地理国情普查的关键技术及实现策略

凌晓春，刘石栋，钟全宝

（1.山东省国土测绘院，山东 济南 250102）

地理国情普查的关键技术及实现策略

凌晓春1，刘石栋1，钟全宝1

（1.山东省国土测绘院，山东 济南 250102）

主要对影像获取与处理、DEM精细化、自动解译技术应用和质检软件流程实现等地理国情普查关键技术的实现策略进行了论述，重点介绍了DEM精细化作业方法，并对比了几种自动解译软件的效率。研究结果表明，该方法能提高近30%的确工作效率。

地理国情普查；影像获取与处理；DEM精细化；自动解译；质量检查

地理国情主要是指地表自然和人文地理要素的空间分布、特征及其相互关系，是基本国情的重要组成部分。国情普查的目的是查清我国地表自然和人文地理要素的现状和空间分布情况，为开展常态化地理国情监测奠定基础，满足社会发展和生态文明建设的需要，提高地理国情信息对政府企业和公众的服务能力[1]。为提高地理国情普查的工作效率，确保普查成果的质量，作业单位需要在软硬件环境配置、已有资料利用和关键技术探索上进行大胆创新，制定切实可行的技术路线。

地理国情普查是一项全新的、系统的、严谨的任务，在总体技术路线设计中[2]，需要对内外业作业模式、作业平台选择、数据质量控制等方面进行一系列的探索与尝试，下面将从地理国情普查关键环节和技术方面进行简要介绍。

1 遥感影像快速获取与处理

在遥感影像数据获取方面，ADS100数码航摄仪具有“红、绿、蓝、近红外”4个全彩色波段，每个波段扫描线宽度为20 000像素，数据获取效率高。系统拥有自适应控制的PAV100陀螺仪稳定平台和嵌入的Novatel SPAN GNSS/IMU紧耦合处理系统，可获取更高质量的影像。机载LiDAR集成CS10000相机，可实现在获取高精度地面点云数据时，同步采集高分辨率航空影像。

在遥感影像处理方面，采用像素工厂（pixel factory，PF）和Geoway CIPS两套集群式影像处理系统同时开展影像处理。其中，PF由法国ASTRIUM集团公司研制开发，由一系列软件算法、工作流程和硬件设备组成，是用于海量对地观测数据规模化生产的最佳软硬件系统；支持输入数码影像、卫星影像或传统光学扫描影像后，在少量人工干预的条件下，经过一系列的自动化处理，输出包括DSM、DEM、DOM和TDOM等产品。经对比分析发现，PF自动化程度高，人工干预少，处理效率远高于传统数字摄影测量。

2014年5月至今，仅10余人的影像处理团队，利用PF已累计处理ADS100 0.5 m DOM约59 600 km2，完成0.5 m分辨率1∶10 000 DOM约2 100幅。在国内率先利用PF成功处理ADS100航摄仪数据，将二者的优势相互叠加，取得了“1+1＞2”的效果。实验结果表明，利用PF处理ADS100数据，平均每天可完成1 200 km2。

基于CIPS结合Inpho、Photomod等软件，在处理框幅式影像上有很大优势。2014年5月至今已经累计处理框幅式影像约26 400 km2。实验结果表明，利用CIPS处理框幅式影像数据，平均每天可完成700 km2。

2 2m格网DEM精细化处理

山东省在2m格网DEM精细化处理方面采用2种作业模式：利用机载LiDAR获取的点云数据，制作完成2 m格网DEM数据9万km2；利用山东省“十一五”基础测绘5 m、2.5 m格网DEM数据，经精细化处理，制作完成2 m格网DEM数据6.7万km2。

2.1 基于已有DEM进行精细化处理

利用已有的1∶10 000基础测绘DEM，经拼接、重采样、分幅等工序，制作完成2 m格网的1∶10 000 DEM，作业流程如图1所示。具体作业步骤如下：

1）数据准备。检查原始DEM数据的接边情况、是否存在高程异常情况。对于高程异常范围DEM精度大于2倍高程中误差且数据不接边的情况，根据其他数据源进行处理；对于高程异常范围DEM精度小于2 倍高程中误差的情况不作处理。

