利用高分辨率影像计算城市绿地覆盖率.docVIP

利用高分辨率影像计算城市绿地覆盖率 【摘　要】　计算城市的绿地覆盖率是一项繁琐的工作。高分辨率影像的出现，给这项工作提供了便捷的途径。本文以高分辨率影像为基础，结合道路和水系矢量数据，利用ecognition分类软件完成绿地的提取，并计算出绿地覆盖率。 【关键词】　绿地覆盖率 高分辨率影像 影像分类 　　1、引言 　　绿化建设是一个城市建设的重要工作，城市绿地覆盖率是衡量一个城市绿化程度的最主要的指标，那么如何来计算一个城市的绿地覆盖率呢？从方法上看，只要能够知道城市范围以及该范围内的绿地面积，绿地覆盖率的结果就可以非常简单地计算出来，问题的关键就在于绿地面积的获取。一般的作法是通过调查人员在实地调绘出绿地的范围，然后在地图上量算出绿地面积。由于计算的范围一般都会非常大，如果所有的绿地都是通过调绘来确定范围，那就需要花费大量的人力和时间，实际的工作中，通常是将城市划分为不同的区域，每个区域再取不同的样点，利用样点数据计算的绿地面积来推算一个区域的绿地面积，最后再推算出整个城市的绿地面积。 　　目前，随着航空遥感技术的发展，高分辨率遥感影像在国内开始得到广泛的应用，而这些影像的出现，也给城市绿地覆盖率计算提供了更为有效而便捷的手段。 　　2、主要思路 　　采用高分辨率影像来确定绿地范围，这项工作完全可以在室内完成，无需进行室外的调绘。需要注意的是，绿地覆盖率是一个跟时间密切关联的指标，绿地覆盖率应当是代表某个时间的计算的结果。由于植被的生长周期一般都比较长，绿地覆盖率突变的情况比较小，而完全采用影像来确定绿地，最直接的优点就是提高了计算结果在时间定位上的精度。 　　从高分辨率影像上提取绿地一般是采用人工提取，也就是作业人员在计算机上，以影像为底图，手工勾绘绿地范围，这种方式的工作量依然很大。本文采用的作法是通过ecognition影像分类软件来完成绿地的提取。ecognition是2004年引入国内的一个影像分类软件，它采用面向对象的分类方法。该软件能方便地融入其他专题地影像信息作为分类知识，同时能够让用户灵活地建立基于知识的分类模型，简洁高效地完成分类工作。 　　只单纯采用高分辨率的影像，利用软件来自动提取绿地的效果并不理想，本文的作法还引入了城市的路网和水系数据作为专题信息，用来提高绿地提取的精度。 　　另外，考虑到城市的范围比较大，并且不同区域的地类分布会有所不同，因此需要将城市划分为不同的区域，每个区域分别进行绿地的提取，最后再汇总计算出总的绿地面积。整个计算的过程如图1所示。 图1 计算过程 Fig.1 Calculation Process 　　3、过程及方法描述 　　3.1 数据准备 　　3.1.1 数据情况 　　本篇文章所处理的主要数据为高分辨率影像，同时还利用了矢量的GIS数据，具体如下： 　　广西南宁市QUICKBIRD影像，2002年10月份获取，真彩色产品，包括红、绿、兰三个波段，tiff格式，空间分辨率0.61米。 　　城市路网和水系的矢量文件，ArcInfo的shape格式文件（如图2）。 图2 矢量数据 Fig.2 Vector Data 　　本文需要计算图1中所示的外环公路内绿地覆盖率。 　　3.1.2 区域划分 　　城市区域的划分主要是根据路网、水系、地势等地理要素，在矢量地图上，通过手工来划分，实验区域的划分情况如图3，将外环公路内分为C1、C2、C3、C4、C5、C6、C7等7个区域。 图3 工作区域 Fig.3 Work Regions 　　3.1.3 影像配准及数据转换 　　由于混合了矢量数据和影像数据的处理，为正确和方便地使用这些数据，需要统一数据的地理坐标，为此，采取将影像数据配准到矢量数据的地理坐标下的作法，影像需要根据输入的控制点，进行移动、缩放、旋转等内容的变换，并且不要对影像进行重新的采样和保存。因为需要将整个范围划分为6个区域来处理，影像数据也相应地要分割为6个部分，但影像的分割，不需要用区域的边界来分割，只要用区域的最小外接矩形来分割就可以了，在分类的过程中，利用区域的专题信息，就可以避免数据处理过程中对影像重叠部分的重复计算。 　　Ecognition的专题图文件是由一个栅格数据文件和一个描述栅格属性的ASCⅡ文件来组成，描述文件的后缀一般为asc，也可以是txt后缀，下面是一个asc文件的样例。 表1 asc文件格式 Tab.1 asc File Format 　　ID列表示栅格文件中的灰度值，R、G、B表示该灰度值在ecognition软件中显示时所使用的RGB色彩的三个分量，Value、Field1都是扩展的属性字段，用来记录更多的特征。 　　矢量数据中，需要将划分的区域面以及道路和水系的面数据转换为ecognition软件的专题数据文件格式，这项工作