陳曉楓 洪倩 陳楓楠 陳婷婷 宋盼盼 戚國輝

摘 要：為了實現(xiàn)水土保持監(jiān)測工作中基于遙感影像對生產(chǎn)建設(shè)項目擾動地表面積的快速有效提取，以輸變電工程為例，利用國產(chǎn)高分系列衛(wèi)星GF-2和GF-1的遙感影像產(chǎn)品和輸變電桿塔點位先驗信息，結(jié)合Otsu閾值分割技術(shù)和Canny邊緣檢測算法，提出擾動面積的自動提取算法，并開發(fā)了水土保持目標(biāo)監(jiān)測系統(tǒng)。選擇榆橫—濰坊等特高壓輸變電工程沿線植被覆蓋度較高的平原、山區(qū)和丘陵區(qū)分別選擇8、9、7個塔基施工區(qū)，進行擾動面積的自動提取，并與傳統(tǒng)影像分類方法最大似然法、面向?qū)ο蠓ǖ奶崛【冗M行比較。結(jié)果表明，開發(fā)的水土保持目標(biāo)監(jiān)測系統(tǒng)提取的擾動面積與現(xiàn)場人工實測面積相比，精度均在80%以上，明顯優(yōu)于傳統(tǒng)方法。

關(guān)鍵詞：水土保持;生產(chǎn)建設(shè)項目;擾動面積;遙感影像;Otsu閾值分割;邊緣檢測

中圖分類號：S157.2

文獻標(biāo)志碼：A

doi：10.3969/j.issn.1000-1379.2021.09.023

引用格式：陳曉楓，洪倩，陳楓楠，等.基于高分影像的建設(shè)項目擾動面積自動提取[J].人民黃河，2021，43（9）：120-124.

Automatic Extraction of Disturbance Area of Production Construction

Project Based on High Resolution Image

CHEN Xiaofeng1， HONG Qian1， CHEN Fengnan1， CHEN Tingting2， SONG Panpan2， QI Guohui2

（1.State Grid Economic and Technological Research Institute Co.， Ltd.， Beijing 102209， China;

2.Unisplendour Software System Co.， Ltd.， Beijing 100084， China）

Abstract： In order to realize the rapid and effective extraction of the disturbed surface area of production and construction projects based on remote sensing images in soil and water conservation monitoring work， this paper took the power transmission and transformation project as an example for research. We proposed an automatic extraction algorithm for the disturbance area using domestic high-resolution satellites GF-2 and GF-1 and the priori information of the tower point position， which also using the Otsu threshold segmentation technology and Canny operator. A soil and water conservation target monitoring system had also been developed based on this algorithm. Experiments were carried out in the areas with high vegetation coverage along several UHV transmission and transformation projects such as Yuheng-Weifang. In plain， mountainous and hilly areas， 8， 9 and 7 tower foundation construction areas were selected for disturbance area automatic extraction. The results of the automatic extraction algorithm were also compared with the extraction results of traditional image classification methods including the maximum likelihood method and object-oriented method. The results show that the disturbance area extracted by the automatic extraction algorithm has an accuracy of over 80% compared with the field manually measured area， which is significantly better than that of the traditional methods.

Key words： soil and water conservation; production and construction projects; disturbance area; remote sensing image; Otsu threshold segmentation; edge detection

生產(chǎn)建設(shè)項目在施工過程中不可避免地以開挖、填筑等方式擾動地表、損毀原有地貌，在水力、風(fēng)力、重力等外營力作用下造成巖、土、廢棄物等的遷移和沉積，加劇生態(tài)環(huán)境惡化[1-3]。對生產(chǎn)建設(shè)項目擾動地表情況的傳統(tǒng)水土保持監(jiān)管多依賴于人工調(diào)查、現(xiàn)場量測等，而生產(chǎn)建設(shè)項目通常點多面廣，尤其當(dāng)施工區(qū)域處于高原、山地、荒漠戈壁時，人工監(jiān)管的難度大、成本高且信息獲取不及時，不能滿足對生態(tài)環(huán)境影響進行及時監(jiān)控和治理的需求。遙感技術(shù)直接對地表進行大面積同步觀測，獲取資料速度快且監(jiān)測范圍不受地形限制[4]，為生產(chǎn)建設(shè)項目水土保持監(jiān)管提供了快速有效的手段。

