doi:10．3969/j．issn．1001－358X．2017．03．004基于高分一号卫星遥感影像的城市绿地提取对比研究程灿然1，2，杨树文1，石鹏卿3(1．兰州交通大学测绘与地理信息学院，甘肃兰州730070;2．甘肃省地图院，甘肃兰州730000;3．甘肃省地质环境监测院，甘肃兰州730050)摘要:针对目前面向对象方法在高分辨率遥感影像中提取绿地专题信息的特点，文中提出一种利用高分辨率遥感影像提取城市区域范围绿地信息的方法，结合K－T变换和ICA变换，根据地物的遥感影像特征、光谱特征信息和基于阀值的分类技术进行有效波段最优组合及地物分类，从而大幅提高了绿地专题信息提取的精度。研究中提出本方法和基于NDVI的典型绿地提取方法的提取结果进行精度评价，实验结果证明，在城市区域范围尺度上，该方法计算简便且实现了94．97%的高精度和总Kappa系数为0．9195的评价结果。关键词:城市绿地;GF－1号;K－T变换;ICA变换;波段组合中图分类号:TD171文献标识码:A文章编号:1001－358X(2017)03－0012－05ComparativeresearchonurbangreenspaceextractingbasedonGF－1satelliteimagesChengCanran1，2，YangShuwen1，ShiPengqing3(1．FacultyofGeomatics，LanzhouJiaotongUniversity，Lanzhou730070，China;2．MapInstituteofGansu，Lanzhou730000，China;3．Geo－EnvironmentMonitoringInstituteofGansu，Lanzhou730050，China)Abstract:Forextractingthecharacteristicsofthegreenprojectinformationbytheobject－orientedmethodinhighres-olutionremotesensingimages，inthepaper，amethodofextractinggreenlandinformationofUrbanareabyusingthehighresolutionremotesensingimagewasputforward，combiningwithK－TtransformandICAtransform，ac-cordingtothefeaturesoftheremotesensingimages，spectrumcharacteristicinformationandbasedonclassificationtechniquesofthethresholdtocarryouteffectivebandoptimalcombinationandobjectsclassification，thustheextrac-tionaccuracyofgreenmonographicinformationwasimprovedsubstantially．PrecisionoftheextractingresultsofmethodproposedinthestudyandthetypicalgreenextractionmethodbasedonNDVIwereevaluated，theexperimen-talresultsshowedthatinurbanareascale，thecalculationmethodwaseasyandsimpleachieving94．97%accuracyandtheevaluationresultsoftotalKappacoefficientthatitwas0．9195．Keywords:urbangreenspace;GF－1;K－Ttransform;ICAtransform;bandscombination引用格式:程灿然，杨树文，石鹏卿．基于高分一号卫星遥感影像的城市绿地提取对比研究［J］．矿山测量，2017，45(3):12－16．