程 滔，周 旭，劉若梅

（國(guó)家基礎(chǔ)地理信息中心，北京 100830）

一、引 言

地表覆蓋信息獲取是地理國(guó)情監(jiān)測(cè)的首要任務(wù)，也是地理國(guó)情監(jiān)測(cè)的基礎(chǔ)。通過(guò)一定的技術(shù)手段和方法，獲取到包括植被、水域、荒漠與裸露地、冰川與常年積雪、人工表面等的范圍、面積及其空間分布現(xiàn)狀等地表覆蓋信息，可為地理國(guó)情指標(biāo)信息的統(tǒng)計(jì)與發(fā)布提供重要依據(jù)。

目前，國(guó)際上已發(fā)布了5套全球地表覆蓋數(shù)據(jù)產(chǎn)品，國(guó)內(nèi)也開(kāi)展了全球地表覆蓋項(xiàng)目，多個(gè)行業(yè)也根據(jù)自身行業(yè)需求開(kāi)展過(guò)地表覆蓋方面的研究。然而，全球地表覆蓋尺度很大，為了滿足全球變化研究與地球模式模擬的需求，使用的影像空間分辨率相對(duì)較低；行業(yè)地表覆蓋分類體系也是為滿足本行業(yè)需求制定的。地理國(guó)情監(jiān)測(cè)地表覆蓋分類體系是從監(jiān)測(cè)全國(guó)范圍內(nèi)地理要素變化發(fā)展的角度出發(fā)，綜合考慮多個(gè)行業(yè)應(yīng)用的需求，參考現(xiàn)有的國(guó)家技術(shù)標(biāo)準(zhǔn)、行業(yè)技術(shù)規(guī)范，以及國(guó)內(nèi)外已公布的、應(yīng)用較廣泛的地表覆蓋分類體系而制定的，將采用中、高分辨率遙感影像進(jìn)行信息提取。

基于遙感影像的地表覆蓋信息獲取方法很多，包括計(jì)算機(jī)自動(dòng)分類、專題數(shù)據(jù)輔助自動(dòng)分類、人工解譯、外業(yè)調(diào)查等。其中，計(jì)算機(jī)自動(dòng)分類效率最高，然而，大部分成功案例均是面向?qū)ｎ}要素信息的提取或基于小范圍的信息提取研究，其尚無(wú)法滿足地理國(guó)情監(jiān)測(cè)工程項(xiàng)目大范圍、綜合要素信息提取的需求。本文在技術(shù)分析的基礎(chǔ)上，提出了一種在工程化應(yīng)用中可行的地表覆蓋信息提取方法，可為地理國(guó)情監(jiān)測(cè)的地表覆蓋信息提取提供參考。

二、信息提取方法

地理國(guó)情監(jiān)測(cè)項(xiàng)目中，根據(jù)一定的原則和方法，初步確定了地表覆蓋內(nèi)容體系方案，包括耕地、園地、林地、草地、人工表面、裸露地表、水體、冰雪8個(gè)一級(jí)類，以及若干二級(jí)類和三級(jí)類3個(gè)層級(jí)的類別。

不同的信息提取方法，提取效率不同，精度差異較大。地表覆蓋信息提取的原則是盡可能基于遙感影像自動(dòng)分類，最大限度地使用計(jì)算機(jī)自動(dòng)處理，在不能滿足精度要求的情況下，采取輔助手段，兼顧效率與精度，提取出地表覆蓋內(nèi)容體系中各級(jí)地表覆蓋信息。

計(jì)算機(jī)自動(dòng)分類是通過(guò)遙感影像內(nèi)業(yè)處理，利用對(duì)象的光譜特征、形狀特征、紋理特征等，建立適應(yīng)的提取規(guī)則，自動(dòng)提取出各級(jí)地表覆蓋類別信息。具體技術(shù)方法如下:

1）遙感影像預(yù)處理。對(duì)遙感影像進(jìn)行影像合成、影像融合、正射糾正等處理，為后續(xù)處理建立良好的基礎(chǔ)。

2）要素基本特征獲取。獲取地表覆蓋要素在遙感影像中的基本特征，包括光譜、紋理、形狀、空間位置等，分析各類特征在信息提取中的功能。

3）要素指數(shù)信息構(gòu)建。根據(jù)各類地表覆蓋要素的基本特征，構(gòu)建相應(yīng)的指數(shù)指標(biāo)（如NDVI、NDWI等），作為信息提取的判定依據(jù)。

