李晶晶，邢 鵬，屈鴻鈞，杜鳳蘭

（1.二十一世紀(jì)空間技術(shù)應(yīng)用股份有限公司，北京 100096；2.二十一世紀(jì)（廣州）空間技術(shù)應(yīng)用有限公司，廣東 廣州 510640）

為積極促進(jìn)節(jié)約集約用地，確保已供土地合理開發(fā)利用，需做好土地供后監(jiān)管工作。其中，已供國(guó)有建設(shè)用地開發(fā)建設(shè)情況的狀態(tài)監(jiān)測(cè)是土地供后監(jiān)管的一項(xiàng)重要內(nèi)容[1]。遙感影像以覆蓋面積大、獲取周期短的優(yōu)勢(shì)被廣泛應(yīng)用于變化檢測(cè)[2]。高分辨率遙感影像具有空間細(xì)節(jié)清晰、豐富的特點(diǎn)，適用于檢測(cè)特定地物（如建筑物）的變化[3]，為建設(shè)用地變化檢測(cè)提供了良好的契機(jī)與條件。

針對(duì)基于遙感影像的建設(shè)用地變化檢測(cè)方法，早期學(xué)者多采用傳統(tǒng)機(jī)器學(xué)習(xí)算法，如李悅[4]等結(jié)合舊時(shí)期土地利用矢量數(shù)據(jù)，采用隨機(jī)森林和模糊C均值聚類方法提取了建設(shè)用地變化信息；Gamanya R[5]等以Landsat TM/ETM多時(shí)相遙感影像為數(shù)據(jù)源，采用基于模糊邏輯的面向?qū)ο笞詣?dòng)分類方法提取了津巴布韋哈拉雷地區(qū)的建筑物目標(biāo)；裴艷艷[6]等以Landsat TM/OLI遙感影像序列為數(shù)據(jù)源，采用CART分類方法分析了建設(shè)用地的變化情況；劉紅超[7]等以Landsat8-OLI影像為數(shù)據(jù)源，提出了一種基于土地覆蓋類型特征自適應(yīng)確定閾值的遙感影像變化檢測(cè)方法。上述機(jī)器學(xué)習(xí)方法是單一尺度的面向?qū)ο蠓椒?，適用于目標(biāo)地物尺度接近的情況，否則將存在過分割或不完全分割的情況[8]，導(dǎo)致提取結(jié)果中大尺寸地物過于破碎或小尺寸地物漏提。近年來深度學(xué)習(xí)技術(shù)得到快速發(fā)展，逐步應(yīng)用于遙感影像建筑物變化檢測(cè)領(lǐng)域，如吳海平[9]等結(jié)合全國(guó)土地利用遙感監(jiān)測(cè)工程的實(shí)際需求，嘗試?yán)蒙疃葘W(xué)習(xí)方法對(duì)新增建設(shè)用地進(jìn)行了自動(dòng)提取，深度學(xué)習(xí)技術(shù)在新增建設(shè)用地變化提取方面具有更高的適用性和實(shí)用性；顧煉[10]等基于高分辨率遙感影像，采用FlowS-Unet深度學(xué)習(xí)方法實(shí)時(shí)、準(zhǔn)確地檢測(cè)區(qū)域內(nèi)新建與擴(kuò)建的建筑物；張翠軍[11]等改進(jìn)了U-Net模型，將變化檢測(cè)問題轉(zhuǎn)化為像素級(jí)二分類問題，提高了遙感圖像檢測(cè)建筑物變化的精度。然而，深度學(xué)習(xí)方法需具有足夠數(shù)量的提取目標(biāo)標(biāo)注樣本，且難以充分利用專家先驗(yàn)知識(shí)、遙感成像機(jī)理、遙感影像附載的地理學(xué)知識(shí)等解譯知識(shí)[12]。本文提取的目標(biāo)為新增建設(shè)用地，相較于其他建筑類型，建設(shè)用地在不同開發(fā)階段呈現(xiàn)不同的形狀、光譜、紋理特征，尤其在高分辨率遙感影像上，建設(shè)用地類型多樣，小建筑物多且破碎，而且可用的樣本集不多，傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法不適用于該類新增建設(shè)用地的提取。

