基于BDS与GPS的土地利用变化测绘

管 楚 盖学峰 孙 伟

(山东省国土测绘院， 山东 济南 250000)

0 引言

随着资源的开采和人口的活动，地球的地质条件时刻都在发生改变[1]，这些改变不仅影响着地球中的动植物，同样影响着人类，因此，近几年，我国越来越重视土地变化测绘[2]。资源的过度开采导致土地资源恶化严重，利用率低下，为了研究人类活动对土地利用的影响，降低土地资源恶化的速度，需要积极进行土地变化测绘，观察土地利用变化[3]，制定合理的利用方案。然而目前的土地利用变化测绘的精度低，无法满足快速变化的土地测绘需求，因此，基于中国北斗卫星导航系统(BeiDou navigation satellite system,BDS)与全球定位系统(global positioning system,GPS)设计了新的土地利用变换测绘方法。

1 基于BDS与GPS的土地利用变化测绘方法设计

1.1 处理土地利用变化测绘数据

在处理土地利用变化测绘数据时，首先，必须进行数据源选择。数据源选择必须考虑两个因素[4]，即数据源的实际需求和数据源的特性。因此，在进行在明确数据源的实际需求基础上，制定合理的数据源采集方案，分析数据源的具体特性[5]，除此之外，还需要在数据的研究等领域内计算此时测绘到的数据准确性，分析测绘现状。

数据采集过程受到传感器本身性能、大气、天气条件、阳光、地面变化、季节变化等诸多因素的应用，因此在数据处理时，需要根据数据的具体状态[6]，选择不同的处理方法进行处理，从地表覆盖的角度来看，不同的自然物体都有自己的特征、运动轨迹和变化规律，但人类活动使这些变化复杂化，因此在处理不同类型的地表数据时，需要建立恰当的空间识别模型[7]，实现数据的初步处理。

综合考虑数据的各项因素，为了提高数据处理的精度，需要选取检测目标与背景偏差最大的图像数据，并根据辐射特征选择辐射分辨率尽可能相同的遥感图像数据进行处理，避免其他因素对遥感数据的影响[8]。

图像数据预处理是进行多次遥感图像变化检测的前提，处理结果直接影响变化检测的准确性和变化检测的效率。为了验证变化检测方法的有效性，在变化检测之前必须做好准备工作，保证数据边界与影像对应的土地边界重叠，为检测土地利用变化提供依据，除此之外，可以将底部数据作为后续变化检测的参考，基于此设计的数据处理流程如图1所示。

图1 数据处理流程

根据图1的数据处理流程，进行图像配准，以航空影像为基准，分别对采集的测绘数据进行变换和几何校正，计算最小控制点作为多项式，然后通过双线性插值对图像进行重采样、校准后，通过透明重叠法检查配准状态。

从特征良好的图像中选择与配准控制点同名的特征点，用二次多项式校正图像数据，并使用双线性插值重新采样。参考点的收集遵循以下原则[9]：第一，参考点需要分布均匀；第二，采集到的参考点图像中如果有道路交叉口、河流交叉口等需要提前标记；第三，为了保证图像的高空间分辨率，控制点交点和地面参考点必须均匀分布在整个图像上，不能随时间变化而变化，需要在数量上有保证。

1.2 基于BDS与GPS处理土地变化测绘遥感影像

基于BDS与GPS采集快鸟(Quick Bird)卫星数据，处理土地变化测绘遥感影像，首先需要对原始影像进行预处理，本研究中使用的原始Quick Bird卫星数据通常保存为4～9 TIF格式的影像[10]，这些分割后的影像需要用Data Prep-Mosaic进行影像预处理，再使用遥感图像处理软件(ERDAS)进行整合。

首先需要使用BDS与GPS处理进行数据融合处理，在处理前需要提前检测影像之间的匹配关系，确保影像可以成功匹配[11]，经过BDS与GPS检验的影像如果呈匹配良好的状态则可以直接进行影像融合，如果检验后发现影像匹配效果不佳，则需要先进行Pansharp融合处理，将需要处理的影像信息归一化处理，再进行影像融合，确保最佳的融合效果。

