于學(xué)廣 李芳芳

（1.河北翔通信息技術(shù)有限公司北京分公司，北京 海淀 100088；2.中科遙感科技集團(tuán)有限公司，天津 濱海新區(qū) 300384）

1 引言

原始定居點(diǎn)是古代人類社會(huì)的基本地理單位，是根據(jù)特定的社會(huì)經(jīng)濟(jì)條件建立的。景觀的空間格局被視為原始定居點(diǎn)的結(jié)構(gòu)，它的形成與意識(shí)形態(tài)、精神信仰以及人與自然的關(guān)系密不可分，正確地保護(hù)和研究遺產(chǎn)景觀至關(guān)重要[1]。

分析原始定居點(diǎn)的空間格局，現(xiàn)有研究主要基于風(fēng)水學(xué)理論和地理環(huán)境要素，分析傳統(tǒng)村莊的空間形態(tài)，這些特征是定性的，會(huì)簡化景觀的空間關(guān)系；而勘測(cè)和GPS 測(cè)量雖能獲取詳細(xì)的空間信息，但無法獲取景觀其他信息。近年來，城市化正快速侵蝕和重塑傳統(tǒng)環(huán)境，破壞并改變了傳統(tǒng)村莊的結(jié)構(gòu)，迫切需要一種實(shí)時(shí)、客觀、有效的數(shù)據(jù)采集手段以及可以擴(kuò)展信息量的方法，分析原始定居點(diǎn)的地理空間格局。

本文提出將無人機(jī)獲取的多光譜圖像與分層景觀識(shí)別方法相結(jié)合，用于原始村莊的地理空間格局分析。

2 研究區(qū)域概述

河北某古村落最初是在明朝（1368—1644 年）由駐軍建造的，遵循“內(nèi)部八字形”布局。該布局以祖堂為中心，形成一個(gè)近似圓的閉合環(huán)。灌溉系統(tǒng)發(fā)達(dá)，在包括水壩和運(yùn)河在內(nèi)的古代建筑中采用了一種分水機(jī)制，從而通過重力為大量農(nóng)田灌溉。整個(gè)灌溉系統(tǒng)完好無損，得到了良好的保護(hù)。

然而，在城市化的推動(dòng)下，近年來該村狀況越來越糟。自然和人為因素使得大部分景觀遭受侵蝕和破壞。村莊北部的演習(xí)場(chǎng)被完全摧毀。更多景觀尤其是古代建筑，已被現(xiàn)代人工建筑取代，景觀要素發(fā)生巨大變化。同時(shí)用于記錄和描述此類更改的數(shù)據(jù)完全丟失。因此，急需用于遺產(chǎn)保護(hù)的實(shí)時(shí)、準(zhǔn)確和量化數(shù)據(jù)。

研究對(duì)基于村莊的擴(kuò)展區(qū)域進(jìn)行了調(diào)查，以完整記錄與該古老村莊相關(guān)的目標(biāo)景觀。研究區(qū)域地理位置如圖1 所示，其中，白色多邊形包括該古村落的范圍，黃色多邊形包括周圍的六座山脈，藍(lán)色多邊形包含了該村莊的主要水道。研究區(qū)面積4.02 平方公里，地形條件復(fù)雜。在村莊內(nèi)部，古建筑和新建筑交叉分布，導(dǎo)致某些地方的建筑間隔很小。古代建筑形狀各異，而新建筑的顏色和質(zhì)地則各不相同。

3 無人機(jī)影像獲取及數(shù)據(jù)預(yù)處理

3.1 無人機(jī)影像獲取

研究選用六旋翼無人機(jī)，搭載多光譜數(shù)據(jù)采集系統(tǒng)和測(cè)量級(jí)GPS，獲取村莊航空影像并對(duì)數(shù)據(jù)進(jìn)行空間定位。多光譜數(shù)據(jù)采集系統(tǒng)（如圖2 所示）包含4個(gè)光學(xué)傳感器，所有傳感器均具有35 毫米固定光譜透鏡和23.2 個(gè)光學(xué)傳感器[2]。

圖2 無人機(jī)多光譜數(shù)據(jù)采集系統(tǒng)