鑒于此，本文提出了一種多層級(jí)雙尺度的新增建設(shè)用地自動(dòng)提取方法。該方法根據(jù)建設(shè)用地在各開發(fā)階段的不同特征和類型，建立了新增建設(shè)用地類型層級(jí)，并選擇不同尺度進(jìn)行影像分割，從而通過不同分割尺度提升新增建設(shè)用地的提取精度。本文以北京二號(hào)遙感影像為實(shí)驗(yàn)數(shù)據(jù)，通過比較本文方法與兩種單尺度決策分類樹方法的提取結(jié)果精度，驗(yàn)證本文方法的有效性。

1 研究區(qū)概況與數(shù)據(jù)來源

研究區(qū)位于廣東省中山市板芙鎮(zhèn)，地理范圍為22°23′～22°24′N、113°17′～113°18′E，區(qū)域內(nèi)地物類型包括建筑、水面、草地、道路、裸地等。實(shí)驗(yàn)采用的影像數(shù)據(jù)由北京二號(hào)衛(wèi)星分別于2020年4月和2021年4月拍攝，空間分辨率為0.8 m，包括Blue（B）、Green（G）、Red（R）、Near Infrared（NIR）4個(gè)波段，位數(shù)為16 bit，實(shí)驗(yàn)區(qū)域大小為2 480×3 180像元。該實(shí)驗(yàn)區(qū)域按照R、G、B波段順序合成的影像如圖1所示，數(shù)據(jù)已完成幾何校正、輻射校正、勻光勻色等處理，滿足遙感智能解譯的要求，圖1a為變化前影像，即前時(shí)相影像，圖1b為變化后影像，即后時(shí)相影像。此外，以人工提取結(jié)果為基準(zhǔn)進(jìn)行精度評(píng)價(jià)，人工提取結(jié)果由生產(chǎn)人員參考本文構(gòu)建的新增建設(shè)用地類型層級(jí)和指定的上圖面積，采用GIS軟件人工勾畫生成，經(jīng)質(zhì)檢合格。

圖1 研究區(qū)遙感影像

2 研究方法

本文提出的多層級(jí)雙尺度方法是采用面向?qū)ο蟮闹苯颖容^方法，根據(jù)新增建設(shè)用地的特征構(gòu)建決策分類樹進(jìn)行分層信息提取。其具體思路為：①分析新增建設(shè)用地的特征，建立新增建設(shè)用地的類型層級(jí)；②分別選擇適合各類新增建設(shè)用地的分割尺度，并對(duì)兩幅影像同時(shí)進(jìn)行分割，生成對(duì)應(yīng)的影像對(duì)象層；③結(jié)合各類新增建設(shè)用地的特點(diǎn)，構(gòu)建多特征約束的提取規(guī)則，實(shí)現(xiàn)不同分割尺度下的新增建設(shè)用地提??；④以人工提取結(jié)果為基準(zhǔn)數(shù)據(jù)，進(jìn)行精度評(píng)價(jià)。具體提取流程如圖2所示。

圖2 新增建設(shè)用地提取流程圖

2.1 新增建設(shè)用地的類型層級(jí)構(gòu)建

已供建設(shè)用地開發(fā)狀態(tài)一般可分為場(chǎng)地平整、基礎(chǔ)施工、地上主體開建和主體封頂4個(gè)階段。根據(jù)研究區(qū)兩期北京二號(hào)遙感影像上新增建設(shè)用地的特征，結(jié)合已供建設(shè)用地開發(fā)狀態(tài)的監(jiān)測(cè)需求，同時(shí)便于新增建設(shè)用地自動(dòng)提取規(guī)則的特征描述，本文采用多層級(jí)方式提取新增建設(shè)用地，將新增建設(shè)用地作為一級(jí)類型，將新增彩鋼房、新增高亮構(gòu)筑物或硬化地面、綠地變裸地3類作為二級(jí)類型，將新增彩鋼房再細(xì)分為新增紅色彩鋼房和新增藍(lán)色彩鋼房，如表1所示。

