利用GF-6影像结合国土“三调”开展西部地区县域自然资源调查

利用GF-6影像结合国土“三调”开展西部地区县域自然资源调查

万碧

四川省地质调查研究院测绘地理信息中心

摘要:对自然资源进行调查和变化监测是确保资源得到分类管理、保护和合理使用的关键，这对于建立国土空间规划体系、改革资源管理体制、现代化空间治理能力以及推进国家生态文明建设都具有深远的影响。随着遥感技术的不断发展，高分辨率卫星遥感数据越来越多地用于土地利用现状调查与变更调查中，并发挥着不可替代的作用。我国的西部地域辽阔，但土地的基本数据并不充足，导致地类变化的检测不够可靠。目前，遥感技术作为一种先进手段被广泛应用于土地利用动态监测中，但由于受设备性能及操作水平影响，其结果往往不能满足实际需要。鉴于此，我们依托国产高分六号（GF-6）卫星影像资料，并与第三次全国国土调查（简称“三调”）的深入研究成果相结合，于四川省叙永县地区开展了西部快速发展区域乡村土地智能调查技术的实践应用示范。

关键词：自然资源调查；监督分类；变化监测

引言：自然资源作为社会经济发展的关键物质基础，通过对其进行全面的调查和监测，了解其总量、地理分布、种类以及动态变化情况，对于国家在制定经济和社会发展的重大战略规划方面具有至关重要的影响。高分辨率的遥感技术是目前迅速、即时和精确地检测土地使用变化的关键工具之一，它具有显著的应用潜力，技术水平持续上升，为自然资源的调查提供了坚实的技术支撑[1]。由于西部地域主要是山地和丘陵地形，其地形和地貌相当复杂，因此传统的测绘方法受到了很大的制约，特别是在范围较广的区域，这些方法并不适用。近年来随着遥感技术发展及新算法研究的不断深入，高分辨率卫星影像逐渐进入人们视野。在自然资源调查中，高分辨率的遥感数据得到了广泛地应用，这极大地提高了自然资源动态监测的效率和准确性。

一、研究区概况

叙永县的地形主要为中山和低山，拥有广大的地域面积。由于山区地形的多变和起伏，进行测绘工作变得尤为困难；同时，由于历史原因，部分地区交通不便，给当地资源调查带来了不便。由于气候条件的影响，叙永县的日照时间相对较短，容易形成云雾，这可能导致遥感图像中的细节信息丢失，从而影响图像的准确解读。此外由于地表植被覆盖情况复杂多样，导致传统遥感技术难以对其实现精准识别和分类，给土地资源调查带来了极大不便。因此，在叙永县进行高效的自然资源调查面临着相当大的挑战。

二、研究方法

1、数据预处理

对多光谱图像进行辐射校准，将这些数据转化为辐射亮度数值，并借助FLAASH模型对这些多光谱图像进行了大气矫正。在此基础上通过波段合并方法去除地物噪声和植被影响，最后采用加权平均法实现了多通道影像融合和裁剪操作。在处理全色影像时，可以选择不进行大气校正，这样辐射定标可以直接将数据转化为大气表观反射率，并且这一数值将被扩大10000倍，以确保与经过大气校正的多光谱影像保持相同的量纲。这样可提供更加灵活和高效的影像处理选项。为了消除因波段间差异导致的误差，在计算时分别考虑了不同类型地物之间以及同一类型地物内部像元之间的相关性，以提高分类精度。在对两种影像进行正射校正时，由于GF-6拥有有理多项式系数（rational polynomial coefficient RPC）的信息，因此采用有理函数模型被认为是最优选择[2]。

为了提高图像间差异较大区域的清晰度，在配准时使用了一种改进的基于特征点约束的双向最小二乘算法，该算法能够有效地去除冗余控制点。之后，经过对影像进行精心的镶嵌与裁剪处理，我们运用直方图匹配技术，对两幅影像进行了色彩平衡调整，以确保它们在色调上的一致性。这一步骤是实现多景影像无缝拼接的关键，确保了相邻影像之间的自然过渡和整体协调性。为了保证配准精度，需要使用亚像素级定位算法来完成对二值图像边缘的精确定位。采用行政区划边界的矢量文件来执行不规则的图像裁剪工作。

