多源专题数据在国家重点生态功能区生态环境状况评价中的应用

李嘉力，姜代炜，黎 宁，韩雪蓉，秦旭芝，唐国滔

1.广西壮族自治区环境监测中心站，广西 南宁 530000 2.广西壮族自治区基础地理信息中心，广西 南宁 530000

随着我国国产系列遥感卫星(特别是高分卫星、资源卫星)的陆续发射，国产卫星遥感影像在国土资源、城市管理、环境保护等方面不断提供高精度、高分辨率、宽范围的空间对地观测服务，各应用部门使用的国产遥感数据数量呈指数级增长，有力推动了遥感数据应用的国产化[1]。

2015年全国第一次地理国情普查成果验收，如何进行地理国情普查成果转换，深度应用和持续扎根于其他行业，成为开展后续国情监测工作的重中之重[2]。

同年，中国环境监测总站《生态环境状况评价技术规范》(HJ 192—2015)出台，全国生态环境监测与评价工作进入新阶段，常规中低分辨率的卫星遥感技术已不能满足我国日益严峻和迫切的环境形势需要，生态环境遥感监测与生态质量评价变得更加精细和深入，急需采用高分辨率卫星等手段提高环境监测的定量化和精细化水平[3-4]。为充分利用国产高分辨率遥感卫星数据和国情普查成果，本文以其他专题数据作参考，进行广西生态环境质量评价，探索一套行之有效的技术路线。

1 实验区域和资料分析

1.1 实验区域

本文来源于《广西生态环境质量状况评价》项目，实验区域为广西40个重点生态功能县，覆盖了全区30%以上的区域，重点生态功能县名单见表1。

表1 重点生态功能县名单Table 1 The list of 40 key counties withecological functions

1.2 资料分析

用于进行2015年生态遥感解译的已有数据资料：

1)全区2014年国情普查数据。2014年国情普查数据包含广西40个重点生态功能县的耕地、园地、交通、建筑、水系、植被等图斑，图斑较《生态环境状况评价技术规范》(HJ 192—2015)所列图斑更为精细，经过代码转换、数据融合和制图综合等工作，用于制作2014年生态环境遥感土地利用底图。

2)40个县2015年高分影像。2015年高分影像共106景影像，其中包括了资源三号(27景)、高分一号(79景)2种数据源。覆盖广西重点生态功能区县，坐标系为WGS84坐标系统，可用于识别动态图斑。

3)全区2014年土地利用数据。2014年土地利用数据包含广西全区109个县土地利用数据，用于提取城市、建制镇、村庄等图斑。

4)全区2013年地貌数据全区2013年地貌数据包含了全区各地的地貌分布，如山地、丘陵、平原等，可以用于耕地三级类信息提取。

5)全区2015年建成区数据全区2015年建成区数据包含了全区市、县建成区范围，可以用于城市建设用地和非城市用地的区分。

1.3 国情普查与生态遥感监测分类体系比较

国情普查与生态遥感监测分类体系代码对照见表2[2-3]。

表2 国情普查与生态遥感分类体系代码对照表Table 2 The contrast of classification systemcode between the geographic censusand ecological remote sensing

从表2可知，两者大类基本相同(耕地、草地、林地、水域、建设用地等)，二级类和三级类别情况有所出入。如：在耕地中，国情普查数据分类为旱地和水田，而在生态遥感分类体系中，加入了地貌信息，区分山地、丘陵、平原类耕地；在人工建筑方面，在国情普查分类体系中，分为高层建筑、低矮建筑，而在生态遥感分类体系中，这些类别大多以城市、建制镇、村庄的方式存在，因土地利用数据中有此类数据的分类，可以将该类数据抽取；同时，在国情普查分类体系中，沼泽地无此类，可以在全区2014年土地利用数据中抽取沼泽地类别。

2 技术流程和方法

本文利用2014年国情普查数据，经过空间分析和信息提取(建立代码对照表，使用数据库批量转换代码；利用地貌数据和土地利用数据空间分析，抽取耕地三级类；利用国情的草地类图斑和土地利用数据抽取草地三级类；利用建成区范围和土地利用数据空间分析抽取风景名胜和城镇居民地)，生成2014年生态遥感基底数据，再在基底数据基础上，套和2015年高分影像数据动态监测本年度动态变化区域，得到2015年土地覆盖/变化动态图，使用2014年生态遥感基底数据和变化图斑数据采用相交方式得到2015年生态遥感监测数据(图1)。对于矢量数据而言，在于如何有效进行信息提取和动态更新；对于影像数据，在于如何有效进行高精度纠正，以上2个过程的快慢直接影响整个流程的效率。

