基于低分辨率影像快速更新土地利用现状图的应用研究.doc

基于低分辨率影像快速更新土地利用现状图的应用研究
摘要 本文就如何利用低分辨率影像并结合3S技术快速更新土地利用现状图给出了解决思路。研究表明利用低分辨率影像实现用地信息的快速更新已经在图像纠正环节达到了精度要求，借助分类模板和专家知识库也提高了变化信息提取精度，通过野外实地调查弥补了低分辨率影像的一些局限，但是试验结果表明这种方法目前还存在一些问题。这种研究思路对第二次国土资源大调查工作后的用地信息快速更新具有一定的借鉴意义。
关键词 3S 土地利用 分类 精度
土地利用现状图是国土管理单位从事土地管理、国土规划等各项工作的基础资料。及时更新的土地利用现状图是做好各项土地管理及科研工作的前提。由于我国土地详查的时间跨度大，很多市、县的土地利用现状资料往往是十几年前的资料。而随着近几年国土事业的飞速发展，各地区的土地资源的使用情况发生了非常显著的变化。特别是沿海经济发达地区，随着外资经济的引入，工业园建设以及本地区产业的飞速发展，都促成了各地区用地规模和结构上发生了显著的变化。这样已有的土地利用“现状”图件，已经远远不能反映土地利用的现实情况。那么如何结合新技术和新方法，根据用地的变化，及时将变化信息反映到土地利用现状图上，就已经成为国土资源管理单位亟待解决的问题。
一、研究区概况
生成更新后的土地利用现状图
遥感影像
影像纠正、配准
影像融合
遥感解译，变化信息提取
GPS引导下的外业调绘：面积核查、属性验证、拓扑检查
对确认后的变化图斑进行内业编绘
重新建立拓扑关系，数据库更新
符合精度要求
图1 土地利用现状图更新流程
Chart1 The process of land-use map updating
扬州市邗江区距今已有2480多年的历史。改革开放以来，曾连续两届跻身全国综合实力百强县行列。邗江位于江苏省中部，长江三角洲腹部，长江与运河交汇处，东依上海，西连南京，南临长江，北接淮水，中贯京杭大运河，是历史文化名城——扬州市的重要组成部分。全区总面积757平方公里，人口50万。
图1 土地利用现状图更新制作流程 chart 1 land

近年来，邗江区在认真落实耕地保护制度，以土地复垦项目的实施为抓手，大力组织土地的复垦开发整理，有计划、有重点、有步骤地对全区田、水、路、林、村进行综合整治，全区用地面貌发生了极大的变化，并取得了较好的经济效益、社会效益和生态效益。
二、基于低分辨率影像及3S技术快速更新土地利用现状图技术路线
为了使土地管理一线单位，准确、快速地获取最新的土地利用状况信息，在本次研究工作中，我们选用遥感技术辅助其它技术手段，实现土地利用现状信息的更新。我们根据 2002年研究区基于MapInfo的土地利用数据、2006年土地详查资料、2006年 SPOT4影像数据及其它辅助数据，将2002年的土地利用数据更新到 2006年。具体工作流程如图1所示。
1.遥感影像的纠正、配准与融合
遥感数据的纠正按照分辨率的不同选取地形图比例尺，在分辨率大于4米时，选用1∶1或1∶2.5万比例尺，在分辨率小于4米的情况下，选用1∶5万比例尺。为保证纠正精度，地形图需经扫描纠正形成数字栅格地形图。在本次研究中，考虑到研究区多为平坦区域，因此对遥感影像的纠正选用立方次多项式的整体纠正方法。选择了能体现明显地物特征，且分布均匀的35个控制点进行纠正。纠正后，经统计分析，数据误差控制在一个像元之内符合制图数据精度的要求。

图2 处理前后研究区影像
Chart2 the research area images of pre and post
本次数据融合操作主要是对研究区的spot4影像及TM影像资料的融合。融合方法采用了HIS彩色变换法和算术加权法，这种地物分类方法突出了地物特征，有利于后续的遥感图象解译。处理前后的影像如图2。

