程葛鑒 于歡 孔博 陳友良

摘? 要：面向?qū)ο笥跋穹治黾夹g(shù)作為高分辨率遙感影像解譯的重要手段，其相較于基于像元的影像分析方法有著明顯的優(yōu)勢。隨著遙感應(yīng)用領(lǐng)域的不斷擴(kuò)展，面向?qū)ο筮b感影像分析技術(shù)已經(jīng)在農(nóng)業(yè)、工業(yè)、生態(tài)、災(zāi)害等領(lǐng)域有了廣泛應(yīng)用。該文著重分析了面向?qū)ο笥跋穹治黾夹g(shù)在各領(lǐng)域應(yīng)用的現(xiàn)狀及問題;最后總結(jié)了面向?qū)ο筮b感影像分析技術(shù)面臨的機(jī)遇和挑戰(zhàn)，并提出了將其應(yīng)用到景觀地球化學(xué)領(lǐng)域的展望。

關(guān)鍵詞：面向?qū)ο? 遙感影像? 信息提取? 農(nóng)業(yè)領(lǐng)域? 建設(shè)用地領(lǐng)域? 生態(tài)環(huán)境領(lǐng)域? 災(zāi)害領(lǐng)域

中圖分類號：P407.8 ? ?文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2020）06（a）-0012-02

在遙感應(yīng)用的發(fā)展進(jìn)程中，影像分析方法主要分為兩大類：基于像元和面向?qū)ο蟆^(qū)別于傳統(tǒng)基于像元的影像分析方法，面向?qū)ο筮b感影像分析方法的基本處理單元是影像對象，而非單個的像元，其中，每個對象都有描述影像光譜、結(jié)構(gòu)、紋理等相關(guān)的屬性信息，這相比于僅將分析建立在基于像素光譜信息基礎(chǔ)上的基于像元的影像分析方法，有著多方面的優(yōu)勢。

現(xiàn)如今，縱觀國內(nèi)外，面向?qū)ο筮b感影像分析技術(shù)憑借其獨特的優(yōu)勢已廣泛應(yīng)用于包括農(nóng)業(yè)、建設(shè)用地、生態(tài)、災(zāi)害等相關(guān)領(lǐng)域的監(jiān)測與管理中。

1? 面向?qū)ο筮b感影像分析技術(shù)在農(nóng)業(yè)監(jiān)測與管理中的應(yīng)用

農(nóng)業(yè)是提供支撐國民經(jīng)濟(jì)建設(shè)與發(fā)展的基礎(chǔ)產(chǎn)業(yè)，及時、定量、準(zhǔn)確、周期性地獲取主要糧食農(nóng)作物種植面積及其空間分布，對于改善相關(guān)企業(yè)和農(nóng)民的經(jīng)營管理方法，制定各級政府的社會經(jīng)濟(jì)發(fā)展規(guī)劃具有重要意義。

當(dāng)前，遙感技術(shù)在小麥（基于像元方法）、水稻（支持向量機(jī)回歸算法）、玉米（基于多時相遙感數(shù)據(jù)）、甘蔗（面向?qū)ο蠓椒ǎ┑绒r(nóng)作物種植信息提取和面積估算方面已較為普遍[1-2]，技術(shù)方法也正從基于像元的遙感影像提取到基于面向?qū)ο蟮姆椒ú粩喔倪M(jìn)。

農(nóng)作物信息的多變性和季節(jié)性，及其獨特的紋理信息，是進(jìn)行農(nóng)作物專題信息提取的關(guān)鍵，基于面向?qū)ο蟮亩鄷r相遙感監(jiān)測方法在此方面表現(xiàn)出了獨特的精度優(yōu)勢，可基于影像解譯出更為豐富的空間信息，從而迅速成為農(nóng)作物產(chǎn)量預(yù)測和生產(chǎn)決策支持的有效途徑之一。

2? 面向?qū)ο筮b感影像分析技術(shù)在建設(shè)用地監(jiān)測與管理中的應(yīng)用

近年來，隨著成像傳感器的空間分辨率的提高，高空間分辨率的遙感圖像給出了更多不顯眼的成分（如形狀、顏色、紋理）基于對象的圖像分析作為橋接高空間分辨率圖像和GIS的一種手段，在遙感科學(xué)中迅速普及，已然成為建設(shè)用地遙感監(jiān)測管理領(lǐng)域的一項關(guān)鍵性技術(shù)。

