地理国情普查思考范文

本站小编为你精心准备了地理国情普查思考参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《南方国土资源杂志》2015年第五期

1遥感影像的信息提取方法

①目视解译法。目视解译法是由解译员依据影像中各种目标地类的光谱特征、纹理特征、空间特征等几何成像原理以及解译员所掌握的各种地类的结构规律和发展规律，通过分析地类在影像上的特征对目标地物进行目视识别，从而提取特征信息。②基于像元的分类方法。基于像元的分类方法是计算机分类的传统方法，应用比较广泛，技术发展也比较成熟。主要包括监督分类和非监督分类：监督分类是自顶向下的知识驱动法，先进行训练再进行分类，也就是先学习再分类。包括有最小距离分类法、多级切割分类法、特征曲线窗口法、最大似然比分类法；非监督分类是一种自底向上的数据驱动方法，前提是假定遥感影像上同类物体在同样条件下具有相同的光谱信息特征。非监督分类主要采用聚类分析方法，聚类是把一组像素按照相似性归成若干类别，即“物以类聚”。它的目的是使得同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。非监督分类常用的方法有分级集群法和动态聚类法。③面向对象的分类方法。面向对象的分类技术在遥感影像光谱特征的基础上，充分考虑了地物的形状、大小、纹理、位置、结构等几何特征，利用目标对象与周围环境之间的语义关系等因素，再根据对象特征建立合适的分类规则，完成对影像信息的提取，这样可以充分利用影像中的信息，提高分辨精度，有效地避免了传统基于像元分类方法的信息损失现象的发生，并同时可以有效地避免噪声影响，通过设定适合的分割尺度，噪声区域将和其周边像元一起分割合并到特定的影像对象中去，而不是被单独的提取分类，从而避免了“椒盐现象”的产生。

2面向对象分类方法的研究现状

20世纪90年代以来，面向对象的信息提取技术得到了快速发展，Hofmanne为了提取IKONOS影像中非正式居民地采用了面向对象的分类方法，并充分利用影像对象的光谱、纹理、形状等信息，取得了较高的分类精度；Willhauck等通过集合多种数据源，采用面向对象的分析方法，完成了印尼在1997与1998年森林火灾后的制图任务。在国内，面向对象的信息提取研究起步比较晚，近几年才得到大力地推广和应用，杜凤兰利用面向对象的分类方法对IKONOS影像的土地覆盖信息进行提取；莫登奎等也采用面向对象的分类方法提取了株洲市城乡结合部的土地利用信息；黄慧萍等以高分辨率遥感影像为数据源，以多尺度影像分割与面向对象影像分析方法为主要技术，自动提取了大庆市城市绿地覆盖信息，达到了清查城市绿地的目的。

3几种遥感影像分类技术的应用和对比

为了对比几种遥感影像信息提取技术的优劣，笔者选择贺州地区，以2010年的0.6m分辨率2.5全色波段与多光谱融合后的QuickBird影像作为实验数据。研究区域像素大小为1980*1980，面积约1km2，该区域内的地面要素包括耕地、园地、林地、河流、建筑物和道路。

3.1人工目视判读分类提取影像信息人工目视判别分类就是解译者通过肉眼观察遥感影像，先总结目标物的影像特征和特征影像，进而建立各种目标物的解译标志，再根据解译标志和解译工作者的经验分辨地物种类并对各类地物的边缘进行矢量化。人工目视判别的分类在ARCGIS9.3下进行，根据土地利用现状分类表的种类，先设置地类为耕地、林地、水体、建筑物、道路。通过人工目视判别分类的结果显示，分类的地物比较清晰，不同的地类之间有着比较明确的分界，并且划分出来的图斑边缘比较光滑。由于是通过人为肉眼的分类，判断和分类的主要依据就是纹理及色彩，这样就容易造成漏分和错分的情况发生。一些细长或者面积偏小的地类容易遗漏，以及一些纹理区别比较微小但又明显不同的地物容易错分，并且人工采集的时间相对较长，特别是针对大面积影像要花费较多的时间和人力。

