基于面向对象分类技术的土地利用监测应用研究

摘要： 本文以河北省保定市为例，以高分辨率WorldView影像为数据源，基于eCognition软件，采用面向对象分类技术提出的“自下而上”的多尺度分割方法，对保定市市区2013年4月至7月间土地利用变化情况进行监测，经计算，土地利用监测变化图斑核查的正确率为91.40%。研究结论表明：相比于以往的人工目视解译方法，面向对象自动分类方法提高了作业效率，同时可以避免人工目视解译中产生的遗漏，保证了土地利用监测中数据更新采集的正确性以及完整性。

Abstract： Taking Baoding in Hebei Province for example， considering the high resolution WorldView images for data source， and based on eCognition software， this paper uses the "bottom-up" multi-scale segmentation method proposed by object-oriented classification techniques to monitor the changes in land use in Baoding from April to July of 2013. Through the calculation， the correct rate of land use monitoring change map is 91.40%. Findings show that： compared to the previous method of visual interpretation， object-oriented automatic classification method improves the operational efficiency， and avoids the omissions of artificial visual interpretation and ensures the correctness and integrity of the data updating and collection in land use monitoring.

关键词： eCognition;土地利用监测;面向对象分类

Key words： eCognition;land use monitoring;object-oriented classification

0 引言

土地利用监测是利用遥感遥测技术，对土地利用状况的动态变化进行定期或不定期的监视和测定。土地利用监测，是加强国土资源管理的重要措施，同时也是提高土地利用水平的重要途径。近年来，遥感技术凭借探测周期短、现时性强、可大面积同时观测的优势，已成为地物定性、定量探测的重要手段，为土地利用监测提供了大量的数据支持[1，2]，因此利用遥感技术开展土地利用监测已经成为一种可靠和理想有效的手段，越来越引起广泛的重视。

但是传统的遥感变化监测和信息提取主要是基于中低分辨率的遥感卫星数据或航片，通过目视解译或是计算机自动分类方法，信息提取的精度和效率不能兼顾，因此该技术的应用有其局限性。随着遥感影像分辨率的提高，在较小的空间尺度上进行大比例尺遥感制图以及利用高分辨率影像监测人类活动对自然环境的影响，越来越具有广阔的应用前景。因此，将高分辨率感影像应用于国土资源调查工作，可以发挥高分辨率影像信息丰富、现势性强、表达直观的特点，从而大大加快土地利用监测的工作进度。本研究基于eCognition软件，基于面向对象分类的方法，对保定市城区土地利用变化情况进行监测，为政府等决策部门快速评估研究区域城市化进程做出准确评估。

1 研究方法

面向对象法是对遥感影像数据进行影像分割，从二维化的影像信息阵列中恢复影像所反映的景观场景中目标地物的空间形状及组合方式[3]。作为一种新的影像分类技术，其在高分辨率遥感影像信息提取方面具有传统的、基于象元图像分类方法无可比拟的优势。目前面向对象分类的主流软件是德国Definiens Imaging公司研发的 eCognition软件，该软件已在国内外土地利用项目及相关研究中得到了广泛的应用[4-6]。eCognition软件的主要作用是分别对前后时相影像进行独立分类，其检测结果不仅能够分析出前后不同时相的变化区域，而且能够提供土地利用变化的属性信息。同时该软件在数据处理过程中是面向用户透明的，其中的每一步甚至每个参数都可以通过人工设置，同时该软件提供的功能也涵盖了面向对象遥感影像分析中的各个步骤，如图像分割、对象特征创建、分类器参数设置等。因此，本研究采用eCognition软件开展研究区土地利用监测研究，根据土地利用违法监测项目的特点和保定市实际土地利用情况，制定土地分类体系，采用面向对象分类方法，建立多特征空间，并且结合专家经验知识，建立起科学的规则集，对开展土地利用违法监测中的不同时相遥感影像分别进行分类。然后将两期分类结果在GIS软件中叠加分析，最后获取变化的土地利用类型和范围，从而实现研究区土地利用的变化监测。

2 研究区域及数据来源与处理

2.1 研究区域 河北省保定市位于太行山北部东麓，冀中平原西部。北纬38°10′-40°00′，东经113°40′-116°20′之间。北邻北京市和张家口市，东接廊坊市和沧州市，南与石家庄市和衡水市相连，西部与山西省接壤。保定市是京津冀地区中心城市之一，目前该市正处于京津冀一体化和城镇化快速发展阶段。

2.2 数据来源与处理 WorldView-I卫星于2007年9月18日发射，卫星于高度496千米、倾角98度、周期93.4分的太阳同步轨道上，平均的重访周期1.7天，星载大容量全色成像系统每天能够拍摄55万平方公里的0.5米分辨率的影像。WorldView-II卫星于2009年10月6日发射，运行在770千米高的太阳同步轨道上，能够提供0.5米全色图像和1.8米分辨率的多光谱图像。WorldView系列卫星卫星同时具备现代化的地理定位精度能力和极佳的响应能力，能够快速瞄准要拍摄的目标和有效地进行同轨立体成像。