表1 新增建設(shè)用地的類型層級(jí)

2.2 各類新增建設(shè)用地分割尺度確定

通過影像分割來獲取用于特征分析的影像對(duì)象層，由于實(shí)驗(yàn)區(qū)內(nèi)新增建設(shè)用地各類型特征存在較大差異，因此需要設(shè)置多個(gè)分割尺度來實(shí)現(xiàn)不同類型新增建設(shè)用地的準(zhǔn)確提取。本文采用的多分辨率分割算法[13]，是一種基于異質(zhì)性最小原則的自下而上的區(qū)域合并算法，參數(shù)包括波段權(quán)重、異質(zhì)性因子和分割尺度。波段權(quán)重表示各波段被利用的信息比例，考慮到實(shí)驗(yàn)影像4個(gè)波段對(duì)新增建設(shè)用地提取具有同等重要作用，將波段權(quán)重均設(shè)置為1；異質(zhì)性因子包括光譜因子、緊致度因子和平滑度因子，定義了影像對(duì)象合并生長(zhǎng)的準(zhǔn)則，根據(jù)經(jīng)驗(yàn)[14]，將光譜因子設(shè)置為0.9、緊致度因子設(shè)置為0.5、平滑度因子設(shè)置為0.5；分割尺度表示影像分割允許的影像對(duì)象的最大異質(zhì)性，決定分割對(duì)象是否停止合并。本文通過固定波段權(quán)重、異質(zhì)性因子，動(dòng)態(tài)調(diào)整分割尺度，目視分析來確定合適的分割尺度。

2.3 多尺度下新增建設(shè)用地特征組合選取

新增建設(shè)用地特征提取需在各類新增建設(shè)用地對(duì)應(yīng)的影像對(duì)象層上分別選擇合適的特征組合，構(gòu)建基于多特征約束的分類決策樹提取規(guī)則，實(shí)現(xiàn)目標(biāo)地物的提取。通過分析目標(biāo)地物的光譜/形狀特征分布圖和特征值發(fā)現(xiàn)：

1）新增紅色彩鋼房影像對(duì)象在后時(shí)相影像R波段、前后時(shí)相影像R波段差值上，與其他影像對(duì)象具有明顯差異；新增藍(lán)色彩鋼房對(duì)象在后時(shí)相影像B波段、前后時(shí)相影像B波段差值上，與其他影像對(duì)象具有明顯差異；此外實(shí)際生產(chǎn)中對(duì)新增建設(shè)用地圖斑最小上圖面積有一定要求。因此，本文采用后時(shí)相影像對(duì)象R波段特征（R2）、R波段特征差值ΔR和新增圖斑面積Area作為新增紅色彩鋼房的特征組合，這里新增圖斑面積是指同類型相鄰的新增影像對(duì)象合并后的圖斑面積，下文同理；采用后時(shí)相影像對(duì)象B波段特征（B2）、B波段特征差值ΔB和新增圖斑面積Area作為新增藍(lán)色彩鋼房的特征組合。

式中，meanR2、meanG2、meanB2分別為后時(shí)相影像對(duì)象在R、G、B波段的均值；meanR1、meanG1、meanB1分別為前時(shí)相影像對(duì)象在R、G、B波段的均值。

2）新增高亮構(gòu)筑物或硬化地面影像對(duì)象在后時(shí)相影像亮度、前后時(shí)相影像亮度差值上，與其他影像對(duì)象具有明顯差異。因此，本文采用前后時(shí)相影像對(duì)象亮度差值ΔHSI_I、后時(shí)相影像對(duì)象地物亮度特征Brightness2以及新增圖斑面積Area作為該類型的特征組合。