2019 年8 月18 日至20 日完成數(shù)據(jù)采集，考慮到陽光強(qiáng)度和光角度，選擇上午9:00 至11:00 采集數(shù)據(jù)。最終共獲取1574 幅航拍圖像，通過內(nèi)置GPS 產(chǎn)生的三維位置信息（包括X、Y 和高度）對(duì)其進(jìn)行了地理標(biāo)記。

使用FieldSpec 4 Standard-Res 分光光度計(jì)實(shí)地測(cè)量了村莊內(nèi)景觀反射率。隨機(jī)抽取了河流、道路、農(nóng)田和建筑物等被測(cè)對(duì)象，采用350 ～1000 nm 的光譜范圍、光譜間隔為1.4 nm，對(duì)地物進(jìn)行光譜測(cè)量，用以對(duì)機(jī)載光譜儀獲取的光譜數(shù)據(jù)進(jìn)行真實(shí)性檢驗(yàn)。此外，在基于大地GPS 的測(cè)量區(qū)域平均部署了地面控制點(diǎn)（GCP），以提高無人機(jī)影像幾何校正精度。

3.2 無人機(jī)影像數(shù)據(jù)預(yù)處理

首先基于MATLAB 完成幾何校正和多波段配準(zhǔn)，然后基于Pix4D 軟件進(jìn)行圖像鑲嵌。在幾何定標(biāo)過程中，使用獲得的內(nèi)部方位角元素消除切向和徑向變形，再基于Pix4D 軟件平臺(tái)進(jìn)行圖像拼接[3]。最后，通過特征識(shí)別和特征匹配創(chuàng)建稀疏點(diǎn)云，并將其用于TIN 三角網(wǎng)的構(gòu)建。

輸出數(shù)據(jù)包括經(jīng)過校準(zhǔn)的正射影像（DOM）和數(shù)字表面模型（DSM）。正射影像包含六個(gè)自定義通道（紅色、綠色、藍(lán)色、600 nm、701 nm 和760 nm），代表目標(biāo)景觀的光譜特征，空間分辨率為3.56 cm，確?？梢栽诤罄m(xù)分析中使用精細(xì)的幾何和紋理特征。此外，DSM包含景觀的空間信息，可提供景觀頂部的高程值。

4 研究方法

4.1 面向?qū)ο蟮姆治黾夹g(shù)

本文使用面向?qū)ο蟮膱D像分析技術(shù)（OBIA），可基于多維特征數(shù)據(jù)獲取信息，已用于基于高分辨率航空遙感的地質(zhì)災(zāi)害監(jiān)測(cè)、城市變化監(jiān)測(cè)、瀕危物種監(jiān)測(cè)、土地覆蓋制圖和農(nóng)業(yè)管理等。

OB IA 的工作流程主要有片段生成和多維特征分類兩個(gè)獨(dú)立模塊。片段生成模塊首先定義特征空間度量，然后通過使用光譜、幾何和紋理特征從基于像素的圖像中形成圖像對(duì)象。根據(jù)分割特征量的預(yù)設(shè)閾值確定對(duì)象大小。通過圖像分割，創(chuàng)建基于對(duì)象的圖層。同時(shí)，建立父對(duì)象、子對(duì)象和相鄰對(duì)象間的關(guān)系，該關(guān)系包含上下文信息并有助于避免錯(cuò)誤產(chǎn)生。子對(duì)象的屬性從父對(duì)象繼承。在多維分類模塊中，語義信息分配給相應(yīng)的片段。最后，獲得不同類型景觀的分類結(jié)果[4]。

4.2 在遺產(chǎn)保護(hù)范圍內(nèi)定義景觀的結(jié)構(gòu)規(guī)則

研究分類規(guī)則是提取感興趣對(duì)象（受保護(hù)的遺產(chǎn)景觀或?qū)z產(chǎn)遺址有潛在影響的景觀）的標(biāo)準(zhǔn)，還有助于景觀分類。圖3 給出了三級(jí)分類規(guī)則，分為自然景觀和人工景觀。根據(jù)父類，區(qū)分第二級(jí)的六個(gè)子類。自然景觀包括河流、山脈和植被，而人工景觀則包括農(nóng)用地、建筑和道路，第三級(jí)中的兩個(gè)子類都在建筑范圍內(nèi)進(jìn)一步分類（父類），包括古建筑和現(xiàn)代建筑。

