基于资源三号卫星影像的城市绿地信息提取方法探讨

王 野

(沈阳市勘察测绘研究院，辽宁 沈阳 110004)

基于资源三号卫星影像的城市绿地信息提取方法探讨

王 野

(沈阳市勘察测绘研究院，辽宁 沈阳 110004)

我国高分遥感卫星的发展为城市绿地的规划、建设和改造提供有力的技术支持。研究利用资源三号卫星全色和多光谱影像，以国内某城市为例，采用基于规则的面向对象分类技术获取城市绿地。研究提出的技术方案，简单易行，具有较好的应用性。对于推动资源三号卫星在国土资源和城市规划方面的应用具有重要意义。

资源三号卫星；城市绿地；信息提取；基于规则的面向对象分类

城市绿地是城市生态系统中的重要组成部分，其功能主要体现在生态功能、景观功能、社会功能3个方面[1-2]。随着社会发展、经济增长，城市绿地系统规划已经开始受到政府决策者和管理者的重视。为了充分发挥绿地“城市清洁器”的作用，更加科学地解决好土地使用紧张和合理分配绿地面积两者之间的矛盾，必须客观、准确地掌握城市绿地的变化情况。近年来，高分辨率遥感卫星数据及遥感信息处理技术在城市绿地提取中得到广泛应用[3-5]，常用的几种用于提取城市绿地信息的卫星包括：Landsat TM(ETM)、IKONOS、Quick Bird、Spot4/5和WorldView等。

随着国产卫星的发展和高分辨率卫星的陆续发射，提升了我国高分辨率遥感卫星影像的自主供给能力。资源三号(ZY-3)卫星是我国首颗民用高分辨率光学传输型立体测图卫星，主要用于1∶50 000立体测图及更大比例尺基础地理信息产品的生产和更新以及国土资源调查与监测等[6]。本文利用资源三号卫星全色和多光谱影像，以国内某城市为例，探讨城市绿地信息提取方法，以期推动资源三号卫星在城市绿地的规划、建设和改造方面的应用，并提供可行的技术方案。

1 资源三号卫星

资源三号卫星采用三线阵测绘方式，三线阵相机由具有一定交会角的前视、正视和后视3个线阵TDI CCD构成，通过对同一地面点不同视角的观测可构成三线阵立体影像；另有1台多光谱相机提供多光谱影像，地面分辨率优于8 m[7]，具体参数见表1。

2 城市绿地提取方法

为了提取城市绿地信息，研究选择资源三号卫星2013年10月11日拍摄的国内某城市的全色和多光谱影像。整个数据处理由ENVI 5.0完成。城市绿地信息提取流程如图1所示。

对于高分数据，全色波段和多光谱波段属于基本配置。进行目标信息提取时，通常采用图像融合处理，既保证了全色波段的高空间分辨率，又利用多光谱波段，保证了目标的光谱识别能力。如果对目标对象的平面位置精度要求较高的话，需要做正射校正。本研究主要在于建立城市绿地提取的技术方法。另外，也缺乏研究区高分辨率的数字高程模型和地面控制点数据，因此，这里没有对影像进行正射校正的处理。

表1 资源三号有效载荷技术指标[8]

图1 城市绿地信息提取流程

对于城市绿地信息的提取，研究利用归一化植被指数(NDVI)，为了保证精度，有必要对图像进行大气校正。分类方法采用基于规则的面向对象分类方法，这是因为：高分数据对目标对象的空间特征表现得更加详细，利用传统的监督、非监督分类往往难以取得理想的效果，利用面向对象的分类方法能够兼顾目标物的空间和光谱特征。样本统计则用于建立规则的阈值。

2.1 数据预处理

预处理包括图像融合和大气校正两个环节。图像融合算法选择了Gram-Schmidt，该算法对图像光谱具有较好的保持性，即经过融合处理后，目标的光谱特征没有发生明显变化，因此，适于做进一步的大气校正。考虑到资源三号多光谱数据波段的局限性，这里仅做快速大气校正(QUAC)，目的在于保证后续提取NDVI的精确性。通过数据预处理工作，最后得到经过融合和大气校正处理的、空间分辨率为2.1 m的4个波段的多光谱融合数据。

2.2 遥感图像分类

高分数据量一般都非常大，处理起来会非常耗时。因此，在进行面向对象的图像分类时，先选择一个研究子区，对有关分类参数和规则进行试验，最后，将根据试验确定的参数和规则应用于整幅图像，得到绿地提取结果。

面向对象分类首先进行图像对象的分割和合并，主要通过调整分割系数(scale level)和合并系数(merge level)来实现。分割系数的设置，保证将所有植被分割到各对象内(见图2)；合并系数的设置，保证植被不和其他类型的对象合并在一起(见图3)，目的在于减少后续的计算量。

