华东平原区居民地遥感特征分析及提取方法研究

苑惠丽，余艳玲，李吉英，陈文君

(1.金陵科技学院建筑工程学院，江苏 南京 211169； 2.广西水产科学研究院广西重点实验室，广西 南宁 530021；3.滨州学院建筑工程系，山东 滨州 256600)

1 引 言

居民地是人与自然相互作用的产物，是人类因生产和生活需要而集聚定居的场所，包括房屋建筑物，以及与居住直接相关的其他生活设施(如道路、公共设施、园林绿化、港站等)和生产设施。居民地遥感信息提取在国土资源管理、环境监测、地质灾害应急等领域具有重要的研究意义，尤其是现阶段中国城镇化建设过程中城市用地迅速扩大的情况下，准确提取居住用地信息对科学合理进行城镇规划，控制城镇用地规模具有十分重要的作用。

目前提取居民地的常用方法主要是利用影像的光谱特征构建各种建筑指数提取，或利用光谱特征进行样本的快速选取等方面[1～4]。然而单纯基于光谱知识的居民地信息提取易受混合像元、同物异谱和异物同谱现象的困扰，存在严重的“椒盐现象”[5]，随着面向对象方法的广泛应用，综合应用遥感图像的光谱特征和几何特征进行居民地提取成为可能[6～9]。面向对象的分析方法关键在于影像分割尺度的确定和信息提取指标的选择。分割尺度的大小决定了分割后对象的轮廓贴近地物的真实形态，合适的分割尺度能最大限度地减弱过分割和欠分割现象。此外，我国沿海地区农村居民地具有与内陆完全不同的分布特点和影像特征，在利用遥感影像进行信息提取过程中分割尺度及提取指标也有不同，而以往文献中少有介绍和分析。

本研究拟利用中分辨率遥感影像Landsat 8 OLI数据，以华东平原区居民地为研究对象，探究内陆和沿海居民地各自具有的独特地理分布特点和影像特征，充分利用居民地的光谱和几何特征，采用面向对象的影像分析方法进行居民地信息提取研究。

2 华东平原区居民地遥感影像特征

2.1 遥感图像目视特征

平原区居民地分为农村居民地和城镇居民地[10]。农村居民地主要是由房屋、房间空地、道路、村内零星树木及村周围较连片的树木组成。房屋主要为低矮楼房和平房，居民地四周一般为农田，部分居民地周围有水塘、沟渠，居民地之间有道路连通。

因此，在中分辨率遥感影像上，农村居民地的像元多为混合像元，其遥感信息是由房屋、房间空地、道路、零星树木及水塘等对电磁波的反射和辐射等混合而成。平原区农村居民地一般具有集中分布、数量多、面积相对较大、形状较为规整以及与周围农田有较好的区分度等特点，影像上较易识别。按照分布情况，平原区农村居住地又有内陆和沿海之分。内陆的平原区农村居民地一般呈簇、团状分布，周围农田多为旱地，如江苏安徽北部地区(图1a)；沿海的平原区农村居民地一般沿沟渠或道路分布，呈条状，多分布于东部沿海，周围农田多为水田，因房屋宽度的影响，在 30 m分辨率的影像上，与房屋前后的农田或沟渠、道路形成混合像元，导致其光谱特征不明显，不易识别(图1b)。

图1 华东平原区居民地影像特征

城镇居民地主要由房屋、道路、绿地及房间空地组成。房屋为楼房， 30 m分辨率的遥感影像上楼房的阴影不明显。房间空地和道路多为水泥地面，光谱特征与房屋近似，具有建筑物的特征，不易识别。绿地范围较大时，在影像上可以分辨；大部分情况下分布零散、面积较小，与建筑物等组成混合像元。城镇居民地一般具有集中分布、面积较大及与周围农田有较好的区分度等特点，影像上较易识别。除此之外，紧邻城镇居民地的周围可能分布有一定面积的工业用地，亮度较高，较易区分。

