基于FME的地理國情覆蓋要素提取技術探討

余詠勝，羅名海，吳克友，尹言軍

（1.武漢市測繪研究院，湖北 武漢430022）

地表覆蓋分類工作是地理國情普查的一項重要內容，地表覆蓋分類信息主要反映地表自然營造物和人工營造物的自然屬性或狀況，包括地形地貌、植被覆蓋、水域、荒漠與裸露地等的類別、位置、范圍、面積等，掌握其空間分布狀況。地表覆蓋要素分類和提取工作主要通過高分辨率航空或遙感影像進行計算機自動解譯或人工判讀解譯，完成相關地表信息的分類提取，實際生產過程中普遍存在人工判讀和干預工作量較大、作業效率較低等情況。

為進一步提高地表覆蓋分類工作的作業效率，改善目前人工數據解譯方式的不足，縮短作業周期，提高作業效率，本文采用FME（Feature Manipulate Engine）對地表覆蓋分類要素提取技術進行研究和探討。FME是一個用于空間數據提取、轉換、處理的強大工具，提供了多源數據處理和應用的解決方案，用戶可以根據項目實際需求建立具有特色的空間數據處理模型，實現數據之間的轉換、處理。本文通過FME實現數據的批量操作，提高了數據處理的準確性、高效性和實用性。

1 問題分析

根據第一次全國地理國情普查相關要求，地理國情普查內容分為12個一級類、58個二級類、133個三級類，其中屬于地表覆蓋的一級類為10個。為滿足地表覆蓋分類要素數據提取工作的需要，大中城市生產單位多采用0.5 m甚至0.2 m以上高分辨率航空正射影像為主要數據源進行地表覆蓋要素的分類解譯。航空影像由于不具備遙感影像多光譜等波段信息，計算機解譯存在分類精度不高、自動化程度較低等問題，生產單位一般通過大比例尺地形圖數據采用矢量和柵格數據疊加方式輔助分類以提高解譯精度。

大比例尺地形圖數據包括道路、水系、居民地、植被等相關信息，內容全面、現勢性較強，是規劃設計的重要基礎資料，但全要素地形圖數據和地表覆蓋分類要素采集要求和標準不同，二者存在較大差異。對于道路而言，地表覆蓋分類中只需要按有軌路面和無軌路面表示，但車行道兩側的人行道需并入無軌路面，在基礎設施比較完善的城市道路就不能直接利用地形圖的道路數據。對于耕地、園地、林地和草地，地形圖上一般通過植被符號表示，可用于輔助地表覆蓋分類的判讀解譯。對于人工堆掘地，地形圖上沒有細分，一般通過地類界加施工區注記表示，必須通過影像判讀解譯區分露天采掘場和建筑工地等類別，荒漠與裸露地表一般也需要通過影像判讀方式分類。對于房屋建筑（區）而言，地表覆蓋分類中包括房屋建筑區和獨立房屋建筑，分別代表居住區域內成片房屋建筑和單體建筑、散落房屋建筑。該類地物影像投影差較大，直接判讀勾繪精度差、工作量較大，利用基本地形圖數據進行分類提取，同時結合地表覆蓋分類的要求進行綜合整理，可顯著提高分類精度和工作效率。

2 地表覆蓋分類專題要素提取

根據地表覆蓋要素分類采集的要求，地表覆蓋類型分為耕地、園地、林地、草地、房屋建筑（區）、道路、構筑物、人工堆掘地、荒漠與裸露地表、水域等10個專題類別。地表覆蓋分類數據存儲在LCA層中。地理國情信息分類代碼（CC碼）一般應確定至三級類，沒有三級類的可以分至二級類。不同類別的地表覆蓋專題要素提取方式相似，下面以房屋建筑（區）為例詳述專題要素的提取和處理方法。

2.1 基礎地理數據分析

基礎地理數據是地表覆蓋分類要素提取的重要內容。地表覆蓋分類一般利用1︰2 000比例尺地形圖數據，通過大比例尺地形圖與高分辨率航空影像疊加，生成地表覆蓋信息采集工作底圖。大比例尺地形圖數據通常以AutoCAD或MicroStation為數據編輯平臺，數據成果格式一般為*.dwg或*.dgn。

地形圖數據通常有固定的分層設色及符號標準，圖面注記的字體、大小和顏色也有明確規定，專題要素提取必須通過這些規則才能過濾不相關數據。以我單位1︰2 000比例尺地形圖數據為例，其數據格式為*.dgn，成果數據通過了拓撲檢查，但數據保存方式不是以圖層方式區分符號和注記，而是通過mslink屬性關聯方式掛接到幾何要素，通過mslink屬性值即可對不同地物類別準確區分。表1顯示了與房屋建筑（區）專題要素提取相關的mslink數值。

表1 房屋建筑（區）相關mslink屬性對應表

2.2 地表覆蓋分類專題數據提取

利用FME進行房屋建筑（區）的地表覆蓋專題數據提取，應根據dgn數據的mslink屬性對應表從地形圖中提取相關地物，再對提取后的數據進行要素構面、屬性關聯、CC碼轉換、面融合、微面剔除等處理操作，生成符合地表覆蓋分類要求的獨立房屋建筑面要素和房屋建筑區面要素。