图2 图像分割预览(scale level=30)

图3 分割对象合并结果(merge level=70)

(a)标准假彩色合成图

(b)基于NDVI规则的分类结果

完成分割和合并处理后，下一步是建立分类类别(绿地)，并针对建立的类别，设置分类规则。图4(b)仅以NDVI作为分类规则，并以绿地对应的最大NDVI和最小NDVI作为阈值，进行绿地提取。可以看到仅利用NDVI建立规则提取绿地，会将暗青色以及高亮的目标物混分为绿地(对比图4(a))。

因此，考虑是否加入其他波段作为分类规则，提高绿地的提取精度。通过对子研究区内的绿地和其他目标物分别提取感兴趣区，并进行灰度值统计，分析它们在NDVI和4个光谱波段的灰度值差异，最后选择第三波段(红波段)作为另外一个规则；并根据样本的统计结果(最大最小值)，作为面向对象分类中规则的阈值。仅利用NDVI作为规则和利用NDVI与第三波段作为规则的绿地提取结果见图5(a)和(b)。

通过图5(a)和(b)的比较表明，引入第三波段大大提高了绿地提取精度，特别是降低了建筑类地物的混分。至此，将子研究区获得分割和合并系数以及规则阈值用于整个研究区，得到整个影像中的绿地面积(见图6)。

(a)基于NDVI规则绿地提取

(b)基于NDVI和第三波段规则绿地提取

(c)原始标准假彩色图像

图6 研究区城市绿地提取结果

2.3 结果分析

将提取的绿地信息叠加到研究区标准假彩色合成图上，通过比较分析表明，利用NDVI和红波段能够较好地提取城市绿地分布。错分区域主要在阴影区；漏分区域主要是植被覆盖度低的区域。分析其原因，一方面，同选取的绿地和其他目标物的样本有关系；另一方面，地物的复杂性难免会使分类结果存在一些误差。因此，面向对象得到的城市绿地提取结果，通常还需要进行矢量后处理，保证最终提取结果的可靠性。

总的来说，对于城市绿地的提取，需要利用表征植被信息的NDVI，为了降低其他目标的影响，有必要引入其他波段以提高绿地提取精度。在选取样本设定规则的阈值时，应尽可能考虑到区域内不同类型或者不同亮度的目标地物。

3 结 论

研究利用资源三号卫星的全色和多光谱波段数据，使用基于规则的面向对象方法，以覆盖国内某城市的影像为例，成功提取了研究区内的城市绿地。分析表明，对于绿地信息的提取需要利用NDVI信息，并以其他光谱波段作为补充规则，以降低非绿地目标的影响；此外，在规则阈值的选择上，应保证样本选择的全面性。研究提出城市绿地提取技术方案，简单易行，具有较好的可推广性。

[1]周文佐,潘剑君, 刘高焕. 南京市城市绿地现状遥感分析[J]. 遥感技术与应用，2002,17(1):22-26.

[2]费鲜云.高分辨率遥感影像在城市绿地信息提取中的应用研究[D]. 泰安：山东农业大学，2006.

[3]车生泉, 宋永昌.城市绿地景观卫星遥感信息解译——以上海市为例[J].城市环境与城市生态,2001,(2):10-12.

[4]黄慧萍,吴炳方,李苗苗,等.高分辨率影像城市绿地快速提取技术与应用[J].遥感学报，2004,8(1):68-74.

[5]周宁平,廖明,匡秀梅.基于IKONOS影像的土地利用现状更新调查方法[J].测绘工程，2012,21(4): 74-77.

[6]刘冰，林怡.基于决策树方法的ETM+影像湿地信息提取[J].测绘工程，2013,22(1)：63-66 2012,33(3):55-64.

[7]唐新明, 谢俊峰, 张过.测绘卫星技术总体发展和现状[J].航天返回与遥感，2012, 33 (3):17-24.

[责任编辑：张德福]

Research on urban green surveying based on ZY-3 satellite

WANG Ye

(Shenyang Geotechnical Investigating and Surveying Research Institute, Shenyang 110004, China)

The development of high-resolution satellites in China supports the plan, construction, and reform of urban green. Taking one city in China as an example, the study uses a rule-based object-oriented classification method to extract the distribution of urban green using pan and multi-spectral images of ZY-3 satellite. The technical procedure presented is easy to be implemented and applied to other areas. This study is helpful to promote the applications of ZY-3 satellites in land resources and city planning.

ZY-3 satellite; urban green; rule-based object-oriented classification

2014-01-05

王 野(1976-)，男，高级工程师.

TP753

：A

：1006-7949(2014)07-0065-03