式中，HSI_I1、HSI_I2分別為前后時(shí)相影像對(duì)象在HSI色彩空間的亮度分量；meanR2、meanG2、meanB2、meanNIR2分別為后時(shí)相影像對(duì)象在R、G、B、NIR波段的均值。

3）綠地變裸地影像對(duì)象在前時(shí)相影像植被指數(shù)、后時(shí)相影像植被指數(shù)、后時(shí)相影像土壤指數(shù)、后時(shí)相標(biāo)準(zhǔn)差均值上，與其他影像對(duì)象具有明顯差異。因此，本文采用前時(shí)相影像植被指數(shù)NDVI1、后時(shí)相影像植被指數(shù)NDVI2、后時(shí)相影像土壤特征NDSI2、后時(shí)相影像標(biāo)準(zhǔn)差均值SD2和新增圖斑面積Area作為特征組合。

式中，meanR1、meanNIR1分別為前時(shí)相影像對(duì)象在R、NIR波段的均值；meanR2、meanB2、meanNIR2分別為后時(shí)相影像對(duì)象在R、B、NIR波段的均值；SD G2、SD B2、SD R2、SDNIR2分別為后時(shí)相影像對(duì)象在G、B、R、NIR波段的方差。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 新增建設(shè)用地提取結(jié)果

為進(jìn)一步驗(yàn)證多層級(jí)雙尺度提取方法的有效性，本文進(jìn)行以下實(shí)驗(yàn)分析。

1）確定分割尺度。通過初步實(shí)驗(yàn)分析，將分割尺度的取值范圍設(shè)為20～150，步長(zhǎng)設(shè)為10，其他參數(shù)設(shè)為§2.2中的固定值，分別對(duì)實(shí)驗(yàn)影像進(jìn)行多分辨率分割，并分析分割效果。合適的分割尺度具有的特點(diǎn)為分割對(duì)象大小與地物目標(biāo)（新增建設(shè)用地）大小盡量接近，特定地物類型可用一個(gè)或幾個(gè)對(duì)象來表達(dá)，相同類型對(duì)象的異質(zhì)性差異性較小，地物的邊界輪廓不能太模糊[15]。以此為評(píng)價(jià)標(biāo)準(zhǔn)，本文確定的分割尺度為：新增彩鋼房的分割尺度為30，新增高亮構(gòu)筑物或硬化地面、綠地變裸地的分割尺度為100。

2）提取新增建設(shè)用地。根據(jù)上述確定的分割尺度和各新增建設(shè)用地類型的特征組合，提取各類新增建設(shè)用地。提取規(guī)則如表2所示，其中面積單位為m2，面積大小為經(jīng)驗(yàn)值，可根據(jù)實(shí)際需要調(diào)整。合適的特征閾值是保證提取結(jié)果精度的關(guān)鍵，本文以所選擇的閾值能夠檢測(cè)出大部分目標(biāo)類型為閾值確定的基本原則[16]，采用樣本極值法確定特征閾值，再利用目標(biāo)類型的多個(gè)特征依次篩選影像圖斑，完成新增建設(shè)用地的提取。

表2 新增建設(shè)用地提取規(guī)則

樣本極值法確定閾值要求選取樣本時(shí)，盡量選取靠近目標(biāo)與非目標(biāo)臨界點(diǎn)的樣本（每類選取有代表性的樣本即可）。根據(jù)不同類型新增建設(shè)用地對(duì)應(yīng)的特征，本文采用樣本的最大值或最小值作為閾值，樣本極值法的計(jì)算公式為：

式中，Q為確定的閾值；k1、k2、…、k n分別為樣本1、樣本2、…、樣本n在某一特征上的值；max()為取最大值函數(shù)；min()為取最小值函數(shù)。

