卫星遥感影像中耕地信息的自动提取方法研究.doc

文章编号 :1000 - 0690 (2001) 04 - 0224 - 06卫星遥感影像中耕地信息的自动提取方法研究 3赵庚星1 ,窦益湘2 ,田文新3 ,张银辉1(1 . 山东农业大学资源与环境学院 , 山东 泰安 271018 ; 2 . 山东省土地管理局 , 山东 济南 250014 ;3 . 山东地勘局遥感中心 , 山东 济南 250011)摘要 :以县 (市区) 为基本单位 ,采用遥感图像处理 ENV I3 . 2 软件和 TM 资料 ,进行了 7 个县 ( 市区) 10 个时相的耕地信息自动提取技术研究 。结果证明 ,选择春季时相 , TM 432 波段合成 ,经几何校正和增强处理 ,通过交互的非监 督分类提取耕地信息 ,可以获得满意的结果 ,平均分类精度达到 98 . 22 % 。关 键 词 :卫星遥感 ; 耕地 ; 信息 ; 自动提取中图分类号 :407 . 8文献标识码 :A耕地是人类生存必不可少的基本资源 “, 合理利用每寸土地 ,切实保护耕地”是我国的基本国策 。随 着我国人口的增加和国民经济的发展 ,耕地面积一 直呈现为逐步减少的趋势 ,从而给农业发展和人民 基本生活带来威胁 。在此情况下 ,1996 年原国家土地管理局 、1997 年中共中央第 11 号文件和 1998 年 新的土地管理法都明确提出了耕地总量动态平衡 目标1 。要想实现这一目标 ,达到耕地资源的可持 续利用 ,就必须及时了解耕地资源状况及其变化情 况 。因此 ,快速准确地提取耕地信息成为实现这一 目标的重要基础 。从卫星遥感图像中提取耕地等土地利用信息的 方法可以归纳为三种类型 ,一是由计算机自动完成 , 主要以光谱数据提取与土地利用相关的特征参数 , 设计相应的分类模型 , 达到分类的目的2 5 ; 二 是 人工目视解译方法 ,运用专家知识实施综合解译 ;三则是人机相互结合的交互式解译方法 ,由此提高解 译的效率和精度6 ,7 。当前专门针对县 ( 区) 单位的 耕地信息卫星遥感提取方法的系统研究尚不多见 。 本文采用卫星遥感技术 ,以县 (区) 为基本研究单位 , 采用专门的遥感图像处理 EN V I 3 . 2 软件 , 对卫星遥感耕地信息自动提取方法进行了研究 ,以期探索 准确 、可操作性的县级耕地信息提取方法 。11 . 1信息源的准备遥感信息的准备综合考虑各类型遥感资料 , TM 资料具有较高的光谱分辨率和较高的地面分辨率 。首先 ,我们广泛搜集了各时相 、各种形式的 TM 遥感信息 ,同时考虑数 据的完整和可比性 ,为保持行政区划单位的完整 ,以 县 (区) 为基本研究单位 。根据不同的地区特点筛选 确定了内陆 、滨海等有代表性的研究区域 。重点地区订购补充新的遥感信息 。主要遥感资料如表 1 所示 。1 . 2非遥感辅助资料与遥感资料相对应的各地 ( 市) 县 1 : 10 万 、1 : 5 万地形图 、土地利 用 现 状 图 、行 政 区 划 图 等 基 本 图 件 ,土地详查变更资料以及相关自然及社会经济调 查统计资料 ,用以辅助进行遥感资料的纠正及分类 处理 。22 . 1适宜波段和时相的选择适宜波段选择根据分析 ,各土地利用类型信息的提取与地表植被的覆盖状况有很大关系 ,不同的利用类型有其特有的植被覆盖特征 。因此波段选择应选定对绿色 植被有较好反映的波段 。收稿日期 :2000 - 05 - 09 ; 修订日期 :2000 - 09 - 10基金项目 :山东省科委资助项目 ( 981186103) 。作者简介 :赵庚星 ( 1964 - ) ,山东垦利人 ,博士 ,副教授 ,从事土地资源 、遥感的教学与研究工作 。