高志強(qiáng), 史明昌?, 楊文濤, 孫娜, 王曉晶

(1.北京林業(yè)大學(xué)水土保持學(xué)院,100083,北京;2.北京地拓科技發(fā)展有限公司,100084,北京)

面向水土保持監(jiān)管的黃土高原區(qū)生產(chǎn)建設(shè)項(xiàng)目地塊快速提取

高志強(qiáng)1, 史明昌1?, 楊文濤1, 孫娜2, 王曉晶2

(1.北京林業(yè)大學(xué)水土保持學(xué)院,100083,北京;2.北京地拓科技發(fā)展有限公司,100084,北京)

生產(chǎn)建設(shè)項(xiàng)目是黃土高原區(qū)人為水土流失的主要來(lái)源之一。快速獲取生產(chǎn)建設(shè)項(xiàng)目地塊的位置和屬性信息，對(duì)提升水土保持監(jiān)管效率、保護(hù)區(qū)域水土資源具有重要意義。當(dāng)前生產(chǎn)建設(shè)項(xiàng)目地塊的提取主要采用專(zhuān)家目視解譯遙感影像的方法，存在效率低、主觀性強(qiáng)、穩(wěn)定性差等問(wèn)題。本文采用高分一號(hào)(GF-1)影像，提出一種面向?qū)ο蟮目焖偬崛↑S土高原區(qū)生產(chǎn)建設(shè)項(xiàng)目地塊的方法。首先，分析研究區(qū)各類(lèi)典型生產(chǎn)建設(shè)項(xiàng)目地塊中組成地物的可分性，確定6類(lèi)用于標(biāo)記生產(chǎn)建設(shè)項(xiàng)目地塊的標(biāo)志性地物。在此基礎(chǔ)上，融合多尺度分割和模糊分類(lèi)方法，構(gòu)建面向?qū)ο蟮亩鄬哟翁崛∧Ｐ吞崛?biāo)志性地物，獲得生產(chǎn)建設(shè)項(xiàng)目地塊的提取結(jié)果。結(jié)果顯示：6類(lèi)標(biāo)志性地物具備標(biāo)記黃土高原區(qū)生產(chǎn)建設(shè)項(xiàng)目地塊的能力，使用本方法提取點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊的數(shù)量精度達(dá)到95%以上，提取線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊的長(zhǎng)度精度超過(guò)86%，且總耗時(shí)不超過(guò)現(xiàn)行方法的20%。與專(zhuān)家目視解譯相比，本文方法在保證提取精度的同時(shí)，極大地提升了提取效率，可用于黃土高原較大區(qū)域的生產(chǎn)建設(shè)項(xiàng)目地塊的快速準(zhǔn)確提取。這一方法可為水土保持監(jiān)管的高效化、精準(zhǔn)化實(shí)施提供有力的技術(shù)支撐。

黃土高原區(qū)； 生產(chǎn)建設(shè)項(xiàng)目地塊； 水土保持監(jiān)管； 高分一號(hào)； 快速提取

生產(chǎn)建設(shè)項(xiàng)目在建設(shè)和生產(chǎn)過(guò)程中極容易產(chǎn)生水土流失[1]。黃土高原區(qū)是我國(guó)水土流失最嚴(yán)重的地區(qū)之一，同時(shí)也是我國(guó)重要的能源化工基地。隨著經(jīng)濟(jì)的發(fā)展，生產(chǎn)建設(shè)項(xiàng)目不斷增加，規(guī)模不斷擴(kuò)大，導(dǎo)致的區(qū)域內(nèi)水土流失災(zāi)害日益嚴(yán)重。加強(qiáng)生產(chǎn)建設(shè)項(xiàng)目的水土保持監(jiān)管，對(duì)保護(hù)區(qū)域內(nèi)水土資源有著重要意義[2-3]。

傳統(tǒng)現(xiàn)場(chǎng)巡查的方式難以快速準(zhǔn)確獲取區(qū)域內(nèi)全部生產(chǎn)建設(shè)項(xiàng)目的位置和屬性信息，極大地影響監(jiān)管效率和質(zhì)量。目前正在試行的“天地一體化”監(jiān)管方式，利用高空間分辨率遙感影像提取36類(lèi)生產(chǎn)建設(shè)項(xiàng)目地塊，結(jié)合地面監(jiān)督檢查，實(shí)現(xiàn)對(duì)>1 000 m2生產(chǎn)建設(shè)項(xiàng)目的全覆蓋監(jiān)管[4]；但是這種方式主要采用專(zhuān)家目視解譯的方法提取生產(chǎn)建設(shè)項(xiàng)目地塊，存在效率較低、主觀性強(qiáng)、穩(wěn)定性差等問(wèn)題。如何利用先進(jìn)的基于遙感影像的自動(dòng)提取技術(shù)，快速準(zhǔn)確地提取生產(chǎn)建設(shè)項(xiàng)目地塊，是信息化發(fā)展的趨勢(shì)，更是進(jìn)一步提升監(jiān)管效率的有效手段。

