地理國情普查思考范文

本站小編為你精心準(zhǔn)備了地理國情普查思考參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《南方國土資源雜志》2015年第五期

1遙感影像的信息提取方法

①目視解譯法。目視解譯法是由解譯員依據(jù)影像中各種目標(biāo)地類的光譜特征、紋理特征、空間特征等幾何成像原理以及解譯員所掌握的各種地類的結(jié)構(gòu)規(guī)律和發(fā)展規(guī)律，通過分析地類在影像上的特征對目標(biāo)地物進(jìn)行目視識別，從而提取特征信息。②基于像元的分類方法。基于像元的分類方法是計(jì)算機(jī)分類的傳統(tǒng)方法，應(yīng)用比較廣泛，技術(shù)發(fā)展也比較成熟。主要包括監(jiān)督分類和非監(jiān)督分類：監(jiān)督分類是自頂向下的知識驅(qū)動法，先進(jìn)行訓(xùn)練再進(jìn)行分類，也就是先學(xué)習(xí)再分類。包括有最小距離分類法、多級切割分類法、特征曲線窗口法、最大似然比分類法；非監(jiān)督分類是一種自底向上的數(shù)據(jù)驅(qū)動方法，前提是假定遙感影像上同類物體在同樣條件下具有相同的光譜信息特征。非監(jiān)督分類主要采用聚類分析方法，聚類是把一組像素按照相似性歸成若干類別，即“物以類聚”。它的目的是使得同一類別的像素之間的距離盡可能的小而不同類別上的像素間的距離盡可能的大。非監(jiān)督分類常用的方法有分級集群法和動態(tài)聚類法。③面向?qū)ο蟮姆诸惙椒?。面向?qū)ο蟮姆诸惣夹g(shù)在遙感影像光譜特征的基礎(chǔ)上，充分考慮了地物的形狀、大小、紋理、位置、結(jié)構(gòu)等幾何特征，利用目標(biāo)對象與周圍環(huán)境之間的語義關(guān)系等因素，再根據(jù)對象特征建立合適的分類規(guī)則，完成對影像信息的提取，這樣可以充分利用影像中的信息，提高分辨精度，有效地避免了傳統(tǒng)基于像元分類方法的信息損失現(xiàn)象的發(fā)生，并同時(shí)可以有效地避免噪聲影響，通過設(shè)定適合的分割尺度，噪聲區(qū)域?qū)⒑推渲苓呄裨黄鸱指詈喜⒌教囟ǖ挠跋駥ο笾腥?，而不是被單?dú)的提取分類，從而避免了“椒鹽現(xiàn)象”的產(chǎn)生。

2面向?qū)ο蠓诸惙椒ǖ难芯楷F(xiàn)狀

20世紀(jì)90年代以來，面向?qū)ο蟮男畔⑻崛〖夹g(shù)得到了快速發(fā)展，Hofmanne為了提取IKONOS影像中非正式居民地采用了面向?qū)ο蟮姆诸惙椒ǎ⒊浞掷糜跋駥ο蟮墓庾V、紋理、形狀等信息，取得了較高的分類精度；Willhauck等通過集合多種數(shù)據(jù)源，采用面向?qū)ο蟮姆治龇椒?，完成了印尼?997與1998年森林火災(zāi)后的制圖任務(wù)。在國內(nèi)，面向?qū)ο蟮男畔⑻崛⊙芯科鸩奖容^晚，近幾年才得到大力地推廣和應(yīng)用，杜鳳蘭利用面向?qū)ο蟮姆诸惙椒▽KONOS影像的土地覆蓋信息進(jìn)行提取；莫登奎等也采用面向?qū)ο蟮姆诸惙椒ㄌ崛×酥曛奘谐青l(xiāng)結(jié)合部的土地利用信息；黃慧萍等以高分辨率遙感影像為數(shù)據(jù)源，以多尺度影像分割與面向?qū)ο笥跋穹治龇椒橹饕夹g(shù)，自動提取了大慶市城市綠地覆蓋信息，達(dá)到了清查城市綠地的目的。

3幾種遙感影像分類技術(shù)的應(yīng)用和對比

為了對比幾種遙感影像信息提取技術(shù)的優(yōu)劣，筆者選擇賀州地區(qū)，以2010年的0.6m分辨率2.5全色波段與多光譜融合后的QuickBird影像作為實(shí)驗(yàn)數(shù)據(jù)。研究區(qū)域像素大小為1980*1980，面積約1km2，該區(qū)域內(nèi)的地面要素包括耕地、園地、林地、河流、建筑物和道路。