图1 技术流程图Fig.1 The technical flowchart

2.1 影像几何纠正

一般卫星影像几何纠正的过程包含了全色影像正射纠正、全色与多光谱数据配准、全色与多光谱数据融合、匀光匀色、数据检查等过程，其中全色与多光谱数据配准、全色与多光谱数据融合、匀光匀色等过程已基本实现了自动化并行处理，本文重点阐述影像正射纠正过程，整个处理流程过程如图2所示。

图2 影像处理流程图Fig.2 The image processing flowchart

2.1.1 纠正模型

本文影像纠正方式使用国产卫星RPC参数建立RPC有理数模型进行纠正，见式(1)、式(2)。

(1)

(2)

式中：X、Y、Z表示地面点坐标；u、v表示像元序列；p1、p2、p3、p4表示参数。

RPC模型可独立于坐标系统，不考虑传感器的物理意义，直接使用采用有理多项式描述地面点和相应影像点之间的几何关系，有着较强的鲁棒性，但是RPC模型的大部分参数没有物理意义，影像局部模型常常不能准确描述，会导致影像局部精度有所缺失，进而言之，像控点的RPC模型是严格成立的，而周围点模型则不严格，整个测区的几何精度与像控点的密度、分布密切相关，在像控点选刺时有着较为严格的要求[5-7]。对于高分一号影像而言，单景影像一般15～30个控制点为宜，如果考虑到地形起伏，部分地区应进行加密，同时加入DEM进行地形投影差纠正(DEM格网宜选用30 m，格网过小，会使影像产生矩形分块，格网过大，不能保证局部纠正精度)；对于多景的条带影像，使用条带法进行纠正，同卫星一条带下的多景影像接边处需保证一定数目的连接点。

2.1.2 网络刺点

虽然影像数据处理过程已经大部分实现了自动化，但由于控制点数据的离散性，特别是对于大区域的几十景或几百景规模化作业而言，仍摆脱不了大量的人工刺点，前期参考数据转换处理常常花费了大量的时间、人力成本。由于近些年WebGIS的快速发展，特别是Web Service成为信息共享交换标准后，SOAP和REST解析协议更加轻量级，其提供的基于OGC标准的网络地图服务(WMS)和网络切片服务(WTMS)为网络化的影像控制点选刺提供了可能[8-10]，而无需在小区域范围内进行多步的数据转换工作。因广西国情普查成果数据(DOM和DEM)已经覆盖全境，几何精度较高(国情普查影像成果平面误差2 m以内，环境生态遥感监测影像平面误差要求15 m以内)，空间分辨率0.5～2 m不等，可以使用该套影像在网络环境下进行像控点选刺。因此在局域网环境下，使用REST协议方式发布了广西影像网络地图服务(http://myserver:6080/arcgis/rest/services)，如此以来，可以较大地减少人工预处理的工作成本。

RPC模型精纠正后，在几何残差满足要求的情况下，使用已有矢量数据检查纠正后的影像质量，每景影像使用不少于15个检查点进行几何精度检查，如图3、图4所示。纠正后的影像与矢量数据套和良好，可用于动态图斑识别。

图3 丘陵地区影像与矢量套和情况Fig.3 Registration of image & vectors in hilly areas

图4 平原地区影像与矢量套和情况Fig.4 Registration of image & vectors in plain areas

2.2 信息提取

由于信息提取处理流程包含了数据坐标/分类转换、信息抽取及变化检测、专题信息制作等过程。本次作业区域广，信息抽取工作量相对较大，倘若采用常规的人工处理作业，耗时耗力，考虑到图斑代码的可编程性，尽量使用程序化处理方式。

2.2.1 坐标转换

由于专题数据与成果数据坐标系(WGS84基准，Albers Conical Equa投影)不一致，应对专题数据进行坐标转换。使用布尔莎参数模型[11]，导入全区GPS 等级控制点数据，进行批量坐标转换,见式(3)。

(3)

