胡龙华
(1.华北地质勘查局综合普查大队,河北三河 065201;2.北京中色测绘院有限公司,北京 100012)
运用遥感影像进行国土资源项目的调查研究,体现了遥感卫星的时效性、科学性及先进性。进行重大工程项目半年监测,可以及时掌握重大工程用地的变化趋势、分布范围及变化类型,对变化高发地区做出预警,为全国土地利用变更调查监测与核查遥感监测任务监测区类别划分、监测重点确定提供依据,并为进一步推动国产资源卫星应用及扩大应用范围积累经验。开展重大工程用地监测应用评价研究,可为在区域或者全国范围内进行重大工程用地监测产品加工积累经验和技术方法。
高分一号卫星(简称GF-1)是国家高分辨率对地观测系统重大专项天基系统中的首发星,2013年4月26日发射升空[1],具有时空协调、全天时、全天候、全球范围观测能力。设计寿命为5-8年,主要载荷为2 m全色/8 m多光谱/16 m宽幅多光谱的相机[2],16 m多光谱数据幅宽800千米,可作为宏观动态监测的重要数据源,实现全国及分省的全覆盖监测。GF-1卫星主要载荷技术指标见表1所示。
表1 GF-1卫星主要载荷技术指标
表2 资源一号02C卫星主要载荷技术指标
首先利用GF-1卫星16 m影像进行实验区2014上半年重大工程监测。其次在选取的实验区采用资源一号02C卫星[4]2.36m数据提取的变化图斑为真值,对GF-1卫星16 m数据的变化检测能力进行对比分析,最后总结了GF-1卫星16 m数据重大工程用地监测的技术流程,为其在全国范围内进行重大工程用地监测提供参考依据。
基于GF-1卫星16 m影像数据某实验区的2014上半年重大工程监测项目主要包括DOM制作、变化信息提取、不同精度数据对比分析等环节。
首先,针对GF-1卫星16m影像数据进行纠正、波段组合、镶嵌、色调调整与裁切等处理,制作遥感正射影像图,形成GF-1卫星16m影像进行土地利用动态遥感监测的技术流程。其次,利用前后时相影像进行了变化信息提取、数据统计分析。最后,采用资源一号02C卫星2.36 m数据提取的变化图斑为真值,对GF-1卫星16米数据的变化检测能力进行对比分析。本次研究的总体技术流程如图1所示。
图1 总体技术流程
GF-1数据从原始数据到可用于具体项目的正射遥感影像图,中间要经过影像纠正、波段组合、影像镶嵌、色调调整与裁切等处理。
GF-116m数据无全色数据,所以仅需要对其进行波段组合。本次研究GF-1卫星16m数据采用 Band1,Band4*0.8+Band2*0.2,Band3[5]的波段合成算法,以最大程度地利用各波段的信息量,辅助影像的判读与分析。
GF-1卫星16 m数据纠正模型选用的是有理函数模型,使用SRTM 90 mDEM作为高程数据来源。在纠正控制点的布设上,坚持均匀布设的原则,在山地、高山地等特殊困难地区适当增加控制点,按0.5 m的倍数就近采样[6],重采样间隔为15 m,以保证纠正精度[7],其相对误差限差精度见表3所示。
表3 相对误差限差精度
GF-1卫星16 m数据纠正完成后,对影像进行镶嵌,制作实验区范围遥感影像。影像镶嵌前,首先对相邻影像间重叠精度进行检查。镶嵌时尽可能保留了分辨率高、时相新、云雾量少、质量好的影像。镶嵌线应尽量选取线状地物或地块边界等明显分界线,以便使镶嵌影像中的拼缝尽可能的消除,使不同时相影像镶嵌时保证同一地块完整,有利于判读。且镶嵌后影像应避开云、雾、雪及其他质量相对较差的区域,使镶嵌处无裂缝、模糊、重影现象。