本文的研究以2013年4月WorldView-I和2013年7月WorldView-II影像作为研究的主要数据源，辅助数据主要包括1：25万DEM数据和1：5万地形图数据。首先将多光谱、全色影像分别做正射校正和辐射校正，其次对多光谱和全色影像进行融合，并对其进行影像增强和变换处理，使得图像既有高的空间分辨率和纹理特性，又有丰富的光谱信息，从而达到影像地图信息丰富、视觉效果好、质量高的目的，为图像的分割做准备。

3 土地利用监测信息提取

3.1 建立分类体系 土地利用分类体系主要参考了《土地利用现状》国家标准，并结合研究区的土地利用实际情况，将土地利用类型划分为植被、建筑、道路、裸地、水系五类土地利用类型。

3.2 基于“自下而上”方法的多尺度分割 由于以往诸多图像自动分类研究中，大多数学者对于多尺度分割采取“自上而下”的方法，即先进行大区域的尺度划分，然后对于感兴趣的目标单元进行细分。但是由于本研究区域地处城市中心繁华地带，各种地物分布混杂，因此针对研究区域特点，提出“自下而上”的由小尺度向大尺度的多尺度分割方法，该方法的算法原理为基于影像对象的光谱、几何特征，按照区域生长的原理，从一个像元开始到区域生成，由较小影像对象逐渐合并为较大的影像对象，直到没有满足合并条件的影像对象为止。在这个聚集过程中，最优化技术可最小化异质的权重。在每一个步骤中相邻的影像对象，只要符合设置的异质最小生长的标准就合并，如果这个最小的扩张超出尺度参数定义的阈值范围，合并过程结束。

本研究选取2013年4月WorldView-I影像作为保定市违法占地监测的第一期影像，选取2013年7月WorldView-II影像作为第二期影像。在eCognition软件平台下，首先对于研究区进行小尺度分割，在此分割结果的基础上，提取保定市主城区的地物信息，影像包含土地利用类型主要为：植被、建筑、水系、道路、裸地五类地物。其次，在eCognition软件中利用成员函数法逐个提取、逐级掩膜，最后提取出研究需要的目标信息。各类地物的提取方法为：构建NDVI值隶属度成员函数，提取植被;根据光谱属性信息中的亮度和几何特征中的长宽比特征，分别提取出现状道路和水系;根据纹理特征和波段比值关系，提取裸地;利用形状指数和亮度值的特征组合，提取建筑物。然后进行大尺度分割，即在小尺度分割单元的基础之上再次进行合并，总体与局部形状都一致。按照上述分类方法，在多尺度分割后建立规则集，分别对两期影像进行分类，在GIS软件支持下，通过空间叠加分析计算出两期土地利用变化类型和面积。

4 分类结果检验与评价

根据土地利用变化类型图提取出本研究所需要的三种建筑用地利用变化类型图和具体面积，分别见表1和图1。

监测精度是衡量遥感动态监测质量的一个重要指标。在本研究中，选取土地利用变化图斑总数的10%，共186个点进行实地验证。经验证，正确点为170个，错误点为16个，土地利用监测变化图斑核查的正确率为91.40%，精度满足土地利用监测作业精度要求。

5 结论

WorldView卫星具备现代化的地理定位精度能力和极佳的响应能力，能够快速瞄准要拍摄的目标和有效地进行同轨立体成像。WorldView-II卫星的星载多光谱遥感器不仅将具有4个业内标准波段（红、绿、蓝、近红外），还将包括四个波段（海岸、黄、红边和近红外2），多样性的波段将为用户提供进行精确变化检测和制图的能力。因此，基于WorldView影像在土地利用监测中所呈现出来的精度高、速度快、范围广等特点，表明该卫星在今后的土地利用监测中拥有着巨大的潜力。

与其他土地利用监测手段相比，本研究采用的面向对象自动分类方法，该方法可以自动选择特征并增加一些优化措施，从而提高分类结果的精度。相比于以往的人工目视解译方法，面向对象自动分类方法提高了作业效率，同时可以避免人工目视解译中产生的遗漏，保证了土地利用监测中数据更新采集的正确性以及完整性，并且研究成果可以为即将开展的地理国情普查工作提供参考和借鉴。

参考文献：

[1]童庆禧.遥感科学技术进展[J].地理学报，1994，49（S1）：616-623.

[2]陈鸱飞，王卷乐，廖秀英，等.基于环境减灾卫星遥感数据的呼伦贝尔草地地上生物量反演研究[J].自然资源学报，2010，25（7）：1122-1131.

[3]杨昕，汤国安，邓凤东，等.ERDAS 遥感数字图像处理实验教程[M].北京：科学出版社，2009.

[4]See Win Myint.Lmage texture analysis with high-resolution multi-spectral image data using wavelet transforms[EB/OL].http：///oregon/papers/myint.hun.

[5]L Durieux，J Kropaek，G D De Grandi，et a1.Object-oriented wavelet multi-resolution image analysis of the SIBERIA GBFM Radar mosaic combined with merls imagery for continental scale land cover mapping [EB/OL].http：///oregon/papers/myint.htm.

[6]乔程，骆剑承，吴泉源，等.面向对象的高分辨率影像城市建筑物提取[J].地理与地理信息科学，2008（5）：36-39.