基于土地利用的遥感影像协同式解译.docVIP

基于土地利用的遥感影像协同式解译 　　摘要 从人工解译到半自动解译，再到智能化解译，遥感影像解译的理论和方法不断发展。基于遥感影像的土地利用更新调查中，需要进行影像解译以识别各种土地类型，虽然采用了土地利用信息的智能化解译方法，但土地利用分类的精度有限，仍需人为参与解译工作，并充分利用土地利用现状数据库的资料辅助解译，形成土地利用协同式解译，以提高土地利用分类的精度。利用2005年武汉市南湖地区的SPOT影像和土地利用现状数据库的信息进行土地利用协同式解译，结果表明：土地利用协同式解译能很好地提高遥感影像的解译精度。 　　关键词 土地利用；协同式解译；遥感影像解译 　　中图分类号 TP391 文献标识码 A 文章编号 1007-5739（2013）06-0212-02 　　卫星在发射成功后，可以传回遥感图像，对遥感图像进行研究和解译的工作开始于20世纪70年代。人机交互方式是遥感图像研究和解译最开始使用的方法，通过这种方式，采用目视判读，人们能够获得相关地学信息。采用这种方法进行遥感图像研究和解译，其结果受解译人员经验和水平的影响较大，随机性较大[1-2]。随着科技的进步，在20世纪80年代，统计模式识别方法被逐渐应用到遥感影响计算机解译中。该方法利用的原理是地物光谱不同。但该方法也存在巨大的缺陷，因为地表物体存在光谱一样，物体不同或物体相同，光谱不一样的现象。在解译的过程中会导致错分、漏分现象，降低解译的准确性。在这种状况下，人们开始寻找新方法以期提高遥感图像解译的准确度。 　　20世纪80年代后期，D.Goodenough（1988）与M. Ehlers（1989）等人提出将遥感技术与地理信息系统相结合的问题，开启了地理信息系统与遥感影响自动解译系统的结合[3]。1994年在加拿大渥太华举行的GIS国际会议上，李德仁院士首次提出了从GIS数据库中发现知识的概念。利用GIS数据库中发现的知识和遥感影像中的知识，实现计算机的自动识别逐渐成为了遥感影响解译的新的研究方向。该方法在20世纪90年代发展较快，取得了一定的研究成果，如Middljensen、Hans.L（1991）提出运用地物分类知识进行遥感影像分类[4]；秦其明提出基于专家知识实现卫星图像的目标地物的自动解译等[1] 。虽然将知识和专家系统应用在遥感影像分类中能够提高计算机解译的精度，其速度也显著高于目视判读，但受种种原因限制，该方法的实用性较差，目前尚不能大面积应用和推广。 　　在实际的遥感影像解译过程中，目视判读依然以其对静态、动态监测分类精度高的优点被广泛应用。但随着遥感技术的不断发展，采集的数据量逐渐增大、数据范围逐渐扩大、目视判断已经越来越难满足遥感影像解译的要求。运用计算机自动解译又受到分类精度低、准确性不高的限制。因此，为了对大型复杂的土地资源遥感影像进行判读，将目视判读和计算机遥感图像分析处理相结合，充分发挥目视判读准确性、精确度高和计算机解译速度快、处理数据量大的优点，快速准确地对遥感图像进行解译，获取需要的信息。 　　1 协同式解译方法 　　在土地利用更新调查中，人机协同式解译是以遥感数字影像为基本信息源，辅以基期土地利用矢量库，在相应的软硬件环境下，通过矢栅数据的叠加，并对影像数据进行必要的融合与增强处理，在此基础上先进行土地利用智能分类，将土地分为几种遥感图像智能解译能得到的、具有较好精度的土地类别；然后结合土地利用现状数据库能够提取的地形信息，辅助进行目视解译，得到一种具有较高精度的解译结果的遥感影像解译方法。人机协同式解译具体流程如图1所示。 　　协同式解译是人机协作共同进行遥感影像的解译工作，它涉及到人机分工的问题。充分利用计算机运行速度快，数据处理能力强的特点，首先进行土地利用智能分类。参考各类关于遥感解译的文献中对分类结果和分类精度的评述以及土地利用二次调查的土地分类标准，以及对研究区影像的目视解译和实地考察，该文定义了协同式解译的智能土地利用分类：耕地、草地、水域、交通运输用地、建筑用地、其他用地，共6类土地利用类型。 　　通过土地利用现状数据库能够提取的地形信息产生坡度、坡向和相对高程等信息，利用多种辅助解译信息，减少自动解译中的不确定性。具体说来，辅助信息可以在计算机自动解译中发挥以下重要作用：一是对遥感图像进行辐射改正，消除或降低其地形差异的影响；二是作为解译的直接证据，增加遥感图像信息量；三是作为解译的辅助证据，减少自动解译中的不确定性；四是作为解译结果的检验数据，降低误判率。 　　2 遥感影像解译及其精度评价 　　2.1 试验 　　试验区选择了2005年武汉市南湖地区的SPOT影像。该影像为分辨率2.5 m的融合后SPTO影像。试验区域为东经114°18′11″～114°19′26″，北