用地理本體和相對高程識別遙感對象的方法研究＊

崔 巍 湯世明 李 榮 姚志武

（武漢理工大學資源與環境工程學院 武漢 430070）

隨著遙感技術應用領域的不斷擴大，不同領域對遙感影像識別和分類的需求也不斷增強.通常的做法是借助領域內現行的分類標準，利用遙感技術來實現遙感對象的提取和分類.但是，現行的分類標準中，相對概念往往是根據其功能或職責進行劃分的，例如，教學用地多由教學樓、宿舍樓等建筑構成，在遙感特征上與普通的城鎮住宅用地等城市建筑物沒有區別，僅僅通過遙感數據本身，無法對其進行提取和分類.因此，迫切需要一種方法，提取分類標準中按功能或職責分類的地物.為了實現上述目的，本文采取了一種用遙感影像、相對高程和地理本體［1－3］提取教學用地的方法.

1 利用相對高程和地理本體提取教學用地的原理

基本思路是利用高分辨率影像的陰影獲取建筑的高度信息.通過將建筑高度與利用面向對象遙感提取的建筑屋頂相結合，得到其總的建筑面積；其次利用從遙感影像中提取的操場面積，根據教育部的相關規定和計算公式，換算得到對應的教學用地面積，最后通過空間分析確定教學用地的范圍，實現對組成對象復雜的教學用地的分類.其中用到利用陰影提取建筑物相對高度算法［4－7］和教育部的相關規定.

1.1 遙感影像中建筑物相對高程

計算建筑物的相對高程信息基本原理見圖1.

圖1 太陽高度角、衛星高度角、陰影之間的關系

設建筑物的高度為H；建筑物陰影的總長度為S；α為衛星高度角；β為太陽高度角；γ為太陽方位角；L1為被遮擋陰影的長度；L2為影像上可見的陰影長度，則

如果衛星傳感器掃描的方向與太陽照射的方向相反，這時L1＝0，則

1.2 相關本體知識

教育部本科教學工作水平評估指標［8］中關于教學基本設施的規定為生均運動場面積≥3m2才達到基本設施齊全的要求.生均運動場面積由室內體育場和一般運動場2部分組成，而室內運動場在矢量圖上無法提取出來，不能計算出其面積.因此在計算生均運動場面積時應該不包括文獻［9］規定的室內體育場（風雨操場）的平均面積0.5m2.利用這一信息進行修正，用操場的面積area除以2.5m2可以得到學生的人數st，即

文獻［9］中對11項校舍的規劃建筑面積的規定，見表1.

表1 11項校舍的規劃建筑面積總指標 m2／生

在研究中以綜合大學的建筑面積指標為計算依據，因為這類學校的建筑類型相對齊全，比較有代表性.取生均占有的建筑面積avg為22.57 m2，然后與學生人數相乘得到學生的建筑面積starea，即

由于這些指標只涵蓋了學生的建筑面積，而現實中教育用地還包括教工用地，如教工公寓和教工住宅等.根據教育部本科教育評估中關于師資隊伍與數量結構中生師比的規定，當生師比小于18時才達到結構基本合理的要求.取生師比ratio為18，用學生人數除以18得到教工人數t，即

文獻［9］中對教工住宅和教工宿舍的相關規定確定教工的人均建筑面積.其中第三十七條規定教工住宅的規劃建筑面積指標（以主管部門批準的全校教職工人員編制總數為基本參數）不得超過34.14m2／人.第四十條規定教工宿舍的規劃建筑面積指標（以主管部門批準的全校教職工人員編制總數為基本參數）不得超過2.33m2／人.取教工人均占有建筑面積avg′為兩者之和36.47m2／人，將其與教工人數相乘得到教工占有的建筑面積At，即：

最后將學生和教工占有的建筑面積相加得到學校總的建筑面積totalarea，即：

2 教學用地提取算法

包括如下步驟：

步驟1 用規則提取陰影，并計算出其外包矩形的長和寬.在預置地段遙感影像的矢量圖中提取陰影，其中陰影的提取規則為：最大光譜差值大于1.1，近紅外波段2的光譜均值小于192，邊界指數小于2.5，海岸波段的光譜均值大于340，歸一化植被指數介于－0.09和0.025之間，標準差小于10，緊致度小于3.3，密度大于0.56，海岸波段的光譜均值小于370.計算陰影的面積A，對陰影做其外包矩形，計算外包矩形的面積A、周長P，計算外包矩形的長l和寬w.

步驟2 根據陰影長度換算建筑物的高度，估算出建筑物的層數.計算陰影面積A與外包矩形面積A的比值ratio，當比值ratio大于0.5時，將建筑的高度H設置為外包矩形的長l乘以系數0.91，否則，將建筑的高度H設置為外包矩形的長l乘以系數0.662 563，根據建筑物高度H，按每層樓高3.5m換算成層數c.

