楊 樂

（西安航天宏圖信息技術(shù)有限公司，陜西 西安 710000）

0.引言

在遙感技術(shù)的大力推動下，遙感影像被廣泛應(yīng)用于國情土地監(jiān)測中，尤其在土地利用狀態(tài)、土地更新調(diào)查、地質(zhì)災(zāi)害監(jiān)測、環(huán)境監(jiān)測等方面[1]。但遙感衛(wèi)星搭載的傳感器獲取的遙感影像，包含的信息量大且復(fù)雜，不能直接用于土地監(jiān)測，需進(jìn)行遙感影像解譯才能形成專題數(shù)據(jù)，用于數(shù)據(jù)分析[2]?，F(xiàn)階段應(yīng)用在實際生產(chǎn)的遙感影像解譯方法，主要包括人工解譯、基于光譜的自動解譯和人機(jī)交互解譯等方法[3]。目前，自動解譯在一定程度上實現(xiàn)了遙感影像的自動化解譯，但在解譯過程中存在需構(gòu)建訓(xùn)練樣本、過程繁瑣、技術(shù)要求高、精度相對較低、僅能識別訓(xùn)練樣本內(nèi)類別等一系列問題，并不適合地形地貌復(fù)雜、工作量較大的實際生產(chǎn)。為解決上述問題，優(yōu)化高分辨率遙感影像解譯流程，提高解譯精度，本文分別探討了基于ENVI軟件的目視解譯方法和基于ArcGIS人機(jī)交互解譯方法，通過實驗驗證，總結(jié)了兩種方法的優(yōu)勢及特點(diǎn)。

1.目視解譯

遙感影像解譯工作主要任務(wù)就是區(qū)分影像內(nèi)容，進(jìn)行圖像合理分類。根據(jù)影像的各項特征，結(jié)合目標(biāo)地物的各類信息及周圍環(huán)境，對目標(biāo)地物或區(qū)域進(jìn)行屬性判別和確認(rèn)。完成地物判別后結(jié)合外業(yè)調(diào)查，進(jìn)一步確定該地物或區(qū)域?qū)嶋H情況，并與影像數(shù)據(jù)建立聯(lián)系，實現(xiàn)逐一對應(yīng)。

1.1 遙感影像預(yù)處理

從原始遙感影像數(shù)據(jù)進(jìn)行遙感影像解譯，需進(jìn)行遙感影像預(yù)處理，此過程對后期遙感影像解譯的精度控制有著重要意義。通常情況下，原始遙感影像首先進(jìn)行正射處理，主要包括糾正模型選擇、控制點(diǎn)選取、精度分析、輻射校正處理以及CCD探測器陣列均衡化處理等[4]。完成上述內(nèi)容后，利用ENVI軟件進(jìn)行光譜分析及影像增強(qiáng)處理，即可進(jìn)入遙感影像解譯工作。

根據(jù)工程需要，選擇合理的原始遙感影像。根據(jù)成圖比例尺需求不同，可通過影像分辨率進(jìn)行判別，選取所需工程遙感影像。除此之外，還需考慮數(shù)據(jù)成本、數(shù)據(jù)穩(wěn)定性等方面，并依據(jù)不同的數(shù)據(jù)規(guī)格進(jìn)行數(shù)據(jù)選擇，最后原始數(shù)據(jù)的選取還需考慮數(shù)據(jù)獲取時間、數(shù)據(jù)采集時天氣狀況等詳細(xì)情況[5]。

1.2 基于ENVI的遙感影像目視解譯

基于ENVI的遙感影像解譯方法，需借助解譯標(biāo)志。作為室內(nèi)解譯的依據(jù)，解譯標(biāo)志具有反映和判別地物的功能，能夠區(qū)分不同地物性質(zhì)及存在的相互關(guān)系，是地物空間信息和波普信息的圖形顯示[6]。根據(jù)具體功能的不同，解譯標(biāo)志分為直接解譯標(biāo)志和間接解譯標(biāo)志。

利用GPS實測控制點(diǎn)坐標(biāo)，采集圖斑實地邊界和新增線狀地物的坐標(biāo)數(shù)據(jù)及相關(guān)幾何數(shù)據(jù)，并實地調(diào)查該變化圖斑的位置、土地利用狀況等屬性，將其填寫到外業(yè)記錄表上并繪制外業(yè)調(diào)繪圖?；贓NVI軟件的遙感影像解譯具體流程（如圖1所示）：

圖1 基于ENVI的遙感影像解譯流程

2.人機(jī)交互解譯

2.1 基于Arc GIS的人機(jī)交互解譯流程

相比基于ENVI的遙感影像解譯方法，人機(jī)交互解譯方法在高分辨率遙感影像解譯效率上有所提高，但精度存在欠缺。為提高人機(jī)交互解譯精度，基于ArcGIS的人機(jī)交互解譯方法融合了解譯標(biāo)志判別修改、拓?fù)錂z查和核驗等關(guān)鍵技術(shù)[7]。具體流程（如圖2所示）：