E2mail :zhao gx 263 . net表 1 研究应用的遥感资料Table 1 Remote sensing data used in t he research资料类型范 围时 相资料形式TM TM TM TM TM TM TM TM TM TM东营区东营区河口区河口区垦利县垦利县桓台县兖州市宁阳县莒 县1996 年 5 月 31 日1998 年 5 月 5 日1996 年 5 月 31 日1998 年 5 月 5 日1996 年 5 月 31 日1998 年 5 月 5 日1996 年 3 月 3 日1996 年 4 月 11 日1996 年 4 月 11 日1996 年 9 月 20 日CC T 磁带数据CC T 磁带数据CC T 磁带数据CC T 磁带数据CC T 磁带数据CC T 磁带数据CC T 磁带数据CC T 磁带数据CC T 磁带数据CC T 磁带数据2 . 2 适宜时相确定由于各种农作物及其它绿色植物不同的生育期 及生长特点 ,不同的土地利用类型表现为不同的季 相特点 。耕地信息的提取应选择耕地与其它地类具 有最大光谱差异的时相 。耕地主要是种植农作物的 土地 ,农作物与果树 、林木 、草地等具有最大差异的时间是在春季 。根据对研究区耕地各种农作物物候 历的分析 ,依据冬小麦光谱信息进行耕地信息提取 最为适宜 ,特别是冬小麦返青期而其它植物尚未明 显泛绿的时期 (表 2) 。由此确定 ,春季 3 、4 月份是进行耕地信息提取的最佳时期 。一般研究认为 , TM1 、TM2 、TM3 相关性较好 ,TM5 、TM7 所含信息相似 , TM4 相对较为独立 , 因 此 常 用 的 TM 波 段 组 合 为 TM3 、TM4 、TM5 和 TM2 、TM4 、TM7 等 8 。本研究中我们首先进行了 研究区 TM 6 个波段 ( TM6 除外) 信息的统计特征 分析 ,结果多数县 (区) TM4 、3 、2 波段均具有较大的标准差 ,信息较为丰富 。其次 ,根据最佳目视效果原 则 ,我们进行了不同波段假彩色合成目视效果的对 比分 析 , 根 据 分 析 , 效 果 较 好 的 为 TM4 、3 、2 和 TM5 、4 、3 。同时考虑绿色植物对绿光的反射 、对红 光的吸收以及对近红外强烈反射的光谱特性 ,经过综合分析 ,最后确定绿光波段 TM2 、红光波段 TM3和近红外 TM4 三个波段参与耕地信息提取 。表 2 研究地区主要农作物的物候历Table 2 The p ho nological calendars of main crop s in t he research area点及其方里网坐标 ,通过运算和屏幕交互式检查 ,使几何校正的精度控制在 1 个像元以内 。3 . 2 制图区界处理为了准确提取各县 ( 区) 耕地面积 ,必须制做各 县 (区) 遥感图像 。运用 EN V I 矢量层与图像叠加功能 ,在各县 (区) 1 : 5 万地形图或土地利用现状图上准确提取其边界信息 ,数字化输入各县 (区) 边界线 , 形成各县 (区) 区界矢量图层 ,将该图层与其相应图 像准确配准 ,对区界以外的像元灰度值进行暗化处3理9卫 星 遥 感 图 像 几 何 校 正 及 边 界 处3 . 1几何校正几何精校正是要使卫星图像的光谱数据校正为 与实际的地物一致的空间位置 以 及 相 应 的 光 谱 分 布 ,即将影像的几何位置校正到地形图的投影位置上 。研究中为了保证几何校正的精度 ,我们采用与 遥感图像相对应的 1 : 5 万比例尺地形图 ,确定控制理 ,从而形成各县 (区) 遥感数字图像 。对于垦利县 、河口区等与海相临的县 ( 区) ,由于其水陆界线十分 复杂 ,手扶跟踪数字化其边界十分困难 ,精度较差 。 操作中采用了数字化相临的海域部分 ,然后对属于 海水部分的像元做进一步处理 ,突出陆地面积的方法 ,保证了区界的精度 。拉伸和高斯低通滤波处理效果为佳 。55 . 1耕地信息计算机自动提取监督分类在 常 用 的 各 种 监 督 分 类 方 法 的 基 础 上 , EN V I提 供 了 监 督 分 类 的 波 谱 角 法 ( Spect ral Angle Map2per) ,可以进一步从训练区像元散点图进行数据提 纯 。我们采用屏幕交互式训练区划分方法 ,将各县(市区) 经处理的数字图像与其相应的土地利用现状 图相对照 ,确定耕地及相关地类典型光谱特征 ,以鼠标屏幕交互划定其训练区 。