華東平原區居民地遙感特征分析及提取方法研究

苑惠麗，余艷玲，李吉英，陳文君

(1.金陵科技學院建筑工程學院，江蘇 南京 211169； 2.廣西水產科學研究院廣西重點實驗室，廣西 南寧 530021；3.濱州學院建筑工程系，山東 濱州 256600)

1 引 言

居民地是人與自然相互作用的產物，是人類因生產和生活需要而集聚定居的場所，包括房屋建筑物，以及與居住直接相關的其他生活設施(如道路、公共設施、園林綠化、港站等)和生產設施。居民地遙感信息提取在國土資源管理、環境監測、地質災害應急等領域具有重要的研究意義，尤其是現階段中國城鎮化建設過程中城市用地迅速擴大的情況下，準確提取居住用地信息對科學合理進行城鎮規劃，控制城鎮用地規模具有十分重要的作用。

目前提取居民地的常用方法主要是利用影像的光譜特征構建各種建筑指數提取，或利用光譜特征進行樣本的快速選取等方面[1～4]。然而單純基于光譜知識的居民地信息提取易受混合像元、同物異譜和異物同譜現象的困擾，存在嚴重的“椒鹽現象”[5]，隨著面向對象方法的廣泛應用，綜合應用遙感圖像的光譜特征和幾何特征進行居民地提取成為可能[6～9]。面向對象的分析方法關鍵在于影像分割尺度的確定和信息提取指標的選擇。分割尺度的大小決定了分割后對象的輪廓貼近地物的真實形態，合適的分割尺度能最大限度地減弱過分割和欠分割現象。此外，我國沿海地區農村居民地具有與內陸完全不同的分布特點和影像特征，在利用遙感影像進行信息提取過程中分割尺度及提取指標也有不同，而以往文獻中少有介紹和分析。

本研究擬利用中分辨率遙感影像Landsat 8 OLI數據，以華東平原區居民地為研究對象，探究內陸和沿海居民地各自具有的獨特地理分布特點和影像特征，充分利用居民地的光譜和幾何特征，采用面向對象的影像分析方法進行居民地信息提取研究。

2 華東平原區居民地遙感影像特征

2.1 遙感圖像目視特征

平原區居民地分為農村居民地和城鎮居民地[10]。農村居民地主要是由房屋、房間空地、道路、村內零星樹木及村周圍較連片的樹木組成。房屋主要為低矮樓房和平房，居民地四周一般為農田，部分居民地周圍有水塘、溝渠，居民地之間有道路連通。

因此，在中分辨率遙感影像上，農村居民地的像元多為混合像元，其遙感信息是由房屋、房間空地、道路、零星樹木及水塘等對電磁波的反射和輻射等混合而成。平原區農村居民地一般具有集中分布、數量多、面積相對較大、形狀較為規整以及與周圍農田有較好的區分度等特點，影像上較易識別。按照分布情況，平原區農村居住地又有內陸和沿海之分。內陸的平原區農村居民地一般呈簇、團狀分布，周圍農田多為旱地，如江蘇安徽北部地區(圖1a)；沿海的平原區農村居民地一般沿溝渠或道路分布，呈條狀，多分布于東部沿海，周圍農田多為水田，因房屋寬度的影響，在 30 m分辨率的影像上，與房屋前后的農田或溝渠、道路形成混合像元，導致其光譜特征不明顯，不易識別(圖1b)。

圖1 華東平原區居民地影像特征

城鎮居民地主要由房屋、道路、綠地及房間空地組成。房屋為樓房， 30 m分辨率的遙感影像上樓房的陰影不明顯。房間空地和道路多為水泥地面，光譜特征與房屋近似，具有建筑物的特征，不易識別。綠地范圍較大時，在影像上可以分辨；大部分情況下分布零散、面積較小，與建筑物等組成混合像元。城鎮居民地一般具有集中分布、面積較大及與周圍農田有較好的區分度等特點，影像上較易識別。除此之外，緊鄰城鎮居民地的周圍可能分布有一定面積的工業用地，亮度較高，較易區分。