待影像充分融合完毕，可以对融合后的影像进行色彩处理，色彩处理的过程不单是色彩的添加和擦除，还可以通过增加影像的亮度、增强影像的局部纹理对比度来定义融合后影像特征边界，增加对颜色的每个类别的感知。为了突出融合后影像的分辨率特性，需要采用灰度处理法改变原始影像的灰度值及灰度关系，避免影像出现灰度失真现象，影响影像测绘的精度。

在融合影像中，多光谱影像数据的主要亮点是光谱信息，Quick Bird识别的多光谱数据具有光谱分辨率高的优势，因此在影像数据融合之前，可以使用BDS与GPS选择最优波段组合[12]，分析不同波段影像在目标地物上的反射距离，读取有效波段范围内的最大信息量，有助于土地变化测绘。为了提高土地变化测绘的准确性，还可以进行色彩增强，根据研究区域的影像数据特征，适当调整各波段的亮度和对比度，保证测绘影像清晰完整。

1.3 检测土地利用变化测绘遥感影像变化特征

处理了土地变化测绘的遥感影像后，为了保证图像之间的特异性，需要根据实际的测绘状态，提取遥感影像的变化特征[13]。因此，首先需要使用正确的检测方法，提取图像的特殊信息，例如，图像的亮度、复杂度等。还可以使用灰度图像检验法，划分需要处理图像的灰度复杂区域，实现特异性区分。如果此时的图像特征分布不均匀，可以将需要提取特征的图像元素全部排布到灰度轴上，再根据灰度轴中显示的分类状态提取图像的变化特征，基于此设计的提取变化特征如式(1)所示。

(1)

式中，μ代表变化特征；P代表影像系数；i代表检测常数；P(C)代表检测初始值。提取到的变化特征代表着遥感影像之间的特殊关系，对遥感影像判定的准确性有重要影响。因此，可以将提取到的遥感影像特征与采集的影像一一对应，划分数据图像间的区别[14]，便于影像信息的处理。可以将测量到的外部变化实际值与变化检测评估结果进行比较。结合较旧矢量数据或图像调查获得测绘差异系数。也可以基于遥感影像分类精度评价技术推导出的误差矩阵，进行预处理，降低测绘误差。

1.4 选择土地利用变化指数

在变化特征提取后，需要根据具体的土地变化测绘地区设置标准的土地利用变化指数，在进行土地变化测绘时，根据地球的基本反射特点，需要重新划分地球吸收光谱。经过检测发现，使用卫星传感器检测出的地球不同物体具有不同的电磁信息[15]，因此，一般来说，地面物体的反射率取决于地面物体光谱跟踪的波长，由于同一个物体在不同的波段具有不同的反射率，因此可以根据光谱定律在多光谱波段找到地面最强反射类型。再通过比值计算和归一化处理，使用最弱反射波段构建指标图像，从而在地物的指标图像中获得准确的亮度增强图像，可以使用该亮度增强图像来计算此时的土壤植被调节指数，便于识别土地变化特征，增加土地测绘的准确性。本方法采用的归一指数计算法，将光谱图像的特征指数代入归一化函数，得出土壤植被调节指数的具体数值。

为了保证测绘的精度，需要检测计算出指数的有效性，选择某植被覆盖率低的地区进行研究。实验表明，计算出的土壤植被调节指数符合Earth NDBI的标准化指数规则，可通过提高测绘地区的亮度来提取测绘信息，改进后的标准化指数可以有效提取水分信息，实现准确的土地变化测绘。绿色植被在蓝色和红色波段吸收太阳光比较强，基于此，研究区域对植被指数的影响。通过反复试验，在公式中引入土壤调理因子，可以消除土壤植被太阳光吸收产生的测绘误差。

