基于不同尺度遥感影像的焦作市建成区信息提取与分析

张萍¹ 王新闯² 李敏敏³ 刘思远

（1.河南省基础地理信息中心，河南 郑州 450003；2.河南理工大学，河南 焦作 454000；3.河南省科源测绘中心，河南 郑州 450003；4.河南省遥感测绘院，河南 郑州 450003）

1 引言

尺度是一个在各领域中广泛使用的专业术语。从遥感角度来看，尺度是从天空测量地球的空间量度范围（空间尺度）、时间量度间隔（时间尺度）与光谱量度宽度（光谱尺度），其中空间尺度多被看作遥感影像的分辨率[1]。在遥感研究范围内，尺度问题的研究重点就是遥感影像的分辨率[2]。

多尺度是遥感信息的一个基本特征。现有的遥感数据可以从多个空间尺度进行对地遥感观测。不同空间分辨率的遥感数据所包含地表信息的详尽程度不同。研究遥感信息提取中的尺度问题，有助于在遥感应用中选择合适的空间分辨率，降低信息提取的不确定性，减少数据选择的盲目性[3]，有利于综合利用多尺度信息，让遥感数据更好地投入生产，有助于利用现有遥感数据资源进行科学研究和实际应用。

2 研究目标和技术路线

本文的研究目标是利用两种不同空间尺度下的遥感影像，即空间分辨率为30 m的Landsat-5 TM影像，成像时间为2009年6月25日，以及空间分辨率为1 km的SPOT-VGT影像（东南亚地区SPOT-VGT S10 NDVI数据），成像时间为2009年6月21日，对焦作市城区土地利用进行分类，并提取出焦作市建成区的面积，比较不同尺度下的信息提取精度。技术路线如图1所示。

3 遥感数据预处理

遥感数据预处理主要包括辐射校正、几何校正、格式转换、投影变换、彩色合成、研究区裁剪等。由于此次所获取的遥感影像均已做过辐射校正和几何正射校正,因此只需进行校正之后的预处理，采用的图像处理软件为ERDAS IMAGINE 9.2。

图1 技术路线

3.1 TM影像波段组合

TM影像波段组合有两个步骤：单波段数据转换（即将.TIF格式转换为.IMG格式）和多波段数据组合。由于TM6波段影像分辨率较低，本文合成TM1-5、7波段，并在此基础上产生TM 453假彩色影像，即卫星遥感TM波段4（红）、波段5（绿）、波段3（蓝）数据制作所需要的假彩色合成卫星影像图，图像色彩反差明显，层次丰富，各类地物的色彩显示规律与常规合成片相似，符合常规片的目视判读习惯。TM 453假彩色影像如图2所示。

图2 TM 453假彩色影像

3.2 SPOT-VGT数据变换

3.2.1 数据格式转换

原始SPOT-VGT S10影像数据的文件格式是*.HDF，而所使用的图像处理软件Erdas的默认影像格式是*.IMG，根据数据处理的需要，进行了*.HDF—*.TIF—*.IMG的数据格式转换。

3.2.2 投影变换

原始的S10影像采用可利投影（Plate Carree）和地理坐标系（Geographic Lat／Lon），参考椭球采用WGS-84椭球。此次将其投影变换为UTM投影（Universal Transverse Mercator Projection，通用横轴墨卡托投影），使其与TM影像投影一致。

3.3 影像裁剪

利用焦作市城区边界Shape文件，通过由Shape文件生成AOI区域的方法在Erdas中将焦作市城区从两种空间尺度正景遥感影像上裁剪下来。

（1）将Shape文件与要被裁剪的文件同时在Erdas 里加载。

（2）选中Shape文件，在工具栏中AOI→Copy Selection to AOI。同时将Shape文件与要被裁剪的文件在一个Viewer中加载叠加显示，然后将转换的AOI选中,利用Data Prep中Subset裁剪即可。

4 建成区信息提取

建成区信息提取主要通过遥感影像分类实现。遥感影像分类就是利用计算机通过对遥感影像各类地物的光谱信息和空间信息进行分析，选择特征，并用一定的手段将特征空间划分为互不重叠的子空间，然后将影像中的各个像元划分到各个子空间去[4]。

遥感图像的计算机分类和目视判读技术，目的一致，但手段不同。前者是利用计算机模拟人类的识别能力，后者把地学工作人员的专业知识介入图像分析中去，是遥感解译的基本方法[5]。本文采用目视判读与计算机自动分类相结合的方法进行焦作市建成区土地利用类型分类。

4.1 图像判读

图像判读主要是依据影像的色调、亮度等信息，与焦作市建成区实际土地情况进行对照，确定地物类别。此次图像判读主要是针对TM 453波段合成的假彩色影像图，将整幅影像划分为6个类别，作为分类时训练区的依据。这6个类别的影像特征如表1所示。