2）数据预处理。利用已有DEM以图幅为单位计算坡度数据，对于坡度小于45°范围占图幅80%以上面积的图幅，直接对已有DEM数据进行重采样生成精细化DEM数据。

图1 基于已有DEM重采样生产技术流程图

3）数据重采样。利用已有DEM数据构TIN，然后按照2 m格网间距内插生成DEM。

4）对相邻图幅DEM重叠区的所有同名格网点的高程较差进行检查，当较差不大于2倍高程中误差时，取同名点的高程平均值作为该点高程；若较差超限，需查明原因进行处理直至符合要求。

5）对生成的DEM要进行质量检查，重点对数据范围、格网尺寸、高程粗差、高程无值区等内容进行检查[3]。

6）当重采样的DEM数据检查无误后，按地理国情普查规范进行裁切处理。

2.2 基于机载LiDAR点云数据进行DEM精细化处理

利用机载LiDAR获取的点云数据技术参数：密度≥0.25点/m2，点云间距≤2 m×2 m。基于分类编辑完成的机载LiDAR地面点云数据预处理，利用TerraSolid等点云数据处理软件，经数据分块、构建TIN、内插裁切等工序，制作2 m格网 DEM，总体作业流程如图2所示。

图2 基于机载LiDAR数据生产DEM数据流程

1）数据准备。检查经自动分类、人工编辑分类等工序后的分块地面点云数据的数学基础、非地面点数据滤除等内容是否符合技术设计要求。在TerraSolid软件下，建立项目工程，设置相关参数，导入分块数据，并对地面点点云接边情况进行检查。

2）内插裁切。设置DEM格网间距大小等参数，内插生成DEM数据，对内插生成的DEM进行质量检查，包括数据范围、格网尺寸、高程粗差、高程无值区等。

3）按地理国情普查规范进行裁切处理。

3 自动化、半自动化内业影像解译

内业遥感影像解译占普查生产工作较大比重，如何能够更快、更准确地完成解译将决定普查任务的进度。在以人工解译为主的作业模式下，采用自动、半自动的解译，一方面可以提高解译效率，另一方面能够为今后的地理国情监测做好技术储备。目前，应用较为成熟的自动解译软件包括全自动解译软件eCognition、辅助人工的半自动解译软件FeatureStation和EPS自动解译模块。

3.1 eCognition解译软件应用

面向对象的影像分析软件eCognition是一款成熟的商业用解译软件，能够根据不同的解译对象选择不同的规则集，最终实现覆盖类型的分类[4]。

面向对象的遥感影像解译首先是确定影像分割的算法[5]。分割算法的目标是在指定的与感兴趣的目标或空间结构特征相对应的尺度下，将影像分割成高度均质、互相连结的不同影像区域，与感兴趣的目标或空间结构特征相对应。分割算法包含多种基本分割方法，如面向对象多尺度分割、棋盘分割、四叉树分割、光谱分割、对比分裂分割、光谱差异分割、多阈值图像分割、对比滤波分割和分波段差异性光谱分割，且可相互组合，满足各种需求。

多尺度分割充分考虑了地物的颜色、形状、紧致度、光滑度以及大小的关系，创建更贴切于实际地物边缘的分割对象[6]。另外，不同尺度下创建的图像对象层能够提取不同粒度的地物，更符合人们的认知习惯。多尺度分割原理见图3。

图3 基于eCognition软件的多尺度分割原理图

影像分割之后是分类。分类的目的是根据影像对象的光谱信息、纹理信息、上下文关系、空间关系等，提取出各类地物，即为影像对象赋类别属性（定性）。分类方法[7]包括监督分类（训练样本、分类等）、 非监督分类（条件阈值方法、模糊分类等），一般采用非监督分类方法，对难区分地类辅以监督分类。分类的依据是影像对象里包含的大量以特征的方式呈现的信息。

同时，地表覆盖类型决定解译方式：

1）对于自然地表覆盖（水域、植被），易自动分类的类型，一般优先考虑采用计算机自动分类提取的方法和技术流程。

2）对于人工地表覆盖（房屋建筑、构筑物、人工堆掘地）、荒漠与裸露地表，自动分类较难准确提取的类型，一般优先考虑采用人工解译的方法和技术流程，或仅通过影像分割获取图形信息再进行人工分类。