基于遙感技術(shù)進行生產(chǎn)建設(shè)項目水土保持監(jiān)控核查，關(guān)鍵在于擾動區(qū)域的有效識別和信息快速提取;遙感影像分類是信息提取的重要手段，選擇合適的分類方法是提高信息提取精度的關(guān)鍵[5]。目前，遙感影像分類識別方法有人機交互目視解譯、基于像素的地物識別和面向?qū)ο蟮牡匚镒R別三類：目視解譯需要投入大量的人力，依賴于解譯經(jīng)驗，效率較低;基于像素的地物識別容易產(chǎn)生影像噪聲，并且對于高分辨率影像，像素尺度遠低于影像中地物目標(biāo)的尺度，因此該方法無實際意義[6];面向?qū)ο蟮牡匚镒R別方法（面向?qū)ο蠓ǎ┲?，分割尺度和特征參?shù)的選擇以及由此帶來的海量數(shù)據(jù)處理使得該方法較難實用[7]。筆者以榆橫—濰坊等特高壓輸變電工程為例，探討了基于高分影像的建設(shè)項目擾動面積自動提取方法，以適應(yīng)對生產(chǎn)建設(shè)項目擾動地表和水土保持情況進行監(jiān)管的需要。

1 擾動面積提取方法

1.1 傳統(tǒng)地物信息提取方法

最大似然法是基于像元的地物識別的代表性方法，其基本思想是：各類已知像元在平面或空間中構(gòu)成不同的點群;每個像元類別的每一維數(shù)據(jù)都呈正態(tài)分布，該類像元的多維數(shù)據(jù)構(gòu)成一個多維正態(tài)分布;對于任何一個未知像元，求算它屬于各已知類別的概率，依據(jù)概率的大小判斷其所屬類別[8]。

基于面向?qū)ο蟮牡匚镒R別是一種融合了影像光譜信息、幾何信息和結(jié)構(gòu)信息等的綜合識別方法[9]。影像的最小單元不再是單個的像元，而是經(jīng)過分割的同質(zhì)像元集合即對象，后續(xù)的圖像分析和處理都基于對象進行，結(jié)果更符合人的視覺習(xí)慣。該方法首先利用多尺度分割方法形成影像對象，建立對象的層次結(jié)構(gòu);然后依據(jù)對象的光譜、幾何、拓撲特征等形成分類規(guī)則，并通過不同對象的圖層間信息傳遞和合并實現(xiàn)對影像的分類。

基于像元的影像分類法易產(chǎn)生“椒鹽”現(xiàn)象，即同一地物類型被分成多類;而面向?qū)ο蠓▽τ跋襁M行分割以同質(zhì)像元集合為分類對象，在實際應(yīng)用中分割尺度、特征參數(shù)的選擇難以滿足業(yè)務(wù)化應(yīng)用需求。因此，亟待引入新的算法以實現(xiàn)水土保持監(jiān)測工作中對生產(chǎn)建設(shè)項目擾動地表面積的快速有效提取。

1.2 擾動面積快速提取流程與方法

輸變電工程桿塔點位分散，擾動面積監(jiān)測的難點：在基礎(chǔ)開挖階段，受擾動地表以裸地為主，但在一景遙感影像范圍內(nèi)除桿塔擾動區(qū)外存在多處地表特征與其相似的區(qū)域，由此易導(dǎo)致誤判;在基礎(chǔ)澆筑階段以后，塔材在影像中以堆放或組塔的形式出現(xiàn)，使得擾動區(qū)內(nèi)光譜特征變得復(fù)雜。筆者提出的擾動面積提取方法：首先，利用桿塔點位的先驗信息快速定位塔基位置，通過設(shè)定緩沖半徑確定監(jiān)測范圍，盡量減少相似區(qū)域的誤判;其次，依據(jù)NDVI對監(jiān)測范圍內(nèi)的擾動區(qū)進行自動識別;最后，進行擾動面積的自動提取計算（具體流程見圖1）。

