面向水土保持监管的黄土高原区生产建设项目地块快速提取

高志强, 史明昌†, 杨文涛, 孙娜, 王晓晶

(1.北京林业大学水土保持学院,100083,北京;2.北京地拓科技发展有限公司,100084,北京)

面向水土保持监管的黄土高原区生产建设项目地块快速提取

高志强1, 史明昌1†, 杨文涛1, 孙娜2, 王晓晶2

(1.北京林业大学水土保持学院,100083,北京;2.北京地拓科技发展有限公司,100084,北京)

生产建设项目是黄土高原区人为水土流失的主要来源之一。快速获取生产建设项目地块的位置和属性信息，对提升水土保持监管效率、保护区域水土资源具有重要意义。当前生产建设项目地块的提取主要采用专家目视解译遥感影像的方法，存在效率低、主观性强、稳定性差等问题。本文采用高分一号(GF-1)影像，提出一种面向对象的快速提取黄土高原区生产建设项目地块的方法。首先，分析研究区各类典型生产建设项目地块中组成地物的可分性，确定6类用于标记生产建设项目地块的标志性地物。在此基础上，融合多尺度分割和模糊分类方法，构建面向对象的多层次提取模型提取标志性地物，获得生产建设项目地块的提取结果。结果显示：6类标志性地物具备标记黄土高原区生产建设项目地块的能力，使用本方法提取点型生产建设项目地块的数量精度达到95%以上，提取线型生产建设项目地块的长度精度超过86%，且总耗时不超过现行方法的20%。与专家目视解译相比，本文方法在保证提取精度的同时，极大地提升了提取效率，可用于黄土高原较大区域的生产建设项目地块的快速准确提取。这一方法可为水土保持监管的高效化、精准化实施提供有力的技术支撑。

黄土高原区； 生产建设项目地块； 水土保持监管； 高分一号； 快速提取

生产建设项目在建设和生产过程中极容易产生水土流失[1]。黄土高原区是我国水土流失最严重的地区之一，同时也是我国重要的能源化工基地。随着经济的发展，生产建设项目不断增加，规模不断扩大，导致的区域内水土流失灾害日益严重。加强生产建设项目的水土保持监管，对保护区域内水土资源有着重要意义[2-3]。

传统现场巡查的方式难以快速准确获取区域内全部生产建设项目的位置和属性信息，极大地影响监管效率和质量。目前正在试行的“天地一体化”监管方式，利用高空间分辨率遥感影像提取36类生产建设项目地块，结合地面监督检查，实现对>1 000 m2生产建设项目的全覆盖监管[4]；但是这种方式主要采用专家目视解译的方法提取生产建设项目地块，存在效率较低、主观性强、稳定性差等问题。如何利用先进的基于遥感影像的自动提取技术，快速准确地提取生产建设项目地块，是信息化发展的趋势，更是进一步提升监管效率的有效手段。

当前，利用各种分辨率遥感影像提取不透水面、建筑物的研究较多[5-7]，但是提取生产建设项目地块的研究开展较少。相比于不透水面的提取，生产建设项目地块的提取有3个难点：一是研究区域上，不透水面注重于城市内部[8]，而生产建设项目分布更加广泛，覆盖城镇和农村地区，土地覆盖类型更加复杂，干扰信息更多；二是研究对象上，不透水面主要包括道路、停车场、人行道、屋顶和城市地物中其他不具有渗透性的表面[9]，生产建设项目地块除此之外还包括采矿区、弃土弃渣场、正在施工的建设区等，研究对象类型更加多样；三是研究尺度和精度上，不透水面提取多用于土地利用变化检测、城市规划等较大尺度的研究[10]，而生产建设项目地块提取以各生产建设项目为基本单元，其内部组成更加细小、破碎，提取的难度更大。

面向对象的遥感影像分析方法，通过影像分割获取对象，并将对象作为最小处理单元，能够充分利用地物光谱、形状、空间信息，克服基于像素方法带来的“椒盐效应”。多层次提取方法融合多尺度分割和模糊分类的优势，能够将不同层次提取的地物聚合，进一步提升提取精度，已经在不同领域得到有效利用[11-12]。本文试图使用2 m分辨率的GF-1融合影像，对黄土高原区各类生产建设项目地块的组成地物进行特征分析，构建一种面向对象的多层次提取模型，用于大区域生产建设项目地块的快速提取。