2.遥感解译，变化信息提取
在准备好某一时相的遥感图像及研究区域的基期土地利用现状资料后，就可开展土地利用变化信息的提取。而利用遥感影像进行高精度的土地利用信息分类则是变化信息能否被有效提取的必要保障。
在现阶段的实验中，我们主要利用监督分类，从判读标志和分类模板的准确性上入手，努力实现遥感影像的高精度监督分类[1]。本项目中，我们通过Erdas Imagine软件的Classification模块，共选取AOI区域56个作为训练样本。训练后所得的模板评价数据如表1、表2。

7

表一，分类模板的可能性矩阵
Table1 The possible matrix of classification model
Data
plant01
plant02
road01
road02
river01
road04
factory01
residentia
factory02
river02
Row Total
plant01
200
39
0
0
0
0
0
0
0
0
239
plant02
17
1845
3
0
0
0
0
0
0
0
1865
road01
1
3
136
18
0
0
0
0
0
0
158
road02
0
0
2
166
0
0
0
0
0
0
168
river01
0
0
0
0
28
0
0
0
0
0
28
road04
0
0
0
0
0
31
0
2
0
0
33
factory01
0
1
0
0
0
0
55
0
1
0
57
residentia
0
0
0
0
0
0
0
15
0
0
15
plant03
181
526
0
0
0
0
0
0
0
0
707
plant04
60
79
0
0
0
0
0
0
0
0
139
road03
0
0
0
0
0
0
0
0
0
0
0
factory02
0
0
0
0
0
0
4
0
29
0
33
residentia
0
0
0
0
0
12
0
33
0
4
49
river02
0
0
0
0
0
0
0
0
0
39
39
Column Total
459
2493
141
184
28
43
59
50
30
43
3530
表二，类别的分离性统计
Table 2 , The statistics on classification’s seperation
Signature Separability Listing
Distance measure: Euclidean Distance Using bands: 1 2 3 Taken 3 at a time
class:
plant01
plant02
road01
road02
river01
road04
factory01
residentia
plant03
plant04
road03
factory02
residentia
river02

Best Minimum Separability
Best Average Separability
Bands AVE MIN Class Pairs:
Bands AVE MIN Class Pairs:
1: 2 1: 3 1: 4 1: 5 1: 6 1: 7 1: 8
1: 2 1: 3 1: 4 1: 5 1: 6 1: 7 1: 8
1:12 1:14 2: 3 2: 4 2: 5 2: 6 2: 7
1:12 1:14 2: 3 2: 4 2: 5 2: 6 2: 7
2: 8 2:12 2:14 3: 4 3: 5 3: 6 3: 7
2: 8 2:12 2:14 3: 4 3: 5 3: 6 3: 7
3: 8 3:12 3:14 4: 5 4: 6 4: 7 4: 8
3: 8 3:12 3:14 4: 5 4: 6 4: 7 4: 8
4:12 4:14 5: 6 5: 7 5: 8 5:12 5:14
4:12 4:14 5: 6 5: 7 5: 8 5:12 5:14
6: 7 6: 8 6:12 6:14 7: 8 7:12 7:14
6: 7 6: 8 6:12 6:14 7: 8 7:12 7:14
8:12 8:14 12:14
8:12 8:14 12:14
1 2 3 141 27 41 133 244 116 74 138 68
1 2 3 141 27 41 133 244 116 74 138 68
191 85 134 253 125 67 146
191 85 134 253 125 67 146
59 204 59 130 131 152 57
59 204 59 130 131 152 57
125 98 176 245 278 109 252
125 98 176 245 278 109 252
59 302 79 171 72 211 126
59 302 79 171 72 211 126
181 27 234 48 157 58 200
181 27 234 48 157 58 200
210 61 257
210 61 257