道路信息提取質(zhì)量的好壞一部分取決于能否建立有效區(qū)分道路與其他地物的規(guī)則集，因此，在提取之前，我們必須要充分了解道路信息在影像上的特征。有關(guān)道路特征的描述有很多，Vossel man等人[3]總結(jié)了以下幾點：（1）幾何特征，呈長條狀，有較小的寬度變化，以及一定的限制的曲率;（2）拓?fù)涮卣?，具有連續(xù)性，相互有交叉，連成網(wǎng)絡(luò);（3）輻射特征，內(nèi)部灰度比較均勻;（4）功能特征，有特定的指向性，通常居民地或人工設(shè)施相連接。

在城市用地提取方面，Lichtblau等人[4]使用eCognitiono（R）軟件開發(fā)了一項基于規(guī)則的面向?qū)ο蠓诸惲鞒?，用于不透水土地利用特征的半自動分類，總體分類精度接近90%。與此同時Zhang等人[5]提出了一種基于對象的卷積神經(jīng)網(wǎng)絡(luò)，用于城市土地利用高分辨率圖像分類，且實現(xiàn)了出色的分類精度和計算效率，有效地解決了高分辨率圖像中城市建設(shè)用地分類的復(fù)雜問題。

3? 面向?qū)ο筮b感影像分析技術(shù)在生態(tài)環(huán)境監(jiān)測領(lǐng)域中的應(yīng)用

生態(tài)環(huán)境由自然環(huán)境與人為環(huán)境構(gòu)成，通常是指生態(tài)系統(tǒng)與環(huán)境系統(tǒng)的有機(jī)結(jié)合體。對生態(tài)環(huán)境的識別監(jiān)測是一項重要國家工程，且近年來已有不少學(xué)者將目光聚焦于生態(tài)環(huán)境的監(jiān)測方面，河漫灘、海洋等遍布各類生態(tài)研究區(qū)的研究層出不窮。

針對小區(qū)域生態(tài)資源進(jìn)行信息提取，Van Iersel等人[6]使用多時相無人機(jī)圖像和野外參考觀測的數(shù)據(jù)集，通過基于對象的隨機(jī)森林分類，以較高精度（90%）成功提取了河漫灘6種植被類別和4種非植被類別，其研究成果對河岸生態(tài)系統(tǒng)的保護(hù)有著非常重要的意義。

而在海洋地物信息提取領(lǐng)域，Ismail等人[7]利用多波束測深和側(cè)掃聲吶圖像生成了大西洋東北部Whittard峽谷的海洋景觀地圖，通過基于對象的圖像分析方法，得到了海洋景觀地圖以及7種景觀類型特征，其中5種通過物種指示分析發(fā)現(xiàn)具有生態(tài)相關(guān)性，這將對于確定適合建立海洋保護(hù)區(qū)的區(qū)域具有重要意義。

基于面向?qū)ο筮b感影像分析的技術(shù)在生態(tài)環(huán)境監(jiān)測領(lǐng)域中有著巨大優(yōu)勢，相較傳統(tǒng)基于像元的地物提取方式，該方法對于高分辨率影像中存在的“異物同譜”及“同物異譜”現(xiàn)象區(qū)分較好，克服了普遍存在的“椒鹽現(xiàn)象”，極大地提升了生態(tài)環(huán)境參數(shù)信息的提取效果。

4? 面向?qū)ο筮b感影像分析技術(shù)在災(zāi)害監(jiān)測與管理方面的應(yīng)用

災(zāi)害信息的提取，速度和準(zhǔn)確性是重要因素，基于此，才能對風(fēng)險和危機(jī)管理進(jìn)行決策支持。面向?qū)ο笥跋穹治黾夹g(shù)憑借其快速準(zhǔn)確的優(yōu)勢，已廣泛應(yīng)用于多類自然災(zāi)害中，為災(zāi)前預(yù)防和災(zāi)后重建提供了重要決策方法的理論支持，成為高光譜遙感災(zāi)害信息提取的關(guān)鍵技術(shù)之一[8]。

滑坡經(jīng)常給工農(nóng)業(yè)生產(chǎn)以及人民生命財產(chǎn)造成巨大損失、有的甚至是毀滅性的災(zāi)難。由此，F(xiàn)eizizadeh等人[9]使用滑坡的空間和光譜信息，通過光譜分析、形狀分析，灰度共生矩陣的紋理測量和模糊邏輯隸屬函數(shù)，提出了一種基于對象的圖像分析方法，成功從多時相衛(wèi)星圖像中進(jìn)行了滑坡描繪和滑坡相關(guān)變化檢測，其研究結(jié)果為滑坡災(zāi)害的監(jiān)測和預(yù)防提供了戰(zhàn)略性的決策性支持。