1 研究区概况

研究区选择陕西省榆林市横山县北部159 km2的城郊结合地带(图1)。该区位于黄土高原西北部，地貌破碎，土壤以黄绵土为主，自然资源丰富。研究区是晋陕蒙能源重化工基地的组成部分，有公路、火电、煤矿、油气开采、煤化工、加工制造、城建、水利项目等黄土高原区常见的各类生产建设项目。相比于生产建设项目分布比较规则的城镇地区，城郊结合地带生产建设项目数量多且分布分散，地物更加复杂，现场监管和遥感提取的难度更大，有较强的示范意义[13]。

图1 横山县及研究区位置示意图Fig.1 Location of Hengshan County and the study area

2 材料与方法

2.1 数据源

GF-1遥感影像PMS产品包括分辨率为8 m的4波段多光谱影像与分辨率为2 m的全色影像，与同等分辨率卫星影像相比，具有幅宽大和重访周期短的优势。笔者选择2014年8月25日获取的GF-1影像进行研究。辅助数据包括寒区旱区科学数据中心制作的中国沙漠1∶10万分布图和从 OpenStreetMap网站获取的研究区路网数据，分别用于辅助提取沙地和公路。结合2015年9月的实地调查，笔者目视解译了研究区生产建设项目地块分布图作为参考数据用于精度评价，从中选择29个典型生产建设项目地块用于样本分析。

2.2 技术流程

技术流程主要包括5个环节。1)数据预处理。包括对GF-1遥感影像的辐射校正、几何校正、影像配准、影像融合操作，辅助数据的配准、裁剪操作。2)组成地物特征分析和多层次提取模型构建。首先，将典型生产建设项目地块按组成地物进一步分解，分类制作样本，基于样本特征进行可分性分析，确定可用于标记各类生产建设项目地块的标志性地物；然后，分析各标志性地物的光谱、形状特征，划分提取层次，确定特征参数，在此基础上构建面向对象的多层次提取模型。3)面向对象的多层次提取。使用构建的多层次提取模型，对各标志性地物进行分类提取。 4)提取后处理。包括使用辅助数据剔除沙地、优化提取线型生产建设项目地块，利用空间关系对提取结果进行合并和筛选等操作，形成最终生产建设项目地块提取结果。5)精度与效率评价，基于参考数据对提取结果进行精度和效率评价。本文的研究技术路线如图2。

图2 研究技术路线图Fig.2 Technology roadmap of the study

2.3 组成地物特征分析

提取对象及其特征参数的准确选择是构建多层次提取模型的基本条件，这都依托于对地物特征的充分分析。研究区生产建设项目类型多样且组成较为复杂，不同类型不同生产建设阶段的生产建设项目地块的组成和占地特点也存在差异[14]。为消除冗余信息，笔者对29个典型生产建设项目地块的组成地物进行可分性分析，选取可准确标记各类生产建设项目地块的标志性地物。

遵循光谱特征均匀一致的原则，将典型生产建设项目地块按组成地物进一步细化，分为建(构)筑物、土质裸地、硬化地面、弃渣、植被、煤炭覆盖区、阴影、水体等8大类15小类。受材料、光照的影响，建(构)筑物影像特征较为复杂，结合现实地物特征进行了再分类。生产建设项目地块会包含15类中的1类或多类。

根据实地调查和查阅的相关资料，研究区的土地覆盖类型还包括耕地、草地、林地、水体和未利用地。将耕地、草地、林地合并为植被。未利用地主要为沙地。按照典型性和均一性的原则解译并选择地物样本，分类计算这些样本与上述15类生产建设项目地块组成地物样本的各波段均值及亮度值(即4个波段值的均值)，进行汇总(图3)。

1、2、3、4为GF- 1融合影像中的蓝波段、绿波段、红波段和近红外波段，5为亮度，下同。DN: digital number; 1: blue band of the GF- 1 fusion image; 2: green band of the GF- 1 fusion image; 3: red band of the GF- 1 fusion image; 4: near infrared band of the GF- 1 fusion image; 5: brightness of 4 bands. The same below.图3 样本各波段均值及亮度值Fig.3 Mean DN of 4 bands and brightness of the samples