4）要素輔助信息嵌入。輔助信息（如DEM、DSM等）參與自動(dòng)分類，對(duì)提高分類精度有很重要的意義，能夠減少地物要素的混合概率。

5）樣本選取。針對(duì)不同類型的地物，依據(jù)地物要素的特征信息，采集一定數(shù)量的樣本作為自動(dòng)分類的標(biāo)志。

6）信息提取。利用地物要素的基本特征、指數(shù)信息等，加入輔助信息進(jìn)行決策，采用監(jiān)督分類、決策樹(shù)分類、面向?qū)ο蠓诸惖确椒▽?duì)地表覆蓋要素進(jìn)行信息提取。

7）結(jié)果評(píng)價(jià)與分析。采集一定數(shù)量的檢驗(yàn)樣本，對(duì)地表覆蓋信息提取結(jié)果進(jìn)行評(píng)價(jià)與分析，結(jié)合人工解譯與編輯，最終得到精度滿足需求的分類結(jié)果。

三、關(guān)鍵技術(shù)分析

1.對(duì)數(shù)據(jù)源的要求

隨著信息技術(shù)和衛(wèi)星傳感器技術(shù)的飛速發(fā)展，衛(wèi)星遙感影像的種類不斷增多，為地理國(guó)情監(jiān)測(cè)地表覆蓋信息提取提供了豐富的遙感數(shù)據(jù)源。因此，針對(duì)不同級(jí)別的分類類別，可采用不同的空間分辨率與光譜分辨率的影像。一級(jí)類地物信息的提取，適宜使用分辨率優(yōu)于10 m的多光譜影像；二級(jí)類地物信息的提取，適宜使用分辨率優(yōu)于5 m的多光譜影像；三級(jí)類地物信息的提取，適宜使用分辨率優(yōu)于1 m的多光譜影像。遙感影像的光譜分辨率越高，越有利于提高分類的精度，因此，應(yīng)盡量采用光譜分辨率高的遙感影像。

2.地物要素特征分析

地物要素的特征有很多，對(duì)特征進(jìn)行深入分析，獲取提取地物類別的最佳特征組合，是自動(dòng)分類的一項(xiàng)重要任務(wù)。光譜特征是目前計(jì)算機(jī)自動(dòng)分類方法利用的主要特征，它是紋理特征、形狀特征的基礎(chǔ)，也是遙感影像最直接的信息源。紋理作為一種區(qū)域特征，是對(duì)影像各像元之間空間分布的一種描述，反映了一個(gè)區(qū)域內(nèi)像素灰度級(jí)的空間分布屬性。與其他影像特征相比，紋理能更好地兼顧影像宏觀性質(zhì)與細(xì)微結(jié)構(gòu)兩個(gè)方面，因此，它是目標(biāo)識(shí)別的重要特征。形狀是地物在影像上的外形與輪廓，是識(shí)別地物性質(zhì)重要而且明顯的標(biāo)志。對(duì)于河流、道路等線性地物和建筑物、農(nóng)田等具有相對(duì)規(guī)則形狀的單位的表達(dá)與描述，形狀特征一般能取得較好的效果。

通過(guò)特征分析，直接建立判定規(guī)則，或通過(guò)構(gòu)建指數(shù)指標(biāo)建立判定規(guī)則，是目前自動(dòng)分類的主要手段。地理國(guó)情監(jiān)測(cè)主要基于中、高分辨率遙感影像，需要充分利用地物要素的多種特征，通過(guò)對(duì)要素特征進(jìn)行充分分析與挖掘，才能夠?yàn)樾畔⑻崛∫?guī)則的建立提供必要的條件。