城市绿地是城市生态系统的重要组成部分，它不仅可以净化空气、水体和土壤，而且，在城市可持续发展中具有不可替代的地位。因此，快速准确地获取城市绿地信息、摸清城市绿化现状是城市绿地可持续管理与规划的基础保障［1］。随着多源遥感影像时空分辨率的不断提高，传统依基于像元的分类方法只着眼于局部像素而忽略邻近整片图斑的纹理、结构等信息，致提取结果中出现大量“椒盐噪声”，已难以满足实际需要。面向对象遥感影像分类方法应运而生，它能够有效利用高分辨率遥感影像中地物的空间和形状、纹理信息，与传统的基于像素和目视解译分类方法相比，在同样数据源的前提下，21第45卷第3期2017年6月矿山测量MINESURVEYINGVol．45No.3Jun.2017中国煤炭期刊网 www.chinacaj.net

面向对象技术为分类增加了很多辅助信息，提高了分类精度［2］。目前，面向对象绿地遥感分类方法主要有两种，但是精度都较低。一种是Hame等1998年提出的基于矢量分析的非监督分类技术，该法通过分析像素群来降低“椒盐效应”，在分类中并不要分割图像［3］;另一种是分割与非监督自组织迭代法相结合分类技术，由于分割和像素群算法均存在一定的模糊性，导致分割区域不能被准确的分类。本文将对如何提高城市绿地的分类精度展开研究。1研究区及数据天水市位于甘肃东南部，地处陕、甘、川三省交界，区域范围为东经104°35'～106°44'、北纬34°05'～35°10'。以西秦岭为分水岭。天水地势西北高，东南低，海拔在1000～2100m之间，属温带季风气候。天水市是人文始祖伏羲的诞生地，素有“羲皇故里”之称。本实验采用天水市某城区高分一号(GF－1)2m分辨率全色影像和8m分辨率多光谱影像。其中全色谱段波长范围0.45～0.90μm(四个波段分别为:0.45～0.52μm，蓝色波段;0.52～0.59μm，绿色波段;0.63～0.69μm，红色波段;0.77～0.89μm，近红外波段)。影像采集时间为2015年5月中旬，此时植被处于生长期，地物更容易精确分类。影像真彩色显示如图1所示。图1实验区高分一号原始影像2绿地提取方法及分析2.1基于NDVI的典型绿地提取方法归一化植被指数(NormalizedDifferenceVegeta-tionIndex，NDVI)计算可以将多光谱数据变换成一个单独的图像波段，用于显示植被分布。较高的NDVI值预示着包含较多的绿色植被，其计算公式如下:NDVI=(NIR－R)/(NIR+R)(1)式中，NIR为近红外波段，R为红光波段。由于NDVI值可以明显的区别植被与非植被，所以选择其作为判断依据，在eCognition遥感软件中通过反复的试验证明:当NDVI的阈值大于0.3时，则为绿地，否则为非绿地。在ENVI遥感软件中，选取一定数量绿地、建设用地、裸地3种类型样点，利用ENVI及ARCGIS软件提取典型地物样地点的各波段平均DN值，得到的结果如图2所示。图2GF－1卫星各波段平均DN值在非绿地区域，为了区别裸地、建设用地，由图可知波段1(BLUE)可以明显区别裸地以建设用地，通过反复的试验证明:当BLUE的平均光谱值大于阈值800时，则为建设用地，否则为裸地。2.2一种绿地提取新方法由于基于NDVI的典型绿地提取方法存在一些不足之处，为了进一步提高绿地识别精度，本文在总结前人研究和大量实验的基础上，采用面向对象的影像分析技术，进行缨帽(K－T)变换和独立主成分分析(ICA)变换，并结合地物的遥感影像特征和地物的光谱特征信息进行有效波段组合及地物分类，找出适合植被信息提取的最优规则模型。绿地提取流程如图3所示，主要由4个部分组成:影像预处理、影像特征处理、最优多波段组合、影像多尺度分割及面向对象的绿地信息提取。(1)影像预处理首先选用物理型的FLAASH模型对实验区域GF－1影像数据进行辐射校正，将图像的DN值转化31第3期程灿然等:基于高分一号卫星遥感影像的城市绿地提取对比研究2017年6月中国煤炭期刊网 www.chinacaj.net