當(dāng)前，利用各種分辨率遙感影像提取不透水面、建筑物的研究較多[5-7]，但是提取生產(chǎn)建設(shè)項(xiàng)目地塊的研究開(kāi)展較少。相比于不透水面的提取，生產(chǎn)建設(shè)項(xiàng)目地塊的提取有3個(gè)難點(diǎn)：一是研究區(qū)域上，不透水面注重于城市內(nèi)部[8]，而生產(chǎn)建設(shè)項(xiàng)目分布更加廣泛，覆蓋城鎮(zhèn)和農(nóng)村地區(qū)，土地覆蓋類(lèi)型更加復(fù)雜，干擾信息更多；二是研究對(duì)象上，不透水面主要包括道路、停車(chē)場(chǎng)、人行道、屋頂和城市地物中其他不具有滲透性的表面[9]，生產(chǎn)建設(shè)項(xiàng)目地塊除此之外還包括采礦區(qū)、棄土棄渣場(chǎng)、正在施工的建設(shè)區(qū)等，研究對(duì)象類(lèi)型更加多樣；三是研究尺度和精度上，不透水面提取多用于土地利用變化檢測(cè)、城市規(guī)劃等較大尺度的研究[10]，而生產(chǎn)建設(shè)項(xiàng)目地塊提取以各生產(chǎn)建設(shè)項(xiàng)目為基本單元，其內(nèi)部組成更加細(xì)小、破碎，提取的難度更大。

面向?qū)ο蟮倪b感影像分析方法，通過(guò)影像分割獲取對(duì)象，并將對(duì)象作為最小處理單元，能夠充分利用地物光譜、形狀、空間信息，克服基于像素方法帶來(lái)的“椒鹽效應(yīng)”。多層次提取方法融合多尺度分割和模糊分類(lèi)的優(yōu)勢(shì)，能夠?qū)⒉煌瑢哟翁崛〉牡匚锞酆希M(jìn)一步提升提取精度，已經(jīng)在不同領(lǐng)域得到有效利用[11-12]。本文試圖使用2 m分辨率的GF-1融合影像，對(duì)黃土高原區(qū)各類(lèi)生產(chǎn)建設(shè)項(xiàng)目地塊的組成地物進(jìn)行特征分析，構(gòu)建一種面向?qū)ο蟮亩鄬哟翁崛∧Ｐ?，用于大區(qū)域生產(chǎn)建設(shè)項(xiàng)目地塊的快速提取。

1 研究區(qū)概況

研究區(qū)選擇陜西省榆林市橫山縣北部159 km2的城郊結(jié)合地帶(圖1)。該區(qū)位于黃土高原西北部，地貌破碎，土壤以黃綿土為主，自然資源豐富。研究區(qū)是晉陜蒙能源重化工基地的組成部分，有公路、火電、煤礦、油氣開(kāi)采、煤化工、加工制造、城建、水利項(xiàng)目等黃土高原區(qū)常見(jiàn)的各類(lèi)生產(chǎn)建設(shè)項(xiàng)目。相比于生產(chǎn)建設(shè)項(xiàng)目分布比較規(guī)則的城鎮(zhèn)地區(qū)，城郊結(jié)合地帶生產(chǎn)建設(shè)項(xiàng)目數(shù)量多且分布分散，地物更加復(fù)雜，現(xiàn)場(chǎng)監(jiān)管和遙感提取的難度更大，有較強(qiáng)的示范意義[13]。

圖1 橫山縣及研究區(qū)位置示意圖Fig.1 Location of Hengshan County and the study area

2 材料與方法

2.1 數(shù)據(jù)源

GF-1遙感影像PMS產(chǎn)品包括分辨率為8 m的4波段多光譜影像與分辨率為2 m的全色影像，與同等分辨率衛(wèi)星影像相比，具有幅寬大和重訪(fǎng)周期短的優(yōu)勢(shì)。筆者選擇2014年8月25日獲取的GF-1影像進(jìn)行研究。輔助數(shù)據(jù)包括寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心制作的中國(guó)沙漠1∶10萬(wàn)分布圖和從 OpenStreetMap網(wǎng)站獲取的研究區(qū)路網(wǎng)數(shù)據(jù)，分別用于輔助提取沙地和公路。結(jié)合2015年9月的實(shí)地調(diào)查，筆者目視解譯了研究區(qū)生產(chǎn)建設(shè)項(xiàng)目地塊分布圖作為參考數(shù)據(jù)用于精度評(píng)價(jià)，從中選擇29個(gè)典型生產(chǎn)建設(shè)項(xiàng)目地塊用于樣本分析。