通过对可能性矩阵的分析，可以看出，AOI样区中所包含的像元均能有效地划分到所对应的地物类型中，各类别的正确率均能维持在90％以上。其中出现错误较多的为水田和一些居民地的区分不是特别清晰，这个问题将通过后面的专家分类器予以解决。
通过对训练样本的独立性矩阵分析可以看出，通过AOI样区所构造的14个分类规则中，有10种地物在影像的三个波段中有非常好的独立性，这也为我们在本次实验中分类数据和波段的选择提供了有力的佐证，通过选取的三个波段的Spot多光谱数据能够对该区域的主要地物类型进行区分。
在满足对模板实施评价的各项数据均符合精度指标要求后，即调用此模板对影像进行土地利用分类，生成土地利用现状专题图层。在此分类图像中，随机产生1000个地物点，经检查，这些随机点其分类准确率超过80%，证明了监督训练中获取的分类模板确实能对该研究区域完成较为可靠的土地利用类型的分类任务。由于部分地物如水田和某些建筑物无法通过监督分类进行更精确的划分，必须进一步分析该研究区域中农田和建筑物在各个不同影像上的成像和空间分布特征，构造专家知识库通过利用专家分类器来实现更高精度的分类工作。例如，对于spot影像，不同波段之间只有水体具有B3(green)>B4(SW)且B2(red) >B1（IR)
的特殊关系，同时在短波红外波段(SW)上，水体与其它地物亮度值差异明显，可以通过设置阀值加以区分根据，在以上分析基础上，建立决策树模型来完成专家分类，提高分类精度。
以上过程生成的中间结果均为栅格影像，可借助对研究区域通过对遥感图像进行分类解译，生成反应特征地物的栅格影像，然后借助erdas软件的Vector模块实现栅格文件向矢量文件的自动转换，并将相应的属性信息输出。这样就可实现基于mapinfo软件的遥感影像资料与基期土地利用现状资料的对比分析，发现并提取变化信息[2]。
3.GPS引导的外业调查
考虑到遥感源的经济成本以及可获取性，在本次研究过程中，我们选用了对基层单位更经济和可操作性的SPOT和TM影像。但是由于采用了较低分辨率的遥感影像，势必影响遥感解译资料解译的准确性，很多小图版发生了遗漏，并且由于解译过程中“同物异谱、同谱异物”现象的干扰，造成了前期所发现的变化信息需要进行实地的野外考证。
野外考证主要在对遥感图像解译的基础上，完成对变化图斑的地类信息变更、权属变更、行政辖区变化境界的调查核实，变更线状地物和零星地物的量测，以及遥感未发现的遗漏图斑的补测。野外考证工作主要在GPS引导下完成，量测图斑的范围、面积、线状地物宽度等。
4.在mapinfo软件平台上，实现土地利用现状图件的重新编绘
大部分市县单位都已经完成了1∶1万土地利用现状调查图件，并且都已经形成了矢量线化图。据此，我们根据从遥感图象上解译出的变化信息，通过GIS的编辑修改功能（包括变化图斑的坐标、属性、定位参数等），对变化信息进行更新和重新编绘。这阶段的工作主要完成三种变化信息的更新。
⑴新增变化图斑。这类图斑主要反映为在城市经济发展过程中，城市建设用地对周边郊区农用地的占用为主。以影像解译和GPS实测数据为准，通过人机交互更新图斑边界并赋给相应属性，最后重新构建拓扑关系。
⑵原有图斑消失。此类图斑主要反映为，在某些区域开展土地规划和土地整理的过程中，对一些废塘、废地复垦利用后，原有用地信息的消失。这里我们删除该图斑并填充相应图斑和属性。最后重建拓扑关系。
本次方法的研究，主要是服务于基层国土单位能快速更新土地利用现状资料，因此该方法必须在生产单位具有可行性。因此，在本次方法的实施研究过程中必须要强调数据的精度。
三、关键技术问题的解决与探讨
1.土地利用变化信息提取
用于更新的土地利用变化信息包括每一变化图斑的位置、类型范围、面积等信息。主要包括四个步骤：遥感图像的纠正配准，变化信息的确认，变化范围提取，变化类型确定。其中如何确认变化信息是最为重要的步骤。
本次研究过程中利用单时相的遥感图像与基期的土地利用现状图进行对比分析发现土地利用变化信息。在这一过程中，研究难点主要为如何根据研究区特点，以及图像本身的质量，选用合适的解译方法对遥感图像进行解译分析，提高遥感图象信息解译的准确性和完整性。这里我们采用了边缘锐化处理及小区合并处理在一定程度上提高了遥感图像的解译精度，但尚不完全满足生产单位的实际需要。
2.零星地类与遗漏图斑的补调
受本次实验过程中选用的遥感影像数据本身分辨率的制约，对于一些较小图斑，如果图像解译方法选择不当，就很容易被遗漏。原则上，对这些零星小地块的补测只有通过外业调查的方式对研究区开展全面覆盖调查，但是这样实际上就否定了3S方法能够快速获取土地利用信息的这一特点。
这里，我们可以在GPS支持下，利用变更调查等多源信息辅助的方式解决零星地类与遗漏图斑调查的问题。
3.研究区域专家知识库的建立和完善工作
监督分类虽然简便快捷，但其分类精度往往不能达到制图规范的要求，所以有必要利用遥感软件提供的专家分类器进行更高精度的分类任务，而专家分类器运行时所调用的专家知识库其构建和完善工作则是分类工作中最复杂和问题。通过分析遥感影像特征，我们可以研究不同地物在不同波段影像上反射、辐射特性，但这对于构建完整、高效的专家分类体系是远远不够的，还必须从测绘、规划、环保等部门获取如地形图件、规划图件、植被和水文资料等相关信息从而全面分析各种不同地物的成像和分布，构造适应范围更广、更具可靠性的专家知识库。
本次研究中，我们虽然已经建立起专家知识库并利用了专家分类器完成分类工作，但专家知识库的完善和补充工作还必须长期进行下去。
四、总结
在本次基于3S技术快速更新研究区土地利用现状图的研究过程中，在以下一些方面已经获得了一些成功。
一是.以SPOT和TM影像为主要信息源，已经成功实现了对研究区农用地的信息更新。图斑位置误差控制在了1个像元范围之内，数据质量已经满足了一定要求。
二是以遥感图像为数据源可以快速确定违法用地，以及判定建设用地的扩张面积和空间分布信息。
三是在进行监督分类的基础上，并充分利用已有的数据资源建立专家知识库，通过专家分类器调用专家知识库完成更高精度的影像分类，实现了基于遥感影像的快速、高效的土地利用类型动态监测。
考虑到国土资源部即将开始的第二轮国土资源大调查项中很重要的一项工作是彻底全面地了解我国土地资源的现有条件。在高精度航片的辅助下，各地区可分别生成最新的土地利用现状资料。但是如何长期快速更新土地信息，及时将变化信息反映到土地利用现状资料上，将对基层国土管理机构的各项工作的开展产生非常大的影响。长期使用高精度的航片资料对基层单位经济上不可取，因此，我们必须要选用符合条件的影像资料配合必要的研究方法，对这一研究内容展开思考。本次论文中提出的研究思路在生产上是可行的，有些环节也已经基本成熟，但是如遥感资料解译的准确性及完整性还有待商榷。

