面向新增建設用地發(fā)現(xiàn)的地塊特征構(gòu)建

張 茜，劉順喜，陳 戈，王忠武，尤淑撐

(1.中國海洋大學信息科學與工程學院，青島 266100;2.中國土地勘測規(guī)劃院，北京 100035)

0 引言

借助遙感技術(shù)快速、客觀、準確等優(yōu)勢，目前我國已實現(xiàn)每年一次優(yōu)于5 m空間分辨率的土地利用動態(tài)遙感監(jiān)測，及時掌握了土地利用變化情況，特別是新增建設用地及其占用耕地、非耕農(nóng)用地等情況，有效支撐了土地衛(wèi)片執(zhí)法檢查、年度變更調(diào)查等工作的開展[1]。然而，隨著國土資源管理工作的深入，對高效率自動獲取土地利用動態(tài)變化提出了迫切要求。自動發(fā)現(xiàn)新增建設用地，為人機交互解譯變化圖斑提供靶區(qū)，是提高作業(yè)效率的重要技術(shù)途徑之一。李德仁總結(jié)了地圖更新變化檢測中可用數(shù)據(jù)源，并對基于不同多源數(shù)據(jù)的變化檢測方法進行了歸納與比較[2]。Kennedy針對不同地類、不同應用目標，分析了土地利用/覆蓋變化檢測中多源數(shù)據(jù)的應用潛力和方式[3]。王琰提出了基于像斑統(tǒng)計分析的高分辨率遙感影像土地利用/覆蓋變化檢測方法，使用像斑的光譜、空間、時序關(guān)系等特征進行變化檢測。葉明[5]、李磊[6]等應用遙感圖像、地形圖、土地利用現(xiàn)狀圖等進行了縣級土地利用動態(tài)監(jiān)測的研究。以上研究充分證明了GIS數(shù)據(jù)對尤其是土地利用數(shù)據(jù)，輔助變化檢測的有效性，然而，目前針對基于土地利用數(shù)據(jù)和前、后時相遙感圖像的地塊輔助新增建設用地發(fā)現(xiàn)問題研究較少，尚不能為實際應用提供強有力的技術(shù)參考。

本文首先梳理了地塊輔助的新增建設用地發(fā)現(xiàn)技術(shù)流程，在此基礎(chǔ)上重點分析面向地塊的光譜、植被指數(shù)、紋理、梯度、方差等不同特征用于新增建設用地高精度快速發(fā)現(xiàn)的潛力，并研究了基于不同特征組合的新增建設用地發(fā)現(xiàn)效果，以期為地塊輔助新增建設用地發(fā)現(xiàn)技術(shù)實際應用提供依據(jù)。

1 技術(shù)方法

1.1 地塊輔助的新增建設用地發(fā)現(xiàn)技術(shù)流程

在基于土地利用數(shù)據(jù)和前后時相遙感圖像的地塊輔助新增建設用地變化發(fā)現(xiàn)中，前時相土地利用數(shù)據(jù)記錄了該時間點的土地利用現(xiàn)狀情況，數(shù)據(jù)包含了每一地塊的位置、邊界、長度/面積、地類代碼、行政區(qū)劃等內(nèi)容;前后時相遙感影像主要記錄各像素對應地面范圍內(nèi)的光譜值，代表前、后2個時間點的土地覆蓋情況。理論上講，地塊先驗知識和遙感數(shù)據(jù)越多，新增建設用地發(fā)現(xiàn)的判斷依據(jù)越多，變化發(fā)現(xiàn)的正確概率就越大。據(jù)此，根據(jù)土地利用數(shù)據(jù)和前后時相遙感圖像的優(yōu)勢[7]，地塊輔助的新增建設用地發(fā)現(xiàn)技術(shù)流程如圖1所示。