2.2 技術(shù)流程

技術(shù)流程主要包括5個(gè)環(huán)節(jié)。1)數(shù)據(jù)預(yù)處理。包括對(duì)GF-1遙感影像的輻射校正、幾何校正、影像配準(zhǔn)、影像融合操作，輔助數(shù)據(jù)的配準(zhǔn)、裁剪操作。2)組成地物特征分析和多層次提取模型構(gòu)建。首先，將典型生產(chǎn)建設(shè)項(xiàng)目地塊按組成地物進(jìn)一步分解，分類(lèi)制作樣本，基于樣本特征進(jìn)行可分性分析，確定可用于標(biāo)記各類(lèi)生產(chǎn)建設(shè)項(xiàng)目地塊的標(biāo)志性地物；然后，分析各標(biāo)志性地物的光譜、形狀特征，劃分提取層次，確定特征參數(shù)，在此基礎(chǔ)上構(gòu)建面向?qū)ο蟮亩鄬哟翁崛∧Ｐ汀?)面向?qū)ο蟮亩鄬哟翁崛?。使用?gòu)建的多層次提取模型，對(duì)各標(biāo)志性地物進(jìn)行分類(lèi)提取。 4)提取后處理。包括使用輔助數(shù)據(jù)剔除沙地、優(yōu)化提取線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊，利用空間關(guān)系對(duì)提取結(jié)果進(jìn)行合并和篩選等操作，形成最終生產(chǎn)建設(shè)項(xiàng)目地塊提取結(jié)果。5)精度與效率評(píng)價(jià)，基于參考數(shù)據(jù)對(duì)提取結(jié)果進(jìn)行精度和效率評(píng)價(jià)。本文的研究技術(shù)路線(xiàn)如圖2。

圖2 研究技術(shù)路線(xiàn)圖Fig.2 Technology roadmap of the study

2.3 組成地物特征分析

提取對(duì)象及其特征參數(shù)的準(zhǔn)確選擇是構(gòu)建多層次提取模型的基本條件，這都依托于對(duì)地物特征的充分分析。研究區(qū)生產(chǎn)建設(shè)項(xiàng)目類(lèi)型多樣且組成較為復(fù)雜，不同類(lèi)型不同生產(chǎn)建設(shè)階段的生產(chǎn)建設(shè)項(xiàng)目地塊的組成和占地特點(diǎn)也存在差異[14]。為消除冗余信息，筆者對(duì)29個(gè)典型生產(chǎn)建設(shè)項(xiàng)目地塊的組成地物進(jìn)行可分性分析，選取可準(zhǔn)確標(biāo)記各類(lèi)生產(chǎn)建設(shè)項(xiàng)目地塊的標(biāo)志性地物。

遵循光譜特征均勻一致的原則，將典型生產(chǎn)建設(shè)項(xiàng)目地塊按組成地物進(jìn)一步細(xì)化，分為建(構(gòu))筑物、土質(zhì)裸地、硬化地面、棄渣、植被、煤炭覆蓋區(qū)、陰影、水體等8大類(lèi)15小類(lèi)。受材料、光照的影響，建(構(gòu))筑物影像特征較為復(fù)雜，結(jié)合現(xiàn)實(shí)地物特征進(jìn)行了再分類(lèi)。生產(chǎn)建設(shè)項(xiàng)目地塊會(huì)包含15類(lèi)中的1類(lèi)或多類(lèi)。

根據(jù)實(shí)地調(diào)查和查閱的相關(guān)資料，研究區(qū)的土地覆蓋類(lèi)型還包括耕地、草地、林地、水體和未利用地。將耕地、草地、林地合并為植被。未利用地主要為沙地。按照典型性和均一性的原則解譯并選擇地物樣本，分類(lèi)計(jì)算這些樣本與上述15類(lèi)生產(chǎn)建設(shè)項(xiàng)目地塊組成地物樣本的各波段均值及亮度值(即4個(gè)波段值的均值)，進(jìn)行匯總(圖3)。

1、2、3、4為GF- 1融合影像中的藍(lán)波段、綠波段、紅波段和近紅外波段，5為亮度，下同。DN: digital number; 1: blue band of the GF- 1 fusion image; 2: green band of the GF- 1 fusion image; 3: red band of the GF- 1 fusion image; 4: near infrared band of the GF- 1 fusion image; 5: brightness of 4 bands. The same below.圖3 樣本各波段均值及亮度值Fig.3 Mean DN of 4 bands and brightness of the samples

從圖3中可以看出：各類(lèi)建(構(gòu))筑物(A1-A6)特征明顯；亮色、深色土質(zhì)裸地(A4-A5)與沙地(A16)的光譜曲線(xiàn)特征相似，合并為1類(lèi)標(biāo)志性地物，提取后使用沙漠分布圖輔助剔除沙地；煤炭覆蓋區(qū)(A13)、陰影(A14)與水體(A15)光譜曲線(xiàn)特征相似，合并為1類(lèi)標(biāo)志性地物，由于陰影常伴隨建(構(gòu))筑物、行道樹(shù)出現(xiàn)，難以準(zhǔn)確標(biāo)記生產(chǎn)建設(shè)項(xiàng)目，提取后使用形狀特征剔除陰影；生產(chǎn)建設(shè)項(xiàng)目?jī)?nèi)部水體通常為面狀，提取后使用形狀特征剔除河流等線(xiàn)狀水體；亮白色建(構(gòu))筑物(A1)與棄渣(A12)亮度值高，白色建(構(gòu))筑物(A2)與水泥硬化地面(A7)、灰色建(構(gòu))筑物(A4)與瀝青硬化地面(A8)光譜曲線(xiàn)接近，分別合并為1類(lèi)標(biāo)志性地物。因此，將建(構(gòu))筑物、土質(zhì)裸地、硬化地面、棄渣、煤炭覆蓋區(qū)、水體共6大類(lèi)8小類(lèi)作為提取生產(chǎn)建設(shè)項(xiàng)目地塊的標(biāo)志性地物(表1)。

