距離小于500m的建設(shè)用地劃入城市建設(shè)用地，最終得到的建設(shè)用地圖層即為農(nóng)村居民點用地。

2.6分類后處理

Definiens 7.0可以直接將分類后的結(jié)果導(dǎo)出為shape file 多邊形格式文件，如圖5所示，將文件轉(zhuǎn)換為kml格式，可以直接與google earth疊加，從而比較直觀地顯示農(nóng)村居民點用地提取效果。圖像分割后的所有圖像對象也可以直接輸出shape file 多邊形格式文件，每個圖像對象都是一個多邊形，因此，可以非常方便的在Definiens或GIS軟件中進(jìn)行多邊形編輯，將漏分或者錯分的圖像對象加入或剔除出分類結(jié)果，從而明顯提高分類精度。在實際應(yīng)用中可根據(jù)需求，選擇是否進(jìn)行分類后的人工修正，如果需要滿足高精度的研究和監(jiān)測要求，可以花費很少的時間和人力，對分類提取的結(jié)果進(jìn)行進(jìn)一步的手動修正，從而提高準(zhǔn)確率。

圖5　農(nóng)村居民點用地分類結(jié)果與google earth疊加效果

3　結(jié)論與討論

3.1結(jié)論

將分類結(jié)果與google earth疊加后，可以借助google earth的高分辨率數(shù)據(jù)與地名、行政界線等信息，進(jìn)一步檢驗農(nóng)村居民點用地提取的精度。從視覺效果來看，實驗提取的農(nóng)村居民點用地邊界比較符合實際情況，有效避免了基于像元或亞像元分類方法容易出現(xiàn)的“椒鹽效果”。

由于該研究僅對農(nóng)村居民點用地進(jìn)行了提取分類，因此沒有采用傳統(tǒng)的混淆矩陣進(jìn)行精度分析。而是在google earth上隨機選擇了100個農(nóng)村居民點用地進(jìn)行精度分析，經(jīng)統(tǒng)計實際被分類提取出來的農(nóng)村居民點用地為91個，漏分誤差9%；然后在分類結(jié)果中隨機選擇了100個農(nóng)村居民點用地，經(jīng)統(tǒng)計實際確定為農(nóng)村居民點用地88個，錯分誤差12%。經(jīng)過分類后處理，對直接輸出的分類結(jié)果手動修正后，除極少量的農(nóng)村居民點邊界處有不夠準(zhǔn)確的情況，基本所有農(nóng)村居民點用地都可以準(zhǔn)確提取。

3.2討論

該研究提出了一套高效、高精度，適合進(jìn)行大規(guī)模農(nóng)村居民點用地提取監(jiān)測方法，其中結(jié)合了面向?qū)ο蠓诸惣夹g(shù)，多源、多時相遙感數(shù)據(jù)數(shù)據(jù)綜合分析技術(shù)，借助先進(jìn)知識通過遙感手段與GIS技術(shù)相結(jié)合，綜合了數(shù)據(jù)預(yù)處理、分類判別、分類后處理、分類結(jié)果驗證等一系列技術(shù)處理過程，在保證花費較少時間和人力的前提下，得到滿足高精度農(nóng)村與農(nóng)業(yè)問題研究和監(jiān)測需要的農(nóng)村居民點用地數(shù)據(jù)。由于該研究專門針對干擾農(nóng)村居民點用地提取的裸土地、裸巖石礫地等地類的判別進(jìn)行了深入分析，并提出了解決思路與方法，因此在我國的大部分地區(qū)都可以通過這個思路，在該研究方法的基礎(chǔ)上探索適合當(dāng)?shù)氐呐袆e閾值，進(jìn)一步推廣和使用這種農(nóng)村居民點用地的提取方法。另外該研究使用的遙感影像數(shù)據(jù)，可以在相關(guān)網(wǎng)站免費獲取，以較低成本，進(jìn)行大范圍的農(nóng)村居民點用地的監(jiān)測與研究工作。

雖然研究提出的農(nóng)村居民點用地提取方法具有很多優(yōu)點，但是在數(shù)據(jù)的實驗處理過程中也發(fā)現(xiàn)了一些局限性，例如，研究選擇的DMSP/OLS平均燈光強度數(shù)據(jù)空間分辨率較低，因此判別分布比較集中，大面積的裸巖石礫地時效果較好，而對于農(nóng)村居民點與裸巖石礫地交錯混雜分布時，判別效果不夠理想，隨著美國“夜間衛(wèi)星計劃(nightsat mission)”的實施，今后可以考慮用較高分辨率的夜間燈光影像數(shù)據(jù)進(jìn)行替代。

[1]符太成．建設(shè)用地集約利用評價研究——以柳州市為例[D]．華中農(nóng)業(yè)大學(xué)，2009.

[2]劉喜廣，劉朝暉．農(nóng)村居民點用地存在的問題與整理措施[J]．國土資源情報，2006,(11):45-48．

[3]鐘燕林．農(nóng)村居民點用地節(jié)約集約利用研究——以重慶市為例[D]．西南大學(xué)，2009．

[4]邸向紅，王周龍，張明明，張淑萍．基于決策樹的蓬萊市土地覆蓋信息提取[J]．山東國土資源，2009,25(11): 58-62.

[5]鄧媛媛，巫兆聰，易俐娜，胡忠文，龔正娟．面向?qū)ο蟮母叻直媛视跋褶r(nóng)用地分類[J]．國土資源遙感，2010,(4):117-121．

[6]張國權(quán)，李戰(zhàn)明，李向偉，魏偉．HSV空間中彩色圖像分割研究[J]．計算機工程與應(yīng)用，2010,46(26): 179-181.

Extraction Technique of Rural Residential Land Based on Multi-source Remote Sensing Data

DONG Guodong

(Zhucheng Bureau of Land and Resources，Shandong Zhucheng 262200，China)

In this article，based on the analysis and improvement of traditional method of remote sensing classification for construction land and impervious surface, according to the characteristics of rural residential land, combining with comprehensive analysis technique of object-oriented classification，multi-source and multi-temporal remote sensing data，by using prior knowledge，through a combination of remote sensing and GIS technology，a new method has put forward to the extraction of rural residential land classification. An experiment has been carried out by using remote sensing data in Beijing，it is showed that the result has high accuracy on automatic classification. In addition, it can improve accuracy and satisfy the demand of high-precision studying and monitoring by editing polygon obtained after partitioning images.

Rural residential; object-oriented; monitoring technology

2014-04-13；

2014-05-05；編輯：陶衛(wèi)衛(wèi)

董國棟(1979—)，男，山東諸城人，工程師，主要從事國土資源管理工作；E-mail：7312316@qq.com

P209

B