从图3中可以看出：各类建(构)筑物(A1-A6)特征明显；亮色、深色土质裸地(A4-A5)与沙地(A16)的光谱曲线特征相似，合并为1类标志性地物，提取后使用沙漠分布图辅助剔除沙地；煤炭覆盖区(A13)、阴影(A14)与水体(A15)光谱曲线特征相似，合并为1类标志性地物，由于阴影常伴随建(构)筑物、行道树出现，难以准确标记生产建设项目，提取后使用形状特征剔除阴影；生产建设项目内部水体通常为面状，提取后使用形状特征剔除河流等线状水体；亮白色建(构)筑物(A1)与弃渣(A12)亮度值高，白色建(构)筑物(A2)与水泥硬化地面(A7)、灰色建(构)筑物(A4)与沥青硬化地面(A8)光谱曲线接近，分别合并为1类标志性地物。因此，将建(构)筑物、土质裸地、硬化地面、弃渣、煤炭覆盖区、水体共6大类8小类作为提取生产建设项目地块的标志性地物(表1)。

2.4 层次划分

影像分割效果直接影响地物提取的精度[15]。为提升分割效果，笔者使用基于分形网络进化分割算法[16]的多尺度分割方法，使各标志性地物在不同尺度实现最优分割。以使分割对象内部同质性最高为原则，笔者选用灰度共生矩阵熵(GLCM Entro-

表1 生产建设项目地块提取标志性地物Tab.1 Marked objects for extracting PCP land parcels

py)[17]作为分割评价指标，获取各标志性地物的最优分割参数。在此基础上，如果标志性地物的最优分割参数相近，则优化成同一分割参数进行分割，最终形成具有继承关系的3层分割结构(表3)。

2.5 特征选择

在多尺度分割标志性地物后，需要进一步分析各标志性地物的光谱、形状特征，选择能够准确描述标志性地物的特征组合。本文使用J-M(Jeffries-Matudita)距离矩阵[18]进行特征选择。

J-M距离基于样本来衡量2个类别在某一特征的分离程度，取值范围是[0, 2]。当J-M距离为2时，表示使用此特征区分2个类别不会产生混分现象，2类完全分离。J-M距离基于各类别在各特征上满足正态分布的假设，使用公式(1)计算得到。

Jf=2(1-e-Bf)。

(1)

式中：Jf为2个类别在f特征的J-M距离；Bf为2个类别在f特征的巴氏距离[18]。

根据土地覆盖分类相关文献总结32个常用的备选特征(表2)。考虑到纹理特征通常需要大量的计算[19]且对硬件要求较高，影响大区域提取效率，笔者仅从光谱和形状特征中进行选择。计算各类样本在表2各特征的J-M距离，得到J-M距离矩阵。利用J-M距离矩阵，选择各标志性地物与其他地物距离最大，区分性最强的特征进行组合(表3)，用于描述各标志性地物类别。

表2 32个备选特征Tab.2 32 features for selection

Note: NDVI: normalized difference vegetation index; NDWI: normalized difference water index.

表3 标志性地物提取分层及选用特征Tab.3 Features selected for extracting marked objects in 3 levels

注：分割参数196，0.2，0.8代表分割尺度为196，形状权重为0.2，紧致度权重为0.8。 Note：Segmentation parameters, like 196, 0.2, 0.8, represent scale, shape parameter and compactness parameter respectively.

2.6 面向对象的多层次提取模型构建

在确定标志性地物提取层次和特征后，需要通过确定各类标志性地物的提取规则集来构建完整的面向对象的多层次提取模型。由于标志性地物的某些特征值仍有重叠、交叉的情况，使用单一阈值建立特征规则会产生混淆提取或遗漏提取的现象。鉴于此，本文使用模糊分类的方法[22]，基于提取各类标志性地物的特征组合，使用SEaTH(Separability and Threshold)算法[16]综合专家知识，分别确定各特征规则的隶属度函数及参数，形成各类标志性地物的提取规则集。