2.2 遙感圖像光譜特征

為了分析不同類型地物在光譜特征上的可分性，在經過輻射定標、大氣校正、幾何精校正的Landsat 8 OLI影像(獲取時間：2018年4月17日)上選取典型地物測定其在多光譜波段的亮度值，考慮平原區的實際情況和地類的光譜特性，選取主要地物類型統計光譜均值，光譜曲線如圖2所示。可以看出，各類地物的反射特性在各個波段上是不一致的。因為有了綠色農作物的覆蓋，耕地表現出了與其他地物明顯不同的特征，雖然在第1～第4波段上與水體接近，但在第5波段近紅外波段上反射率最高；居住地和道路各波段的反射率值都較為接近，沒有明顯的區分度。可見，僅利用光譜信息進行分析，難以將居民地從背景地物中精確地提取出來，這也是利用光譜特征提取居民地信息的難點。

圖2 平原區主要地物光譜采樣均值曲線圖

2.3 幾何特征

內陸和沿海的城鎮居民地具有相似的幾何特征，而農村居民地則有明顯的不同。內陸研究區影像經過分割，團狀的居民地被分割出來，與周圍地物的分割形狀有明顯區別如圖3(a)所示。由于分辨率的限制與道路本身的寬度，道路呈現細小長條狀，長度遠大于寬度，寬度變化小，多為1～2個像元。研究統計發現對于線狀的道路，當分割尺度為25時，道路Length/Width大于3.5，而且Density小于2。因此，利用幾何特征有助于區分有相似光譜特征的內陸居住地和道路。沿海地區的農村居民地分割后呈長條狀，幾何特征明顯(圖3b)。與內陸研究區不同，因房屋單排建設，靠近道路或溝渠，30 m分辨率使其分割過程中歸為同一對象內。

圖3 華東平原區居民地幾何特征

3 數據與方法

3.1 研究區概況

安徽省渦陽縣和江蘇省鹽城市鹽都區分別代表了內陸和沿海兩種情況下的平原區居民地類型。安徽省渦陽縣位于皖北地區，地處亳州市中心地帶，位于北緯33°27′～33°47′，東經115°53′～116°33′，面積 2 107 km2，總人口155萬。屬于暖溫帶半濕潤大陸性季風氣候，縣境地勢平坦。土地利用類型以耕地地為主，耕地面積 1 311 km2。

江蘇省鹽都區位于蘇北地區鹽城市區西南部，地處北緯33°20′，東經129°9′，總面積 1 018 km2。東西寬，南北窄，呈不規則的長條形。境內有豐富的土地資源和水資源，全區地勢平坦，河網密布。具有明顯的季風氣候特點，四季分明。

3.2 遙感影像及分類驗證數據

影像時相的選擇是影響提取精度的一個重要環節，對于平原區居民地而言，一般選用4月～5月初這個時期的遙感影像進行居民地的提取[10]。此時耕地的植被特征明顯，分布于居住地周圍的落葉林還沒有覆蓋掉居民地，可以用植被指數完全將耕地區分開。

因此，選取Landsat 8 OLI(Operational Land Image)L1級標準產品為數據源(表1)，內陸居民點研究區數據來源于2018年4月17日獲取的影像，沿海居民點研究區數據由2018年4月28日和2018年4月19日獲取的兩景影像拼接而成，三景均為無云影像，該級別數據產品使用地面控制點和數字高程模型數據進行了幾何校正，坐標精度能滿足本研究要求；分類精度的驗證與評價，使用2016年7月獲取的研究區行政村數據，渦陽縣有501個，鹽都區有796個。

研究區選取數據源 表1

3.3 方法

在利用遙感影像進行信息提取前，利用ENVI 5.3的輻射定標模塊對Landsat 8影像進行輻射定標，并結合Landsat 8的光譜響應函數，利用該平臺的FLAASH校正模塊進行大氣校正。

