楊云輝趙魯全李新舉侯 樂

1山東農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，山東 泰安，271018

2山東省土地調(diào)查規(guī)劃院，山東 濟南，250014

田坎是土地整治的重點對象［1］，統(tǒng)計田坎面積是土地整治工作的重要環(huán)節(jié)。目前，對田坎的統(tǒng)計方法主要有：實測法和系數(shù)扣除法［2］。實測法工作量大，測繪周期長，消耗成本高；系數(shù)扣除法準確度低，可靠性差。因此，需要尋找一種準確、快速、低成本的提取田坎面積的方法。

近年來，高空間分辨率遙感影像的快速發(fā)展為較精細的影像分類提供了條件［3］。劉常娟等［4］運用高分辨率衛(wèi)星遙感影像，提出一種獲取田坎面積的方法。由于當(dāng)時技術(shù)條件的限制，數(shù)據(jù)源選擇了2.5 m分辨率的SPOT-5衛(wèi)星影像數(shù)據(jù)，從結(jié)果可以看出，田坎面積的精確度與影像的分辨率有直接的關(guān)系。而近幾年飛速發(fā)展的無人機遙感技術(shù)，在具有更高的分辨率、更細致的光譜、幾何、紋理等特征參量［5］的同時，還具備衛(wèi)星遙感所不具備的響應(yīng)快、周期短、易操作、成本低等特點［6］，且已經(jīng)在耕地作物信息提?。?］等多方面取得了飛躍式的發(fā)展。但在已有研究中，航拍影像以高光譜和多光譜影像為主，拍攝成本高昂，嚴重限制了無人機遙感技術(shù)的快速發(fā)展［8］。

僅含有可見光波段的無人機影像獲取簡便、成本低廉，實際使用也更為廣泛［9］。汪小欽等［10］通過對無人機可見光波段進行段運算，獲得了一種快速提取植被信息的方法，提取精度高達90%。因此，本文以僅含可見光波段的高分辨率無人機遙感影像作為數(shù)據(jù)源，探索一種準確、高效提取田坎面積的新方法。

1 數(shù)據(jù)獲取與處理方法

1.1 研究區(qū)數(shù)據(jù)獲取

研究區(qū)域位于山東省泰安市新泰禹村鎮(zhèn)西南部，占地826.02 hm2。影像獲取時間為2017年9月22日，使用瑞士進口的eBee plus航拍測繪無人機，飛行高度340 m，搭載Canon IXUS 220 HS相機，1 600萬像素，航攝比例尺選定為1∶40 000，獲取研究區(qū)航片后利用Pix4d mapper數(shù)據(jù)處理軟件進行校正、拼接處理，得到研究區(qū)的正射影像，影像包含了紅、綠、藍3個波段，此時影像的地面分辨率為0.48 m，如圖1所示。

圖1 研究區(qū)數(shù)字正射影像Fig.1 Digital Orthophoto Map of the Research Area

1.2 數(shù)據(jù)的處理方法

在獲得研究區(qū)的航空影像后，對航空影像進行人工分幅處理，區(qū)分對待田坎、石堰。在分幅后，采用波段運算構(gòu)建新型指數(shù)，增強石堰地物信息，提升分類精度。

1.2.1根據(jù)坡度和剖面曲率進行影像分幅

本文選擇坡度和剖面曲率作為對整幅影像的劃分依據(jù)。原因有兩點：①田坎系數(shù)和坡度之間存在關(guān)聯(lián)；②研究區(qū)地處平原地區(qū)，最大坡度為15°，土質(zhì)田坎系數(shù)與坡度之間的關(guān)系并不顯著，所以引入剖面曲率作為一個新的劃分標準。剖面曲率指的是地面上任意一點地表坡度的變化率，表示坡度的變化程度［11］。

最終將影像根據(jù)《農(nóng)村土地調(diào)查規(guī)程》分類方法分為6幅，如圖2所示。經(jīng)觀察發(fā)現(xiàn)，按此劃分后，剖面曲率和坡度越高的影像土坎分布越為密集，與石堰關(guān)系不明顯。

圖2 不同剖面曲率、坡度下土坎分布圖Fig.2 Different Profile Curvature，the Slope of the Ridge Profile

1.2.2新型可見光波段指數(shù)的構(gòu)建

影像分幅后，因石堰易被漏分，需要增強石堰的地物信息。如表1所示，對比耕地、石堰的像元值，用ρ1、ρ2分別代表耕地、石堰在可見光波段上的像元值，用e代表耕地、石堰在可見光波段上像元值的相對差異，計算方式如式（1）所示：