激励机制在区块链中有重要的作用,它使得人们对联盟节点的行为可以预期,进而产生信任。以无组织算力联盟为例,联盟成员一般不会特意地阻断某一个交易,联盟成员会努力计算,期望自己获得区块的奖励。这种可预期的行为是信任产生的基础。所以区块链的可信与区块链节点行为的可预期相关,而行为的可预期则与激励机制相关。比特币长期的实践经验告诉我们:激励良好且相互制衡的联盟成员行为可以预期、可以信任。在有组织的联盟中,激励机制同样是不可或缺的,在其治理下,可以使用奖惩的方法,并且形式也可以多样化,可以不使用货币,形成所谓的无币区块链项目。
对影像进行色彩调整是保证成果质量的重要技术环节,波段组合后影像通常亮度偏低、灰度分布动态范围小,色彩不够丰富。对波段组合后的影像进行线性或非线性拉伸、亮度对比度、色彩平衡[8]、色度、饱和度和明度调整等方法进行色调调整,处理后的影像要达到灰度分布具有较大动态范围,纹理清晰、色调均匀、反差适中,色彩接近自然真彩色,可以清晰判别建设用地、耕地等重要地类类型。
本次研究利用实验区行政边界外扩1.5公里对镶嵌后DOM进行裁切处理,形成遥感影像图。裁切线至最小外接矩形之间的区域填充黑色(RGB值为:0,0,0),裁切线边缘及填充区无其他任何异常值。
实验区重大工程用地变化信息提取是在GIS平台下,叠加前后两个时相的遥感影像,利用“拉窗帘”方法[9],进行人机交互变化信息的发现、判读与提取。精度要求最小监测图斑面积为15亩,监测图斑边界与影像套合的平均偏移量不得超过1个像元。
通过GF-1遥感影像的成像方式,建立作业区主要地类的解译标志。然后在统一的地理坐标系下,将前后时相遥感影像图、自动变化信息发现结果输入到GIS系统中,采用人机交互解译方法,参考作业区影像解译标志,进行变化图斑的提取,对所有监测图斑建立拓扑关系、填写属性表、统计图斑面积,并以作业区为单位进行图斑编号。GF-1数据应用示范技术流程见图2所示。
图2 GF-1数据应用示范技术流程
根据变化信息提取工作的具体内容,定义变化信息图斑层的字段名称、字段类型及字段长度等内容,以影像坐标系统为基础,生成监测图斑矢量数据图层。以两期影像为基础,建立新增建设用地图斑矢量数据层,基于GIS软件建立图斑的拓扑关系,生成图斑属性表,监测图斑属性表结构见表4所示。
新增建设用地类型的确定方法是以圈出的新增建设用地区域为模板罩在前后时相影像上面,交互显示两个时相的图像,结合目视解译判断新增建设用地区域在两个时相上对应的地物类型。当一个变化图斑占用2种以上地类时,则按占用地类边界分割此图斑,保证图斑变化前后地类的一一对应。当只凭影像特征难以确定地物类型时,参考土地利用图等相关资料。影像判读的准确性一方面有赖于判读经验的积累和判读相关知识的辅助,另一方面还充分结合了各种已有数据资料协助判读。
经验法:根据积累的判读经验及掌握的相关知识可以辅助地类判读,进行快速属性判断。
表4 监测图斑属性表结构
资料辅助推断法:不能通过已有经验准确判读的图斑,需结合各种已有数据资料来协助判读。包括地形、地貌特征、土壤类型及分布、气候条件等自然地理因素,以及耕作方式、国民经济发展水平、人民生活习惯等社会经济因素,都可以辅助判断变化地类属性。
周边推断法:依据周边相似地物的地类、区位特点等辅助判断变化地类属性。
借助于这些方法,在影像判读和图斑类型的确定会更加合理,增加内业工作的可信度和提高遥感影像解译的准确性。
实验区重大工程用地变化图斑分布如图3所示。
图3 实验区变化图斑分布图
实验区采用资源一号02C卫星2.36 m(采样为2.5 m)影像共提取监测图斑394块,面积3859.1亩。采用16 mGF-1(采样为15 m)数据共勾绘图斑292块,其中正确图斑数量为270块,占总图斑个数百分比为92.47%;总面积4868.8亩,其中正确图斑面积为4573.5亩,占总图斑面积百分比为93.93%。16 m GF-1数据(最小上图面积为15亩)遗漏的124块图斑中,111块为5亩以下图斑(小于上图面积),22块伪图斑中17块为15亩以下图斑(小于上图面积)。