兩組新增彩鋼房與所在位置的2020年影像、2021年影像疊加自動(dòng)提取結(jié)果、2021年影像疊加人工提取結(jié)果如圖3所示，新增高亮構(gòu)筑物或硬化地面以及綠地變裸地與所在位置的2020年影像、2021年影像疊加自動(dòng)提取結(jié)果、2021年影像疊加人工提取結(jié)果如圖4所示。結(jié)合人工提取結(jié)果可知，本文方法可有效發(fā)現(xiàn)新增建設(shè)用地。

圖3 新增彩鋼房提取結(jié)果

圖4 新增高亮構(gòu)筑物或硬化地面和綠地變裸地提取結(jié)果

3.2 精度評(píng)價(jià)

以人工提取的新增建設(shè)用地結(jié)果為基準(zhǔn)數(shù)據(jù)，本文采用目視對(duì)比方法對(duì)自動(dòng)提取結(jié)果進(jìn)行精度評(píng)價(jià)。結(jié)合已供國(guó)有建設(shè)用地開發(fā)建設(shè)情況的狀態(tài)監(jiān)測(cè)需求，本文的研究目標(biāo)是采用自動(dòng)提取方式輔助發(fā)現(xiàn)新增建設(shè)用地。因此，精度評(píng)價(jià)采用自動(dòng)提取結(jié)果與人工提取結(jié)果是否相交的方法來分析發(fā)現(xiàn)變化的準(zhǔn)確性。另外，為了評(píng)價(jià)本文方法的有效性，采用單尺度決策分類樹方法開展對(duì)比實(shí)驗(yàn)，分割尺度分別為30和100，具體統(tǒng)計(jì)結(jié)果如表3、4所示，可以看出，若考慮小尺度地物的提取，采用小尺度分割，則提取結(jié)果過于破碎，且會(huì)將一些小圖斑錯(cuò)分為新增高亮構(gòu)筑物或綠地變裸地，如單尺度方法（分割尺度為30）提取結(jié)果的圖斑個(gè)數(shù)為145，新增高亮構(gòu)筑物或硬化地面、綠地變裸地的圖斑數(shù)量大于另外兩種方法，單尺度方法（分割尺度為30）的整體正確率為83.45%，新增高亮構(gòu)筑物或硬化地面、綠地變裸地的正確率明顯低于本文方法；若考慮大尺度地物的提取，采用大尺度分割，則會(huì)漏提小尺度地物，如單尺度方法（分割尺度為100）中尺度較小的新增紅色彩鋼房的遺漏率為16.67%，高于另外兩種方法，由于實(shí)驗(yàn)數(shù)據(jù)中新增彩鋼房數(shù)量較少，若數(shù)量增加，遺漏現(xiàn)象將更加明顯。本文方法采用的多個(gè)分割尺度能較好地改善上述問題，根據(jù)建立的新增建設(shè)用地類型層級(jí)，選擇適合各類型的分割尺度，提取結(jié)果能用盡量少的圖斑表示目標(biāo)地物，同時(shí)可保證較高的正確率和較低的遺漏率。

表3 新增建設(shè)用地提取結(jié)果統(tǒng)計(jì)

4 結(jié)語(yǔ)

本文以北京二號(hào)遙感影像為數(shù)據(jù)源，根據(jù)建立的新增建設(shè)用地類型層級(jí)選擇不同的分割尺度，采用不同的特征組合，實(shí)現(xiàn)了新增建設(shè)用地的自動(dòng)提取。多層級(jí)雙尺度的新增建設(shè)用地變化監(jiān)測(cè)方法能在一定程度上解決單尺度方法分割不充分或過度分割導(dǎo)致的問題，可在保證高正確率和低遺漏率的情況下，實(shí)現(xiàn)不同類型新增建設(shè)用地的自動(dòng)提取，在土地供后監(jiān)管的建設(shè)用地變化發(fā)現(xiàn)中具有一定的應(yīng)用價(jià)值。