圖3 研究中使用的景觀分類規(guī)則

4.3 遺產(chǎn)景觀提取的分層方案

基于構(gòu)建景觀的結(jié)構(gòu)規(guī)律設(shè)計(jì)了一種四級(jí)分類方案，將其用于研究區(qū)域中的目標(biāo)物提?。ㄈ鐖D4 所示）。該方案由五個(gè)獨(dú)立的細(xì)分和分類模塊組成。子類別的分類基于高層和相應(yīng)特征產(chǎn)生的分類對(duì)象執(zhí)行（如表1 所示）。在第一個(gè)分割和分類模塊中，最初使用NDVI 指數(shù)（701 nm 被用作NIR）對(duì)植被覆蓋區(qū)域和非植被區(qū)域進(jìn)行分類。在第二個(gè)模塊中，通過在DSM 灰度值上設(shè)置閾值提取山脈。另一方面，NDWI（750 nm被用作NIR）被用作對(duì)第三模塊中包括河流和人工建筑區(qū)域在內(nèi)的非植被區(qū)域進(jìn)行分類。通過在第四類中使用DSM 值和形狀指數(shù)（SI）進(jìn)一步區(qū)分道路和建筑物。在第五分類中基于灰度共生矩陣（GLCM）、藍(lán)帶和600 nm 帶，基于熵和同質(zhì)性識(shí)別古建筑和新建筑[5]。

表1 中：NIR 代表紅外波段；紅色和綠色分別代表紅色和綠色波段。P（i，j）是在GLCM 矩陣中定義的灰度等級(jí)（i，j）的概率；N 和M 是GLCM 每個(gè)維度的最大值。A 和e 分別表示圖像段的面積和比值計(jì)。

圖4 用于景觀提取的分層方案

表1 用于目標(biāo)景觀識(shí)別的功能和索引

該方案中的每個(gè)獨(dú)立模塊還遵循一個(gè)程序?qū)崿F(xiàn)，其中包含遞歸分割和分類（如圖4 所示）。分割和分類都使用多光譜圖像（僅適用于第一個(gè)模塊）或圖像對(duì)象（適用于其余模塊）作為輸入數(shù)據(jù)。在工作流中，首先檢查輸入數(shù)據(jù)的最小分析單位以匹配分類特征。如果輸入數(shù)據(jù)可以在下一個(gè)分類中使用，則直接將其用作分類過程的輸入數(shù)據(jù)。否則，將執(zhí)行遞歸分割，直到將其用作下一階段的輸入數(shù)據(jù)為止。

5 基于GIS 的景觀格局分析

5.1 文化遺產(chǎn)景觀提取模型

基于eCognition 對(duì)五種分類進(jìn)行評(píng)估，將0.08平方公里區(qū)域用作模型評(píng)估區(qū)域，其中包含從第一次分割生成的3069 個(gè)對(duì)象，這些物體的平均大小為27 m2， 表2 顯示了對(duì)象樣本的分配詳細(xì)信息。子類中的標(biāo)記對(duì)象根據(jù)超類對(duì)象獲得，這些超類對(duì)象遵循層次結(jié)構(gòu)方案中所示的關(guān)系。例如，古建筑的對(duì)象從小到大都屬于建筑，而非人造建筑和非植被區(qū)域等。在每個(gè)分類級(jí)別中將屬于不同類別的對(duì)象隨機(jī)分為十個(gè)樣本集，然后將這些樣本集按9∶1 比例（無重復(fù)）進(jìn)一步隨機(jī)分為十組訓(xùn)練和測(cè)試數(shù)據(jù)集。每個(gè)構(gòu)造的分類器分別用相應(yīng)的訓(xùn)練和測(cè)試集進(jìn)行十次訓(xùn)練和測(cè)試。

總體精度和Kappa 指數(shù)被用作定量描述構(gòu)建方案性能的指標(biāo)，兩者都是基于誤差矩陣計(jì)算的。通過交叉驗(yàn)證，平均值被用來代表最終的驗(yàn)證結(jié)果。通過將分類結(jié)果與測(cè)試數(shù)據(jù)集進(jìn)行比較來獲得矩陣，這些指標(biāo)用于定量描述分類器的性能。如表2 所示，目標(biāo)景觀的總體分類精度是可變的，范圍從0.843 到0.961，平均值為0.913。Kappa 指數(shù)也有一定程度的波動(dòng)，最佳表現(xiàn)達(dá)到0.915，最差表現(xiàn)為0.763。通過手動(dòng)設(shè)置基于知識(shí)的閾值以提取山峰輪廓來進(jìn)行第二次分類。