表1 典型地物在藍、綠、紅波段的像元值平均值差異表Tab.1 Difference Pixels Value in Blue，Green，Red Band of Typical Land Cover Table

結(jié)果表明，耕地、石堰在藍光波段上的相對差異最大，紅光、綠光波段相對差異較小。參考目前存在的可見光波段指數(shù)構(gòu)建后發(fā)現(xiàn)，基于過綠指數(shù)EXG（excess green）［12］改進后的指數(shù)可以更好的增強石堰與耕地的區(qū)分度，如圖3所示，以EXB（excess blue）表示，計算方式如式（2）、式（3）所示：

圖3 原影像與EXB指數(shù)結(jié)果對比圖Fig.3 Comparison of Original Image and EXB Index Results

式中，ρred、ρgreen、ρblue分別代表紅、綠、藍3色波段的像元值。

2 面向?qū)ο蟮挠跋穹指詈喜⒑头诸惙椒?/h2>

面向?qū)ο蟮姆诸惙椒ㄔ诟叩孛娣直媛实挠跋穹诸愔杏兄鴱V泛應(yīng)用［13，14］，因此將無人機影像和面向?qū)ο蠓诸惙椒ńY(jié)合，可以極大提高影像分類精度。

2.1 面向?qū)ο蟮挠跋穹指詈喜?/h3>

依據(jù)坡度和剖面曲率劃分成6幅圖后，由于每幅圖的數(shù)據(jù)量仍然很大，為了便于說明，選取影像中包含豐富土坎信息或石堰信息，且具有代表性的10幅影像。

在分割合并過程中，如何確定最優(yōu)尺度，人工目視判別是目前最好的選擇，具體參數(shù)如表2所示。

經(jīng)觀察發(fā)現(xiàn)，剖面曲率和坡度越高的影像，參數(shù)設(shè)置的越低，才能更好地提取田坎的邊界信息，土坎的分割合并參數(shù)隨剖面曲率和坡度的變化趨勢明顯，石堰則符合此變化趨勢。

2.2 基于規(guī)則的特征提取

分割合并后的對象由同質(zhì)像元組成［15］。在提取對象為土坎時，以紅波段光譜值和空間特征中的Area、Minor Length作為主要劃分依據(jù)，具體的規(guī)則選擇如表2所示。

表2 影像分割及規(guī)則構(gòu)建表Tab.2 Image Segmentation and Rule Construction Table

3 提取結(jié)果及精度評價

3.1 提取結(jié)果

確定分類規(guī)則輸出影像后，應(yīng)對分類圖進行過濾和平滑處理，過濾處理解決分類結(jié)果中出現(xiàn)的孤島問題，平滑處理使分類結(jié)果更符合實際地物情況。具體分類結(jié)果如圖4所示。

圖4 田坎分類結(jié)果圖Fig.4 Field Ridge Classification Result

3.2 精度評價

在對精度的評價中，將基于規(guī)則的面向?qū)ο筇崛√锟驳慕Y(jié)果作為預(yù)測面積，目視解譯提取田坎的結(jié)果作為實測面積。具體精度評價公式如式（4）所示。

式中，S1為基于規(guī)則的面向?qū)ο筇崛〉奶锟裁娣e；S2為目視解譯提取田坎的面積；e為面積的相對誤差。結(jié)果如表3所示。

表3 田坎面積一致性精度評價表Tab.3 Field Ridge Area Consistency Accuracy Evaluation Table

由表2分析可知，將無人機影像和基于規(guī)則的面向?qū)ο蠓诸惙椒☉?yīng)用在土坎、石堰的提取上，精度是可以保證的。10個樣本區(qū)域中，8個樣本的相對誤差在10%以下。分析不同分割區(qū)域的相對誤差可知，土坎的精確度與區(qū)域選擇有密切聯(lián)系，在低剖面曲率條件下，坡度2°～6°的區(qū)域范圍大，土坎、耕地相似度高，分界線模糊，地物特征基本趨于一致，判別難度較大，相對誤差高；0°～2°區(qū)域范圍雖大，但土坎與耕地分界線明顯，相對易于區(qū)分；6°以上的區(qū)域范圍小，地形以平緩山坡為主，且土坎、耕地差別明顯，區(qū)分度高。在高剖面曲率條件下，0°～2°區(qū)域范圍雖小，但實測面積偏小，相對誤差高；2°～6°區(qū)域由于剖面曲率的變化，土坎、耕地分界線明顯，區(qū)分度變高；6°以上區(qū)域以陡峭山地為主，地形參差不齊，耕地呈碎塊狀分布，使田坎區(qū)分難度變大。石堰在進行圖像增強處理后與耕地區(qū)分明顯，相對誤差較低，在剖面曲率高，坡度為2°～6°區(qū)域中，由于石堰較多，分布密集，規(guī)律性下降，造成相對誤差變高，其他區(qū)域石堰預(yù)測面積與實測面積較為接近，相對誤差普遍較低。