圖2 遙感影像人機(jī)交互解譯生產(chǎn)流程

針對完成預(yù)處理的遙感影像，首先進(jìn)行初步影像解譯，并進(jìn)行結(jié)果分析，對解譯標(biāo)志存在落后的信息，進(jìn)行合理刪減，并增添新標(biāo)準(zhǔn)，提高影像解譯精度。完成解譯標(biāo)志更新后即可進(jìn)入人機(jī)交互解譯，此過程需結(jié)合外業(yè)實地調(diào)查，檢查解譯結(jié)果，同時針對空白影像、多幅影像接邊等問題進(jìn)行拓?fù)涮幚怼?/p>

2.2 質(zhì)量控制

完成影像解譯的數(shù)據(jù)，利用ArcGIS軟件可進(jìn)行矢量成圖處理，并進(jìn)行拓?fù)錁?gòu)建，過程中存在以下問題：

（1）在整合和處理矢量數(shù)據(jù)期間，當(dāng)解譯區(qū)域面積不斷增加時，需加大交互解譯操作人員數(shù)量，并全面整合最終解譯結(jié)果，進(jìn)而從根本上解決接邊問題和矢量要素縫隙問題。

（2）在進(jìn)行矢量要素編碼期間，為保證影像判讀結(jié)果的精確性和真實性，需為矢量要素屬性進(jìn)行精確賦值，而屬性賦值會大量消耗人機(jī)交互解譯的時間。同時人機(jī)交互解譯主要依靠人工解譯，不同工作人員對解譯標(biāo)志理解存在一定程度上的偏差，因此解譯成果質(zhì)量也存在差異，需進(jìn)行質(zhì)量控制。

2.3 多用戶協(xié)同質(zhì)量驗證

在質(zhì)量控制過程中，基于ArcSED的樹型版本管理模型可進(jìn)行多用戶同時并發(fā)編輯解譯遙感影像，實現(xiàn)對模型的集中化管理。同時，還能借助數(shù)據(jù)模型，完成對相應(yīng)空間信息的精確化描述。數(shù)據(jù)模型支持長事務(wù)處理權(quán)限，通過利用數(shù)據(jù)模型所提供的控制力，便于多個用戶在同一時間段內(nèi)使用同一個圖形數(shù)據(jù)庫。對于地理信息數(shù)據(jù)庫而言，在某一個快照時刻，相關(guān)人員要全面收集和整理該數(shù)據(jù)庫內(nèi)的各項數(shù)據(jù)，并根據(jù)數(shù)據(jù)集的處理情況，將要素存儲于相應(yīng)的數(shù)據(jù)庫中，同時，還要將數(shù)據(jù)庫中修改內(nèi)容全部存儲于增量表中，便于其他人員查看和調(diào)用。另外，為了提高用戶編輯操作的便捷性，還要將多個編輯會話進(jìn)行集中化操作，以便后期查看數(shù)據(jù)修改情況。

質(zhì)量協(xié)同驗證重點(diǎn)參照了（如圖3所示）的驗證流程。從圖3中可以看出，質(zhì)量協(xié)同驗證操作主要包含以下步驟：①根據(jù)解譯人員整理相應(yīng)的解譯質(zhì)檢申請；②質(zhì)控人員對解譯人員提交的解譯質(zhì)檢申請進(jìn)行質(zhì)量檢查，一旦檢查合格，需要及時通知解譯人員，讓其完成相關(guān)成果的提交，相反，如果檢查不合格，需要向解譯人員提出問題的所在，并督促其對不合格的地方進(jìn)行復(fù)核，直到解譯質(zhì)檢申請內(nèi)容符合相關(guān)解譯標(biāo)志[8]。

圖3 質(zhì)量協(xié)同驗證流程

3.拓?fù)涮幚?/h2>

在進(jìn)行矢量化操作期間，通過使用ArcGIS工具，可以完成對多邊形各個邊界和節(jié)點(diǎn)的創(chuàng)建，同時，還能快速共享已創(chuàng)建的多邊形。為進(jìn)一步提高人機(jī)交互解譯結(jié)果的準(zhǔn)確性和真實性，相關(guān)人員要借助自動完成面工具，對最終解譯成果進(jìn)行一系列整理，避免出現(xiàn)拓?fù)淇p隙問題。