2.4 層次劃分

影像分割效果直接影響地物提取的精度[15]。為提升分割效果，筆者使用基于分形網(wǎng)絡(luò)進(jìn)化分割算法[16]的多尺度分割方法，使各標(biāo)志性地物在不同尺度實(shí)現(xiàn)最優(yōu)分割。以使分割對(duì)象內(nèi)部同質(zhì)性最高為原則，筆者選用灰度共生矩陣熵(GLCM Entro-

表1 生產(chǎn)建設(shè)項(xiàng)目地塊提取標(biāo)志性地物Tab.1 Marked objects for extracting PCP land parcels

py)[17]作為分割評(píng)價(jià)指標(biāo)，獲取各標(biāo)志性地物的最優(yōu)分割參數(shù)。在此基礎(chǔ)上，如果標(biāo)志性地物的最優(yōu)分割參數(shù)相近，則優(yōu)化成同一分割參數(shù)進(jìn)行分割，最終形成具有繼承關(guān)系的3層分割結(jié)構(gòu)(表3)。

2.5 特征選擇

在多尺度分割標(biāo)志性地物后，需要進(jìn)一步分析各標(biāo)志性地物的光譜、形狀特征，選擇能夠準(zhǔn)確描述標(biāo)志性地物的特征組合。本文使用J-M(Jeffries-Matudita)距離矩陣[18]進(jìn)行特征選擇。

J-M距離基于樣本來(lái)衡量2個(gè)類(lèi)別在某一特征的分離程度，取值范圍是[0, 2]。當(dāng)J-M距離為2時(shí)，表示使用此特征區(qū)分2個(gè)類(lèi)別不會(huì)產(chǎn)生混分現(xiàn)象，2類(lèi)完全分離。J-M距離基于各類(lèi)別在各特征上滿(mǎn)足正態(tài)分布的假設(shè)，使用公式(1)計(jì)算得到。

Jf=2(1-e-Bf)。

(1)

式中：Jf為2個(gè)類(lèi)別在f特征的J-M距離；Bf為2個(gè)類(lèi)別在f特征的巴氏距離[18]。

根據(jù)土地覆蓋分類(lèi)相關(guān)文獻(xiàn)總結(jié)32個(gè)常用的備選特征(表2)?？紤]到紋理特征通常需要大量的計(jì)算[19]且對(duì)硬件要求較高，影響大區(qū)域提取效率，筆者僅從光譜和形狀特征中進(jìn)行選擇。計(jì)算各類(lèi)樣本在表2各特征的J-M距離，得到J-M距離矩陣。利用J-M距離矩陣，選擇各標(biāo)志性地物與其他地物距離最大，區(qū)分性最強(qiáng)的特征進(jìn)行組合(表3)，用于描述各標(biāo)志性地物類(lèi)別。

表2 32個(gè)備選特征Tab.2 32 features for selection

Note: NDVI: normalized difference vegetation index; NDWI: normalized difference water index.

表3 標(biāo)志性地物提取分層及選用特征Tab.3 Features selected for extracting marked objects in 3 levels

注：分割參數(shù)196，0.2，0.8代表分割尺度為196，形狀權(quán)重為0.2，緊致度權(quán)重為0.8。 Note：Segmentation parameters, like 196, 0.2, 0.8, represent scale, shape parameter and compactness parameter respectively.

2.6 面向?qū)ο蟮亩鄬哟翁崛∧Ｐ蜆?gòu)建

在確定標(biāo)志性地物提取層次和特征后，需要通過(guò)確定各類(lèi)標(biāo)志性地物的提取規(guī)則集來(lái)構(gòu)建完整的面向?qū)ο蟮亩鄬哟翁崛∧Ｐ?。由于?biāo)志性地物的某些特征值仍有重疊、交叉的情況，使用單一閾值建立特征規(guī)則會(huì)產(chǎn)生混淆提取或遺漏提取的現(xiàn)象。鑒于此，本文使用模糊分類(lèi)的方法[22]，基于提取各類(lèi)標(biāo)志性地物的特征組合，使用SEaTH(Separability and Threshold)算法[16]綜合專(zhuān)家知識(shí)，分別確定各特征規(guī)則的隸屬度函數(shù)及參數(shù)，形成各類(lèi)標(biāo)志性地物的提取規(guī)則集。