（1）確定擾動區(qū)提取范圍的緩沖半徑。根據(jù)桿塔類型（直線塔、耐張塔）和輸變電線路沿線地形的不同，在水土保持方案中已對其永久占地和臨時占地的范圍作出相應(yīng)限定。據(jù)此可以設(shè)定擾動區(qū)提取范圍的緩沖半徑，所設(shè)定范圍應(yīng)大于水土保持方案中的限定面積。

（2）影像濾波。遙感影像在獲取和傳輸過程中會受到各種噪聲的干擾，使得圖像質(zhì)量下降。高斯濾波器對去除服從正態(tài)分布的噪聲有很好的效果，因此使用高斯濾波器對影像進行平滑處理，以抑制噪聲對擾動面積提取的影響。

（3）Otsu閾值分割。塔基施工區(qū)表層覆蓋有土壤、水泥、塔材等，地表類型復(fù)雜，在植被覆蓋度較高地區(qū)可依據(jù)NDVI對擾動區(qū)和背景環(huán)境進行區(qū)分（在植被覆蓋度較低區(qū)域可直接使用影像各波段的像元灰度值進行閾值分割，因此本文所述算法適用于植被覆蓋度較高區(qū)域）。NDVI計算公式如下[10]：

NDVI=（ρNIR-ρR）/（ρNIR+ρR）（1）

式中：ρNIR、ρR分別為每個像元范圍內(nèi)地物在近紅外波段和紅外波段的反射率。

有植被覆蓋的NDVI值遠大于被擾動區(qū)的，因此可以利用Otsu算法對監(jiān)測范圍內(nèi)的像元進行自動分割。Otsu算法使用聚類思想將影像像元按灰度級別分為兩類，要求兩類像元的灰度值差異最大，即求解使得類間方差g最大的閾值T（基于NDVI進行分割時此閾值為NDVI閾值，基于單波段的像元灰度值進行分割時則此閾值為灰度閾值）[11]。方差g計算公式為

g=ω0ω1（μ0-μ1）2（2）

式中：ω0、ω1分別為兩類像元數(shù)占像元總數(shù)的比例;μ0、μ1分別為兩類像元對應(yīng)的灰度平均值。

可以使用遍歷法確定像元分割灰度閾值T。通過圖像形態(tài)學(xué)填充操作，對二值化分割結(jié)果中擾動區(qū)和背景區(qū)的碎斑進行去除，從而獲得連續(xù)的柵格圖斑。

（4）圖斑邊緣檢測。采用經(jīng)典的Canny邊緣檢測算法進行擾動區(qū)邊緣檢測，其流程如下：①像元梯度和方向計算，計算方法見式（3）、式（4）（其中：G、α分別為像元的梯度和方位角，f為待檢測圖像的尺寸，x、y分別為影像的水平和垂直尺寸）;②非極大值抑制，即當(dāng)前像元的梯度與沿梯度正負方向上的兩個像元梯度進行比較，保留最大值;③雙閾值檢測，分別設(shè)置高低兩個梯度閾值T1、T2（T1>T2），得到強、弱邊緣像元;④抑制低閾值像元，查看弱邊緣像元的8個鄰域像元，若存在強邊緣像元，則該弱邊緣像元可保留為真實邊緣[12]。

G=[（fx）2+（fy）2]12（3）

α=tan-1（fy/fx）（4）

由于Canny算法進行了“非極大值抑制”和“邊緣連接”，因此提取的圖斑邊緣比較完整，且連續(xù)性很好。

（5）擾動區(qū)矢量化。按照順時針方向依次檢測柵格圖斑邊緣的像元坐標(biāo)，生成坐標(biāo)鏈，利用該坐標(biāo)鏈生成封閉的多邊形即為所求擾動區(qū)域，最后根據(jù)影像分辨率可計算出擾動面積。

