城镇绿地信息动态监测.pdfVIP

第24卷第4期 地理与地理信息科学 V01．24No．4 andGeO—Info丌11ationSci印ce 2008 2008年7月 Geography July 城镇绿地信息动态监测 万米娜1，申广荣2，李艳2，张春再3 (1．北京大学环境学院旅游研究与规划中心，北京100871；2．上海交通大学农业与生物学院，上海200240； 3．北京天日创新科技有限公司，北京100088) 绿地覆盖率和人均绿地面积是衡量城市社会发展程度、 相关区域，用于最后图像的分类。2)在dCognition中创建新 文明程度以及城市综合服务功能水平的重要标志之一，也是 的工程，在载入分类影像的同时，将专题图一并载入。3)图像 城市社会经济持续发展的重要基础。及时、准确地监测城市 分割。针对每个编辑层对分类结果的重要性和适宜性赋予不 绿地信息并对其进行科学规划，对维护城市生态平衡、提高居 同的权重，选择专题图参与图像的分割；另外，根据研究区图 民生活质量具有重要意义。城市绿地种类多，地域分布广，面 像不同类别地物的特征和分类要求，设置图像分割的尺度参 积变化大，生境破碎严重[1．2]。利用单像素的常规遥感图像 分类方法(如监督分类或非监督分类)提取城市绿地信息，往 供的工具，对分割后的图像对象检查各地物目标的边界、轮 往着眼于局部而忽略了附近整片图斑的几何结构，制约了信 廓、形状、面积、长(宽)等信息，提取其中的信息，如每个地物 息提取的精度，易造成分类精度降低、空间数据大量冗余及资 目标的平均值、标准差、形状特征等，以利于图像的分类。5) 源浪费。基于面向对象方法的eCogflition图像处理软件在高创建分类层次结构。根据地物分类体系和分类策略，在 分辨率遥感图像信息提取方面具有基于像元图像分类方法 eCognition中创建相应的层次结构，不同的地物类型赋予不 无可比拟的优势，目前已在土地利用及相关研究中得到应 同的颜色。本研究借助专题图层进行绿地信息的分类及提 用[3q]，但尚未见应用于城镇绿地信息的动态监测。本文以取，第一级分类类型为：工业区、农林区、居住区、公园、开发区 和生态园；在此基础上再分类，类别为：绿地、水体、建筑物、道 上海奉贤南桥镇为例，借助面向对象的eCognition技术，提取 研究区不同年份航空遥感图像各类绿地信息，分析其动态变 路、未利用地及阴影。相应的，在居住区类别下的绿地为居住 化，探索基于面向对象技术和高分辨率图像快速提取绿地信 绿地，工业区类别下的绿地为单位绿地，公园区域内的绿地为 息的方法，为研究区绿地规划和城市生态建设提供依据。 公共绿地，农林区绿地为生产绿地，生态园绿地为生态与风景 林地。最后确定建成区外主干道防护范围内的绿地为道路防 1基于eCognition的城镇绿地信息提取 护绿地。6)分类方法的选择和分类知识库的创建[6]。本研究 研究数据源于2003年4月、2005年4月和2007年4月中第一层次的分类根据专题图层属性字段类型采用“assign 的1：5万研究区红外航空遥感图像。基于面向对象的eC09一class”算法进行分类，第二层次的分类采用基于样本的最邻近 试tion信息提取方法，针对的是对象而不是传统意义上的像法。算法确定后，用各图层的平均值描述各类地物，定义特征 素，其充分利用对象信息(色调、形状、纹理、层次)、类间信息 空间，形成知识库结构。之后选取特征地物进行采样，对每类 (与邻近对象、子对象、父对象的相关特征)，从而保证信息提 地物赋予相应的有代表性的目标地物，即进行知识库的填充， 取的完整性和准确率。其主要特点是：1)独特的面向对象分 完成对知识库的创建。7)图像分类与重定义，主要是针对第二 类方法}2)模拟人脑的认知过程；3)将计算机自动分类与人工层次的最邻近分类。对图像进行初步分类运算，对误分的地物 信息提取相结合，4)可以分析纹理和低对比度数