图3绿地提取新方法技术流程图为辐射值。接着用RPC模型对高分一号2m全色影像进行正射校正。最后，选择Gram－schmidt算法对处理过的多光谱和全色数据进行影像融合。(2)影像特征处理及最优波段组合由于缨帽变换的第二特征“绿度”植被指数(TC2)是可见光波段植物光合作用吸收与近红外波段植物强反射的综合响应，可以明显的区别植被以及非植被;多光谱图像的各波段之间经常是高度相关的，他们的DN值以及显示出来的视觉效果往往很相似，独立分量分析方法不仅能实现去相关特性，而且能获得分量之间相互独立的特性［4］，从而提高分类精度;为了进一步提高信息提取精度，要选择包含信息量大波段组合，通过ENVI实现对波段BLUE、GREEN、RED、NIR的光谱信息统计，其统计计算结果如表1所示。表1GF－1号四波段光谱信息统计波段序号最小值最大值平均值标准差BLUE20239481006.805783278.586057GREEN22639681176.063378290.425783RED22444881385.432473357.978917NIR－28163582193.806105684.913507标准差反映了影像灰度值的离散程度，是衡量影像信息量的重要指标，值越大波段所含信息就越大［5］。由表1可知波段NIR的标准差最大，波段NIR包含的影像信息量最大。综上所述，最终选择有利于提取绿地信息的最优波段组合为ICA1、TC2及NIR。(3)影像对象分割影像分割是面向对象信息提取方法的前提和基础。本次实验采用多尺度分割+光谱差异分割模型。第一步进行多尺度分割时，将尺度参数设置的较小，实现对影像的过分割，然后第二步采用光谱差异分割，通过分析相邻分割对象的亮度差异是否满足给定的阈值，来决定是否将对象进行合并，实现对过分割的现象进行一定的改善。经实验后确定多尺度分割参数为25，光谱差异分割参数为80。(4)建立绿地提取规则模型在上述对影像对象进行分割后的尺度层上，通过对不同地物的特征信息进行统计分析，依据地物之间的特征信息差异，建立适当的绿地提取规则模型。在eCognition遥感软件中通过反复的试验证明:当TC2的阈值＞700时，则为绿地，否则为非绿地。对于非绿地区域，为了区别裸地与建设用地，在EN-VI遥感软件中，选取一定数量绿地、建设用地、裸地3种类型样点，利用ENVI及ARCGIS软件提取典型地物样地点，在经过独立分量分析变换后取各波段平均DN值，得到的结果如图4所示。图4经ICA变换后各波段平均DN值由图4可知独立分量分析变换的第1分量(ICA1)可以明显区别裸地以建设用地，通过反复的试验证明:当ICA1小于阈值1时，则为裸地，否则为建设用地。具体分类规则模型如图5。41第3期矿山测量2017年6月中国煤炭期刊网 www.chinacaj.net

图5绿地提取新方法分类规则模型3实验及分析3.1绿地提取实验选取研究区的高分一号原始影像数据，采集时间为2015年5月23日，中心点坐标为E105.6°、N34.7°，包含8m分辨率的多光谱数据和2m分辨率的全色数据。经ENVI5.1软件进行辐射定标、大气校正、正射校正、图像融合等预处理后，裁剪一块绿地信息丰富的城区影像，分别采用基于NDVI的典型绿地提取方法和本文所提出的绿地提取新方法对实验区影像进行绿地信息提取，从而对两种方法进行精度评价。3.1.1基于NDVI的典型绿地提取通过计算实验区影像的归一化植被指数即ND-VI值，确定多尺度分割参数为25，光谱差异分割参数为80。利用基于NDVI的分类规则模型，对实验区多尺度分割后的影像进行分类提取，分类结果如图6所示。图6基于NDVI的典型绿地提取方法分类结果图3.1.2一种绿地信息提取的新方法选择实验区影像的ICA1、TC2和NIR波段，合成最优波段组合影像，如图7所示。图7实验区最优波段组合后的影像从上图可以看出，在最优波段组合后的影像中，地物信息经图像增强后效果更加显著。确定多尺度分割参数为25，光谱差异分割参数为80。根据上述所建立的分类规则及绿地信息提取流程，对实验区多尺度分割后的影像进行分类提取，分类结果如图8所示。图8绿地提取新方法分类结果图3.2结果分析与评价通过在遥感图像上选取各类地表真实感兴趣区作为样本对象，再建立混淆矩阵，并计算主要精度指标，进行统计检验，分别得出上述两种方法提取绿地信息的总体精度、Kappa系数、用户精度、制图精度、漏分误差、错分误差等分类结果精度(表2、表3)。由表2可看出，基于NDVI典型绿地分类提取方法的结果为:从生产者精度来看，精度最高的是绿地为100%，其次是建设用地为86.36%，精度最低的是裸地，仅为9.09%。从用户精度来看，精度最高的是建设用地为86.36%，其次是绿地为65.22%，最低的是裸地为17.64%。基于NDVI典型绿地分类51第3期程灿然等:基于高分一号卫星遥感影像的城市绿地提取对比研究2017年6月中国煤炭期刊网 www.chinacaj.net