The Application Research on Change Survey of Land Use Situation by low resolution images
Huang Rui1 Wang Jia-nan1 Zhou Xian-xiang2
（1、yangzhou vocational college of environment and resourse yangzhou 225217 2、the substation of hanjiang bureau of land resources yangzhou)
【Abstract】This article introduce the methods to solve the problem of chang survey of land use situation by 3S technique and low resolution images . The result showed that the collected image has meet the accuracy requirement. With the help of classification signature and knowledge engineer ,these methods improve the accuracy of interpretation of remote sensing image . It also make up for the low resolution images’ imitation by field investigation. However the method still exist some problem to solve. This research approach has some reference significance for change survey of land use situation after the second land and resources survey
【key words】 3S , land-use , classification , accuracy

参考文献
[1]陈安平，魏少春. 数字图像处理技术在遥感图像分类中的应用[J]. 西部探矿工程. 2007,19(3).-109-110
[2]张杰，吴善昌. 基于MapInfo的土地利用更新数据库建设[J]. 测绘与空间地理信息.2007,30(4).-33-35
[3]韩丽蓉. 西宁市城区扩展对比中遥感影像处理技术的探讨[J]. 测绘与空间地理信息. 2007,30(4).-45-47
[4]赵书河， 李培军，冯学智. 遥感影像决策级融合方法实验研究[J].测绘科学技术学报. 2007,24(4).-247-250
[5]禄丰年. 多源遥感影像配准技术分析[J]. 测绘科学技术学报. 2007,24(4).-251-254
[6]汪金花，张永彬. 高分辨率遥感影像线性基元的提取[J]. 科技情报开发与经济. 2007,17(22).-160-161
[7]邓劲松，王 坷，李 君，董云奇. 决策树方法从SPOT-5卫星影像中自动提取水体信息研究[J].浙江大学学报(农业与生命科学版)31(2):17 1一174,20 05 Journalo fZ hejiangU niversity( Agric.& .L ifeS ci.)