步驟3 用規則提取屋頂，并根據屋頂面積和建筑物的層數計算出其建筑面積.在所述矢量圖中提取屋頂，計算屋頂的面積s′，其中屋頂的提取規則為：歸一化植被指數大于－0.083 4且小于0.315，并且海岸波段光譜均值大于353，亮度值小于851，形狀指數小于4.87，最大光譜差值大于0.65，標準差大于2.85，且綠波段的光譜均值大于近紅外波段的光譜均值；將層數c賦給與該陰影相鄰接的屋頂.用屋頂的面積s′乘以層數c得到一棟建筑的建筑面積s.

步驟4 用規則提取出操場并計算面積.在所述矢量圖中提取操場，計算操場的面積area，其中操場的提取規則為：面積大于500m2，邊界指數小于等于1.37，亮度值小于567，且歸一化植被指數大于等于－0.096 4，并且最大光譜差值大于0.65，形狀指數小于3.1.

步驟5 用操場面積推算出學生人數.用操場的面積area除以2.5m2，得到學生的人數st；將生均占有的建筑面積22.57m2與學生人數st相乘，得到學生的建筑面積starea；用學生的人數st除以生師比18，得到教工人數t；將教工人均占有建筑面積36.47m2／人與教工人數t相乘，得到教工占有的建筑面積tarea；將學生和教工占有的建筑面積相加，得到學校總的建筑面積totalarea.

步驟6 用緩沖區分析確定教學用地的范圍.對操場做自定義半徑的緩沖區；當落在緩沖區內建筑的建筑面積之和sum小于學校總的建筑面積totalarea之和時，對操場再做緩沖區，再做的緩沖區的半徑為上一緩沖區半徑加5m，直到落在相交以后緩沖區內建筑的建筑面積之和sum不小于學校總的建筑面積totalarea之和后停止；將停止做緩沖區時緩沖區的半徑定義為Ri＋1，當落在半徑為Ri＋1的緩沖區內建筑的建筑面積之和sumi＋1與學校總的建筑面積totalarea之差的絕對值大于落在半徑為Ri＋1－5的緩沖區內建筑的建筑面積之和sumi與學校總的建筑面積totalarea之差的絕對值時，緩沖區半徑重置為Ri，否則緩沖區半徑重置為Ri＋1，用重置半徑的緩沖區與操場所在的科教用地格網求交，教學用地的范圍為兩者相交的區域.

3 實驗結果和分析

在研究中選擇杭州市的部分學校進行實驗，其中包括大學、中學和小學.實驗結果表明，該算法確定的教學用地范圍是比較準確的，尤其是對綜合性大學，分類結果與實際情況更接近.實驗結果見圖2（虛線為學校的實際范圍，實線部分為實驗確定的教學用地范圍）.

圖2 范圍確定比較準確的圖

但是該算法還存在一定的局限性，對于部分未按照建設部和教育部相關規定進行建設的學校，分類結果會與實際情況誤差較大.

上圖的結果可以發現，大學所確定的范圍偏小，是由以下原因造成.

1）在用操場面積計算學校的建筑面積時選用學生人居建筑指標中有一些建筑類型未包含，如工科院校的生產性工廠及其附屬用房，醫學院校及個別體育院校的臨床實習醫院、浴室、醫務所，個別學校的函授部因校外輔導站不足.

2）研究時用的人均建筑面積時按綜合大學來計算的，從表1中可以看到，一些工科院校、師范類的學校的人均建筑面積都要比綜合大學要大，所以用綜合大學的人均建筑面積來計算工科或師范類等的院校的建筑面積，要比其實際建筑面積要小.

4 結 論

以教學用地為例，提供一種用地理本體和相對高程提取和識別按功能或職責分類的遙感對象的方法，與現有技術相比具有如下優點.

1）分別利用規則提取科教用地的建筑屋頂和操場，避免人工對其進行矢量化，為按功能和職責分類的遙感對象的自動提取和識別，探索了一條新思路.

2）利用建筑實際高度和影像中陰影長度的關系，通過陰影的長度得到建筑的高度，為二維的遙感數據推廣到三維應用，拓寬了思路.

［1］崔 巍.用本體實現地理信息系統語義集成和互操作［D］.武漢：武漢大學，2004.

［2］高麗萍.基于面向對象遙感技術的地理本體推理研究［D］.武漢：武漢理工大學，2009.

［3］崔 巍，李 榮.基于分維的遙感影像最佳分割尺度研究［J］.武漢理工大學學報，2011，33（12）：83－86.

［4］何國金，陳 剛.利用SPOT圖象陰影提取城市建筑物高度及其分布信息［J］.中國圖象圖形學報，2001，6（5）：426－428.

［5］董玉森，詹云軍.利用高分辨率遙感圖像陰影信息提取建筑物高度［J］.咸寧師專學報，2002，22（5）：93－96.

［6］謝軍飛，李延明.利用IKONOS衛星圖像陰影提取城市建筑物高度信息［J］.國土資源遙感，2004，12（4）：4－6.

［7］吳海平.用高分辨率IKNONOS影像測定城市建筑容積率的研究［D］.北京：中國農業大學，2003.

［8］普通高等學校本科教學工作水平評估指標體系解讀［EB／OL］.http：／／www.doc88.com／p－38973495530.html

［9］中華人民共和國建設部.普通高等學校建筑規劃面積指標［M］.北京：人民教育出版社，1992.