1.5 实现土地利用变化测绘

实现土地利用变化测绘还需要采集控制点。首先，需要确定控制点的具体位置，在采集到的土地变化测绘图像上选择一幅图像，区分清晰的特征点，保证每个场景图像中的控制点分布均匀，且必须覆盖整个测绘图像，控制区域要大于工作区域，此时的控制点分布示意图如图2所示。

图2 控制点分布示意图

由图2可知，对于平地和丘陵，每个场景设计的校准控制点数至少为9个，对于山地，每个场景的校准控制点数至少为12个。特征点必须布置在地形起伏变化不大的地区，且靠近正交清晰边界的定位精度必须最高，非正交点或中心点定位精度较边界稍低。在较宽的路口处的测绘的定位精度较差。因此在进行特征点选取时，为了保证测绘精度，避免在高度较大的建筑物上选取控制点，且在相邻场景的重叠区域中至少选择三个控制点。

对于桥梁、河流等特殊地形，可采用双点布局的方式，根据具体情况选择控制点布置的位置。如果测绘的预选点不确定，可以假设校准精度，根据测绘的具体区域确定测绘控制点的具体来源。在确定控制点后，需要绘制平滑的正交图像。如果重叠场景数超过3个，公共控制点必须至少设置1个，且必须进行数据校正，来检查控制点的准确性。测绘局部校正采用ERDASLPS模块，校正模型选用RPC。

2 实验

为了检验本文设计的基于BDS与GPS的土地利用变化测绘方法的测绘效果，将其与传统的土地利用变化测绘方法进行对比，实验如下。

2.1 实验准备

首先选取某地区进行土地利用现状调查，记录调查后得到的地形数据、卫星遥感数据等基础数据，作为后续实验的参考，其次进行数据动态更新保证数据的实时性，研究地区共包含3 684个基础地块，54种道路地形，使用BDS及时更新变化影响，此时的影响分辨率在0.5 m以上，为了保证实验的准确度，需要明确变化测绘实验的技术路线，如图3所示。

图3 变化测绘技术路线

由图3可知，根据该技术变化路线进行测绘可以增加实验的准确性，便于进行地形更新和影像比对，根据选取国土调查标准，对测试区域的动态变化情况进行初步调查，对比此时的底板图斑，如表1所示。

表1 图斑对比表

由表1可知，此时的图斑数量与地类和界限都有一定的关系需要根据动态界限判定图来进一步确认，基于此绘制的动态界限图如图4所示。

图4 动态界限图

使用图4的动态界限图，采集二次变化测绘时的影像图斑共68个，此时数据对比情况如表2所示。

表2 二次测绘数据对比表

由表2可知，此时的数据对比结果符合前文调查的基础数值，因此该数据具有有效性，可以作为后续测绘实验的参考。

2.2 实验结果与讨论

分别使用本文设计的基于BDS和GPS的土地利用变化测绘方法与传统的土地利用变化测绘方法进行测绘，记录此时两种方法测绘的图像，测绘结果如图5所示。

图5 测绘结果

由图5可知，使用本文设计的测绘方法测绘出的图像土地利用变化特征更明显，证明本文设计的测绘方法测绘的图像质量更高，测绘效果更好，分别识别两组测绘图像中连续十个位置的土地边缘宽度，与标准的宽度进行对比，识别结果如表3所示。

表3 识别结果 单位：m

由表3可知，本文设计的方法识别结果与标准数值更加拟合，证明设计方法的测绘精度高，具有准确性。

3 结束语

综上所述，利用变化测绘对保护土地资源，对提高土地资源的利用率有重要价值，BDS和GPS技术可以利用卫星定位及时反馈测绘信息，具有超强的实时性，因此本文基于BDS和GPS设计了新的土地利用变化测绘方法，实验证明，设计的测绘方法得到的测绘图像质量较好且具有较高的测绘精度，对后续的土地资源研究有一定价值。