2.2 遥感图像光谱特征

为了分析不同类型地物在光谱特征上的可分性，在经过辐射定标、大气校正、几何精校正的Landsat 8 OLI影像(获取时间：2018年4月17日)上选取典型地物测定其在多光谱波段的亮度值，考虑平原区的实际情况和地类的光谱特性，选取主要地物类型统计光谱均值，光谱曲线如图2所示。可以看出，各类地物的反射特性在各个波段上是不一致的。因为有了绿色农作物的覆盖，耕地表现出了与其他地物明显不同的特征，虽然在第1～第4波段上与水体接近，但在第5波段近红外波段上反射率最高；居住地和道路各波段的反射率值都较为接近，没有明显的区分度。可见，仅利用光谱信息进行分析，难以将居民地从背景地物中精确地提取出来，这也是利用光谱特征提取居民地信息的难点。

图2 平原区主要地物光谱采样均值曲线图

2.3 几何特征

内陆和沿海的城镇居民地具有相似的几何特征，而农村居民地则有明显的不同。内陆研究区影像经过分割，团状的居民地被分割出来，与周围地物的分割形状有明显区别如图3(a)所示。由于分辨率的限制与道路本身的宽度，道路呈现细小长条状，长度远大于宽度，宽度变化小，多为1～2个像元。研究统计发现对于线状的道路，当分割尺度为25时，道路Length/Width大于3.5，而且Density小于2。因此，利用几何特征有助于区分有相似光谱特征的内陆居住地和道路。沿海地区的农村居民地分割后呈长条状，几何特征明显(图3b)。与内陆研究区不同，因房屋单排建设，靠近道路或沟渠，30 m分辨率使其分割过程中归为同一对象内。

图3 华东平原区居民地几何特征

3 数据与方法

3.1 研究区概况

安徽省涡阳县和江苏省盐城市盐都区分别代表了内陆和沿海两种情况下的平原区居民地类型。安徽省涡阳县位于皖北地区，地处亳州市中心地带，位于北纬33°27′～33°47′，东经115°53′～116°33′，面积 2 107 km2，总人口155万。属于暖温带半湿润大陆性季风气候，县境地势平坦。土地利用类型以耕地地为主，耕地面积 1 311 km2。

江苏省盐都区位于苏北地区盐城市区西南部，地处北纬33°20′，东经129°9′，总面积 1 018 km2。东西宽，南北窄，呈不规则的长条形。境内有丰富的土地资源和水资源，全区地势平坦，河网密布。具有明显的季风气候特点，四季分明。

3.2 遥感影像及分类验证数据

影像时相的选择是影响提取精度的一个重要环节，对于平原区居民地而言，一般选用4月～5月初这个时期的遥感影像进行居民地的提取[10]。此时耕地的植被特征明显，分布于居住地周围的落叶林还没有覆盖掉居民地，可以用植被指数完全将耕地区分开。

因此，选取Landsat 8 OLI(Operational Land Image)L1级标准产品为数据源(表1)，内陆居民点研究区数据来源于2018年4月17日获取的影像，沿海居民点研究区数据由2018年4月28日和2018年4月19日获取的两景影像拼接而成，三景均为无云影像，该级别数据产品使用地面控制点和数字高程模型数据进行了几何校正，坐标精度能满足本研究要求；分类精度的验证与评价，使用2016年7月获取的研究区行政村数据，涡阳县有501个，盐都区有796个。

研究区选取数据源 表1

3.3 方法

在利用遥感影像进行信息提取前，利用ENVI 5.3的辐射定标模块对Landsat 8影像进行辐射定标，并结合Landsat 8的光谱响应函数，利用该平台的FLAASH校正模块进行大气校正。