下面分别从判别精度、面积精度和最小可监测图斑三方面对GF-1卫星16 m数据进行精度评价。
GF-1数据变化图斑中小于等于10亩正确图斑数量百分比分别为86.41%;10-15(含)亩正确图斑数量百分比分别为82.35%;15-30(含)亩正确图斑数量百分比分别为71.43%;30-60(含)亩正确图斑数量百分比100.00%;大于60亩正确图斑数量百分比分别为90.00%。GF-1数据图斑个数各分档监测精度分布情况见表5所示。
表5 GF-1数据图斑个数各分档监测精度分布情况
GF-1数据变化图斑中小于等于10亩正确图斑面积百分比分别为80.84%;10-15(含)亩正确图斑面积百分比分别为81.36%;15-30(含)亩正确图斑面积百分比分别为71.98%;30-60(含)亩正确图斑数量百分比为100.00%;大于60亩正确图斑面积百分比分别为94.91%。GF-1数据图斑面积各分档监测精度分布情况见表6所示。
表6 GF-1数据图斑面积各分档监测精度分布情况
每个面积分档按照比例随机抽取图斑,按10亩(含)以下、10-15(含)亩、15-30(含)亩、30 -60(含)亩、大于60亩5个分档进行了面积精度评价。其中:10亩(含)以下图斑单个图斑中误差为1.06亩,平均差异程度为22.36%;10-15(含)亩图斑单个图斑中误差为2.23亩,平均差异程度为9.93%;15-30(含)亩图斑单个图斑中误差为4.21亩,平均差异程度为16.79%;30-60(含)亩图斑单个图斑中误差为6.01亩,平均差异程度为15.53%;大于60亩图斑单个图斑中误差为14.71亩,平均差异程度为13.27%。
5亩以下图斑从影像看共10-30个像元左右,其中大部分为混合像元,图斑边界不易判定,面积误差相对较大;在影像特征方面,大棚等与建筑等无法明确区分,易出现伪图斑情况。结合试验区监测图斑提取情况,最小监测图斑面积定为15亩,可避免出现大量小面积伪图斑的情况,提高图斑提取精度,提高工作效率。
通过对实验区重大工程用地监测的研究,采用02C 2.36 m数据对GF-1卫星16 m数据变化信息图斑进行精度评价。变化信息图斑面积分为10亩(含)以下、10-15(含)亩、15-30(含)亩、30-60(含)亩、大于60亩5个分档,整体精度来看,图斑大于15亩时,判别精度较稳定。因此本文总结了基于GF-1卫星16 m数据重大工程用地监测的技术流程,为其在全国范围内进行重大工程用地监测提供参考依据。
[1] 李芬.资源三号卫星数据在土地利用遥感监测中的应用研究[D].长春:吉林大学,2013.
[2] 高延顺,刘顺喜,尤淑撑,等.基于GF-1卫星数据的新增建设用地监测试验与分析[J].测绘与空间地理信息,2014(3):74-76.
[3] 李慎鹏,雷帆,彭笃明.资源一号02C卫星在土地利用动态监测中的应用[J].测绘科学.2014,39(9):91-93.
[4] 柴渊,李万东.土地利用动态监测技术与方法[M].北京:地质出版社,2011.
[5] 周亦.利用高分一号卫星数据制作数字正射影像[D].长春:吉林大学,2014.
[6] 胡凤伟,胡龙华,李琦.环境减灾卫星遥感宏观监测应用评价研究[J].华北科技学院学报.2012(2):56-61.
[7] 中国国家标准化管理委员会.中华人民共和国国家标准(GB/T21010-2007):土地利用现状分类[S].北京:中国标准出版社,2007.
[8] 赵英时.遥感应用分析原理与方法(第二版)[M].科学出版社,2013.
[9] 马熹肇.资源一号“02C”卫星数据在轨测试分析[D].长春:吉林大学,2012.