4 討論與分析

在研究中可以看出，成本低、適用性強的可見光相機獲取的航空影像雖然只有紅綠藍3個波段的光譜信息，但田坎在高空間分辨率影像上仍與其他地物有著明顯的區(qū)別。通過對整幅影像田坎的特征劃分、對石堰光譜信息的重新構(gòu)建，結(jié)合基于規(guī)則的面向?qū)ο筇崛》椒?，從光譜和空間特征上對田坎信息進行規(guī)則構(gòu)建，進而提取田坎面積的方法，可以逐步代替實測法和系數(shù)扣除法對田坎面積的提取方式，解決了傳統(tǒng)方法工作量大、提取精確度低，難以快速獲取田坎面積的不足，對于準確把握土地整治區(qū)田坎整治情況與耕地實際面積具有重要的現(xiàn)實意義。

在研究中發(fā)現(xiàn)，基于可見光波段的無人機遙感和面向?qū)ο蟮奶崛》椒ㄒ泊嬖谝欢ǖ木窒扌裕?/p>

1）無人機遙感所獲得的影像地面分辨率相較于其他遙感方式更高，這雖然對田坎的精細分類提供了可靠的條件，但地面分辨率越高并不意味著分類結(jié)果越精確，Bruzzone等［16］就曾指出，過高的地面分辨率會導(dǎo)致類內(nèi)方差變大，類間方差變小。在實驗中發(fā)現(xiàn)，通過降低分辨率的方式對高分辨率影像進行處理，可以有效地增強地物邊界的識別，但由于本文目的是提取田坎的面積，降低分辨率的濾波處理方式會改變田坎邊界，對田坎的面積精度造成影響，所以未進行深入研究。但能否通過其他方式，消除降低分辨率后對提取地物面積造成的影響，仍有待研究。

2）影像基于坡度和剖面曲率進行分幅，對剖面曲率高低的劃定，在于盡可能地將影像分為面積相同的兩部分，分幅后，分割合并參數(shù)的設(shè)定，隨坡度和剖面曲率的升高而下降，坡度和剖面曲率的劃定可以作為一個分割合并參數(shù)設(shè)定的標準，但二者之間是否有更明顯的關(guān)系，剖面曲率和坡度之間是否有更好的結(jié)合方式，仍需要大量實驗數(shù)據(jù)作為研究依據(jù)。

3）在提取田坎面積時，土坎面積的精度要略低于石堰面積的精度，這證明了對石堰光譜信息進行重新構(gòu)建是可行的，而對土坎地物信息的增強、構(gòu)建將會是下一步研究的重點。

4）分類完成后，對整個影像進行精度評價，與目視解譯實測面積對比時總體精度高，但不能排除個別地物面積偏大，又存在某些漏分現(xiàn)象，一加一減反而影響了總體精度的驗證。而混淆矩陣的精度評價方法，適合評價多個類別的分類結(jié)果，且人為影響因素大。最精確的驗證方法是實測法，驗證每一條土坎、石堰的具體面積，再與分類結(jié)果作對比，進行評價。但在缺乏實測條件下，用目視解譯的分類結(jié)果進行精度評價仍是最可靠的方法。

5 結(jié)束語

本文以僅含可見光波段的高分辨率無人機遙感影像作為數(shù)據(jù)源，運用面向?qū)ο蟮姆诸惙椒ㄌ崛√锟裁娣e，經(jīng)過相關(guān)研究與討論，結(jié)論如下：

1）石堰作為田坎的重要組成部分，通過比較與耕地在可見光三波段上的反射率特征后發(fā)現(xiàn)，石堰與耕地相對差異率在藍波段上最高，基于EXG指數(shù)改進后的EXB指數(shù)，可以增強石堰與耕地的區(qū)分，實現(xiàn)石堰的精確提取。

2）土坎作為田坎的重要組成部分，與坡度、剖面曲率存在分布關(guān)系，坡度和剖面曲率越高，土坎分布越密集，影像上需要分割的越細致，可以作為判定分割合并參數(shù)設(shè)置的一個標準。

3）以目視解譯提取田坎的面積作為實測值，通過對比基于規(guī)則的面向?qū)ο蠓诸惙椒ㄌ崛〉奶锟裁娣e，確定基于規(guī)則的面向?qū)ο蠓诸惙椒梢杂行У靥崛√锟?，精確度高。