3.3.1 面向对象分析方法

当前我国的各个企业在管理的过程中，应用的管理模式还处于初级阶段，在一些经济活动中，具体的事务处理还存在着不完善的部分，企业需要通过不断创新，引进先进的信息技术，将内部的管理制度制订落实，合理规避企业经营活动中的风险项，让企业能够在保证资产的合法整合的情况下，提升企业的经济效益，推动企业利益的最大化，是企业基于经济效益和生产经营共同作用下的发展途径，所以，完善企业的内部控制管理是企业能够长期可持续发展的必然阶段。

影像分割是面向对象信息提取的第一步，分割的尺度以及生成对象合适与否将直接影响遥感信息提取的精度。本文根据影像数据的分辨率和应用目的，基于试验对比获得最佳分割尺度参数。在分割时遵循以下两个原则：①在满足必要的精细条件下，尽量以最大可能分割尺度来区分不同的影像区域获得影像对象；②在满足必要的形状标准前提下，尽可能采用颜色标准，即光谱因子[5]。

影响生成对象的分割因子主要是影像波段权重(Image Layer weights)、分割尺度(Scale parameter)以及均质因子，包括形状因子(Shape)和紧致度因子(Compactness)。本研究采用最佳指示因子和基于面积的方法对分割参数进行试验和选择。

(1)

式中Si为第i波段的标准差；Rj为任意两个波段之间的相关系数，OIF表示波段组合的信息量，OIF越大，表示组合信息量越大，波段之间的组合越优。

3.3.2 提取特征指标选取

(1)归一化指数法。最著名的是归一化植被指数NDVI(Normalized Difference Vegetation Index)。

(2)

式中，ρn为近红外波段的反射率，ρr为红波段的反射率；该指标能够有效地剔除居民地周围的农田信息。对于成团状的内陆平原区居民地，可以用植被指数完全将耕地剔除；对于成条状的沿海平原区居民地，将植被指数阈值调低，之后再建立区域进一步提取。

(2)几何特征指标

从平原区居民地的分布特点可以看出，平原区居民地的空间分布具有明显的规律和区域差异，如内陆农村居民地四周一般为农田，沿海的农村居民地一般沿道路、沟渠分布，因此可以利用居民地与其他类间的邻接关系进行识别；另外，居民地的形状特征明显，内陆地区表现为近圆形，沿海地区为长条形，因此可以利用形状指数进行提取，形状指数I的定义如下[11]：

I=S1/2/P

(3)

式中，I为形状指数，S为图斑面积，P为周长。圆的形状指数大于0.25，长条形的形状指数小于0.25。

综上所述，首先，利用影像数据的第四波段及亮度特征剔除湿地信息；然后根据NDVI值将耕地信息尽可能剔除；最后根据形状指数将居民地信息提取出来，得到居民地分布情况(图4)。分类阈值的确定，根据特征指标的分布直方图找出近似阈值，在此基础上进行微调(±0.01)，结合目视结果确定阈值。

图4 华东平原区居民地信息提取流程

4 结果与讨论

4.1 分割波段选取

Landsat 8 OLI陆地成像仪的波段1～7和波段9为多光谱波段，空间分辨率为 30 m，波段8为全色波段，空间分辨率为 15 m。波段1主要用于监测近岸水体，因此不需要用波段1。研究区遥感影像无云层覆盖，所以也不需要用于卷云监测的短波红外波段9。对其余波段做相关性分析发现(表2)，波段1、2、3，波段6、7的相关性很强，其他波段之间的相关性相对较弱。因此避免信息冗余在1、2、3波段之间选择一个波段，6、7之间选择一个波段是比较合适的。

Landsat-8影像各波段间相关性矩阵 表2

参与图像分割波段数量和构成情况通过计算不同波段组合的OIF指数获得，研究发现，随着组合波段数量的增多，OIF有下降的趋势[12]，因此，本文选取三个波段的组合计算OIF值。如表3所示，对于内陆居民地研究区(245)波段组合包含的信息量最大，说明这三个波段的组合最优。故在OIL影像分割中波段权值的选择为2、4、5分别设置为1，其他波段权重为0参与分割。同样，沿海居民地研究区(456)波段为分割波段。