3.信息提取規(guī)則的構(gòu)建

信息提取的關(guān)鍵之一是針對(duì)不同類型的地物要素，構(gòu)建適用的提取規(guī)則。良好的信息提取規(guī)則在計(jì)算機(jī)自動(dòng)分類中將發(fā)揮良好的性能。如對(duì)植被、水系信息的提取，應(yīng)用較多的算法主要為歸一化植被指數(shù)（NDVI）和歸一化水體指數(shù)（NDWI），它們都是利用比值運(yùn)算創(chuàng)建的。比值型指數(shù)創(chuàng)建的基本原理是在多光譜波段內(nèi)，尋找研究對(duì)象的最強(qiáng)反射波段和最弱反射波段，將強(qiáng)者置于分子，弱者置于分母，從而增強(qiáng)研究對(duì)象，抑制背景地物。

地形起伏因素的影響會(huì)使地物的光譜反射特性產(chǎn)生變化，并且不同地物的生長(zhǎng)地域往往受海拔高度或坡度、坡向的制約，所以將高程信息作為輔助信息參與分類將有利于提高分類精度。在條件允許的情況下，可加入DEM、DSM等輔助信息，參與規(guī)則的建立。

從目前的研究現(xiàn)狀來(lái)看，隨著影像空間分辨率的提高，不同地物間的特征差異表現(xiàn)得更加細(xì)微，這給信息提取規(guī)則的構(gòu)建帶來(lái)了一定的難度，計(jì)算機(jī)自動(dòng)分類的單一地物類別中總會(huì)混合其他地物類別。因此，計(jì)算機(jī)自動(dòng)分類要想獲得滿意的分類精度，必須建立詳盡的信息提取規(guī)則，通過(guò)設(shè)置適當(dāng)?shù)拈撝?，得到理想的結(jié)果。

4.分類方法的選取

傳統(tǒng)基于像素的遙感影像分類方法都是在光譜信息極其豐富、地物間光譜差異較為明顯的基礎(chǔ)上進(jìn)行的。高分辨率遙感影像的結(jié)構(gòu)、紋理等信息非常突出，但不同地物間的光譜特征差異表現(xiàn)得不再明顯，“同物異譜”、“異物同譜”現(xiàn)象更加普遍。隨著高分辨率遙感影像的廣泛應(yīng)用，基于像元光譜統(tǒng)計(jì)的自動(dòng)分類技術(shù)已不能滿足當(dāng)前遙感信息提取的要求。

在應(yīng)用需求較迫切的情況下，面向?qū)ο蟮挠跋穹诸惙椒楦叻直媛蔬b感影像信息提取提供了新的思路。該方法不再單單利用光譜特征，而是充分利用高分辨率影像豐富的光譜、紋理、形狀、空間位置等綜合特征提取地表覆蓋信息。面向?qū)ο蟮挠跋穹诸惙椒ǖ年P(guān)鍵在于精確的影像分割，分割方法包括基于多尺度的、基于灰度的、基于紋理的、基于知識(shí)的等。其中，多尺度分割算法最為常用，它綜合應(yīng)用地物要素的光譜特征和紋理特征，計(jì)算各波段光譜異質(zhì)性與形狀異質(zhì)性的綜合特征值，并設(shè)置一定的閾值，當(dāng)所有分割對(duì)象的綜合加權(quán)值大于指定閾值時(shí)，完成影像的多尺度分割。在此基礎(chǔ)上，建立適當(dāng)?shù)囊?guī)則，提取相應(yīng)的地表覆蓋信息。

基于專家知識(shí)的決策樹(shù)分類方法也是計(jì)算機(jī)自動(dòng)分類方法中應(yīng)用較多的一種方法，該方法主要根據(jù)光譜特征、空間關(guān)系和其他上下文關(guān)系歸類像元，是利用信息論原理對(duì)大量樣本的屬性進(jìn)行分析和歸納而產(chǎn)生的。一個(gè)決策樹(shù)由一個(gè)根節(jié)點(diǎn)、一系列內(nèi)部節(jié)點(diǎn)和分支及若干個(gè)葉節(jié)點(diǎn)組成。每個(gè)內(nèi)部節(jié)點(diǎn)代表一個(gè)決策過(guò)程中所要測(cè)試的屬性；每個(gè)分支代表測(cè)試的一個(gè)結(jié)果，不同屬性值形成不同分支；而每個(gè)葉節(jié)點(diǎn)代表一個(gè)類別，即影像的分類結(jié)果。

