基于GF-1 影像的建筑信息提取及變化檢測研究：以草海國家自然保護區為例＊

秦 倩，任金銅，2

（1.貴州工程應用技術學院生態工程學院，貴州 畢節 551700；2.貴州省典型高原濕地生態保護與修復重點實驗室，貴州 畢節 551700）

草海國家自然保護區位于貴州省威寧彝族回族苗族自治縣，擁有完整、典型的高原濕地生態系統[1]。近年來，草海保護區受到人類活動，特別是城鎮化的影響，導致其生態環境問題加劇，嚴重影響了黑頸鶴等珍稀瀕危物種的生境。

隨著衛星遙感技術的發展，基于衛星遙感影像的建筑物信息提取和變化檢測研究越來越受到重視。方圣輝等[2]根據建筑物的邊緣特征結合影像灰度特征，采用Canny 算子對建筑物信息提取；朱俊杰等[3]提出了應用幾何特征等對建筑物進行信息提取方法；李海霞[4]對高分辨影像提取了最優特征子集，完成研究區遙感分類；胡茂瑩[5]對影像特征進行對比優選，成功提取了建筑物信息；朱姝[6]提出了一種結合影像多特征與K均值分類思想對建筑物信息進行提取；VU 等[7]利用面向對象方法對快鳥影像建筑物進行提取。在變化檢測方面，張永梅等[8]提出結合像素級和特征集的建筑物變化檢測；劉小洲[9]應用紋理差值變化檢測方法對建筑物進行變化檢測研究；汪閩等[10]提出了一種多特征結構相似度的變化檢測方法，提高了變化檢測的適用性。

本文基于高分一號（GF-1）影像數據，運用面向對象的分類方法以及變化檢測方法，提取草海保護區建筑信息，并進一步開展變化檢測分析，以期為草海國家自然保護區的生態環境問題保護與城市規劃提供參考。

1 研究區與數據預處理

1.1 研究區概況

草海國家自然保護區位于貴州西部威寧彝族回族苗族自治縣縣城西南側，保護區總面積9 600 hm2。草海湖是貴州最大的天然淡水湖，1985 年經貴州省人民政府批準建立自然保護區，主要保護對象為黑頸鶴及高原濕地生態系統[11]。草海具有豐富日照、冬季溫暖干燥夏季涼爽濕潤等獨特的高原氣候特征，平均年降水量950.9 mm，是中國為數不多的亞熱帶高原濕地生態系統自然保護區[12]。

1.2 數據來源與預處理

本研究使用的遙感影像數據為國家高分辨率對地觀測系統首發星GF-1，影像獲取時間分別為2015-11-07 和2020-02-20，影像包含4 個分辨率為8 m的多光譜波段和1 個分辨率為2 m 的全色波段，數據來源于高分辨率對地觀測系統貴州數據與應用中心。

本文利用PIE-Basic 6.0 對研究區兩期的GF-1 遙感影像數據進行輻射定標、大氣校正、正射校正、幾何精校正、影像融合、圖像裁剪等影像預處理，消除影像變形，使影像更符合地面真實情況，以便于建筑物信息的提取及變化檢測。

2 研究方法

2.1 面向對象的影像分類方法

面向對象的影像分類方法是將一系列同質的影像對象合并成一個對象，不僅利用了影像對象的光譜信息，還加入了紋理、形狀、大小、陰影等信息，將同質的對象合并在一起的分類[13]。相比基于像元的分類方法，面向對象的影像分類方法充分利用影像特征，使得影像具有更好的分類效果[14]。面向對象的影像分類方法主要包括影像分割、設置形狀因子和緊致度因子等過程。

2.2 變化檢測方法

變化檢測是不同時間同一區域地物變化的過程，變化檢測方法有分類后比較法和直接比較法，直接比較法由于前后時期影像容易造成大量的偽變化區域。因此本文采用分類后比較法對建筑物的特征進行變化檢測[15]。

2.3 精度評價

本文利用常用的總體精度系數（Overall Accuracy）和Kappa 系數2 個評價指標檢驗分類結果的精度。Kappa 系數是一種用于檢驗分類結果與實際地物空間對應的一致性和可信度的一種評價指標，綜合考慮了混淆矩陣中被正確劃分的像元和錯分、漏分的像元，能夠反映出分類效果的優劣。

總體精度系數和Kappa 系數評估指標的含義、數學表達式如表1 所示。

表1 遙感影像分類結果精度評估指標

3 結果與分析

3.1 土地覆蓋分類結果

本研究以草海保護區GF-1 遙感影像為數據源，基于面向對象分類方法得到研究區土地覆蓋分類，分類的結果如圖1 所示。從圖1 中可以看出研究區建筑物主要位于草海保護區的東北部，即威寧縣的老縣城；耕地和植被占比較高，水體主要集中在研究區的中間部分。