1.2 地塊特征構(gòu)建方法

針對土地利用變化檢測，目前已研究了較多的特征構(gòu)建方法。劉臻等[8]提出基于梯度、紋理相似度驗證的變化檢測方法，袁修孝等[9]綜合應用光譜和紋理特征進行建筑物變化檢測。然而，土地利用動態(tài)遙感監(jiān)測與土地利用變化檢測有一定的區(qū)別，前者重點關(guān)注城鄉(xiāng)結(jié)合部新增建設用地及其占用耕地、非耕農(nóng)用地等情況。通常情況下，在城鄉(xiāng)結(jié)合部，建設用地主要由大面積建筑物、水泥地、空地、小面積草地等組成;耕地在植被生長期主要由大面積植被、小面積田埂等組成;在植被收割后主要由大面積土壤組成;非耕農(nóng)用地主要由大面積園林草地或裸地以及農(nóng)業(yè)設施組成。因此，應優(yōu)先選擇能有效區(qū)分建設用地、耕地、非耕農(nóng)用地及其包含土地覆蓋地物類型的特征。高分辨率光學圖像通常具有很多特征，地物變化在圖像上反映為光譜、指數(shù)、紋理、區(qū)域統(tǒng)計等特征的變化，而面向?qū)ο蟮乃枷敕夏恳暯庾g的思路，因此以地塊為基本單元的面向?qū)ο筇卣魇沁b感圖像變化發(fā)現(xiàn)的主要依據(jù)，下面分析幾種典型特征。

1)光譜特征。指地塊內(nèi)所有像元的灰度平均值，對于多波段影像，光譜特征數(shù)與圖像波段數(shù)相同，地塊內(nèi)光譜特征如式(1)所示，即

式中:IMGi為高分辨率光學影像IMG第i個波段的灰度值;Dij為IMGi上土地利用數(shù)據(jù)中編號為j的地塊內(nèi)的平均光譜特征;p為IMGi的像元;Ω(j)為土地利用數(shù)據(jù)中編號為j的地塊范圍。通常情況下，建設用地對各波段的反射率均較高，光譜特征值較大。對于耕地，生長期的植被對紅外波段反射率較高，光譜特征值較大，收割后土壤對各波段反射率較低，光譜特征值普遍較小。所以光譜特征能較直接地區(qū)分建設用地、耕地和非耕農(nóng)用地，用于發(fā)現(xiàn)新增建設用地效果顯著。

2)植被指數(shù)特征。是表現(xiàn)地塊內(nèi)植被覆蓋強度的重要指標。常用的歸一化植被指數(shù)(normalized differential vegetation index，NDVI)可通過近紅外與紅色波段運算獲得，即

式中:NDVIj為地塊j的平均植被指數(shù)特征;NIR為近紅外波段的反射值;RED為紅色波段的反射值;NDVI為植被指數(shù)圖像。通常來說，植被生長期的耕地由于植被較茂盛，植被指數(shù)特征值較高，植被收割后較低，非耕農(nóng)用地視地物覆蓋情況及作物生長情況，植被指數(shù)特征值差異較大。植被指數(shù)特征用于發(fā)現(xiàn)新增建設用地，也能取得顯著效果。

3)紋理特征。指地塊內(nèi)地物灰度分布的空間特征。常用的灰度共生矩陣(gray－level co－occurrence matrix，GLCM)是一種統(tǒng)計紋理分析方法[9]，通常有能量、熵、標準差、局部均勻性和對比度等紋理特征值。以地塊內(nèi)紋理對比度特征為例，計算公式為

式中:Conij表示第i波段地塊j的對比度特征;L為圖像灰度等級;GLCMij為第i波段地塊j內(nèi)的灰度共生矩陣;q1，q2分別表示灰度。對比度體現(xiàn)圖像清晰度、紋理強弱。紋理溝紋越深，視覺效果清晰，紋理對比度

圖1 地塊輔助的新增建設用地發(fā)現(xiàn)技術(shù)流程Fig.1 Flow chart of new constructed land change detection supplemented by land use data

首先，對前后時相遙感圖像進行輻射歸一化，使兩期圖像上同一位置相同地物的灰度值相近，便于后續(xù)針對變化發(fā)現(xiàn)的影像灰度特征統(tǒng)計;然后，采取面向?qū)ο蟮乃枷耄鶕?jù)土地利用地塊的編號，以地塊為基本單元，統(tǒng)計地塊內(nèi)前后時相影像的特征，用于特征向量構(gòu)建;最后，將每個地塊前后時相影像的全部特征組合為特征向量，計算特征向量的距離，按非監(jiān)督分類思想，通過自適應閾值方式提取特征距離較大的地塊，實現(xiàn)新增建設用地發(fā)現(xiàn)。