表2 評(píng)估結(jié)果

5.2 有針對(duì)性的景觀提取結(jié)果

圖5 顯示了整個(gè)測(cè)量區(qū)域的提取結(jié)果，包含四個(gè)目標(biāo)景觀元素和新建筑物。通過將評(píng)估模型應(yīng)用于預(yù)處理的多功能數(shù)據(jù)來生成結(jié)果。在此過程中，由于龐大的數(shù)據(jù)量，根據(jù)空間XY 坐標(biāo)將整個(gè)區(qū)域平均分為六個(gè)子集（每個(gè)子集0.72 平方公里）。通過訓(xùn)練的模型對(duì)所有六個(gè)區(qū)域進(jìn)行了分析，并將分析的區(qū)域縫合在一起以形成顯示的結(jié)果。

圖5 目標(biāo)景觀元素的提取結(jié)果

由于準(zhǔn)確的建筑物提取直接影響進(jìn)一步的空間分析，因此通過計(jì)算模型提取結(jié)果和人工解釋結(jié)果中擬合的像素?cái)?shù)來定量研究提取精度。評(píng)估結(jié)果是通過隨機(jī)采樣20 個(gè)目標(biāo)景觀檢查對(duì)象獲得的。古建筑和道路的精確度分別達(dá)到0.792 和0.803，河流和植被的精確度分別為0.852 和0.904。

5.3 目標(biāo)景觀分布的地理統(tǒng)計(jì)分析

本文研究進(jìn)行了空間分析，以調(diào)查自然景觀要素（河流和山脈）與人工景觀要素（古建筑和新建筑）之間的關(guān)系。這些自然因素是古村落的基本框架，在村落的形成和發(fā)展中起著關(guān)鍵作用，也與人類活動(dòng)直接相關(guān)。

區(qū)域統(tǒng)計(jì)數(shù)據(jù)描述了目標(biāo)景觀的數(shù)量，該數(shù)量通過空間X、Y 坐標(biāo)計(jì)算得出，如表3 所示。主要景觀要素包括建筑物、植被、河流、道路和山脈。建筑面積包括古代建筑和現(xiàn)代建筑的總面積。根據(jù)建筑物與行政區(qū)劃間的空間位置關(guān)系對(duì)這兩種建筑物類型進(jìn)一步分類。

表3 研究地點(diǎn)目標(biāo)景觀的面積統(tǒng)計(jì)（單位：公頃）

利用歐幾里得距離定量描述了景觀之間的相對(duì)空間分布，該距離是根據(jù)空間坐標(biāo)計(jì)算得到的，古村落及其古老建筑遵循一定的分布模式。古村落分布不均勻，主要分布在沿河，五面山環(huán)抱。超過50%的古建筑（70.8%）分布在距河149 ～236 m 的距離內(nèi)，而距離河不到93 m 的建筑很少。此外，大多數(shù)古建筑距離六座山至少有100 m 距離。在村子里，古建筑和祠堂的空間布局遵循一定規(guī)則，在113 座古建筑中，有86座（占76.1%）集中在距祠堂40 ～148 米的地方。

6 結(jié)論

研究將低空多光譜遙感技術(shù)應(yīng)用于古村落的空間格局監(jiān)測(cè)與分析，在數(shù)據(jù)采集中部署了具有定制多光譜傳感器的無人機(jī)系統(tǒng)。然后，設(shè)計(jì)了分級(jí)分類方案，將整個(gè)區(qū)域分為五個(gè)主要景觀要素。為提取景觀元素，構(gòu)建了帶有機(jī)器學(xué)習(xí)分類器的面向?qū)ο蠓诸惸Ｐ?，并使用交叉?yàn)證進(jìn)行評(píng)估。利用地理空間數(shù)據(jù)進(jìn)行定量分析，揭示了目標(biāo)景觀的空間格局特征和分布差異，有助于進(jìn)一步研究古村落的選址和建筑功能的變化。