圖1 2015、2020 年研究區土地利用分類結果

通過對研究區土地覆蓋分類結果進行精度評價，得到分類結果精度表，如表2 所示。

表2 土地覆蓋分類精度評價

由表2 可知，2015 年研究區土地覆蓋分類結果的總體精度和Kappa 值分別為81.38%、0.701 9，2020年研究區土地覆蓋分類結果的總體精度和Kappa 值分別為82.59%、0.703 5。兩期分類結果總體精度均在0.8以上，Kappa 系數達到了0.6 以上，表明面向對象分類結果較合理且滿足后續的建筑物提取及變化檢測。

3.2 建筑物提取及時空變化特征分析

基于分類后土地覆蓋信息提取研究區建筑物信息并進行格式轉換，轉換為shapefile 格式，如圖2 所示。從圖2 中可看出研究區建筑物圍繞草海湖區分布，2020 年草海保護區建筑物分布相比2015 年較為密集，主要表現在威寧縣主城區及西部建筑物分布明顯增加。

圖2 2015、2020 年研究區建筑物提取結果

從空間分布來看，草海保護區范圍內的建筑物整體呈擴張趨勢，2015—2020 年，研究區建筑物面積凈增長為120.06 hm2，平均每年增長24.01 hm2，并且主要增加在主城區以及農村主要宅基地周圍。從空間變化來看，城區變化趨勢與交通道路有關，且沿交通道路增加；減少情況主要在研究區范圍的西部以及東南部，如烏龍灘、松坡山、老關山、張家巖頭4 個村周圍建筑物明顯減少。

3.3 建筑物變化檢測分析

基于兩期影像解譯的研究區土地覆蓋成果，制作研究區土地覆蓋轉移矩陣，如表3 所示。由表3 可知，研究區建筑物轉出面積為258.60 hm2，主要轉出為耕地、植被和道路，其中50.11%轉化為耕地，23.28%轉化為植被，18.78%轉化為道路。建筑物轉入面積為378.66 hm2，建筑物的增加其中主要由植被和耕地轉入，植被和耕地轉入面積分別為177.08 hm2、145.05 hm2，轉入占比分別為46.76%、38.31%，水體轉入占比最少，為0.44%。

表3 草海研究區土地利用轉移矩陣（單位：hm2）

通過對兩期土地覆蓋成果的土地覆蓋結構進行分析，得出研究區土地利用結構表，如表4 所示，其中，數據正值為地物增加情況，負值為地物減少情況。從表4 可看出，建筑物總面積整體呈現增加趨勢，由2015年的720.50 hm2增長到2020 年的840.57 hm2，建筑物凈增值為120.06 hm2。

表4 研究區土地利用結構表（單位：hm2）

4 結論與討論

本研究基于GF-1 遙感影像，結合研究區地物的光譜、形狀、紋理、陰影等特征，運用面向對象的分類方法對草海研究區的建筑物進行分類提取，并對提取結果進行變化檢測，得出以下結論。

GF-1 遙感影像的高分辨率便于快速有效地分辨地物類型，并有助于建筑物信息提取及變化監測的研究，使用GF-1 遙感影像作為數據源能夠取得較好的目標地物解譯效果。

本研究使用面向對象的分類方法整體分類效果較好，2015 年和2020 年的總體分類精度分別為81.38%和82.59%，Kappa 系數值分別為0.701 9 和0.703 5。分類精度結果表明，面向對象分類方法運用于高分辨遙感影像具有較好的地物分類效果。

2015—2020 年，草海保護區范圍內的建筑物轉入面積大于轉出面積，且建筑物的總體面積呈擴張趨勢，建筑物凈增值為120.06 hm2。2015—2020 年，研究區建筑物轉入面積為378.66 hm2，建筑物的增加其中主要由植被和耕地轉入，轉入面積分別為177.08 hm2、145.05 hm2，建筑物面積轉出258.60 hm2，主要轉出為耕地、植被和道路；轉出面積分別為129.59 hm2、60.20 hm2、48.57 hm2。

本研究根據GF-1 遙感影像高分辨率的優點，對建筑物進行面向對象分類提取及變化檢測，整體效果較好。但研究僅僅使用一種方法進行建筑物的分類提取，其分類結果存在錯分、漏分等情況，下一步將對比其他分類方法，以最優分類結果進行變化檢測研究。