2.7 提取后处理

由于线型生产建设项目[10](包括公路、管道项目等)地块易受周围地物干扰，自动提取难度大[23]，而且分类提取的标志性地物图斑较为破碎，无法直接作为最终的提取结果；因此，在完成对标志性地物的自动化提取后，需要通过提取后处理进一步完善提取结果，提升提取精度。主要包括5个步骤：沙漠分布图辅助剔除沙地，路网数据辅助优化提取线型生产建设项目地块，基于邻域和上下文特征合并提取图斑，填充图斑内部空隙，筛选面积大于500 m2的图斑作为点型生产建设项目地块的最终提取结果。结合研究区线型生产建设项目地块实际，本文提取宽度>6 m的线状图斑作为线型生产建设项目地块。

2.8 精度与效率评价

为了定量分析提取结果，根据点型和线型生产建设项目地块的不同特点，笔者分别对点型和线型生产建设项目地块进行精度评价。针对点型生产建设项目地块，定义数量和面积提取精度2项指标。

Aq=QR/QRef。

(2)

式中：Aq为点型生产建设项目地块数量提取精度；QR为正确提取的点型生产建设项目地块数；QRef为参考数据中点型生产建设项目地块数。

Aa=AR/ARef-A。

(3)

式中：Aa为点型生产建设项目地块面积提取精度；AR为正确提取的点型生产建设项目地块的总面积；ARef-A为参考数据中被正确提取的点型生产建设项目地块的总面积。

由于线型生产建设项目地块具有连通性的特点，定义其精度评价指标为

Al=LR/LRef。

(4)

式中：Al为线型生产建设项目地块长度提取精度；LR为正确提取的线型生产建设项目地块的长度；LRef为参考数据中线型生产建设项目地块的总长度。

笔者通过比较提取时间进行效率评价。提取时间包括在eCognition软件中运行规则集和提取后处理的时间。运行环境为PC机，操作系统为Microsoft®Windows®7 64 bit旗舰版，处理器为Intel®CoreTMi7-5700 HQ(2.7 GHz)，内存为16 GB。

3 结果与分析

基于研究区GF-1影像，分别使用上述方法和专家目视解译法提取生产建设项目地块，提取结果如图4所示。在此基础上，采用精度和效率评价指标对提取结果进行评价，分别得到精度评价结果(表4)和效率评价结果(表5)。

从图4，图5和表4可以看出，使用本文提出的面向对象的多层次提取法提取点型和线型生产建设项目地块，均可以达到较高的提取精度。这表明本文选择的6类标志性地物标记生产建设项目地块的能力较强，面向对象的图像分析方法在黄土高原区生产建设项目地块快速提取工作中有一定的适用性。少数点型生产建设项目地块被遗漏提取的主要原因是其组成较为“破碎”，标志性地物的提取面积没有达到筛选阈值。被错误提取的图斑主要是植被覆盖率较低或无植被覆盖的沟坡、沟底和耕地。由于点型生产建设项目地块边缘多为土质裸地向植被过渡地带，这导致地块边界的提取存在不稳定性，在一定程度上影响了面积提取的精度。此外，周边的植被、车辆和其他地物都会对线型生产建设项目地块影像特征的一致性产生干扰，从而产生了部分遗漏提取。

表4 精度评价结果Tab.4 Results of accuracy evaluation

Note:Aqrepresents the quantitative accuracy of extracting block-type PCP land parcels;Alrepresents the length accuracy of extracting line-type PCP land parcels;Aarepresents the area accuracy of extracting block-type PCP land parcels.

表5 效率评价结果Tab.5 Results of efficiency evaluation

由表5可知，在相同的运行环境下，相比于专家目视解译法，本文提出的方法显示出较大优势，耗时仅占其18.42%。其中运行规则集的时间在0.3 h以内，而提取后处理环节，尤其是优化提取线型生产建设项目地块中消耗了较多时间。

4 结论与讨论

笔者充分利用GF-1遥感影像的优势，通过分析黄土高原区常见类型生产建设项目地块组成地物的可分性，将建(构)筑物、土质裸地、硬化地面、弃渣、煤炭覆盖区、水体确定为提取标志性地物。研究证明，6类标志性地物具有较强的标记作用，能够满足自动化提取点型和线型生产建设项目地块的需求。