在地理國(guó)情監(jiān)測(cè)工作中，應(yīng)根據(jù)所使用遙感影像的空間分辨率、光譜分辨率等特征，選擇適用的分類方法，盡可能地提高自動(dòng)分類精度，減少后期人工編輯工作量，提高分類效率。

四、結(jié) 論

通過(guò)對(duì)遙感影像信息提取關(guān)鍵技術(shù)的分析，可以得出如下結(jié)論:

1）基于遙感影像的地表覆蓋信息提取是在計(jì)算機(jī)自動(dòng)分類的基礎(chǔ)上進(jìn)行的，目前遙感影像自動(dòng)分類方法有很多，但由于遙感影像數(shù)據(jù)的復(fù)雜性，還沒(méi)有一種分類方法是普適的、高效的。在實(shí)際應(yīng)用中，只能針對(duì)具體的遙感影像類型，探索最適合的分類方法，以達(dá)到較高的分類精度。

2）地理國(guó)情監(jiān)測(cè)項(xiàng)目對(duì)地表覆蓋分類精度要求較高，同時(shí)需兼顧效率。因此，在計(jì)算機(jī)自動(dòng)分類精度無(wú)法滿足要求時(shí)，需進(jìn)行人工解譯與編輯，以提高整體分類精度。

3）傳統(tǒng)基于光譜的分類方法比較適用于中、低分辨率多光譜和高光譜影像，針對(duì)高分辨率遙感影像信息的提取，以面向?qū)ο蟮挠跋穹诸惙椒槔蓺w納出如下一套可行、適用的工程化技術(shù)流程:首先對(duì)影像進(jìn)行多尺度分割；在此基礎(chǔ)上，對(duì)影像進(jìn)行面向?qū)ο蠓诸悾Y(jié)合分割與分類結(jié)果，采用人工解譯的方法，對(duì)分類結(jié)果進(jìn)行編輯，得到最終地表覆蓋信息提取結(jié)果。技術(shù)流程如圖1所示。

圖1 地表覆蓋信息提取流程圖

綜上所述，地理國(guó)情制定的地表覆蓋內(nèi)容體系中，一級(jí)類地物可通過(guò)自動(dòng)分類進(jìn)行提取，部分二級(jí)類地物與三級(jí)類地物由于自動(dòng)分類的精度較低，需要在計(jì)算機(jī)自動(dòng)分類或人工解譯的基礎(chǔ)上，結(jié)合外業(yè)普查來(lái)進(jìn)行提取。該方法可為地理國(guó)情地表覆蓋信息提取提供參考。

［1］ 李月臣，陳晉，宮鵬，等.基于NDVI時(shí)間序列數(shù)據(jù)的土地覆蓋變化檢測(cè)指標(biāo)設(shè)計(jì)［J］.應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào)，2005，13（3）:261-274.

［2］ 姜麗華，楊曉蓉.基于決策樹(shù)分類技術(shù)的遙感影像分類方法研究［J］.農(nóng)業(yè)網(wǎng)絡(luò)信息，2009（10）:34-37.

［3］ 徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究［J］.遙感學(xué)報(bào)，2005，9（5）:589-595.

［4］ 胡張武.高分辨率遙感影像道路信息提取方法研究［J］.測(cè)繪通報(bào)，2011（8）:13-16.

［5］ 馬雪梅，陳亮，俞冰，等.基于決策樹(shù)和混合像元分解的城市擴(kuò)張分類［J］.測(cè)繪通報(bào)，2006（10）:9-12.

［6］ 陳述彭.遙感大辭典［M］.北京:科學(xué)出版社，1990.

［7］ 羅小波，趙春暉，潘建平，等.遙感圖像智能分類及其應(yīng)用［M］.北京:電子工業(yè)出版社，2011:19-27.

［8］ 陳圣波.遙感影像信息庫(kù)［M］.北京:科學(xué)出版社，2011:18-38.

［9］ 肖鵬峰，馮學(xué)智.高分辨率遙感圖像分割與信息提取［M］.北京:科學(xué)出版社，2012:5-19.

［10］ 曹麗琴，李平湘，張良培，等.基于多地表特征參數(shù)的遙感影像分類研究［J］.遙感技術(shù)與應(yīng)用，2010，25（1）:38-44.

［11］ 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(bào):信息科學(xué)版，2006，31（4）:316-320.