2.7 提取后處理

由于線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目[10](包括公路、管道項(xiàng)目等)地塊易受周?chē)匚锔蓴_，自動(dòng)提取難度大[23]，而且分類(lèi)提取的標(biāo)志性地物圖斑較為破碎，無(wú)法直接作為最終的提取結(jié)果；因此，在完成對(duì)標(biāo)志性地物的自動(dòng)化提取后，需要通過(guò)提取后處理進(jìn)一步完善提取結(jié)果，提升提取精度。主要包括5個(gè)步驟：沙漠分布圖輔助剔除沙地，路網(wǎng)數(shù)據(jù)輔助優(yōu)化提取線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊，基于鄰域和上下文特征合并提取圖斑，填充圖斑內(nèi)部空隙，篩選面積大于500 m2的圖斑作為點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊的最終提取結(jié)果。結(jié)合研究區(qū)線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊實(shí)際，本文提取寬度>6 m的線(xiàn)狀圖斑作為線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊。

2.8 精度與效率評(píng)價(jià)

為了定量分析提取結(jié)果，根據(jù)點(diǎn)型和線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊的不同特點(diǎn)，筆者分別對(duì)點(diǎn)型和線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊進(jìn)行精度評(píng)價(jià)。針對(duì)點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊，定義數(shù)量和面積提取精度2項(xiàng)指標(biāo)。

Aq=QR/QRef。

(2)

式中：Aq為點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊數(shù)量提取精度；QR為正確提取的點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊數(shù)；QRef為參考數(shù)據(jù)中點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊數(shù)。

Aa=AR/ARef-A。

(3)

式中：Aa為點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊面積提取精度；AR為正確提取的點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊的總面積；ARef-A為參考數(shù)據(jù)中被正確提取的點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊的總面積。

由于線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊具有連通性的特點(diǎn)，定義其精度評(píng)價(jià)指標(biāo)為

Al=LR/LRef。

(4)

式中：Al為線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊長(zhǎng)度提取精度；LR為正確提取的線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊的長(zhǎng)度；LRef為參考數(shù)據(jù)中線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊的總長(zhǎng)度。

筆者通過(guò)比較提取時(shí)間進(jìn)行效率評(píng)價(jià)。提取時(shí)間包括在eCognition軟件中運(yùn)行規(guī)則集和提取后處理的時(shí)間。運(yùn)行環(huán)境為PC機(jī)，操作系統(tǒng)為Microsoft?Windows?7 64 bit旗艦版，處理器為Intel?CoreTMi7-5700 HQ(2.7 GHz)，內(nèi)存為16 GB。

3 結(jié)果與分析

基于研究區(qū)GF-1影像，分別使用上述方法和專(zhuān)家目視解譯法提取生產(chǎn)建設(shè)項(xiàng)目地塊，提取結(jié)果如圖4所示。在此基礎(chǔ)上，采用精度和效率評(píng)價(jià)指標(biāo)對(duì)提取結(jié)果進(jìn)行評(píng)價(jià)，分別得到精度評(píng)價(jià)結(jié)果(表4)和效率評(píng)價(jià)結(jié)果(表5)。

從圖4，圖5和表4可以看出，使用本文提出的面向?qū)ο蟮亩鄬哟翁崛》ㄌ崛↑c(diǎn)型和線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊，均可以達(dá)到較高的提取精度。這表明本文選擇的6類(lèi)標(biāo)志性地物標(biāo)記生產(chǎn)建設(shè)項(xiàng)目地塊的能力較強(qiáng)，面向?qū)ο蟮膱D像分析方法在黃土高原區(qū)生產(chǎn)建設(shè)項(xiàng)目地塊快速提取工作中有一定的適用性。少數(shù)點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊被遺漏提取的主要原因是其組成較為“破碎”，標(biāo)志性地物的提取面積沒(méi)有達(dá)到篩選閾值。被錯(cuò)誤提取的圖斑主要是植被覆蓋率較低或無(wú)植被覆蓋的溝坡、溝底和耕地。由于點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊邊緣多為土質(zhì)裸地向植被過(guò)渡地帶，這導(dǎo)致地塊邊界的提取存在不穩(wěn)定性，在一定程度上影響了面積提取的精度。此外，周邊的植被、車(chē)輛和其他地物都會(huì)對(duì)線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊影像特征的一致性產(chǎn)生干擾，從而產(chǎn)生了部分遺漏提取。

表4 精度評(píng)價(jià)結(jié)果Tab.4 Results of accuracy evaluation

Note:Aqrepresents the quantitative accuracy of extracting block-type PCP land parcels;Alrepresents the length accuracy of extracting line-type PCP land parcels;Aarepresents the area accuracy of extracting block-type PCP land parcels.