图4 提取结果Fig.4 Extraction results

a、c为采用专家目视解译法的提取结果，b、d为采用本文方法的提取结果。Figure a and c show the results extracted by manual interpretation, while figure b and d show the results extracted by the method proposed in the paper.图5 典型地块提取结果对比Fig.5 Comparisons of results extracted by different methods

本文基于构建的面向对象的多层次提取模型，完成对研究区生产建设项目地块的提取。结果显示，和专家目视解译方法相比，本方法能够融合多尺度分割方法和模糊分类方法的优势，点型生产建设项目地块的数量提取精度达到95%以上，线型生产建设项目地块的长度提取精度超过86%，总耗时不超过目视解译方法的20%。本方法在保证提取精度的同时，极大地提升提取效率；但是在研究中，由于影像波段和备选特征的限制，本方法仍存在错误提取和遗漏提取的情况。对点型生产建设项目地块的提取来说，需要在优化标志性地物的提取特征，减少错误提取的图斑方面开展更加深入的研究。对线型生产建设项目地块的提取来说，需要在降低干扰信息的影响，提升提取精度方面继续研究。此外，基于研究效率的考虑，本文选择100 km2尺度的区域进行研究，并证明提出的方法在此尺度下的适用性和有效性，但在更大区域的适用性还需要进一步的研究验证。

本方法实现了在黄土高原较大区域的生产建设项目地块快速准确提取，有助于水土保持业务部门更加高效、准确地获取当地生产建设项目水土保持合规性底数，从而为后期新增生产建设项目的监管提供基础参考数据，在生产建设项目水土保持监管中具有一定的借鉴意义。

[1] 朱首军,黄炎和.开发建设项目水土保持[M].北京:科学出版社,2013: 1. ZHU Shoujun, HUANG Yanhe. Soil and water conservation of development and construction projects[M].Beijing: Science Press, 2013:1.

[2] 徐林.晋陕蒙接壤地区水土保持监督执法存在问题与对策[J].中国水土保持,2014,(8):58. XU Lin. Problems and countermeasures on supervision and law enforcement of soil and water conservation in Shanxi-Shaanxi-Inner Mongolia contiguous areas[J]. Soil and Water Conservation in China, 2014, (8):58.

[3] 晋陕蒙接壤地区水土保持监督局. 2015年度晋陕蒙接壤地区水土保持监督管理公报[EB/OL]. (2016-02-22)[2017-01-05]. http:∥www.hwjsm.org/index.php?m=Index&a=shows&catid=7&id=439. Soil and Water Conservation Supervisory Bureau of Shanxi-Shaanxi-Inner Mongolia Contiguous areas, YRCC. Soil and water conservation supervision and management communique of Shanxi-Shaanxi-Inner Mongolia contiguous areas 2015[EB/OL]. (2016-02-22) [2017-01-05]. http:∥www.hwjsm.org/index.php?m=Index&a=shows&catid=7&id=439.

[4] 李智广,王敬贵.生产建设项目“天地一体化”监管示范总体实施方案[J].中国水土保持,2016,(2):15. LI Zhiguang, WANG Jinggui. Overall implementation plan of the demonstration of the Space-Earth Integration supervision and management of production and construction projects [J]. Soil and Water Conservation in China, 2016,(2):15.

[5] 戴舒,付迎春,赵耀龙.基于Cubist模型树的城市不透水面百分比遥感估算模型[J].地球信息科学学报,2016,18(10):1399. DAI Shu, FU Yingchun, ZHAO Yaolong.The remote sensing model for estimating urban impervious surface percentage based on the Cubist model tree[J]. Journal of Geo-information Science, 18(10):1399.

[6] 徐涵秋,王美雅.地表不透水面信息遥感的主要方法分析[J].遥感学报,2016,20(5):1270. XU Hanqiu, WANG Meiya.Remote sensing-based retrieval of ground impervious surfaces[J]. Journal of Remote Sensing, 2016, 20(5): 1270.

[7] 樊舒迪,胡月明,刘振华.一种新的面向对象城市建筑物信息提取方法研究[J].华南师范大学学报(自然科学版),2015,47(6):91. FAN Shudi, HU Yueming, LIU Zhenhua. Research of information extraction of city building based on a new object-oriented method[J].Journal of South China Normal University (Natural Science Edition), 2015,47(6):91.