3.1人工目視判讀分類提取影像信息人工目視判別分類就是解譯者通過肉眼觀察遙感影像，先總結(jié)目標(biāo)物的影像特征和特征影像，進(jìn)而建立各種目標(biāo)物的解譯標(biāo)志，再根據(jù)解譯標(biāo)志和解譯工作者的經(jīng)驗(yàn)分辨地物種類并對各類地物的邊緣進(jìn)行矢量化。人工目視判別的分類在ARCGIS9.3下進(jìn)行，根據(jù)土地利用現(xiàn)狀分類表的種類，先設(shè)置地類為耕地、林地、水體、建筑物、道路。通過人工目視判別分類的結(jié)果顯示，分類的地物比較清晰，不同的地類之間有著比較明確的分界，并且劃分出來的圖斑邊緣比較光滑。由于是通過人為肉眼的分類，判斷和分類的主要依據(jù)就是紋理及色彩，這樣就容易造成漏分和錯(cuò)分的情況發(fā)生。一些細(xì)長或者面積偏小的地類容易遺漏，以及一些紋理區(qū)別比較微小但又明顯不同的地物容易錯(cuò)分，并且人工采集的時(shí)間相對較長，特別是針對大面積影像要花費(fèi)較多的時(shí)間和人力。

3.2基于像元的遙感影像信息提取最大似然法是傳統(tǒng)遙感影像分類中應(yīng)用比較廣泛的一種分類方法。該方法通過對感興趣區(qū)域的統(tǒng)計(jì)和計(jì)算，得到各種類型的均值和方差等特征值，從而確定一個(gè)分類函數(shù)，然后將待分類圖像中的每一個(gè)像元代入各種類別的分類函數(shù)，將函數(shù)返回值最大的類別作為被掃描像元的歸屬類別，從而得到分類的效果。主要過程如下：①根據(jù)測區(qū)的具體情況和上述地表分類的種類，對QuickBird影像各波段進(jìn)行配準(zhǔn)。②對地表覆蓋的各種地類，分別選取5個(gè)訓(xùn)練樣本（即5個(gè)特征明顯的地類）。③針對選取的訓(xùn)練樣本計(jì)算出各地類的參數(shù)。④將訓(xùn)練樣本以外的像元逐個(gè)逐類代入公式，對于每個(gè)像元分幾類就計(jì)算幾次，最后比較大小，選擇最大值來確定該像元的類別。⑤檢驗(yàn)分類結(jié)果，如果分類中產(chǎn)生的錯(cuò)誤比較多，則需要重新選擇訓(xùn)練區(qū)重新計(jì)算各像元的所屬類別，直到分類結(jié)果滿意為止。通過這種基于像元的遙感影像分類可以充分利用分類地區(qū)的先驗(yàn)知識，預(yù)先確定分類的類別；通過控制訓(xùn)練區(qū)域樣本的選擇，再反復(fù)檢驗(yàn)訓(xùn)練樣本，從而提高了分類的精度。但是這種分類方法人為主觀因素較強(qiáng)，訓(xùn)練區(qū)域樣本的選取和評估需要花費(fèi)一定的人力和時(shí)間，并且只能識別訓(xùn)練樣本中所定義的類別，對于因訓(xùn)練樣本數(shù)量太少未被定義的類別，這種方法不能識別，從而影響了分類的結(jié)果。

3.3基于面向?qū)ο蟮倪b感影像信息提取面向?qū)ο蟮姆诸惣夹g(shù)首先要對影像進(jìn)行分割并得到同質(zhì)性的對象，提取特征或特征組合并建立分類體系，最后采用相應(yīng)的分類方法實(shí)現(xiàn)各種地物地類信息的提取。利用面向?qū)ο蟮倪b感影像信息提取技術(shù)分類的結(jié)果與實(shí)地比較一致，特別是對耕地方面的信息，提取結(jié)果較為準(zhǔn)確。但是通過目視判讀，這種方法還是會把一些園地和田埂分成了耕地，也會把一些影像信息接近且位置相鄰但是實(shí)際不是同類地物的像元分成相同地類，由于廣西耕地輪種現(xiàn)象比較頻繁，部分園地的紋理和波普特性和農(nóng)作物十分接近，這也是導(dǎo)致分類出現(xiàn)錯(cuò)分、漏分的原因，需要在以后的研究中探索更好的辦法，進(jìn)一步提高分類的精度。