3）对于人工地表覆盖（道路），具有特殊形状特征的类型，可采用计算机自动分类提取，也可采用人工解译方法提取，或2种方法相结合。

4）对于城市建成区尽量以人工目视判读为主，郊区、农村地区可辅以自动解译。

自动解译流程如下[8]：

1）合理、有效利用基础地理信息数据。适当规整地类边界(面、线)，主要用于辅助定性。

2）选取合适分割尺度、多种分割方法相结合。

3）选取合适特征、多种分类方法相结合，优先使用非监督分类，未分类对象使用监督分类。

4）图形规整化。去微小图斑、同类型相邻图斑合并、适当去锯齿。

5）数据导出。包括带属性输出（cc、疑问图斑等说明字段），导出后进行人工编辑整理。

6）形成规则集：分区域修改规则集、分影像类型制定规则集，规则集适当组合、校正。

7）批处理。多幅、多景数据批处理、视影像情况调用合适规则集。

解译过程要特别注意以下几点：

1）充分利用现有基础资料，能够提高部分数据空间定位精度；解译前优先采集房屋建筑区、独立房屋建筑投影差、林木投影差，能够提高数据分类精度。

2）外业调查核查后及时修正规则集，一方面可以丰富样本库，重新训练样本；另一方面开发出的规则集，也非一劳永逸，需根据影像类型、时相、区域特色调整分割尺度、分类特征等适时调整。

3）解译顺序：由简到难（先提取水体等较易提取的地物，可提高后续地物分类精度）、由整体到局部（房屋建筑区等）、地物压盖优先顺序（立体覆盖、影像上所见即所得）、地类优先顺序（自然优先等）。

3.2 半自动解译软件应用

在地理国情普查生产中，利用FeatureStation和EPS解译模块辅助进行内业解译工作，这2种软件均是基于影像像元进行自动分类和边界提取。

1）FeatureStation是由中国测绘科学研究院开发的专门用于地理国情普查内业采集与编辑的软件[9]。该软件以DOM为基础，利用收集的参考数据，采用自动分ss类与人工解译相结合的方式，帮助作业人员开展内业判读与解译，并进行地表覆盖分类，生成符合地理国情普查要求的相应数据层。可利用集群并行处理方式实现对影像的快速分割，也可基于已有的DLG数据进行影像分割，并利用DLG数据的属性特征进行批量图斑属性赋值，还可通过样本训练，自动生成规则集，减少手动建立规则的不确定性。

2）EPS自动解译模块。使用EPS2008作为地理国情普查内外业数据采集平台，在此基础上开发的辅助解译模块，具有使用便捷，解译准确率高、效果好的特点。操作步骤为：在EPS内业编辑平台下加载遥感影像；启动自动解译模块，完成搜索范围、最小面积、色彩容差等影像边界识别参数设置，进行影像自动解译；手工调整已提取边界线[10]；在保留边界基础上进行人工采集。

3）自动/半自动解译与手工解译效率对比分析。选取平地、丘陵和山地区域1∶10 000标准分幅影像各一幅，分别利用以上软件进行自动解译，并对解译结果进行人工编辑修改至符合要求，与完全人工解译相比，地表覆盖数据生产效率对比情况如表1所示。

表1 解译软件与人工解译效率对比分析

分析表1数据可以看出：

1）自动解译在不同地貌状态下生产效率均高于人工解译，在地表覆盖最破碎的丘陵地区效率差距最为明显，山地次之，平原地区效率差距最小。

2）采用“自动解译+人工编辑修改”方式时，eCognition软件解译效果更佳，效率更高，主要是因为eCognition软件采用的是面向对象的解译方式，在自动分类时能更为细致地区分地表覆盖类型，而FeatureStation和EPS由于采用面向像元的分类方式，自动分类结果较为粗糙，但相对而言，EPS分类算法更为合理，效率处于居中位置。

3）采用“自动解译+人工编辑修改”方式时，采用“先采集房屋建筑边界再自动解译”的方式效率明显高于“完全自动解译后编辑”的作业模式，因为房屋建筑等人工建筑在自动解译时会被分类得过于破碎，使得解译后人工修改工作量较大。同时，如果首先确定房屋建筑区边界，可为植被解译划定解译边界，从而提高了解译准确性，也可减少人工修改工作量。

4 数据检查的自动化、程序化

地理国情普查成果质量管理的总目标要求高、难度大，应充分发挥质检软件的辅助质检功能，减轻人工检查工作量。

1）利用质检软件来完成数据空间参考、数学基础、拓扑关系和属性值正确性等标准明确的检查项，一方面能减轻人工检查工作量，另一方面也能提高检查正确性。具体来说，将地理国情普查成果中[11]：地表覆盖的空间参考系、逻辑一致性、表征质量，国情要素的空间参考系、逻辑一致性、属性精度、表征质量，遥感解译样本数据的数据及结构正确性、遥感影像实例数学基础、属性表和元数据的空间参考系、逻辑一致性、位置精度等重复性、可规范检查项纳入到自动检查范畴。