表5 效率評(píng)價(jià)結(jié)果Tab.5 Results of efficiency evaluation

由表5可知，在相同的運(yùn)行環(huán)境下，相比于專(zhuān)家目視解譯法，本文提出的方法顯示出較大優(yōu)勢(shì)，耗時(shí)僅占其18.42%。其中運(yùn)行規(guī)則集的時(shí)間在0.3 h以?xún)?nèi)，而提取后處理環(huán)節(jié)，尤其是優(yōu)化提取線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊中消耗了較多時(shí)間。

4 結(jié)論與討論

筆者充分利用GF-1遙感影像的優(yōu)勢(shì)，通過(guò)分析黃土高原區(qū)常見(jiàn)類(lèi)型生產(chǎn)建設(shè)項(xiàng)目地塊組成地物的可分性，將建(構(gòu))筑物、土質(zhì)裸地、硬化地面、棄渣、煤炭覆蓋區(qū)、水體確定為提取標(biāo)志性地物。研究證明，6類(lèi)標(biāo)志性地物具有較強(qiáng)的標(biāo)記作用，能夠滿(mǎn)足自動(dòng)化提取點(diǎn)型和線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊的需求。

圖4 提取結(jié)果Fig.4 Extraction results

a、c為采用專(zhuān)家目視解譯法的提取結(jié)果，b、d為采用本文方法的提取結(jié)果。Figure a and c show the results extracted by manual interpretation, while figure b and d show the results extracted by the method proposed in the paper.圖5 典型地塊提取結(jié)果對(duì)比Fig.5 Comparisons of results extracted by different methods

本文基于構(gòu)建的面向?qū)ο蟮亩鄬哟翁崛∧Ｐ?，完成?duì)研究區(qū)生產(chǎn)建設(shè)項(xiàng)目地塊的提取。結(jié)果顯示，和專(zhuān)家目視解譯方法相比，本方法能夠融合多尺度分割方法和模糊分類(lèi)方法的優(yōu)勢(shì)，點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊的數(shù)量提取精度達(dá)到95%以上，線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊的長(zhǎng)度提取精度超過(guò)86%，總耗時(shí)不超過(guò)目視解譯方法的20%。本方法在保證提取精度的同時(shí)，極大地提升提取效率；但是在研究中，由于影像波段和備選特征的限制，本方法仍存在錯(cuò)誤提取和遺漏提取的情況。對(duì)點(diǎn)型生產(chǎn)建設(shè)項(xiàng)目地塊的提取來(lái)說(shuō)，需要在優(yōu)化標(biāo)志性地物的提取特征，減少錯(cuò)誤提取的圖斑方面開(kāi)展更加深入的研究。對(duì)線(xiàn)型生產(chǎn)建設(shè)項(xiàng)目地塊的提取來(lái)說(shuō)，需要在降低干擾信息的影響，提升提取精度方面繼續(xù)研究。此外，基于研究效率的考慮，本文選擇100 km2尺度的區(qū)域進(jìn)行研究，并證明提出的方法在此尺度下的適用性和有效性，但在更大區(qū)域的適用性還需要進(jìn)一步的研究驗(yàn)證。

本方法實(shí)現(xiàn)了在黃土高原較大區(qū)域的生產(chǎn)建設(shè)項(xiàng)目地塊快速準(zhǔn)確提取，有助于水土保持業(yè)務(wù)部門(mén)更加高效、準(zhǔn)確地獲取當(dāng)?shù)厣a(chǎn)建設(shè)項(xiàng)目水土保持合規(guī)性底數(shù)，從而為后期新增生產(chǎn)建設(shè)項(xiàng)目的監(jiān)管提供基礎(chǔ)參考數(shù)據(jù)，在生產(chǎn)建設(shè)項(xiàng)目水土保持監(jiān)管中具有一定的借鑒意義。

[1] 朱首軍,黃炎和.開(kāi)發(fā)建設(shè)項(xiàng)目水土保持[M].北京:科學(xué)出版社,2013: 1. ZHU Shoujun, HUANG Yanhe. Soil and water conservation of development and construction projects[M].Beijing: Science Press, 2013:1.

[2] 徐林.晉陜蒙接壤地區(qū)水土保持監(jiān)督執(zhí)法存在問(wèn)題與對(duì)策[J].中國(guó)水土保持,2014,(8):58. XU Lin. Problems and countermeasures on supervision and law enforcement of soil and water conservation in Shanxi-Shaanxi-Inner Mongolia contiguous areas[J]. Soil and Water Conservation in China, 2014, (8):58.

[3] 晉陜蒙接壤地區(qū)水土保持監(jiān)督局. 2015年度晉陜蒙接壤地區(qū)水土保持監(jiān)督管理公報(bào)[EB/OL]. (2016-02-22)[2017-01-05]. http:∥www.hwjsm.org/index.php?m=Index&a=shows&catid=7&id=439. Soil and Water Conservation Supervisory Bureau of Shanxi-Shaanxi-Inner Mongolia Contiguous areas, YRCC. Soil and water conservation supervision and management communique of Shanxi-Shaanxi-Inner Mongolia contiguous areas 2015[EB/OL]. (2016-02-22) [2017-01-05]. http:∥www.hwjsm.org/index.php?m=Index&a=shows&catid=7&id=439.

[4] 李智廣,王敬貴.生產(chǎn)建設(shè)項(xiàng)目“天地一體化”監(jiān)管示范總體實(shí)施方案[J].中國(guó)水土保持,2016,(2):15. LI Zhiguang, WANG Jinggui. Overall implementation plan of the demonstration of the Space-Earth Integration supervision and management of production and construction projects [J]. Soil and Water Conservation in China, 2016,(2):15.