3.3.1 面向對象分析方法

當前我國的各個企業在管理的過程中，應用的管理模式還處于初級階段，在一些經濟活動中，具體的事務處理還存在著不完善的部分，企業需要通過不斷創新，引進先進的信息技術，將內部的管理制度制訂落實，合理規避企業經營活動中的風險項，讓企業能夠在保證資產的合法整合的情況下，提升企業的經濟效益，推動企業利益的最大化，是企業基于經濟效益和生產經營共同作用下的發展途徑，所以，完善企業的內部控制管理是企業能夠長期可持續發展的必然階段。

影像分割是面向對象信息提取的第一步，分割的尺度以及生成對象合適與否將直接影響遙感信息提取的精度。本文根據影像數據的分辨率和應用目的，基于試驗對比獲得最佳分割尺度參數。在分割時遵循以下兩個原則：①在滿足必要的精細條件下，盡量以最大可能分割尺度來區分不同的影像區域獲得影像對象；②在滿足必要的形狀標準前提下，盡可能采用顏色標準，即光譜因子[5]。

影響生成對象的分割因子主要是影像波段權重(Image Layer weights)、分割尺度(Scale parameter)以及均質因子，包括形狀因子(Shape)和緊致度因子(Compactness)。本研究采用最佳指示因子和基于面積的方法對分割參數進行試驗和選擇。

(1)

式中Si為第i波段的標準差；Rj為任意兩個波段之間的相關系數，OIF表示波段組合的信息量，OIF越大，表示組合信息量越大，波段之間的組合越優。

3.3.2 提取特征指標選取

(1)歸一化指數法。最著名的是歸一化植被指數NDVI(Normalized Difference Vegetation Index)。

(2)

式中，ρn為近紅外波段的反射率，ρr為紅波段的反射率；該指標能夠有效地剔除居民地周圍的農田信息。對于成團狀的內陸平原區居民地，可以用植被指數完全將耕地剔除；對于成條狀的沿海平原區居民地，將植被指數閾值調低，之后再建立區域進一步提取。

(2)幾何特征指標

從平原區居民地的分布特點可以看出，平原區居民地的空間分布具有明顯的規律和區域差異，如內陸農村居民地四周一般為農田，沿海的農村居民地一般沿道路、溝渠分布，因此可以利用居民地與其他類間的鄰接關系進行識別；另外，居民地的形狀特征明顯，內陸地區表現為近圓形，沿海地區為長條形，因此可以利用形狀指數進行提取，形狀指數I的定義如下[11]：

I=S1/2/P

(3)

式中，I為形狀指數，S為圖斑面積，P為周長。圓的形狀指數大于0.25，長條形的形狀指數小于0.25。

綜上所述，首先，利用影像數據的第四波段及亮度特征剔除濕地信息；然后根據NDVI值將耕地信息盡可能剔除；最后根據形狀指數將居民地信息提取出來，得到居民地分布情況(圖4)。分類閾值的確定，根據特征指標的分布直方圖找出近似閾值，在此基礎上進行微調(±0.01)，結合目視結果確定閾值。

圖4 華東平原區居民地信息提取流程

4 結果與討論

4.1 分割波段選取

Landsat 8 OLI陸地成像儀的波段1～7和波段9為多光譜波段，空間分辨率為 30 m，波段8為全色波段，空間分辨率為 15 m。波段1主要用于監測近岸水體，因此不需要用波段1。研究區遙感影像無云層覆蓋，所以也不需要用于卷云監測的短波紅外波段9。對其余波段做相關性分析發現(表2)，波段1、2、3，波段6、7的相關性很強，其他波段之間的相關性相對較弱。因此避免信息冗余在1、2、3波段之間選擇一個波段，6、7之間選擇一個波段是比較合適的。

Landsat-8影像各波段間相關性矩陣 表2

參與圖像分割波段數量和構成情況通過計算不同波段組合的OIF指數獲得，研究發現，隨著組合波段數量的增多，OIF有下降的趨勢[12]，因此，本文選取三個波段的組合計算OIF值。如表3所示，對于內陸居民地研究區(245)波段組合包含的信息量最大，說明這三個波段的組合最優。故在OIL影像分割中波段權值的選擇為2、4、5分別設置為1，其他波段權重為0參與分割。同樣，沿海居民地研究區(456)波段為分割波段。