基于上述算法開發(fā)了水土保持目標(biāo)監(jiān)測系統(tǒng)，該系統(tǒng)包括通用功能模塊和水土保持目標(biāo)遙感監(jiān)測模塊。通用功能包括基礎(chǔ)地圖操作、屬性數(shù)據(jù)查看、柵格拉伸等;遙感監(jiān)測模塊在遙感影像和輸變電桿塔點位矢量數(shù)據(jù)導(dǎo)入后，可以進行擾動面積的自動提取，輔以半自動輔助解譯模塊，可對誤差較大的監(jiān)測結(jié)果進行修正，以滿足監(jiān)測要求。

2 精度檢驗

選擇榆橫—濰坊、錫盟—濟南、昌吉—古泉輸變電工程沿線進行地物提取和擾動面積提取試驗，并與傳統(tǒng)遙感影像分類方法（最大似然法和面向?qū)ο蠓ǎ┨崛〗Y(jié)果和現(xiàn)場實測結(jié)果比較，進行精度檢驗。

2.1 工程概況

榆橫—濰坊1 000 kV特高壓交流輸變電工程起于陜西榆橫變電站，途經(jīng)晉中、石家莊、濟南至濰坊變電站，路線全長2×1 049 km，沿線涉及高原、山地、平原等，植被景觀從溫帶草原向暖溫帶落葉闊葉林過渡。錫盟—濟南1 000 kV特高壓交流輸變電工程起于內(nèi)蒙古錫盟變電站，途經(jīng)北京東變電站至濟南變電站，路線全長2×730 km，沿線地貌以平原為主，植被景觀以溫帶落葉闊葉林為主。昌吉—古泉1 100 kV特高壓直流輸電線路工程，起于新疆昌吉換流站，途經(jīng)新疆、甘肅、寧夏、陜西、河南和安徽6?。▍^(qū)）至安徽古泉換流站，路線全長約3 305 km，沿線涉及盆地、山區(qū)、高原、平原等，植被景觀從溫帶荒漠、溫帶草原向溫帶落葉闊葉林逐漸過渡。

2.2 遙感影像預(yù)處理

本研究所用遙感影像為國產(chǎn)高分系列衛(wèi)星GF-2和GF-1的產(chǎn)品，其中GF-2所搭載的PMS相機可獲取全色1 m和多光譜4 m空間分辨率的遙感影像，GF-1所搭載的PMS相機可獲取全色2 m和多光譜8 m空間分辨率的影像（本研究以GF-2 的PMS影像為主，在其沒有覆蓋的電網(wǎng)線路區(qū)使用GF-1的PMS影像）。為充分利用全色影像的空間信息和多光譜影像中的光譜信息，使用Gram-Schmidt方法對影像進行融合。遙感影像預(yù)處理流程見圖2。

2.3 擾動面積提取結(jié)果

輸變電工程呈帶狀分布，分布區(qū)域涉及平原、山區(qū)、丘陵等地形地貌區(qū)，選擇不同地形地貌區(qū)的典型線路段影像進行塔基施工區(qū)擾動面積提取，最大似然法、面向?qū)ο蠓ê退帘３帜繕?biāo)監(jiān)測系統(tǒng)3種方法提取結(jié)果（典型塔基施工區(qū)擾動范圍）見表1。