根據mslink屬性過濾房屋建筑（區）要素時，必須加入內圖廓線要素，否則位于圖廓邊緣的房屋建筑會因為多邊形未封閉而造成丟失；內圖廓線要素也不宜通過2DBoxReplacer轉換器生成，這樣房屋要素需要跟內圖廓線進行相交處理而降低FME程序處理效率。房屋建筑的樓層信息與面要素的關聯可以通過PointOnAreaOverlayer轉換器實現。CC碼轉換時，可以根據樓層屬性通過定義參數條件實現CC碼的直接賦值。對于相鄰或包含關系的房屋要素，CC碼相同可以直接通過Dissolver轉換器實現面融合，CC碼不同則取CC碼數值較大的作為融合面的屬性值。根據相關規范要求，多層及以上獨立房屋建筑、低矮獨立房屋建筑要素，最小圖斑對應的地面實地面積為200 m2，應通過Tester轉換器對房屋要素面積進行判斷，過濾較小的獨立房屋建筑。通過FME進行房屋建筑（區）專題分類數據提取的模型見圖1。模型右側2個輸出模塊分別對應房屋建筑區和獨立房屋建筑面要素。

圖1 利用FME進行房屋建筑（區）專題分類數據提取模型

房屋建筑（區）專題分類數據提取的關鍵在于低矮或多層房屋建筑區面要素的生成，它不能通過房屋邊線直接生成，需要根據房屋建筑的密度和分布情況進行區域多邊形綜合。通過試驗，本文采用HullAccumulator轉換器對聚集的房屋建筑區面要素進行融合生成區域多邊形，即創建凹包。創建凹包原理是先將數據轉換為Delaunay三角網，然后應用alpha值，外接圓半徑大于alpha值的三角形將被丟棄，剩余三角形融合形成一個面。Alpha值越小，丟棄的三角形越多，生成的多邊形邊界更凹。通過試驗alpha值為5左右時，房屋建筑區融合可以取得較好效果。對于離散房屋建筑，融合前后不會產生變化，生成的離散面要素可以按照房屋建筑區最小圖斑面積1 600 m2的閾值進行剔除。

2.3 專題數據處理結果分析

為驗證本文提出的房屋建筑（區）專題分類數據提取模型的效率和準確程度，本文針對不同區域、不同建筑樓層以及不同的建筑密度和排布規律的房屋建筑數據進行實驗。圖2和圖3分別顯示了獨立房屋建筑和房屋建筑區進行數據處理前后的結果，圖中黑色線劃和注記為原始1︰2 000地形圖的房屋建筑邊線和樓層信息，紅色線劃和注記對應地表覆蓋分類處理的面狀要素和CC代碼值。

圖2中獨立房屋建筑要素和CC代碼均可以得到正確的提取，獨立房屋周邊的錯層房屋與主體房屋建筑得到了正確融合，圖中有2個1層的獨立房屋因面積小于200 m2被剔除，符合地表覆蓋分類處理的要求。圖3中房屋建筑區的面要素邊線也得到了較好的處理，該結果在城郊結合部的房屋建筑聚集的區域優勢相當明顯，可顯著提高房屋建筑區的綜合處理效率。但是圖3也暴露了單一專題數據提取的不足。圖中沿道路分布的房屋聚集區域，面邊線與道路邊線不重合將產生大量不合理碎面，此時應以道路邊線為主，通過修改房屋建筑區靠近道路一側的多邊形邊線使之分類處理合理，因此多要素相交區域的處理仍需具體情況具體分析。

圖2 獨立房屋建筑面要素處理前后結果

圖3 房屋建筑區面要素處理前后結果

3 結 語

本文通過FME進行地理國情普查中地表覆蓋分類專題要素提取，可以充分發掘現有地理數據資料的價值，有效改善目前人工地表分類解譯方式的不足，提高作業效率。通過實際生產應用，該方法在航空影像和地形圖資料的現勢性相同或相近時，對于無軌路面、水域和房屋建筑（區）等地物類別，其處理結果通過矢量與柵格數據疊加對照核實后，即可滿足地表覆蓋分類的成果要求；對于地形圖現勢性不足的區域，房屋建筑區、水域等專題數據提取和處理結果也可以在AutoCAD等軟件中經過簡單的編輯滿足變化區域更新的分類需要。

與常規地表覆蓋分類解譯方式相比，本文方法利用現有大比例尺地形圖資料能夠顯著提高地表覆蓋分類的幾何精度。通過FME實現CC代碼的自動分類，防止人工屬性賦值產生錯誤，提高了數據質量。通過數據的批量處理，提高了生產效率，縮短了作業周期，同時最大程度地減少了重復工作，可以為地理國情普查和地理國情監測工作提供重要的技術保障，具有廣泛的應用前景。

[1]GDPJ 03-2013.地理國情普查數據規定與采集要求[S].

[2]羅名海. 武漢市地理國情普查的基本思路[J]. 地理空間信息，2013,11 (6)：1-2

[3]洪亮，張凱，車風，等. 淺析湖北省第一次全國地理國情普查實施方案[J]. 地理空間信息，2013,11 (5)：10-14

[4]王寶山，張力仁，張俊. 淺談地理國情普查項目成果的質量控制關鍵點[J]. 測繪與空間地理信息，2013 (9)：224-226

[5]董冬，龔偉. 淺談地理國情普查基本要素內容[J]. 測繪與空間地理信息，2013 (8)：199-201,206

[6]陳影，程耀東，閆浩文. 利用FME進行GIS數據的無損轉換[J]. 測繪科學，2007 (2)：75-77 ,179

[7]李瑞霞，楊敏，鄧喀中. 基于FME的GIS到CAD數據“無損”轉換[J]. 測繪通報，2009 (5)：55-59