[5] 戴舒,付迎春,趙耀龍.基于Cubist模型樹(shù)的城市不透水面百分比遙感估算模型[J].地球信息科學(xué)學(xué)報(bào),2016,18(10):1399. DAI Shu, FU Yingchun, ZHAO Yaolong.The remote sensing model for estimating urban impervious surface percentage based on the Cubist model tree[J]. Journal of Geo-information Science, 18(10):1399.

[6] 徐涵秋,王美雅.地表不透水面信息遙感的主要方法分析[J].遙感學(xué)報(bào),2016,20(5):1270. XU Hanqiu, WANG Meiya.Remote sensing-based retrieval of ground impervious surfaces[J]. Journal of Remote Sensing, 2016, 20(5): 1270.

[7] 樊舒迪,胡月明,劉振華.一種新的面向?qū)ο蟪鞘薪ㄖ镄畔⑻崛》椒ㄑ芯縖J].華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,47(6):91. FAN Shudi, HU Yueming, LIU Zhenhua. Research of information extraction of city building based on a new object-oriented method[J].Journal of South China Normal University (Natural Science Edition), 2015,47(6):91.

[8] Esch T, Himmler V, Schorcht G, et al. Large-area assessment of impervious surface based on integrated analysis of single-date Landsat-7 images and geospatial vector data.[J]. Remote Sensing of Environment, 2009, 113(8):1678.

[9] Jr ARNOLD C L, GIBBONS C J. Impervious surface coverage: the emergence of a key environmental indicator[J]. Journal of the American Planning Association, 1996, 62(2):243.

[10] 李德仁,羅暉,邵振峰.遙感技術(shù)在不透水層提取中的應(yīng)用與展望[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2016,41(5):573. LI Deren, LUO Hui, SHAO Zhenfeng. Review of impervious surface mapping using remote sensing technology and its application[J]. Geomatics and Information Science of Wuhan University, 2016,41(5):573.

[11] 馬浩然,趙天忠,曾怡.面向?qū)ο蟮淖顑?yōu)分割尺度下多層次森林植被分類(lèi)[J].東北林業(yè)大學(xué)學(xué)報(bào),2014,42(9): 53. MA Haoran, ZHAO Tianzhong, ZENG Yi.Object-based multi-level classification of forest vegetation on optimal segmentation scale[J]. Journal of Northeast Forestry University, 2014,42(9):53.

[12] 王利民,劉佳,楊福剛,等.基于GF-1衛(wèi)星遙感的冬小麥面積早期識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào),2015,31(11): 197. WANG Limin, LIU Jia, YANG Fugang, et al.Early recognition of winter wheat area based on GF-1 satellite[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 197.

[13] 俞春娜,俞偉斌,譚永忠. 基于色彩和紋理特征的建設(shè)用地遙感專(zhuān)題信息自動(dòng)提取方法[J]. 西南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012, 34(1):107. YU Chunna, YU Weibin, TAN Yongzhong. Approach of extracting RS thematic information of construction land based on the features of color and texture[J]. Journal of Southwest University(Natural Science Edition), 2012, 34(1):107.

[14] 姜德文,郭索彥,趙永軍,等.生產(chǎn)建設(shè)項(xiàng)目水土保持準(zhǔn)入條件通用條款[J].中國(guó)水土保持科學(xué),2010,8(3):44. JIANG Dewen, GUO Suoyan, ZHAO Yongjun, et al. General terms of soil and water conservation access conditions of production and construction projects[J]. Soil and Water Conservation in China, 2010,8(3):44.

[15] 朱俊杰,范湘濤,杜小平.面向?qū)ο蟮母叻直媛蔬b感圖像分析[M].北京:科學(xué)出版社, 2014:9. ZHU Junjie, FAN Xiangtao, DU Xiaoping. Object-oriented high resolution remote sensing image analysis[M]. Beijing:Science Press, 2014:9.

[16] BAATZ M, SCHPE A. Multiresolution segmentation: an optimization approach for high quality multi-scale image segmentation[C/OL].[2017-01-05]. http:∥www.ecognition.com/sites/default/files/405_baatz_fp_12.pdf?.

[17] 楊亦寧. 基于優(yōu)度準(zhǔn)則的遙感影像最優(yōu)分割參數(shù)組合選擇研究[D].蘭州：蘭州大學(xué),2013: 55 YANG Yining.Goodness criterion for selecting optimal combination of parameter values in remote sensing image segmentation[D]. Lanzhou: Lanzhou University, 2013:55.

[18] NUSSBAUM S, NIEMEYER I, CANTY M J. SEaTH-a new tool for automated feature extraction in the context of object-based image analysis[C/OL].[2017-01-05]. http:∥www.isprs.org/proceedings/XXXVI/4-C42/Papers/12_Object-based%20approach%20generic%20issues%20-%20IC%20I/OBIA2006_Nussbaum_Niemeyer_Canty.pdf.