雪崩災(zāi)害威脅著所有高山地區(qū)的人和基礎(chǔ)設(shè)施，全球都有季節(jié)性或永久性積雪，應(yīng)對這種危害，Bühler等[10]提出了一種基于對象的圖像分析的新算法，結(jié)合自動程序估算平均釋放深度，定義雪崩釋放量，應(yīng)用完善的雪崩動力學(xué)模型對大面積數(shù)千個雪崩進(jìn)行了數(shù)值模擬，為所有可獲得高質(zhì)量和高分辨率數(shù)字地形模型和雪數(shù)據(jù)的大規(guī)模雪崩危險指示繪圖打開了大門。

近年來，在一系列重大自然災(zāi)害的應(yīng)對中，面向?qū)ο笥跋穹治黾夹g(shù)表現(xiàn)出了巨大的應(yīng)用潛力，已然成為中國現(xiàn)代化災(zāi)害監(jiān)測與管理中的基礎(chǔ)支撐技術(shù)，為災(zāi)害監(jiān)測以及災(zāi)后應(yīng)急響應(yīng)工作提供了強(qiáng)大的技術(shù)及決策支持。

5? 機(jī)遇與挑戰(zhàn)

面向?qū)ο筮b感影像分析技術(shù)在空間信息技術(shù)長期發(fā)展的過程中產(chǎn)生，在遙感影像信息的分析中有著巨大潛力，但若要建立與現(xiàn)實世界真正相匹配的地表模型，面向?qū)ο笥跋穹治黾夹g(shù)仍需在后續(xù)的研究中進(jìn)一步完善和提升，并不斷拓展應(yīng)用領(lǐng)域。在此，我們建議推動面向?qū)ο筮b感影像分析技術(shù)與景觀地球化學(xué)的深入結(jié)合，探索其在景觀地球化學(xué)領(lǐng)域應(yīng)用研究，以實現(xiàn)學(xué)科間的交叉融合。

在這個多元的時代，技術(shù)的碰撞及各領(lǐng)域的交叉，會帶來更多樣的選擇和更豐富的機(jī)遇，不斷地探索和創(chuàng)新才能讓一項技術(shù)更深一步的推進(jìn)。機(jī)遇與挑戰(zhàn)并存，多學(xué)科的融合是未來遙感技術(shù)應(yīng)用的必然趨勢，找尋各學(xué)科融合的契合點，積極拓展面向?qū)ο筮b感影像分析技術(shù)的全新應(yīng)用領(lǐng)域是我們所需面臨的重要挑戰(zhàn)。

參考文獻(xiàn)

[1] 吳方明，張淼，吳炳方.無人機(jī)影像的面向?qū)ο笏痉N植面積快速提取[J].地球信息科學(xué)學(xué)報，2019，21（5）：789-798.

[2] 杜保佳，張晶，王宗明，等.應(yīng)用Sentinel-2A NDVI時間序列和面向?qū)ο鬀Q策樹方法的農(nóng)作物分類[J].地球信息科學(xué)學(xué)報，2019，21（5）：740-751.

[3] Vosselman G，Knechtde J.Road Tracing by Profile Matching and Kalman Filtering Automatic Extraction of Man-Made Objects from Aerial and Space Images[C]//Monte Verrita， Birkhauser Verlag Basel.1995：266-274.

[4] Lichtblau E， Oswald CJ.Classification of Impervious Land-Use Features Using Object-Based Image Analysis and Data Fusion[J].Computers Environment and Urban Systems，2019（75）：103-116.

[5] Zhang C，Sargent I， Pan X，et al.An Object-Based Convolutional Neural Network （OCNN）for Urban Land Use Classification[J].Remote Sensing of Environment， 2018（216）：57-70.

[6] Van Iersel W， Straatsma M， Middelkoop H，et al.Multitemporal Classification of River Floodplain Vegetation Using Time Series of UAV Images [J].Remote Sensing，2018，10（7）：1144.

[7] Ismail K，Huvennec V，Robertcd K. Quantifying Spatial Heterogeneity in Submarine Canyons[J].Progress in Oceanography，2018（169）：181-198.

[8] 范一大，吳瑋，王薇，等.中國災(zāi)害遙感研究進(jìn)展[J].遙感學(xué)報，2016，20（5）：1170-1184.

[9] Feizizadeh B，Blaschke T，Tiede D，et al.Evaluating Fuzzy Operators of an Object-Based Image Analysis for Detecting Landslides and Their Changes[J].Geomorphol-ogy，2017（293）：240-254.

[10] Bühler Y，Rickenbach D，Stoffel A，et al.Automated Snow Avalanche Release Area Delineation-Validation of Existing Algorithms and Proposition of a New Object-Based Approach for Large-Scale Hazard Indication Mapping[J].Natural Hazards and Earth System Science，2018，18（12）：3235-3251.