2）将分类进度、位置精度、要素取舍等主观判断为主的检查项交由人工完成。具体来说，将地表覆盖的时间精度、采集精度、分类精度，国情要素的时间精度、位置精度、完整性，遥感解译样本数据的样本典型性、地面照片质量和元数据的属性精度、完整性纳入到人工检查范畴。

3）根据《地理国情普查检查验收与质量评定规定》要求，需对每一幅1∶10 000标准分幅数据进行打分[11]，并设置了明确的打分标准，因此质检软件实现自动打分功能很有必要。

基于以上3点，在开发质检软件时，首先应设置好检查方案，包括确定数学基础、选定检查项、图层对照关系表、各层属性值值域关系表等；其次应确定检查方式，包括全自动检查和分项检查；最后能够实现错误问题的空间位置标注和错误内容以某一格式导出。

5 结 语

地理国情普查工作涉及内容繁多，要求各不相同。如何在每个工序中选择合适的作业方式和软硬件就显得尤为重要。

1）在遥感影像自动获取与处理阶段，考虑到地理国情普查作业面积广、时限要求严格的特点，遥感影像获取应尽可能采用ADS100等具备宽像幅和自带POS的航摄仪，从而有效减少航摄时间和航摄后外业像控工作量；在DOM生产时，应尽量选择PF、CIPS等集群式影像处理软件，缩短影像处理时间。

2）DEM精细化是地理国情普查的重要内容，应根据各自实际情况决定生产模式。利用已有DEM进行精细化，首先应拼接成整体后再次进行重采样，同时应加强成果检查，包括格网点高程异常检查、同名格网高程值不同检查、反衍后等高线异常检查等。

3）在采用自动解译作业方式时，为更好地发挥自动解译效果和减少解译后人工编辑修改工作量，建议首先采集房屋建筑区等人工建筑，在此基础上再进行自动解译，能有效减少人工编辑修改工作量，大幅度提高自动解译效率。

4）在地理国情普查成果质检软件选择方面，目前开发较为成功，能够满足生产需求的有北京吉威公司Geoway质检软件、武汉大学国普QC质检系统和北京清华山维公司EPS质检软件。其中，Geoway和QC均是基于ArcGIS进行二次开发，优势在于数据拓扑关系检查；EPS是基于EPS2008自主平台进行二次开发，软件优势在于伪节、悬挂、属性值正确性等检查，而且实现了在人工交互检查基础上的软件自动打分。

[1] 宫攀.中国土地覆盖分类研究[M].北京:经济科学出版社,2012

[2] 史文博.浅谈地理国情普查的技术流程[J].测绘与空间地理信息,2014,37(6):151-153

[3] 刘东丽,李赵,龚家玉,等.DEM/DOM成果质量检查研究[J].测绘,2011(4):175-177

[4] 宋杨,李长辉,林鸿.面向对象的eCognition遥感影像分类识别技术应用[J].地理空间信息,2012,10(2):64-66

[5] 韩尚.福建省地理国情普查地表覆盖影像分割技术研究[J].测绘与空间地理信息,2014,37(6):15-17

[6] 蔡华杰,田金文.一种高分辨遥感图像多尺度分割新算法[J].武汉理工大学学报,2009,31(11):97-100

[7] 于欢,张树清,孔博,等.面向对象遥感影像分类的最优分割尺度选择研究[J].中国图像图形学报,2010,15(2):352-360

[8] 王頔,赵志芳,王瑞雪.基于eCognition的面向对象的土地覆盖分类研究[J].云南地理环境研究,2013,25(2):76-79

[9] 张学之,张禹,周博飞.FeatureStation和eCognition在地理国情普查项目中的应用对比研究[J].测绘与空间地理信息,2014,37(6):26-28

[10] 曹瑾鑫,孙立光.高分辨率遥感图像道路边缘自动检测与提取技术研究[J].ITS通讯,2006(2):14-18

[11] 李淑琴.浅谈地理国情普查中的质量控制[J].测绘与空间地理信息,2014,37(6):218-219

P208

B

1672-4623（2016）03-0036-04

10.3969/j.issn.1672-4623.2016.03.012

凌晓春，硕士，工程师，主要研究方向为GPS数据获取与处理、地理国情普查关键技术控制。

2014-11-14。