利用 EN V I 的数据提纯 功能 ,在训练区各像元分布散点图上目视动态确定 集中分布的像元点 ,从而使各类别训练区样本更具 有代表性 (图 2) 。4遥感图像的增强处理为了获取图像最佳的目视效果 ,以正确提取耕地信息 ,进行了图像的增强处理 。4 . 1反差增强ENV I 软件设计了多种图像反差增强方法 ,并对 所显示的数字图像做一定程度的缺省拉伸处理 。我 们对显示的图像进行了交互式的反差增强处理 ,利用 图像直方图进行各种形式的拉伸 ,同时交互观察处理后的图像效果 ,由此确定最佳的反差增强方法 。4 . 2滤波增强分别进行了各种形式的图像高通 、低通滤波处 理 ,结果低通滤波处理的图像色调趋于柔和 、平滑 , 但一些细微影像消失或模糊 ,边界信息淡化 ,整个图像的清晰度降低 。而经高通滤波处理的图像 ,由于 突出了影像细部信息 、边缘信息 ,使原图像中影像亮 度进一步加强 ,噪声增加 ,图像整体的层次性降低 。 通过对比处理 , 采用高 斯 ( Gaussian) 低 通 模 板 的 空 间滤波处理获得了较好的图像效果 。设计的模板如图 1 所示 。图 2 波谱角法数据提纯图Fig. 2 Data p urificatio n of Spect ral AngleMapper classificatio n根据所建判别函数 EN V I 通过运算确定了所有属于耕地的像元 ,生成耕地分布栅格图 ,并根据单个 像元的实地面积和类别的像元数计算其实际面积 。5 . 2 非监督分类研究中我们采用了 EN V I 非监督分类 ISODA2TA 法 ,为了保证分类的精确性 ,一般初试给予较大 的类别数目 ,使区分出较多的类别 ,之后 ,依各县区 土地利用现状图确定所划分的各类别的具体地类属性 ,对属于同一地类的不同像元类别进行进行合并 ,直至最后确定耕地及相关地类的范围 ,形成土地利 用栅格图像 ,并根据由县区总面积和总像元数确定 的单个像元面积 ,及各地类的总像元数 ,计算耕地及 相关地类的面积 。图 1 高斯 ( Gaussian) 低通模板Fig. 1 The mo dule of Gaussian low pass filter4 . 3主成分分析10EN V I 软 件 提 供 了 正 向 旋 转 主 成 分 分 析 ( Fo r2 ward PC Rotatio n) 和逆向旋转主成分分析 ( Inverse PC Rotatio n) 两种方法 。通过分析将原始图像信息转化为三个主要的主成分 ,之后利用主成分进行了假彩色合成处理 ,结果第一主成分较多的反映了植 被信息 ,第二主成分较多反映水体信息 ,第三主成分反映城镇居民点信息 。 经各种处理方法的结果对比 , EN V I 缺省线性6结果及分析运用监督分类 ( 最大似然法 、最小距离法 、波谱角法) 和非监督分类 ( ISODA TA) 方法分别对不同时相兖州 、宁阳 、莒县 、桓台 、垦利 、河口区 、东营区等监测区进行了耕地信息提取 ,最后获得了各监测区耕地分布栅格图及其实地面积 (表 3 ,图 3 、4) 。将耕地 提取面积与同时相耕地详查变更面积进行对比 ,确 定耕地提取的面积精度 ,结果各县区面积提取误差 平均为 1 . 78 % 。利用软件图像动态连接功能进行卫星图像与分类结果图的复合对比 ,以及分类结果 与相应土地利用现状图的对比分析 ,目视分析耕地 空间分布精度 ,结果耕地分布的空间位置正确 ,提取 效果令人满意 。在此基础上 ,我们对不同方法 、不同地区以及不同时相等的提取结果进行了系统分析 。6 . 1 不同提取方法的提取结果分析从监督 、非监督不同的提取方法看 ,监督分类需 要确定典型的训练样区 ,要求图像具有较好的目视效果 ,所选训练样区的代表性 、典型性对分类结果至 关重要 ,在各地类光谱信息易于混淆的监测区 ,典型 训练区的选择则较为困难 ,从而对分类结果产生一 定 影 响 。