對于產生影像對象的加權影像層，尺度參數定義了均一性準則的最大標準差。尺度參數越大，產生的對象越大。本文以5為尺度間隔，以5～90為尺度范圍對影像進行分割實驗，得到影像分割尺度與對象數目的關系，如圖5a所示。當分割尺度為5～20時，對象數目隨分割尺度的增大而急劇減少；當分割尺度大于45時，對象數目隨分割尺度增大的變化不明顯；且分割尺度在45～55之間時，分割對象的最大面積沒有變化(圖5b)。對象數目急劇變化，說明此時的分割尺度不適合任何地物的提取；對象數目幾乎沒有變化，說明分割結果已趨于穩定，因此本文確定分割尺度參數范圍為20～45。

為了得到提取居民地信息所需的最優分割尺度，本文以2為尺度間隔，以20、22、…、46等14個尺度進一步分割后統計分割對象的數量和最大面積，得到圖5(c)和圖5(d)，確定影像中居民地的最優分割尺度為25。同樣的方法，確定沿海居民地影像的最優分割尺度為30。

Landsat-8不同波段間組合OIF指數 表3

圖5 內陸研究區分割對象數量和最大面積隨尺度變化關系

4.2 居民地提取及驗證分析

采用面向對象的影像分析方法，根據2中確定的提取光譜和幾何特征指標進行安徽省渦陽縣和江蘇省鹽都區的居民地信息提取。提取結果如圖6所示：

圖6 居民地提取結果圖

將提取出的居民地信息與原影像進行疊加，從目視上看，居民地信息均被提取出來，總體效果較好；統計結果發現，渦陽縣居民地面積為 262 km2，與實際居民地面積 243 km2相比，多提取8.6%；結合野外實地采樣數據進行精度驗證，安徽省渦陽縣居民地信息提取精度達到94.8%，江蘇省鹽都區居民地信息提取精度達89.3%(表4)。

居民地信息提取精度評價表 表4

從圖7(a)可以看出，Landsat 8 OIL數據542波段組合假彩色顯示的內陸農村居民點周圍，有很明顯的林地分布，寬度約0～3個像元，分辨率導致部分像元為混合像元，上覆有林地的居民地與完全林地分布區域區分不明顯，分割時尺度的選擇和分類閾值的確定都會影響這個區域的類型劃分，從而影響居住地提取精度。另外，研究發現，4月份影像上河流兩側耕地與其他區域比較，濕地特征明顯，NDVI值較低，無法以同一個閾值進行耕地剔除，利用近紅外波段能夠有效地將這一部分耕地剔除。

鹽都區居民地提取精度較低的原因主要在于該區居民地成條狀分布，寬度較小，受周圍環境影響較大，中分辨率影像上多為混合像元，分割得到的條狀對象中有房屋、道路，甚至溝渠(圖7b)。因此，在用居民地野外采樣點驗證與提取的居民地面積驗證相比較時，顯示精度較高。

圖7 居民地與鄰近地物分布情況

5 結 論

本文在分析了華東平原區內陸居民地和沿海居民地視覺特征、光譜特征和幾何特征的基礎上，構建了平原區居民地信息的提取模式，并進行了驗證討論。結果如下：

(1)華東平原區居民地在內陸和沿海有明顯不同的分布特點，內陸居民地聚集在一起，成團狀分布，周圍為農田；沿海居民地一般沿溝渠或道路分布，成條狀。

(2)通過分析影像波段間的相關性和統計組合波段的OIF指數，內陸居民地研究區確定542三個波段參與分割，沿海居民地確定456三個波段；根據分割對象數量和最大面積隨尺度變化的特點，確定內陸居民地最優分割尺度為25，沿海居民地研究區最優分割尺度為30。

(3)面向對象的影像分析方法貫穿于整個研究過程，包括分類指標的提取以及分類規則集的建立。綜合利用居民地的光譜和幾何特征提取居民地信息，有效地避免了“椒鹽現象”，提高了分類精度。