從圖1可以看出，變化閾值的確定與特征距離直接相關(guān)，而特征距離又由特征構(gòu)建方法決定。因此地塊特征構(gòu)建對新增建設用地發(fā)現(xiàn)精度至關(guān)重要，為盡量消除各種干擾因素造成的“偽變化”的影響，提高變化發(fā)現(xiàn)的正確率，研究合適的特征構(gòu)建方法尤為重要。特征值越大，反之越小。耕地無論是生長期還是收割后，灰度較均一，紋理對比度特征值較小，非耕農(nóng)用地由于覆蓋類型的不同，對比度特征值差異較大。建設用地普遍表現(xiàn)為多種灰度共存，紋理不太規(guī)則。對比度通過間接統(tǒng)計值反映了圖像的清晰度和紋理脊、谷深淺程度，可以較好地判別新增建設用地居民區(qū)等特征。

4)區(qū)域統(tǒng)計特征。是指圖像局部區(qū)域內(nèi)灰度的異質(zhì)度，常用的區(qū)域統(tǒng)計特征有梯度和方差，分別為

式中:Gij表示第i波段地塊j的平均梯度特征;Gi為第i波段的梯度圖像;Varij表示第i波段地塊j的方差特征;meanij為第i波段地塊j的灰度均值。區(qū)域內(nèi)灰度的變化越劇烈，區(qū)域統(tǒng)計特征值越大，反之越小。所以梯度和方差特征可以較好地判別新增建設用地。

綜上可知，基于地塊內(nèi)逐像元計算的光譜特征能較直接地代表建設用地、耕地、非耕農(nóng)用地的特征，植被指數(shù)特征能較直接代表建設用地、生長期的耕地、非耕農(nóng)用地的特征，基于地塊內(nèi)空間統(tǒng)計的紋理、梯度、方差等能一定程度地反映3種地類的特征。因此下文中將基于地塊的光譜特征、植被指數(shù)特征作為基本特征，分別補充紋理、梯度和方差等特征，進行面向新增建設用地的地塊特征構(gòu)建。

2 實驗與分析

實驗數(shù)據(jù)為北京市昌平區(qū)城鄉(xiāng)結(jié)合部的2.5 m SPOT5彩色融合圖像，包括綠、紅、近紅外、短波紅外4個波段，數(shù)據(jù)獲取時間為2002年8月和2007年7月，均為植被生長期，數(shù)據(jù)大小為2 731像元×2 928像元。首先對前后時相圖像進行配準，并利用直方圖匹配方法，以輻射值相對較好的后時相圖像對前時相圖像進行輻射歸一化，作為變化發(fā)現(xiàn)輸入數(shù)據(jù)，如圖2(a)，(b)所示。土地利用數(shù)據(jù)如圖2(c)所示。為便于精度評價，通過目視解譯獲取了76個新增建設用地作為驗證數(shù)據(jù)，如圖2(d)所示。需要說明的是，高爾夫球場未作為新增建設用地真值是由于該時點上土地利用數(shù)據(jù)已將整個地塊作為高爾夫球場用地。以土地利用數(shù)據(jù)的地塊為基本單元，計算每期圖像上各地塊的光譜(D)、植被指數(shù)(NDVI)、紋理對比度(Con)、梯度(G)、方差(Var，5像元 ×5像元窗口)特征，用于構(gòu)建特征向量和變化發(fā)現(xiàn)，自適應閾值為全部地塊的特征向量距離的3倍中誤差[7]。

圖2 實驗與驗證數(shù)據(jù)Fig.2 Test and reference data

2.1 總體分析與評價

圖 3 分 別 為 基 于 D＆NDVI，D＆NDVI＆Con，D＆NDVI＆G，D＆NDVI＆Var特征的新增建設用地發(fā)現(xiàn)結(jié)果。證為新增建設用地的個數(shù)。評價結(jié)果如圖4所示。

圖3 基于不同特征的新增建設用地發(fā)現(xiàn)結(jié)果Fig.3 Results of new construction land change detection using different block characteristics