非 监 督 分 类 不 需 选 择 训 练 区 , 但 亦 需 要表 3 卫星遥感耕地信息提取结果The result s of cultivated land info r matio n abst ractio n by satellite remote sensingTable 3耕地提取面积( hm2)详查变更面积( hm2)提取2详查面积( hm2)监测县( 市区)时相误差( %)提取方法兖州宁阳 桓台1996 . 4 . 111996 . 4 . 111996 . 3 . 31996 . 5 . 311998 . 5 . 51998 . 5 . 5 31996 . 5 . 311998 . 5 . 51996 . 5 . 311998 . 5 . 51996 . 9 . 20 344399 . 267221 . 333897 . 740495 . 441544 . 341786 . 329404 . 829455 . 041345 . 441367 . 9118381 . 444387 . 668573 . 734244 . 239938 . 640923 . 740923 . 730239 . 530242 . 442273 . 742281 . 2100530 . 111 . 6- 1352 . 4- 346 . 5556 . 8620 . 6862 . 6- 834 . 7- 787 . 4- 928 . 3- 913 . 317851 . 30 . 0261 . 971 . 011 . 391 . 522 . 112 . 762 . 602 . 202 . 2017 . 76非监督分类非监督分类 非监督分类非监督分类 非监督分类 监督分类非监督分类 非监督分类 非监督分类非监督分类 非监督分类垦利东营区河口区莒县平均1 . 78注 :带 3 者未参与评价图 3 河口区土地利用现状图 (1998 . 5 . 5)Fig. 3 L and use map of Hekou Dist rict (1998 . 05 . 05)图 4 桓台县土地利用现状图 (1996 . 3 . 3)Fig. 3 L and use map of Huantai County (1996 . 03 . 03)相应的地面实况资料的支持 ,确定各分类类别的地类属性 。在实际的分类过程中 ,由于耕地包含了水 田 、水浇地 、旱地等各种用地类型 ,因此影像上表现 为麦田 、裸露沙地以及水稻田等不同的光谱特征 ,在 训练区的划定时容易造成人为的操作误差 。因此我们采用了人机交互式的非监督分类方法 ,首先设置 较大数目的分类类别 ,对得到的分类结果对比相应的土地详查变更土地利用现状图进行逐步归类 ,同类的进行合并 ,减少分类类别 ,直至获得理想的分类 结果 。该方法与常规的监督分类方法相比 ,精度有 一定提高 ,且易于操作 。如 1998 年 5 月垦利县人机 交互非监督分类结果面积误差为 1 . 52 % ,而监督分类面积误差为 2 . 11 % 。同时 ,监督和非监督分类方 法的确定还与分类类别数目的多少有关 ,若类别数较多则宜采用非监督分类方法 ,类别数较少如仅提取耕地一个地类 ,则监督分类方法可以获得较好的 结果 。除此 ,我们还对监督分类中最小距离法 、最大 似然法 、波谱角法等的分类结果进行了对比 ,在参数 选择适宜的情况下各方法可获得较好的分类效果 。但波谱角法具有数据的提纯功能 ,可以较好地保证 训练区样本的典型性 ,同时所需输入的参数相对较少 ,且提供了缺省分类角度值 ( Maximum Angle ( radi2ans) ,在提取单一或较少的地类类别时可以获得较 好的结果 ,因此本研究中监督分类主要采用了此方法 ( 图 5) 。资料均在 35 月份 ,取得了较好的提取结果 。而莒县为 9 月份时相 ,各类绿色植物生长旺盛 ,光谱信息 存 在 较 大 的 混 淆 , 耕 地 提 取 难 度 增 大 , 误 差 高 达17 . 76 % 。6 . 