提取总体精度为78.16%，Kappa系数为0.4485。表2基于NDVI的典型绿地提取精度评价表3绿地提取新方法精度评价由表3可看出，论文提出的一种绿地提取新方法的分类结果为:从生产者精度来看，最高的是绿地与建设用地，均达到100%，其次是裸地为80%。从用户精度来看，最高的是建设用地与裸地，同样均达到100%，其次是绿地为80%。该方法提取绿地信息的总体精度为94.97%，Kappa系数为0.9195。通过对上述两种方法的分类提取结果进行对比分析，对绿地来说，本文提出的绿地提取新方法相对基于NDVI的典型绿地提取方法提高了其用户精度，由65.22%提高到87.5%，避免了将绿地错分为建设用地的情况;对建设用地而言，论文所提出的绿地提取新方法对其用户精度与生产者精度均有大幅提高，避免了错分、漏分的情况;对裸地，论文所提出的绿地提取新方法更是很大程度的提高了其分类精度，减少了漏分情况，避免了错分情况。从总体上来看，论文所提出的绿地提取新方法相对于基于NDVI的典型绿地提取方法，总体精度由78.16%提高到了94.97%，提高了16.81%;Kappa系数由0.4485成倍提高到了0.9195，提高0.4175。综上所述，论文所提出的绿地提取新方法对绿地信息的提取精度较高，是一种可行的、效果显著的绿地信息提取方法。为高分辨率遥感影像常态化监测绿地信息的变化情况提供了准确、有效的技术手段。4结语为了解决基于NDVI的典型绿地提取方法出现的对象混淆和分类结果的“椒盐效应”等问题，本文采用基于K－T变换和ICA变换的面向对象的绿地提取新方法进行提取，并同基于NDVI的典型绿地提取结果进行对比分析，得出以下结论:(1)将ICA1波段、TC2波段和NIR波段合成后的最优波段组合影像作为待分割影像用来提取绿地信息是可行的、准确的、有效的。(2)在本研究中，将多尺度分割与光谱差异分割相结合，通过大量实验，得到了一个较好的分割尺度。此种分割方式与建立多个分割层，手工逐次试验寻找所谓的最佳分割参数设置相比，普适性相对更高，可推广性相对更强。(3)与基于NDVI的典型绿地提取方法相比，本文提出的基于K－T变换和ICA变换的面向对象的绿地提取新方法能够显著增强影像的纹理信息，突出地物特征，提取结果精度明显提高。(4)本文分类方法只是将绿地与其他地物区分开来，但研究城市绿地生态系统还需区分不同绿地类型，后期将进一步研究面向对象的城市不同绿地类型的精准提取方法。参考文献:［1］许康，卢刚，郭雪瑶，等.基于资源三号卫星遥感影像的城市绿地提取［J］.测绘与空间地理信息，2015，38(5):85－88.［2］李成范，尹京苑，赵俊娟.一种面向对象的遥感影像城市绿地提取方法［J］.测绘科学，2011，36(5):112－114，120.［3］HameT，HeilerI，Miguel－AyanzJ.Anunsupervised-changedetectionandrecognitionsystemforforestry［J］.InternationalJournalofRemoteSensing，1998，19.［4］苏志成，吕宏伟.基于独立分量分析的遥感影像分类方法［J］.科学技术与工程，2007，(23):6244－6247.［5］郭娜，刘剑秋.TM遥感影像植被信息提取的最佳波段组合选择－以福建省松溪至建瓯高速公路为例［J］.福建师范大学学报(自然科学版)，2012，28(1):103－107.作者简介:程灿然(1991－)，女，甘肃兰州人，硕士研究生，现在甘肃省地图院工作，主要从事遥感数据处理工作。(收稿日期:2017－02－20)61第3期矿山测量2017年6月中国煤炭期刊网 www.chinacaj.net