可以看出，圖3(a)中，大多數(shù)變化區(qū)域都能較有效地檢測出來，漏檢圖斑主要為變化像元占總像元數(shù)較少的大面積地塊(如圖3(a)中黃框所示)，說明D＆NDVI能較好地描述小面積新增建設用地、變化比例較大的大面積新增建設用地的特性。圖3(b)對于地塊內(nèi)部全部或絕大部分變化的新增建設用地檢測較為準確(如圖3(e)和(f)綠框所示)，但對于地塊內(nèi)部部分變化的情況效果不理想(如圖3(e)和3(f)黃框所示)，主要原因是Con主要針對紋理深淺變化較大的情況，僅有部分變化時，特征變化差異并不十分顯著，說明該特征對細微變化的發(fā)現(xiàn)能力不強。圖3(c)發(fā)現(xiàn)的變化信息較少，漏檢較多(如圖3(c)中黃框所示)，且發(fā)現(xiàn)的新增建設用地大多為未變化的耕地，效果不佳。圖3(d)發(fā)現(xiàn)了一定量的變化信息，但漏檢同樣較多(如圖3(d)中黃框所示)。

采用正確率M定量評價不同特征發(fā)現(xiàn)結(jié)果[10]，即

式中:T是檢測為新增建設用地且經(jīng)驗證為新增建設用地的個數(shù);F是檢測為非新增建設用地但經(jīng)驗

圖4 不同特征構(gòu)建方法的新增建設用地發(fā)現(xiàn)精度Fig.4 Change detection accuracy of different characteristics

從圖4中可以看出:

1)各不同特征構(gòu)建方法的新增建設用地發(fā)現(xiàn)正確率由高到低依次是:D＆NDVI，D＆NDVI＆Var，D＆NDVI＆Con，D ＆NDVI＆G。單純使用面向地塊的光譜(D)和植被指數(shù)(NDVI)特征，正確率能達到83%，遠高于加入其他特征后的精度，這與目視結(jié)果相符。

2)以光譜與植被指數(shù)特征為基礎(chǔ)，加入其他特征后反而會影響發(fā)現(xiàn)的正確率。這是由于多特征的加入，基于特征向量歐氏距離削弱了建設用地與耕地、非耕農(nóng)用地等的特征距離，在基于特征距離的非監(jiān)督變化發(fā)現(xiàn)時部分新增建設用地被作為未變化地塊予以剔除，導致漏檢。

2.2 不同特征發(fā)現(xiàn)結(jié)果的比較

為更深入比較不同變化發(fā)現(xiàn)結(jié)果，選取局部圖像進行比較，如圖5所示。其中圖5(a)，(b)為卷簾顯示的前、后2個時相的變化地塊，上面一行為前時相圖像，下面一行為后時相圖像，分別框選出局部黃色部分來觀察。圖5(c)—(f)分別為4種不同特征組合檢測到的變化圖斑，黃色框內(nèi)可以直觀看出各不同方法的檢測情況，綠色覆蓋處為不同特征組合局部檢測圖斑。

圖5 新增建設用地發(fā)現(xiàn)結(jié)果局部比較Fig.5 Local comparison of new construction land change detection using different characteristics

由圖5可見，D＆NDVI發(fā)現(xiàn)結(jié)果雖然效果較好，但也少量有遺漏地塊。增加其他特征后，部分遺漏的地塊能較好發(fā)現(xiàn)。對變化地塊一，只有增加了Con特征的方法才能夠發(fā)現(xiàn)，究其原因，該地塊中園林地在不同年份生長狀況、種植情況均不同導致紋理深淺不一致，Con特征對這類變化有較高的針對性，引入該特征后能有效發(fā)現(xiàn)該變化地塊。對于變化地塊二，該地塊是較大范圍的耕地轉(zhuǎn)變?yōu)榻ㄔO用地，G和Var特征相對于D和NDVI特征，能較好地體現(xiàn)這類變化。

3 結(jié)論

本研究利用了面向地塊的4種不同特征，開展了面向地塊的光譜與植被指數(shù)，光譜、植被指數(shù)與紋理，光譜、植被指數(shù)與梯度，光譜、植被指數(shù)與方差不同特征組合對新增建設用地發(fā)現(xiàn)精度的對比試驗。

1)不同特征組合方法提取新增建設用地發(fā)現(xiàn)的正確率依次是:光譜與植被指數(shù)，光譜、植被指數(shù)與方差，光譜、植被指數(shù)與對比度，光譜、植被指數(shù)與梯度。基于光譜和植被指數(shù)的特征構(gòu)建方法正確率最高，其他特征的加入，雖然降低了新增建設發(fā)現(xiàn)的正確率，但能有效發(fā)現(xiàn)特定情況(如大面積地塊中變化像元占較少比重)，在實際應用中應以基于光譜和植被指數(shù)的變化發(fā)現(xiàn)結(jié)果為主，輔助使用加入其他特征的變化發(fā)現(xiàn)結(jié)果，以達到更高的新增建設用地發(fā)現(xiàn)精度。