通過目視分析可知：水土保持目標(biāo)監(jiān)測系統(tǒng)的提取效果最好，擾動范圍邊緣完整，漏提和誤提情況較少。在平原地區(qū)，面向?qū)ο蠓ê退帘３帜繕?biāo)監(jiān)測系統(tǒng)的提取結(jié)果接近，水土保持目標(biāo)監(jiān)測系統(tǒng)提取的擾動區(qū)域邊緣較為完整;面向?qū)ο蠓ㄌ崛〉臄_動區(qū)域邊緣參差不齊，存在不同程度的漏提現(xiàn)象;最大似然法提取的擾動區(qū)域包含了附近的施工道路，由于道路區(qū)與塔基施工區(qū)地表狀態(tài)相似，基于像元的分類方法不能很好地對其區(qū)分，而水土保持目標(biāo)監(jiān)測系統(tǒng)通過設(shè)定監(jiān)測范圍避免了對施工道路的誤提。在山區(qū)，受高大樹木遮擋的影響，施工道路在影像中不再明顯，最大似然法和水土保持目標(biāo)監(jiān)測系統(tǒng)獲得了相近的提取結(jié)果，面向?qū)ο蠓ㄖ惶崛〉搅瞬糠謹(jǐn)_動區(qū)、未識別出塔材堆放區(qū)（原因是其波譜反射特征與施工裸土區(qū)存在差異），而水土保持目標(biāo)監(jiān)測系統(tǒng)準(zhǔn)確提取了施工擾動區(qū)和塔材堆放區(qū)。在丘陵區(qū)，最大似然法同樣存在對施工道路嚴(yán)重誤提的現(xiàn)象，面向?qū)ο蠓┨崴亩逊艆^(qū)且提取的擾動區(qū)域邊緣不完整，而水土保持目標(biāo)監(jiān)測系統(tǒng)較準(zhǔn)確地提取了桿塔施工擾動范圍。

在平原、山區(qū)和丘陵區(qū)，由于所選塔基施工區(qū)及周邊植被覆蓋度較高，桿塔擾動區(qū)和周圍地表差異比較明顯，因此水土保持目標(biāo)監(jiān)測系統(tǒng)的提取效果整體較好，優(yōu)于最大似然法和面向?qū)ο蠓?，且表現(xiàn)出一定的穩(wěn)定性。但是，在草原、風(fēng)沙區(qū)等植被覆蓋度較低的地區(qū)，桿塔擾動區(qū)與周圍地表差異較小，水土保持目標(biāo)監(jiān)測系統(tǒng)的提取結(jié)果整體一般，在擾動區(qū)域內(nèi)誤提情況較少，對部分?jǐn)_動區(qū)域邊界存在漏提現(xiàn)象，但仍優(yōu)于傳統(tǒng)方法;面向?qū)ο蠓ㄔ跀_動區(qū)域內(nèi)有少量誤提現(xiàn)象，主要是將擾動周圍部分道路或其他裸露地表誤提為擾動區(qū)、漏提塔材堆放區(qū);最大似然法仍然存在明顯的道路和裸露地表誤提現(xiàn)象。

2.4 精度分析

為了定量評價水土保持目標(biāo)監(jiān)測系統(tǒng)、最大似然法和面向?qū)ο蠓▽_動面積提取的效果，在平原、山區(qū)和丘陵區(qū)分別選擇8、9、7個塔基施工區(qū)，采用不同方法提取擾動面積并人工現(xiàn)場實測擾動面積，進而進行精度比較。遙感影像解譯提取精度的計算公式為

精度=（1-|提取面積-實測面積|/實測面積）×100%（5）

不同方法提取的擾動面積及其精度見表2。由表2可知，在平原、山區(qū)和丘陵區(qū)，水土保持目標(biāo)監(jiān)測系統(tǒng)提取結(jié)果的精度均在80%以上，整體上優(yōu)于最大似然法和面向?qū)ο蠓ā?/p>