4 非遥感资料及专家知识的应用计算机耕地信息提取的过程虽由计算机自动完 成 ,但前期地类光谱特征的确定以及分类类别的地 类属性认定 ,则需要有非遥感资料的辅助以及专家 知识的参与 ,特别是相应的土地详查变更资料的应用 。根据大面积耕地分布空间位置的相对稳定性 ,可以对应历史的土地利用现状图中耕地的分布 ,确 定耕地的光谱特征 ,正确地划分耕地训练区 。同时 通过分类结果与相应土地利用现状图的复合 ,进行 分类类别的正确合并 ,确定其分布范围和具体的地 类属性 。对于地类光谱信息混淆的县区 ,耕地的提取则需要其几何特征以及专家知识的应用 ,如垦利 、河口 、东营等县区中水田与盐荒地通过地块特征区分 、旱田与草地通过空间区域划分等 ,则需要有人工 智能的干预 ,以保证提取结果的准确性 。EN V I 3 . 2 提供了分类结果的后处理功能 ,可以 将计算机分类的结果与各类非遥感辅助信息复合 , 并运用专家经验进行交互式的修正 ,由此 ,人机结合取长补短 ,使提取结果有了可靠的保障 。垦利县耕地分布图 (1998 . 5 . 5)Dist ributio n map of cultivated land , Kenli Co unt y ( 1998 . 05 . 05)图 5Fig. 57结语6 . 2不同类型地区的提取结果分析分类过程的难易 、效果的好坏与不同的地区特 点有一定关系 。内陆平原县区如桓台 、兖州 、宁阳等土地垦殖系数较高 ,耕地面积较大 、分布集中 ,利用 水平较为接近 ,因此在 TM 影像上表现为均一而明显的光谱特征 ,提取相对简单 ,效果较好 ,精度较高 , 均在 98 %以 上 。兖 州 耕 地 面 积 精 度 达 99 . 974 % 。 而东营 、河口 、垦利等县区为盐渍土分布区 ,耕地分布复杂 ,质量差别较大 ,影像特征本身表现出较大的 差异 ,且与草地 、盐荒地相互混淆 ,提取难度相对较大 ,精度则有所降低 。莒县等山地丘陵县区由于地 形复杂 ,耕地分布相对零散 ,提取结果也受到一定的影响 。6 . 3不同时相的提取结果分析选择适宜的时相是耕地信息提取的重要一环 。 应利用耕地与其它地类具有明显差异的时相 。如前 所述 ,根据农作物与果树 、林木 、草地的季相差异 ,耕地提取的适宜时相应在春季 。本研究中各县区遥感监督 、非监督分类方法各具其相应的特点 ,由于耕地各二级类型光谱特征的差异 ,采用交互式的非 监督分类方法取得了良好结果 。监督分类各方法中 EN V I 波谱角法可通过数据的提纯功能保证训练样 本的典型性 ,效果较好 。耕地光谱信息相对均一的 内陆平原区与盐渍土区和山丘区相比 ,分类精度提 高 。经对比分析 ,耕地提取的最佳时相为春季 35 月份 。同时 ,土地利用图等非遥感资料以及专家知 识的应用 ,也是耕地提取精度的重要保障 。总体上看 ,基于春季 TM 数据和 EN V I 图像处 理软件的卫星遥感耕地信息提取 ,取得了较为理想的结果 。各监测区耕地面积提取精度在 97 %以上 ,平均达到 98 . 22 % 。同时通过分类结果图与相应土 地利用现状图和图像的对比分析 ,耕地空间分布亦 具有较高的精度 。因此 ,卫星遥感进行县 ( 市区) 级 耕地信息的提取具有快速 、准确的特点 ,可以满足耕 地利用及管理中对耕地信息适时获取的要求 。5陈丹峰 ,林培 ,汲长远. 自组织网络与模糊规则结合在遥感土地覆盖分类中的应用研究J . 中国土地科学 ,1999 ,12 ( 5) : 4244 .张松岭 ,杨邦杰 ,王飞 ,等. 基于 GIS 的耕地遥感监测人机交互 式图像解译系统J . 农业工程学报 ,1999 ,15 ( 2) :185188 . 陈宁强 ,戴锦芳. 人机交互式土地资源遥感解译方法研究 J . 遥感技术与应用 ,1998 ,13 ( 2) :1520 .戴昌达 ,胡德永. 应用 TM 图像进行 15 万县级土地资源调查 制图的理论依据与关键技术A . 中国农业工程研究设计院农业遥感研究室. 农业遥感译文集 C . 北京 : 测绘出版社 ,1990 ,1113 .