2)本文不同于以往前人的發(fā)現(xiàn)，加入多種特征的特征向量歐氏距離削弱了建設用地與其他用地的特征距離，在基于特征距離的非監(jiān)督變化時發(fā)現(xiàn)部分新增建設用地被作為未變化地塊予以剔除，反而會導致漏檢。

3)值得說明的是，本文未在非監(jiān)督變化判別算法上進行深入研究，對特征構(gòu)建方法的對比分析結(jié)果可能會有一定影響，而且由于本文的主要目標是提高變化發(fā)現(xiàn)的正確率，為人機交互解譯提供靶區(qū)，故尚未開展多次變化發(fā)現(xiàn)方法優(yōu)化初步發(fā)現(xiàn)結(jié)果的研究，導致新增建設用地虛警偏高。此外，雖然本文對全國土地利用動態(tài)遙感監(jiān)測主要采用的8月至11月獲取的時相一致、植被生長期的圖像進行了研究，尚未考慮其他前后時相不一致、非植被生長期的圖像，但是以上這些都將是本文后續(xù)的研究方向。

[1]柴 淵，李萬東.土地利用動態(tài)遙感監(jiān)測技術(shù)與方法[M].北京:地質(zhì)出版社，2011.Chai Y，Li W D.The Techniques and methods of land－ use dynamic remote sensing monitoring[M].Beijing:Geological Publishing House，2011.

[2]李德仁.利用遙感影像進行變化檢測[J].武漢大學學報:信息科學版，2003，28(s1):7－12.Li D R.Change detection from remote sensing images[J].Geomantics and Information Science of Wuhan University，2003，28(s1):7－12.

[3]Kennedy R E，Townsend P A，Gross J E.Remote sensing change detection tools for natural resource managers:Understanding concepts and tradeoffs in the design of landscape monitoring project[J].Remote Sensing of Environment，2009，113(7):1382－1396.

[4]王 琰，舒 寧，龔 颵.高分辨率遙感影像土地利用變化檢測方法研究[J].國土資源遙感，2012，24(1):43－47.Wang Y，Shu N，Gong Y.A study of land use change detection based on high resolution remote sensing images[J].Remote Sensing for Land and Resources，2012，24(1):43－47.

[5]葉 明，楊曉平，蔣剛毅.基于TM遙感圖像的寧波土地利用動態(tài)監(jiān)測[J].寧波大學學報:理工版，2003，3(1):30－34.Ye M，Yang X P，Jiang G Y.Land use dynamic surveying based on the interpretation of TM image[J].Journal of Ningbo University(National Science and Engineering Edition)，2003，3(1):30－34.

[6]李 磊，李小娟，崔偉宏.基于GIS和RS的縣級土地利用動態(tài)監(jiān)測系統(tǒng)研究[J].地理學與國土研究，2001，5(2):28－32.Li L，Li X J，Cui W H.On dynamic monitoring of land use at county level based on RS and GIS[J].Geography and Territorial Research，2001，5(2):28－32.

[7]Wu B，Yang J，Meng Y，et al.Fast detection of changed blocks in land use map[A].IGARSS 2012:6188－6191.

[8]劉 臻，宮 鵬，史培軍，等.基于相似度驗證的自動變化探測研究[J].遙感學報，2005，9(5):537－543.Liu Z，Gong P，Shi P J，et al.Study on change detection automatically based on similarity calibration[J].Journal of Remote Sensing，2005，9(5):537－543.

[9]袁修孝，宋 妍.一種運用紋理和光譜特征消除投影差影響的建筑物變化檢測方法[J].武漢大學學報:信息科學版，2007，32(6):489－493.Yuan X X，Song Y.A building change detection method considering projection influence based on spectral feature and texture feature[J].Geomatics and Information Science of Wuhan University，2007，32(6):489－493.

[10]Story M，Congalton R G.Accuracy assessment:A user’s perspective[J].Photogrammetric Engineering and Remote Sensing，1986，53(3):397－399.