2、遥感影像监督分类

监督分类方法是基于已有的样本种类和类别的先验知识，来确定相应的判别函数和判别标准。在遥感影像中，图像像素具有不同的特征信息，如光谱、纹理等，这些特征可以由大量已知的样本来描述。在进行监督分类时，我们采用了最小距离法。此类方法计算时间较短，非常适合于迅速且高效地分类工作。

鉴于合并后的单景GF-6影像未能实现对叙永县全域的全面覆盖，故需采取影像镶嵌措施。具体步骤包括将相邻多景GF-6影像进行精确拼接，随后进行影像裁剪，以确保仅保留与研究区域相关的影像部分，从而确保数据的有效性和准确性。接下来，我们使用多尺度分割技术对图像进行了划分，成功地从二维图像信息阵列中复原了所描绘的景观场景中目标地物的空间形态及其组合模式。经过精心挑选样本和训练样区后，构建了一个特征空间，该空间融合了对象的固有属性、拓扑属性以及上下文属性；在此基础上，利用决策树算法建立分类器，实现了基于特征描述子的分类过程。最后，对各个类别进行了可行性评估，并执行了监督分类，同时也进行了统计分析。

仅仅依赖影像分类技术很难达到预期的提取效果[3]。基于以上问题，提出了一种结合监督学习和机器视觉的新技术——动态阈值法，该方法能有效克服传统算法存在的不足。目前，通过实施“三调”等项目，我们已经能够获取自然资源的精确分布图。考虑到在相对较短的时间里，只有很少的要素类别会发生变动，因此在自然资源调查中，我们只需对其中的少数变动要素进行分类。从另一个角度看，现有的“三调”图斑为遥感图像分类提供了更为精确的边界划分和大量的分类样本，这有助于增强变化元素的分类准确性。

3、变化检测

首先，采用多种数据源来自动进行土地利用变化的监测。通过分析前时相的土地使用数据，我们能够自动地从后时相影像中提取像素级的训练样本，并据此进行自动化的像素级图像分类；通过将后时相的分类结果与前时相的土地利用数据进行比较，系统能够自动识别出变化的区域；在此基础上，结合地物特征和遥感图像自身信息，采用基于监督分类法提取出可能存在于变化区域中的不变点或不变量，作为最终的对象识别依据。通过实施多元变化检测变换（MAD），我们能够针对前后两个时间点的影像进行细致的分析。利用经过MAD变换的影像，我们可以自动设定阈值，从而精准地消除伪变化现象[4]。在此基础上，我们进一步对变化的区域进行面向对象的分类，并精确地确定这些变化区域的具体类别。在进行面向对象分类时，我们充分利用了土地利用数据的矢量边界，将其作为分类的边界先验限制，这有助于提升图像分割的质量；针对不同类型地物提取相应不变特征信息和纹理属性，建立各类别对应的特征向量空间，实现了对象之间的相似性度量及聚类处理，运用最近邻算法来精确判定变化区域图斑的新类别归属。

结论

高分辨率的遥感技术能够广泛、24小时、高效率地捕获地表数据，真实地展现自然资源的实时变动，其监测范围广泛且成本相对较低，被认为是目前自然资源调查和监测的主要技术方法之一。对于高分辨率的遥感图像，实施对自然资源的系统性自动分类与动态监测，这主要涉及分类系统和分类器的设计、样本的自动采集和细化、地物的识别、伪变化的排除以及变换图斑的自动提取等关键环节。通过分析研究，提出一种基于面向对象的高分辨率遥感影像资源信息源自动提取及变化检测方法，并以四川省为例进行实验验证。所取得的研究成果为西部地区大规模、高效地进行自然资源的调查、监测和评估提供了一套自动化和高效的地物识别与提取技术。

参考文献：

[1]张颢骞.高分遥感影像在第三次全国国土调查中的应用价值分析[J].建材与装饰,2019(32):241-242. 

[2]王志伟,杨国东,张旭晴,等.高分六号卫星遥感影像不同几何校正方法精度对比研究[J].世界地质,2021,40(1):125-130,139.

[3]尤淑撑,张 锐,董丽娜,等.自然资源卫星遥感常态化监测框架设计及关键技术[J].地理信息世界,2020,27(5):115-120,128.

[4]赵展,夏旺,闫利.基于多源数据的土地利用变化检测[J].国土资源遥感,2018,30(4):148-155.doi:10.6046/gtzyyg.2018.04.22.