[8] Esch T, Himmler V, Schorcht G, et al. Large-area assessment of impervious surface based on integrated analysis of single-date Landsat-7 images and geospatial vector data.[J]. Remote Sensing of Environment, 2009, 113(8):1678.

[9] Jr ARNOLD C L, GIBBONS C J. Impervious surface coverage: the emergence of a key environmental indicator[J]. Journal of the American Planning Association, 1996, 62(2):243.

[10] 李德仁,罗晖,邵振峰.遥感技术在不透水层提取中的应用与展望[J]. 武汉大学学报(信息科学版),2016,41(5):573. LI Deren, LUO Hui, SHAO Zhenfeng. Review of impervious surface mapping using remote sensing technology and its application[J]. Geomatics and Information Science of Wuhan University, 2016,41(5):573.

[11] 马浩然,赵天忠,曾怡.面向对象的最优分割尺度下多层次森林植被分类[J].东北林业大学学报,2014,42(9): 53. MA Haoran, ZHAO Tianzhong, ZENG Yi.Object-based multi-level classification of forest vegetation on optimal segmentation scale[J]. Journal of Northeast Forestry University, 2014,42(9):53.

[12] 王利民,刘佳,杨福刚,等.基于GF-1卫星遥感的冬小麦面积早期识别[J].农业工程学报,2015,31(11): 197. WANG Limin, LIU Jia, YANG Fugang, et al.Early recognition of winter wheat area based on GF-1 satellite[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 197.

[13] 俞春娜,俞伟斌,谭永忠. 基于色彩和纹理特征的建设用地遥感专题信息自动提取方法[J]. 西南大学学报(自然科学版), 2012, 34(1):107. YU Chunna, YU Weibin, TAN Yongzhong. Approach of extracting RS thematic information of construction land based on the features of color and texture[J]. Journal of Southwest University(Natural Science Edition), 2012, 34(1):107.

[14] 姜德文,郭索彦,赵永军,等.生产建设项目水土保持准入条件通用条款[J].中国水土保持科学,2010,8(3):44. JIANG Dewen, GUO Suoyan, ZHAO Yongjun, et al. General terms of soil and water conservation access conditions of production and construction projects[J]. Soil and Water Conservation in China, 2010,8(3):44.

[15] 朱俊杰,范湘涛,杜小平.面向对象的高分辨率遥感图像分析[M].北京:科学出版社, 2014:9. ZHU Junjie, FAN Xiangtao, DU Xiaoping. Object-oriented high resolution remote sensing image analysis[M]. Beijing:Science Press, 2014:9.

[16] BAATZ M, SCHPE A. Multiresolution segmentation: an optimization approach for high quality multi-scale image segmentation[C/OL].[2017-01-05]. http:∥www.ecognition.com/sites/default/files/405_baatz_fp_12.pdf?.

[17] 杨亦宁. 基于优度准则的遥感影像最优分割参数组合选择研究[D].兰州：兰州大学,2013: 55 YANG Yining.Goodness criterion for selecting optimal combination of parameter values in remote sensing image segmentation[D]. Lanzhou: Lanzhou University, 2013:55.

[18] NUSSBAUM S, NIEMEYER I, CANTY M J. SEaTH-a new tool for automated feature extraction in the context of object-based image analysis[C/OL].[2017-01-05]. http:∥www.isprs.org/proceedings/XXXVI/4-C42/Papers/12_Object-based%20approach%20generic%20issues%20-%20IC%20I/OBIA2006_Nussbaum_Niemeyer_Canty.pdf.

[19] 佟国峰,李勇,丁伟利,等.遥感影像变化检测算法综述[J].中国图象图形学报,2015,20 (12):1567. TONG Guofeng, LI Yong, DING Weili, et al. Review of remote sensing image change detection[J]. Journal of Image and Graphics, 2015, 20(12): 1567.

[20] 吴宏安,蒋建军,张海龙,等. 比值居民地指数在城镇信息提取中的应用[J]. 南京师大学报(自然科学版),2006,29(3):119. WU Hongan, JIANG Jianjun, ZHANG Hailong, et al. Application of ratio resident area index to retrieve urban residential areas based on Landsat TM data [J]. Journal of Nanjing Normal University (Natural Science), 2006,29(3):119.