式中：X2、Y2、Z2表示转换后坐标；X1、Y1、Z1表示转换前坐标；X0、Y0、Z0控制点坐标；ε、φ、γ、k表示转换参数。

2.2.2 代码转换

根据表2国情普查与生态遥感类别对应关系，使用python语言将2014年国情普查数据代码批量转换为生态遥感监测土地利用/覆盖代码。

2.2.3 信息抽取

信息抽取主要利用专题数据将国情普查数据分类中不能细分的类别进行二级、三级分类，完成2014年生态遥感监测数据底图的制作。

1)耕地抽取。在环境遥感生态监测体系的耕地分类中，水田细分为山区、平原、丘陵和坡地水田，旱地细分为山区、平原、丘陵和坡地旱地。而在国情普查类型中，耕地并无以上几种类型，考虑到其与地形地貌有关，可使用空间分析方法对其进行分类。利用已有30 m格网地形地貌数据批量分县裁剪，使用空间连接方式将地形地貌数据的属性与土地利用数据属性挂接，批处理完成40个县的耕地提取。完成空间连接后[12]，将多余属性项删除，导入分类代码以山区、平地、丘陵地区分对应的地形水田与旱地，程序代码与分类程序代码类似。

2)建设用地抽取。建设用地在国情普查中以房屋建筑、道路、构筑物、挖掘地等类别形式存在，考虑到2014年土地利用数据也有此类别，可将城市、建制镇、村庄等图斑在2014年土地利用数据中抽取，以2015年建成区范围数据的空间包含关系将建筑物划分为城镇和非城镇地类，以叠加方式将底图数据替换为城镇和农村用地。

3)其他地类提取。个别地类(如滩涂、沼泽地等)在国情分类代码中没有，可以使用2014年土地利用数据的地类进行叠加、替换，替换代码参考建设用地抽取代码。

4)数据融合与消除。因国情普查数据所用影像空间分辨率为0.5～2 m，分类数据图斑最小尺度为10 m2，而生态环境遥感所用影像为空间分辨率为15 m(landsat 8融合后)，分类数据图斑最小尺度在4 000 m2以上，相比较而言，国情普查成果更为精细，宜将提取后的图斑进行融合与消除处理。根据2种数据类型数据图斑尺度分析结果，耕地、林地、草地、未利用地等图斑面积小于或等于8 000 m2的图斑，可按照边界消除；水域、农村居民点和工矿用地中水库坑塘图斑面积小于或等于4 000 m2的图斑，可按照边界消除，城镇用地、农村居民点图斑面积小于或等于5 000 m2的按边界消除；公交建设用地(路网)、河渠等条形矢量数据，为保持其联通性，可不做消除操作。

5)变化检测。变化信息检测基于2014年生态遥感监测数据和2015年影像数据进行，总体原则从城镇到乡镇，从道路到耕地，从耕地到林地，主要围绕人类活动频繁向自然地貌或耕地扩张的区域，使用人工识别方法，在活动图层(updata层)中勾绘、编辑变化区域。

6)数据更新。数据更新利用变化检测中提取的活动图层直接对2014年数据进行压盖更新，获取2015年生态遥感数据。对于动态图层数据，利用活动图层矢量数据与2014年数据相交，获取动态图层数据。

3 2015年广西生态环境状况评价

获得广西2015土地利用/覆被数据后，根据《生态环境状况评价技术规范》(HJ 192—2015)的要求，结合生物丰度指数、植被覆盖指数、水网密度指数、土地胁迫指数、污染负荷指数，计算能反映区域生态环境整体状态的综合指数(生态环境状况指数，EI)，并将生态环境状况分为5级，即优、良、一般、较差和差[3]。计算得出40个重点生态功能县EI及环境质量状况等级(见表3)。40个重点生态功能县生态环境质量状况指数范围为55.88～84.60，其中有15个县生态环境质量状况等级为“优”，25个等级为良。

表3 重点生态功能县EI及环境质量状况等级Table 3 The EI values and the status of 40 keycounties with ecological functions

4 结论

所用技术方法直接转化了国情普查成果，提高了生态遥感解译的准确度，减少了过多人工参与产生的误差，提高了工作效率。可为其他省区生态遥感快速监测提供技术经验参考：在影像精纠正方面，本文利用RPC模型进行影像精纠正，结合了全区高分辨率影像的网络地图服务进行网络刺点,形成了一套节省工作量、节约成本的程序化处理方法;在信息提取方面，本文综合分析了多源数据的可利用性、国情普查与环境生态监测遥感的尺度效应，使用空间分析等程序化手段快速转换和提取了2个年份生态遥感图斑，提高了工作效率。

研究形成了一套较为完整的生态遥感快速监测方法，但国产高分辨率遥感影像应用于环境生态遥感监测的关键技术尚处于试用研究阶段，特别是高精度影像几何精纠正、多尺度信息提取技术的业务化和系统化程度还比较低，人工干预过程较多，还需进一步的研究探讨。

致谢：本文同时得到广西土壤环境污染与生态修复人才小高地以及广西西江流域生态环境与一体化发展协同创新中心资助！