3.2基于像元的遥感影像信息提取最大似然法是传统遥感影像分类中应用比较广泛的一种分类方法。该方法通过对感兴趣区域的统计和计算，得到各种类型的均值和方差等特征值，从而确定一个分类函数，然后将待分类图像中的每一个像元代入各种类别的分类函数，将函数返回值最大的类别作为被扫描像元的归属类别，从而得到分类的效果。主要过程如下：①根据测区的具体情况和上述地表分类的种类，对QuickBird影像各波段进行配准。②对地表覆盖的各种地类，分别选取5个训练样本（即5个特征明显的地类）。③针对选取的训练样本计算出各地类的参数。④将训练样本以外的像元逐个逐类代入公式，对于每个像元分几类就计算几次，最后比较大小，选择最大值来确定该像元的类别。⑤检验分类结果，如果分类中产生的错误比较多，则需要重新选择训练区重新计算各像元的所属类别，直到分类结果满意为止。通过这种基于像元的遥感影像分类可以充分利用分类地区的先验知识，预先确定分类的类别；通过控制训练区域样本的选择，再反复检验训练样本，从而提高了分类的精度。但是这种分类方法人为主观因素较强，训练区域样本的选取和评估需要花费一定的人力和时间，并且只能识别训练样本中所定义的类别，对于因训练样本数量太少未被定义的类别，这种方法不能识别，从而影响了分类的结果。

3.3基于面向对象的遥感影像信息提取面向对象的分类技术首先要对影像进行分割并得到同质性的对象，提取特征或特征组合并建立分类体系，最后采用相应的分类方法实现各种地物地类信息的提取。利用面向对象的遥感影像信息提取技术分类的结果与实地比较一致，特别是对耕地方面的信息，提取结果较为准确。但是通过目视判读，这种方法还是会把一些园地和田埂分成了耕地，也会把一些影像信息接近且位置相邻但是实际不是同类地物的像元分成相同地类，由于广西耕地轮种现象比较频繁，部分园地的纹理和波普特性和农作物十分接近，这也是导致分类出现错分、漏分的原因，需要在以后的研究中探索更好的办法，进一步提高分类的精度。

3.4几种遥感影像信息提取方法的比较通过以上3个实验，对3种影像信息提取的结果抽取155个随机图斑进行精度评价，其精度结果如表1、表2、表3所示。对比这3个表显示，通过人工判读的方法和基于面向对象的分类方法解译的精度相对较高，而基于像元的传统遥感影像信息提取方法的信息提取精度稍微偏低。从这3个表看出，利用面向对象的遥感影像分类技术提取耕地及居民地信息的精度和效率是最高的。虽然人工判读的方式信息提取精度最高，但是纯人工的方式对于面积较大，地物种类比较多的测区需要大量的人力和时间，通常按照一副标准一万分副的DOM影像人工采集需要一天时间，通过计算机和遥感影像的分类技术可以大大提高工作效率，这3个分类时间表中的分类时间没有包括训练区选取、分割尺度和规则设立的时间，在尺度和规则设置好后，面向对象的影像分类办法是大面积快速提取耕地保护相关信息的一种科学有效的方法。

4结语

4.1结论笔者通过分析研究，得到以下几点结论：①利用遥感影像技术作为开展地理国情普查工作可以把原来依靠人工判读和外业核查的大量和长期的工作，转变由计算机来解译，原来需要数天的工作可以在短短几分钟内完成，是目前速度最快，效率最高，并且精度可以达到规范要求的方法，较之从前的实地核查、举报等方法更主动、更经济，是开展地表覆盖核查技术的一个飞跃。②利用面向对象的遥感影像信息提取时，分割尺度的选择以及适合的分类规则直接影响最后分类的结果。根据不同的遥感影像类型和地表覆盖种类不同的区域应该反复实验，选择最优分割尺度和分类规则可以得到更好的分类效果。③面向对象的遥感影像信息提取技术在提取地表覆盖信息比传统基于像元的信息提取技术精度更高，比目视判读的速度提高了几倍，并且分类精度也比较接近目视判读的方法，具有精度高、内容全、应用范围广的特点，是目前开展地理国情普查工作中更科学有效的技术。

4.2展望①笔者使用的实验数据地貌地类不复杂，所以信息提取的规则设置也相对简单，只是介绍了遥感影像提取技术在地理国情普查中的应用。在广西这种丘陵地区，耕地分布杂乱，农作物的轮种频繁，所以不能仅凭笔者实验的数值来对整个区域进行信息提取。在不同的区域利用遥感影像信息提取技术还要通过与实地结合并且反复尝试来得到合适的分类尺度和分类规则。②在面向对象技术提取信息的过程中，可以减少人们使用传统目视判别的工作量，但是分类过程中并没有完全实现自动识别，还会有错分、漏分等现象，所以如何实现自动化提取是今后研究的重要方向。③各地应该建立耕地保护遥感影像数据库，以及地类分类信息样本库。数据库中应该有多时相、多分辨的遥感影像以及各种地类地物在不同季节、不同影像上所表现出来的各种特性，这对今后时点核查起到重要作用。

作者：谭盛辉 单位：广西地图院