3.1 拓?fù)溴e誤處理

在對解譯結(jié)果進(jìn)行判讀期間，通過構(gòu)建矢量要素圖層，可以更好地明確和把握拓?fù)潢P(guān)系。此外，通過借助對齊邊工具，可以實現(xiàn)對拓?fù)淇p隙問題的有效分析和解決。另外，在對齊邊工具的應(yīng)用背景下，將多條邊進(jìn)行有效匹配，確保其始終處于重合狀態(tài)，這樣可以節(jié)省手動追蹤操作，極大提高整邊修理效果。

3.2 縫隙處理

一旦裁剪操作不規(guī)范，勢必形成拓?fù)淇p隙現(xiàn)象。以面積大小為劃分標(biāo)準(zhǔn)將縫隙分為兩種類型：一種是面積大于200m2的縫隙，這種縫隙類型通常因裁剪操作不規(guī)范而導(dǎo)致；另一種是借助放大比例尺才能看到的縫隙。對于大面積縫隙，相關(guān)人員需進(jìn)行科學(xué)判讀；對于小面積縫隙，尤其是面積遠(yuǎn)遠(yuǎn)小于所規(guī)定的最小影像圖斑面積，其不能作為單獨(dú)的圖斑進(jìn)行處理，需嚴(yán)格按照的縫隙批量處理流程（如圖4所示）進(jìn)行大規(guī)模批量處理。從圖4中可知，要根據(jù)縫隙處理需求構(gòu)建相應(yīng)的拓?fù)洌ζ錁?gòu)建效果進(jìn)行確認(rèn)，生成相應(yīng)的數(shù)據(jù)集。

圖4 縫隙批量處理流程

4.工程實踐

4.1 目視解譯結(jié)果分析

按照《GDPJ03－2013地理國情普查數(shù)據(jù)規(guī)定與采集要求》，對圖5進(jìn)行目視解譯，遵循“先易后難”的原則進(jìn)行細(xì)節(jié)提取，先提取水系、房屋建筑區(qū)、無軌道路路面等易于提取的地表，再進(jìn)行耕地、園地、建筑工地的提取，林地提取因困難度較高所以最后處理[9]。分類覆蓋過程中，依次逐級進(jìn)行采集分類，盡量按最詳細(xì)級別進(jìn)行分類。

圖5 遙感影像

目視解譯最終分割的圖斑數(shù)量有937個，內(nèi)業(yè)耗時25h，文件大小3.04M，經(jīng)外業(yè)核查，內(nèi)業(yè)分類的正確率為89.7%，其中79.2%的圖斑邊界精度在限差內(nèi)。

4.2 人機(jī)交互解譯結(jié)果分析

使用ArcGIS軟件，依次提取水系、房屋建筑區(qū)、無軌道路路面、耕地、園地、建筑工地、林地等地物信息，依據(jù)省級1∶10000DLG數(shù)據(jù)中的水系、道路、居民地線作為分割的參考數(shù)據(jù)，針對與相鄰地物光譜信息差異大的水系、無軌道路路面、房屋，則由計算機(jī)解譯通過幾次反復(fù)交叉工作，實現(xiàn)地表覆蓋信息分類提取[10]。

人機(jī)交互解譯存在2953個圖斑，正確率能提高到64.7%，分割文件32.12M，圖斑邊界為39.5%，在限差內(nèi)，總體耗時22h。

4.3 對比分析

實現(xiàn)顯示基于ENVI軟件的目視解譯方法，適用于地物類型較少，破碎程度較低的簡單地形，解譯精度取決于人工，在圖形接邊處理過程中容易出現(xiàn)接邊錯誤，容易出現(xiàn)拓?fù)淇p隙現(xiàn)象，拓?fù)溴e誤需手工修改，質(zhì)量控制程度較低，效率低。

基于ArcGIS的人機(jī)交互解譯方法在接邊處理、編碼策略、拓?fù)溴e誤批量處理方法上 表現(xiàn)較好，具有較高的可靠性和可行性，不僅可以降低拓?fù)溴e誤概率，還能保證遙感影像人機(jī)交互解譯效率和效果，進(jìn)而實現(xiàn)對各個屬性的智能化賦值。解譯對比結(jié)果（如表1所示）：

表1 解譯結(jié)果對比

5.結(jié)束語

綜上所述，通過使用高分辨率遙感影像解譯方法，不僅可保證解譯操作的智能性和先進(jìn)性，還能縮短解譯時間，提高解譯效率和效果。因此，在ArcGIS支持下，將高分辨率遙感影像解譯方法科學(xué)應(yīng)用于生產(chǎn)實踐中，不僅可以有效分析和解決圖幅接邊問題，還能保證圖幅設(shè)計質(zhì)量。采用自動化控制的方式實現(xiàn)對屬性的智能化賦值，降低拓?fù)溴e誤概率，為進(jìn)一步保證人機(jī)交互判讀解譯的高效性和準(zhǔn)確性創(chuàng)造良好條件。