[19] 佟國(guó)峰,李勇,丁偉利,等.遙感影像變化檢測(cè)算法綜述[J].中國(guó)圖象圖形學(xué)報(bào),2015,20 (12):1567. TONG Guofeng, LI Yong, DING Weili, et al. Review of remote sensing image change detection[J]. Journal of Image and Graphics, 2015, 20(12): 1567.

[20] 吳宏安,蔣建軍,張海龍,等. 比值居民地指數(shù)在城鎮(zhèn)信息提取中的應(yīng)用[J]. 南京師大學(xué)報(bào)(自然科學(xué)版),2006,29(3):119. WU Hongan, JIANG Jianjun, ZHANG Hailong, et al. Application of ratio resident area index to retrieve urban residential areas based on Landsat TM data [J]. Journal of Nanjing Normal University (Natural Science), 2006,29(3):119.

[21] XU H. Rule-based impervious surface mapping using high spatial resolution imagery[J]. Transactions of the Chinese Society of Agricultural Engineering: Transactions of the CSAE, 2013, 34 (1): 32.

[22] URSULA C B, PETER H, GREGOR W, et al. Multi-resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information [J]. ISPRS Journal of Photogrammetry & Remote Sensing, 2004, 58(3/4):251.

[23] 余潔,余峰,張晶,等. 結(jié)合區(qū)域生長(zhǎng)與道路基元的高分辨率遙感影像道路提取[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2013,38(7):761. YU Jie, YU Feng, ZHANG Jing, et al. High resolution remote sensing image road extraction combining region growing and road-unit[J].Geomatics and Information Science of Wuhan University, 2013,38(7):761.

Rapid extraction of land parcels from soil and water conservationsupervision-oriented productive and constructive projects in the Loess Plateau

GAO Zhiqiang1, SHI Mingchang1, YANG Wentao1, SUN Na2, WANG Xiaojing2

(1.School of Soil and Water Conservation, Beijing Forestry University, 100083, Beijing, China;2.Beijing Datum Technology Development Co. Ltd, 100084, Beijing, China)

[Background] The productive and constructive project (PCP) is one of the main sources of man-made soil and water loss in the Loess Plateau. Acquiring the location and attributes of PCP land parcels is critical to soil and water conservation supervision, management, and protection. Traditional ways of mapping PCP land parcels mainly rely on manual interpretation of remote sensing images, which is time-consuming, subjective and expensive. [Methods] Based on GF-1 images, this paper presents a rapid object-oriented method to extract PCP land parcels in the Loess Plateau. Firstly, we analyzed the separability of 29 typical PCP land parcel components in the study area. Six kinds of components were selected as extraction markers. Then, on this basis, an object-oriented multi-level extraction model, which united the multi-resolution segmentation algorithm and the fuzzy classification algorithm, was developed to extract these six kinds of components mentioned above. Final extraction results were achieved after automatic extraction and post-processing procedures. [Results] Results showed that six kinds of marked objects, which were buildings and structures, hardened grounds, bare lands, waste slags, coal covered areas and water areas, were reliable to sign PCP land parcels in the Loess Plateau. With the object-oriented multi-level extraction model, the extraction results were considered sustainable and efficient. The quantitative and area accuracy of extracting block-type PCP land parcels was 95.03% and 85.19% respectively, while the length accuracy of extracting line-type PCP land parcels was 86.34%. Besides, with the same hardware and software configuration, the overall time was 80% less than the traditional method. The results validated that the multi-resolution segmentation algorithm portrayed the edges of different objects correctly in several scales, and that the fuzzy classification algorithm described the features of the objects in a more plentiful and accurate way. It was proved that the object-oriented extraction method was suitable for extracting PCP land parcels based on GF-1 imagery. A few of block-type PCP land parcels were failed to be extracted for the broken composition and inadequate extracting area. The interferences of surroundings decreased the extraction accuracy of line-type PCP land parcels. [Conclusions] Compared to manual interpretation, this proposed method shows a solid advantage on extraction efficiency with a high accuracy, which can be applied for rapid extraction of PCP land parcels in a large region in the Loess Plateau. This method provides a better technical support for efficient and accurate implementation of soil and water conservation supervision and management.

the Loess Plateau; productive and constructive project (PCP) land parcel; soil and water conservation supervision and management; GF-1; rapid extraction

2017-01-09

2017-02-15

高志強(qiáng)(1991—)，男，碩士研究生。主要研究方向：3S技術(shù)集成開(kāi)發(fā)與應(yīng)用。E-mail:bjfugaozhq@gmail.com

?通信作者簡(jiǎn)介： 史明昌(1969—)，男，博士，教授。主要研究方向：3S技術(shù)在水土保持中的應(yīng)用。E-mail:shimc@dtgis.com

S157;TP751

A

2096-2673(2017)03-0081-09

10.16843/j.sswc.2017.03.011

項(xiàng)目名稱(chēng)： 高分水利遙感應(yīng)用示范系統(tǒng)(一期)(08-Y30B07-9001-13/15)