[21] XU H. Rule-based impervious surface mapping using high spatial resolution imagery[J]. Transactions of the Chinese Society of Agricultural Engineering: Transactions of the CSAE, 2013, 34 (1): 32.

[22] URSULA C B, PETER H, GREGOR W, et al. Multi-resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information [J]. ISPRS Journal of Photogrammetry & Remote Sensing, 2004, 58(3/4):251.

[23] 余洁,余峰,张晶,等. 结合区域生长与道路基元的高分辨率遥感影像道路提取[J]. 武汉大学学报(信息科学版),2013,38(7):761. YU Jie, YU Feng, ZHANG Jing, et al. High resolution remote sensing image road extraction combining region growing and road-unit[J].Geomatics and Information Science of Wuhan University, 2013,38(7):761.

Rapid extraction of land parcels from soil and water conservationsupervision-oriented productive and constructive projects in the Loess Plateau

GAO Zhiqiang1, SHI Mingchang1, YANG Wentao1, SUN Na2, WANG Xiaojing2

(1.School of Soil and Water Conservation, Beijing Forestry University, 100083, Beijing, China;2.Beijing Datum Technology Development Co. Ltd, 100084, Beijing, China)

[Background] The productive and constructive project (PCP) is one of the main sources of man-made soil and water loss in the Loess Plateau. Acquiring the location and attributes of PCP land parcels is critical to soil and water conservation supervision, management, and protection. Traditional ways of mapping PCP land parcels mainly rely on manual interpretation of remote sensing images, which is time-consuming, subjective and expensive. [Methods] Based on GF-1 images, this paper presents a rapid object-oriented method to extract PCP land parcels in the Loess Plateau. Firstly, we analyzed the separability of 29 typical PCP land parcel components in the study area. Six kinds of components were selected as extraction markers. Then, on this basis, an object-oriented multi-level extraction model, which united the multi-resolution segmentation algorithm and the fuzzy classification algorithm, was developed to extract these six kinds of components mentioned above. Final extraction results were achieved after automatic extraction and post-processing procedures. [Results] Results showed that six kinds of marked objects, which were buildings and structures, hardened grounds, bare lands, waste slags, coal covered areas and water areas, were reliable to sign PCP land parcels in the Loess Plateau. With the object-oriented multi-level extraction model, the extraction results were considered sustainable and efficient. The quantitative and area accuracy of extracting block-type PCP land parcels was 95.03% and 85.19% respectively, while the length accuracy of extracting line-type PCP land parcels was 86.34%. Besides, with the same hardware and software configuration, the overall time was 80% less than the traditional method. The results validated that the multi-resolution segmentation algorithm portrayed the edges of different objects correctly in several scales, and that the fuzzy classification algorithm described the features of the objects in a more plentiful and accurate way. It was proved that the object-oriented extraction method was suitable for extracting PCP land parcels based on GF-1 imagery. A few of block-type PCP land parcels were failed to be extracted for the broken composition and inadequate extracting area. The interferences of surroundings decreased the extraction accuracy of line-type PCP land parcels. [Conclusions] Compared to manual interpretation, this proposed method shows a solid advantage on extraction efficiency with a high accuracy, which can be applied for rapid extraction of PCP land parcels in a large region in the Loess Plateau. This method provides a better technical support for efficient and accurate implementation of soil and water conservation supervision and management.

the Loess Plateau; productive and constructive project (PCP) land parcel; soil and water conservation supervision and management; GF-1; rapid extraction

2017-01-09

2017-02-15

高志强(1991—)，男，硕士研究生。主要研究方向：3S技术集成开发与应用。E-mail:bjfugaozhq@gmail.com

†通信作者简介： 史明昌(1969—)，男，博士，教授。主要研究方向：3S技术在水土保持中的应用。E-mail:shimc@dtgis.com

S157;TP751

A

2096-2673(2017)03-0081-09

10.16843/j.sswc.2017.03.011

项目名称： 高分水利遥感应用示范系统(一期)(08-Y30B07-9001-13/15)