在平原地區(qū)，水土保持目標(biāo)監(jiān)測系統(tǒng)提取精度滿足工程要求（精度≥90%）的約占37.5%，面向?qū)ο蠓ê妥畲笏迫环ǖ奶崛【葷M足工程要求的均約占25.0%。在山區(qū)，水土保持目標(biāo)監(jiān)測系統(tǒng)提取精度滿足工程要求的約占33.3%，面向?qū)ο蠓ǖ奶崛【葷M足工程要求的約占22.2%，最大似然法的提取精度滿足工程要求的約占11.1%。在丘陵區(qū)，水土保持目標(biāo)監(jiān)測系統(tǒng)提取精度滿足工程要求的約占42.9%，面向?qū)ο蠓ǖ奶崛【葷M足工程要求的約占28.6%，最大似然法的提取精度均不滿足工程要求。綜上所述，在平原、山區(qū)和丘陵區(qū)，水土保持目標(biāo)監(jiān)測系統(tǒng)所提取的擾動面積精度最高，在實際工作中應(yīng)優(yōu)先采用此方法。

3 結(jié) 語

以輸變電工程為例，對基于高分遙感影像的建設(shè)項目擾動面積的自動提取方法進行了研究。通過分析擾動區(qū)域在遙感影像中的特點，結(jié)合Otsu閾值分割技術(shù)、Canny邊緣檢測算法提出擾動面積的自動提取方法，并開發(fā)了水土保持目標(biāo)監(jiān)測系統(tǒng)。不同地貌類型區(qū)輸變電塔基施工擾動面積的提取計算結(jié)果表明，提出的方法和開發(fā)的監(jiān)測系統(tǒng)可以在植被覆蓋度較高的區(qū)域自動提取擾動面積，誤提和漏提情況較少，精度優(yōu)于傳統(tǒng)的提取方法。鑒于輸變電工程塔基的施工擾動形態(tài)（擾動地表、破壞植被的程度）與其他建設(shè)項目施工擾動形態(tài)基本相同，且塔基擾動面積一般較小、涉及地形更復(fù)雜、更加不易判讀，因此本文提出的擾動面積自動提取方法可在其他類型生產(chǎn)建設(shè)項目中推廣應(yīng)用。

參考文獻：

[1] 尹華鋒.生產(chǎn)建設(shè)項目水土保持天地一體化監(jiān)管研究[D].杭州：浙江大學(xué)，2018：1-2.

[2] 王冠，陳棟梁，郭弘.輸變電工程的環(huán)境保護[J].電力科技與環(huán)保，2014，30（3）：4-7.

[3] 王晶，谷冰，張巍.輸變電工程環(huán)境影響評價及環(huán)境管理[J].華北電力技術(shù)，2010（1）：48-49，54.

[4] 趙英時.遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003：1-6.

[5] 賈坤，李強子，田亦陳，等.遙感影像分類方法研究進展[J].光譜學(xué)與光譜分析，2011，31（10）：2618-2623.

[6] 陳云浩，馮通，史培軍，等.基于面向?qū)ο蠛鸵?guī)則的遙感影像分類研究[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2006，31（4）：316-320.

[7] 孫瑞，王洪光，李俊輝，等.基于國產(chǎn)高分衛(wèi)星面向?qū)ο蟪鞘械匚镒顑?yōu)尺度選擇及評價研究[J].測繪與空間地理信息，2018，41（10）：171-175.

[8] 閆琰，董秀蘭，李燕.基于ENVI的遙感圖像監(jiān)督分類方法比較研究[J].北京測繪，2011（3）：14-16.

[9] 杜鳳蘭，田慶久，夏學(xué)齊，等.面向?qū)ο蟮牡匚锓诸惙ǚ治雠c評價[J].遙感技術(shù)與應(yīng)用，2004，19（1）：20-23.

[10] 張學(xué)玲，張瑩，牛德奎，等.基于TM NDVI的武功山山地草甸植被覆蓋度時空變化研究[J].生態(tài)學(xué)報，2018，38（7）：2414-2424.

[11] OTSU N. A Threshold Selection Method from Gray-Level Histograms[J]. IEEE Transactions on Systems， Man， and Cybernetics， 1979， 9（1）：62-66.

[12] CANNY John. A Computational Approach to Edge Detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986，8（6）：679-698.

【責(zé)任編輯 張智民】