ISO非监督法分类在地理国情监测中的应用

熊文豪　伊雨花

摘 要：地表覆盖是地理国情监测中重要的部分，其主要依赖人工解译和自动人工结合的两种方式。ArcGIS具备分类以及矢量处理等强大的功能，本文尝试用ArcGIS自动人工相结合的方式进行地表覆盖的解译工作。详述ArcGIS中ISO非监督法分类在地理国情监测地表覆盖中的应用，分析不同参数带来的影响，并根据地理国情监测的要求进行具体的实施流程确定。

关键词：地理国情监测；地表覆盖；ISO非监督法分类

中图分类号：P237 文献标识码：A 文章编号：1671-2064（2017）16-0249-02

在遥感影像分类中，根据是否已知训练样本的数据，分类方法分为监督分类和非监督分类。非监督分类的结果，只是对不同类别达到了区分，但是不确定类别的属性，其类属是通过事后对各类进行分析后确定的。在地理国情监测地表覆盖的解译中就采用了非监督分类，然后人工进行再分类。而ArcGIS的分类工具就具备ISO聚类非监督分类。本文重点介绍了使用ArcGIS软件按照地理国情的要求进行影像的分类和处理，以乌梁素海地理国情监测为例，确定其流程和方法。

1 数据的制作

乌梁素海主要以挺水植物、沉水植物、浮游植物、水面为主，大部分属于植物类，通过影像以及植被特性分析，重点进行植物和水面的划分，最后在植物里区分挺水植物、沉水植物、浮游植物。这里采用一幅1万的图幅数据25平方公里数据的分类，并说明参数不同对分类的影像[1]。主要流程如图1所示。

（1）首先在ArcGIS工具栏中使用影像分类工具，进行ISO聚类非监督分类。ISO聚类非监督分类共包含3个参数类数目、最小类大小、采样间隔。其中类数目指要将像元划分成的类数目，最小类的大小指一个有效类中的最小像元数，采样间隔是指采样所采用的间隔。因地理国情监测数据要求矢量数据与影像的精度在5个像元内，且此次分类最小面积1600平米，为达到较高的精度要求，最小类大小为300，采样间隔默认10，类数目分别进行10、20、30的分类。经过该分类后获得的栅格数据分别为ISO10、ISO20、ISO30。

（2）数据的矢量化操作。地理国情监测数据为矢量数据LCA层，并具备CC及TAG两个属性字段，因此需要转换为矢量数据，方便后期操作。采用ArcGIS功能“转换工具-由栅格转出-栅格转面”，分别获得矢量数据。地表覆盖图斑数分别如表1所示。

其中可以发现随着分类数的增加，图斑数也聚增，数据量会变的很大，操作时间会变长，对计算机内存等也有着一定的要求。分类数的增加，针对影像的分类也会更加精细，后期的处理也变得复杂。

（3）人工进行属性分类。LCA层中的CC属性字段代表着地物的分类属性编码。因整个图幅基本可以划分为水面、芦苇，人为的选择一级分类进行合并划分为水面1001，其他的为芦苇0431。在各个属性字段中添加CC字符串字段，并根据grid_code进行计算。ISO10选择1、2、5类，ISO20选择1、2、3、5、8类，ISO30选择1、2、3、4、8、13类，该类分别赋为水面1001。因需要使用逻辑处理，故使用代码实现，如下：

If [grid_code]= 1 or [grid_code]= 2 or [grid_code]= 5 Then

[CC] = “1001”

else [CC] =”0431”

end if

分类数目增加，分类更加详细，水面的纹理的区分更加细致，需要人为判定哪些类为水面。采用ArcGIS工具“数据管理工具-制图综合-融合”，针对同CC的属性融合。

（4）数据的综合。自动解译过程中会产生大量的极小面，这是不符合地理国情监测数据指标的，因此需要进行小面的合并操作，分別合并至大面中。芦苇0431和水面1001的面积指标为1600平方米，在地理国情中面积指标可以缩小30%，为1120平米，再次以1120为面积的限定条件。建立CC1字符串字段，将小面积的0431改为1001，小面积的1001改为0431，计算代码如下：

If （[CC] = “1001” And [Shape_Area] <1120） Then

[CC] = “0431”

elseif （[CC] = “0431” And [Shape_Area] <1120） Then

[CC] = “1001”

end if

该操作极大的减少了小面积的噪声，一般进行两次操作后基本不存在极小面积等问题，最终三种分类方式的图斑数为340，图斑数从几十万到几百，而且基本将比较明显的类别区分出来。经过划分后比较三种方式，发现第2步人工确定分类，极大的影像了分类的精度，此处选择错误将导致很多边界不准确或属性错误，而随着分类数目的增加，确定类的属性变得困难，但是分类效果会更理想，尤其对于比较离散的纹理，ISO30分类效果较好，ISO20、ISO10存在属性划分错误[2]。

（5）去除齿状节点。自动解译是以像元为基础进行分割处理，经过此操作后，边界齿状明显，在地理国情中要求图斑节点数不能超过10万个节点，为了减少节点数，进行简化面操作。在ArcGIS工具中“制图工具-制图综合-简化面”，简化面是在不改变基本几何形状的情况下，通过移除多余的弯曲简化面要素。采用POINT_REMOVE简化算法，包含两个简化容差，最大允许偏移量及最小面积，其中最大允许偏移量指转换前后节点的偏移大小。偏移量设置的越大形状改变越大，与影像的套和程度越低。因影像分辨率为2米，这里参数设置为2至10之间确保精度，当偏移量为5时，改变了较多的形状，边界存在部分不准确。经测试3能达到较好的效果，节点减少较多且与影像套和效果好。在ArcGIS10.0版本以上简化面工具新增了处理拓扑错误工具，该功能解决了以往简化面中存在的大量重叠面以及简化面操作。

（6）最后在此基础上划分浮游藻类以及沉水植物，并进行数据的整理和检查工作，解决同普异物等问题，确保地理国情数据的精确以及可靠。

2 结语

通过ISO聚类非监督分类极大的减小了工作量，不用人工进行面分割处理，提高了效率。在分类过程中发现不同的参数对自动解译精度有较大的影响，然而分类数增加电脑的处理时间会更长，直接影响到后续的操作。因此在进行某一地区项目时，因根据影像情况制定参数方案，最后进行整个项目区的处理。

参考文献

[1]蒋好忱，任宏权，秦先锋，等.eCognition影像自动解译及精度评定[J].测绘通报，2015，（10）：81-84.

[2]覃宇，张迅.地表覆盖自动解译方案在地理国情普查项目中的应用[J].测绘与空间地理信息，2015，（06）：164-166.endprint