3.4幾種遙感影像信息提取方法的比較通過以上3個(gè)實(shí)驗(yàn)，對3種影像信息提取的結(jié)果抽取155個(gè)隨機(jī)圖斑進(jìn)行精度評價(jià)，其精度結(jié)果如表1、表2、表3所示。對比這3個(gè)表顯示，通過人工判讀的方法和基于面向?qū)ο蟮姆诸惙椒ń庾g的精度相對較高，而基于像元的傳統(tǒng)遙感影像信息提取方法的信息提取精度稍微偏低。從這3個(gè)表看出，利用面向?qū)ο蟮倪b感影像分類技術(shù)提取耕地及居民地信息的精度和效率是最高的。雖然人工判讀的方式信息提取精度最高，但是純?nèi)斯さ姆绞綄τ诿娣e較大，地物種類比較多的測區(qū)需要大量的人力和時(shí)間，通常按照一副標(biāo)準(zhǔn)一萬分副的DOM影像人工采集需要一天時(shí)間，通過計(jì)算機(jī)和遙感影像的分類技術(shù)可以大大提高工作效率，這3個(gè)分類時(shí)間表中的分類時(shí)間沒有包括訓(xùn)練區(qū)選取、分割尺度和規(guī)則設(shè)立的時(shí)間，在尺度和規(guī)則設(shè)置好后，面向?qū)ο蟮挠跋穹诸愞k法是大面積快速提取耕地保護(hù)相關(guān)信息的一種科學(xué)有效的方法。

4結(jié)語

4.1結(jié)論筆者通過分析研究，得到以下幾點(diǎn)結(jié)論：①利用遙感影像技術(shù)作為開展地理國情普查工作可以把原來依靠人工判讀和外業(yè)核查的大量和長期的工作，轉(zhuǎn)變由計(jì)算機(jī)來解譯，原來需要數(shù)天的工作可以在短短幾分鐘內(nèi)完成，是目前速度最快，效率最高，并且精度可以達(dá)到規(guī)范要求的方法，較之從前的實(shí)地核查、舉報(bào)等方法更主動、更經(jīng)濟(jì)，是開展地表覆蓋核查技術(shù)的一個(gè)飛躍。②利用面向?qū)ο蟮倪b感影像信息提取時(shí)，分割尺度的選擇以及適合的分類規(guī)則直接影響最后分類的結(jié)果。根據(jù)不同的遙感影像類型和地表覆蓋種類不同的區(qū)域應(yīng)該反復(fù)實(shí)驗(yàn)，選擇最優(yōu)分割尺度和分類規(guī)則可以得到更好的分類效果。③面向?qū)ο蟮倪b感影像信息提取技術(shù)在提取地表覆蓋信息比傳統(tǒng)基于像元的信息提取技術(shù)精度更高，比目視判讀的速度提高了幾倍，并且分類精度也比較接近目視判讀的方法，具有精度高、內(nèi)容全、應(yīng)用范圍廣的特點(diǎn)，是目前開展地理國情普查工作中更科學(xué)有效的技術(shù)。

4.2展望①筆者使用的實(shí)驗(yàn)數(shù)據(jù)地貌地類不復(fù)雜，所以信息提取的規(guī)則設(shè)置也相對簡單，只是介紹了遙感影像提取技術(shù)在地理國情普查中的應(yīng)用。在廣西這種丘陵地區(qū)，耕地分布雜亂，農(nóng)作物的輪種頻繁，所以不能僅憑筆者實(shí)驗(yàn)的數(shù)值來對整個(gè)區(qū)域進(jìn)行信息提取。在不同的區(qū)域利用遙感影像信息提取技術(shù)還要通過與實(shí)地結(jié)合并且反復(fù)嘗試來得到合適的分類尺度和分類規(guī)則。②在面向?qū)ο蠹夹g(shù)提取信息的過程中，可以減少人們使用傳統(tǒng)目視判別的工作量，但是分類過程中并沒有完全實(shí)現(xiàn)自動識別，還會有錯(cuò)分、漏分等現(xiàn)象，所以如何實(shí)現(xiàn)自動化提取是今后研究的重要方向。③各地應(yīng)該建立耕地保護(hù)遙感影像數(shù)據(jù)庫，以及地類分類信息樣本庫。數(shù)據(jù)庫中應(yīng)該有多時(shí)相、多分辨的遙感影像以及各種地類地物在不同季節(jié)、不同影像上所表現(xiàn)出來的各種特性，這對今后時(shí)點(diǎn)核查起到重要作用。

作者：譚盛輝 單位：廣西地圖院