对于产生影像对象的加权影像层，尺度参数定义了均一性准则的最大标准差。尺度参数越大，产生的对象越大。本文以5为尺度间隔，以5～90为尺度范围对影像进行分割实验，得到影像分割尺度与对象数目的关系，如图5a所示。当分割尺度为5～20时，对象数目随分割尺度的增大而急剧减少；当分割尺度大于45时，对象数目随分割尺度增大的变化不明显；且分割尺度在45～55之间时，分割对象的最大面积没有变化(图5b)。对象数目急剧变化，说明此时的分割尺度不适合任何地物的提取；对象数目几乎没有变化，说明分割结果已趋于稳定，因此本文确定分割尺度参数范围为20～45。

为了得到提取居民地信息所需的最优分割尺度，本文以2为尺度间隔，以20、22、…、46等14个尺度进一步分割后统计分割对象的数量和最大面积，得到图5(c)和图5(d)，确定影像中居民地的最优分割尺度为25。同样的方法，确定沿海居民地影像的最优分割尺度为30。

Landsat-8不同波段间组合OIF指数 表3

图5 内陆研究区分割对象数量和最大面积随尺度变化关系

4.2 居民地提取及验证分析

采用面向对象的影像分析方法，根据2中确定的提取光谱和几何特征指标进行安徽省涡阳县和江苏省盐都区的居民地信息提取。提取结果如图6所示：

图6 居民地提取结果图

将提取出的居民地信息与原影像进行叠加，从目视上看，居民地信息均被提取出来，总体效果较好；统计结果发现，涡阳县居民地面积为 262 km2，与实际居民地面积 243 km2相比，多提取8.6%；结合野外实地采样数据进行精度验证，安徽省涡阳县居民地信息提取精度达到94.8%，江苏省盐都区居民地信息提取精度达89.3%(表4)。

居民地信息提取精度评价表 表4

从图7(a)可以看出，Landsat 8 OIL数据542波段组合假彩色显示的内陆农村居民点周围，有很明显的林地分布，宽度约0～3个像元，分辨率导致部分像元为混合像元，上覆有林地的居民地与完全林地分布区域区分不明显，分割时尺度的选择和分类阈值的确定都会影响这个区域的类型划分，从而影响居住地提取精度。另外，研究发现，4月份影像上河流两侧耕地与其他区域比较，湿地特征明显，NDVI值较低，无法以同一个阈值进行耕地剔除，利用近红外波段能够有效地将这一部分耕地剔除。

盐都区居民地提取精度较低的原因主要在于该区居民地成条状分布，宽度较小，受周围环境影响较大，中分辨率影像上多为混合像元，分割得到的条状对象中有房屋、道路，甚至沟渠(图7b)。因此，在用居民地野外采样点验证与提取的居民地面积验证相比较时，显示精度较高。

图7 居民地与邻近地物分布情况

5 结 论

本文在分析了华东平原区内陆居民地和沿海居民地视觉特征、光谱特征和几何特征的基础上，构建了平原区居民地信息的提取模式，并进行了验证讨论。结果如下：

(1)华东平原区居民地在内陆和沿海有明显不同的分布特点，内陆居民地聚集在一起，成团状分布，周围为农田；沿海居民地一般沿沟渠或道路分布，成条状。

(2)通过分析影像波段间的相关性和统计组合波段的OIF指数，内陆居民地研究区确定542三个波段参与分割，沿海居民地确定456三个波段；根据分割对象数量和最大面积随尺度变化的特点，确定内陆居民地最优分割尺度为25，沿海居民地研究区最优分割尺度为30。

(3)面向对象的影像分析方法贯穿于整个研究过程，包括分类指标的提取以及分类规则集的建立。综合利用居民地的光谱和几何特征提取居民地信息，有效地避免了“椒盐现象”，提高了分类精度。