林培. 农业遥感M . 北京 :北京农业大学出版社 ,1990 . 王人潮. 浙江红壤资源信息系统的研制与应用 M . 北京 : 中 国农业出版社 ,1999 .参考文献 :1黄 小 虎. 怎 样 认 识 耕 地 总 量 动 态 平 衡 J .( 12) :1618 .中 国 土 地 , 1998 ,62P Go ng , P J Howart h . A co mpariso n of spatial feat ure ext ractio n algo rit hm fo r land - use classificatio n wit h SPO T HRV data J . Remote Sensing of Enviro nment , 1992 , 40 ( 2) : 137 - 152 .J R Baber , S A Briggs , V Co rdo n . Advances in classificatio n fo r land cover mapping using SPO T HRV imagery J . IN T. J . of Remote Sensing , 1991 ,12 ( 5) : 1071 - 1085 .Peng Go ng. Perfo r mance analyses of p ro babilistic relaxatio n met ho d fo r land2cover classificatio n J . Remote Sensin g of Envir2o nment , 1989 ,30 ( 1) : 33 - 42 .7834910Study on Automat ic Abstract ion Methods of Cult ivated Lan dInf ormat ion f rom Satell ite Remote Sensing ImagesZHAO Geng2xing1 , DOU Yi2xiang2 , T IAN Wen2xin3 , ZHAN G Yin2hui1( 1 . S han dong A g ricul t u ral U ni versi t y , T ai an , S han don g 271018 ; L an d A d m i nist rat ion B u reau of S han dong Prov i nce , J i n an , S han dong 250014 ; 2 . Rem ote S ensi ng Center of Geological Recon n aissance B u reau , S han dong Prov i nce ,J i n an , S han dong 250011 ; 3 . S han dong A g ricul t u ral U ni versi ty , T ai an , S han dong 271018)Abstract : Taking a co unt y (cit y o r dist rict) as basic unit s , using remote sensing image p rocessing sof t ware EN2V I3 . 2 and TM data , t he auto matic abst ractio n techniques o n cultivated land info r matio n of seven co unties and ten tempo ral p hases were st udied. Because of t he spect ral characteristic difference bet ween cultivated land sub2 t ypes , t he interactive unsupervised classificatio n met ho d can be