表1 TM影像判读

4.2 计算机分类

遥感影像的自动识别分类主要是采用决策理论方法，从被识别的模式中，提取出一组反映模式属性的量测值，称之为特征，并把模式特征定义在一个特征空间中，进而利用决策的原理对特征空间进行划分，以区分具有不同特征的模式，达到分类的目的。

4.3 图像分类方法的选取及分类处理结果

充分考虑到精度、方法实现难易程度、处理图像的人力等问题，本文首先选取监督分类法对研究区TM影像进行分类，得出研究区的土地利用情况，精度较高。而SPOT-VGT影像由于分辨率较低，在研究区进行监督分类效果很差，本文采用非监督分类方法对研究区SPOT-VGT影像进行分类，提取出建成区。为了避免分类方法不同而产生误差，本文又对研究区TM影像进行非监督分类，提取出建成区。研究区TM影像监督分类的结果，由于精度较高，可作为建成区信息提取的精度评价的基准。

4.3.1 TM影像监督分类

监督分类方法已广泛应用到土地利用分类中。该方法最关键的步骤是训练样本的选取。为了尽可能消除误差影像，在分类前选择最佳波段组合，并在反映类别特征较好的图像上选取训练区，借助Google卫星图及已有的先验知识确定训练区，最大程度地消除分类误差。本文采用最大似然分类法，对焦作市城区的TM影像进行监督分类。结果如图3所示。

图3 TM监督分类结果

其中黑色代表水体，深蓝色代表建筑1，浅蓝色代表建筑2，绿色代表农田1，白色代表农田2，红色代表林地。

4.3.2 TM影像和SPOT-VGT影像非监督分类

为了客观评价尺度不同对建成区信息提取精度的影响，对TM影像和SPOT影像都采用非监督自动分类与目视解译相结合的“二分法分类”，即对每个像元只做是否为建成区的判断。

本文采用ISODATA算法来进行非监督分类。首先要调用Erdas系统提供的非监督分类方法进行初始分类，将初始分类数设为20类，并对初始分类结果进行一系列的调整分析，判断每类是否为建成区，然后进行分类重编码，得到最终的分类结果。TM影像和SPOT-VGT影像分类经重编码，均只分为建成区与非建成区，分类结果如图4和图5所示，其中，非建成区用绿色表示，建成区用蓝色表示。

5 建成区提取的尺度效应分析

5.1 基于不同分辨率影像的建成区提取精度评价

两种影像非监督分类精度评定的结果如表2所示。

表2 非监督分类精度评估

结果显示：TM影像的信息提取效果明显好于SPOT-VGT影像，其中依据TM影像的建成区的提取精度为90.91%，比SPOT-VGT影像高出29.37个百分点 。

图4 TM影像建成区提取结果

图5 SPOT-VGT影像建成区信息提取结果

5.2 不同分辨率对建成区面积估计精度的影响

对TM影像进行监督分类的各地物面积如表3所示。

表3 TM监督分类各地物面积(单位：平方公里)

监督分类中，将建筑1和建筑2视为建成区，农田1、农田2、水体、林地视为非建成区。各分类方法的面积统计结果如表4所示。

表4 面积统计结果(单位：平方公里)

从表中可以看出，同种分类方法下，TM影像提取的建成区面积误差比SPOT-VGT影像提取的建成区面积误差小；SPOT-VGT影像上焦作市城区的总面积为137.9385平方公里，比TM影像上焦作市城区总面积大，这是由于SPOT-VGT影像分辨率低，每个像元面积较大，而边缘处地物在影像上可能不足一个像元，在影像裁剪时是将整个像元裁剪下来。

6 结语

利用遥感影像对建成区信息进行提取是遥感应用的重要内容，也是将遥感技术转化为现实生产力的需要。本文通过定性分析和定量评价相结合的方式，对遥感影像空间分辨率不同所导致的建成区信息提取差异进行了研究，根据对分类结果图像的分析及建成区面积统计的对比，进行了信息提取精度评定，得出的研究结论是：在相同的分类方法下，对于建成区信息提取精度，空间分辨率高的影像明显高于空间分辨率低的影像。造成这种现象的原因主要在于，一方面，空间分辨率越高，建成区的轮廓特征就越清晰，目视解译时就能更精确地提取出建成区；另一方面，空间分辨率越高，影像上单个像元对应的地面面积越小，特定目标地物在影像上出现纯净像元的概率就越大，影像上混合像元数目大大减小，从而有利于建成区的信息提取。

[1]吕一河,傅伯杰.生态学中的尺度及尺度转换方法[J].生态学报,2001.

[2]王红,赵红蕊,高劲松.遥感图像成图尺度问题初探[J].地矿测绘,2004.

[3]柏延臣,王劲峰.遥感信息的不确定性研究[M].北京:地质出版社,2003.

[4]孙家抦.遥感原理与应用[M].武汉:武汉大学出版社,2003.

[5]陈述彭,赵英时.遥感地学分析[M].北京:测绘出版社,1990.