遥感技术手段提取城乡建筑用地

数据源介绍

使用的数据是GF1：

1. 高分一号卫星（GF-1）是国家高分辨率对地观测系统重大专项天基系统中的首发星，“高分专项”于2010年5月全面启动，计划到2020年建成我国自主的陆地、大气和海洋观测系统。该星于2013年4月26日成功发射入轨。突破了高空间分辨率、多光谱与宽覆盖相结合的光学遥感等关键技术，设计寿命5至8年。高分一号卫星发射成功后，能够为国土资源部门、农业部门、环境保护部门提供高精度、宽范围的空间观测服务，在地理测绘、海洋和气候气象观测、水利和林业资源监测、城市和交通精细化管理，疫情评估与公共卫生应急、地球系统科学研究等领域发挥重要作用。卫星装载两台2m分辨率全色、8m分辨率多光谱相机（简称高分相机）和4台16m空间分辨率多光谱相机（简称宽幅相机）。高分相机幅宽大于69km，宽幅相机幅宽大于830km，具备对全球4天重访能力。

2 下表是GF-1号主要的技术指标：

2m分辨率全色/8m分辨率多光谱相机
16m分辨率多光谱相机

光谱范围 全色 0.45-0.90μm
多光谱
0.45-0.52μm
0.52-0.59μm
0.63-0.69μm
0.77-0.89μm

空间分辨率: 全色 2m/16m
多光谱 8m
幅宽 ： 60km（2台相机组合） 800km（4台相机组合）
重访周期（侧摆时）： 4天
覆盖周期（不侧摆）： 41天

本次实践使用的是高分一号的宽幅相机成像影像，即GF-1 WFV数据，16米的空间分辨率，具有蓝、绿、红和近红外四个波段，影像幅宽达到800公里。

数据下载来源：
陆地观测卫星数据服务平台

ASTER GDEM数据是先进星载热发射和反射辐射仪全球数字高程模型，与SRTM一样为数字高程DEM，其全球空间分辨率为30米。

1. 该数据是根据
   NASA的新一代对地观测卫星Terra的详尽观测结果制作完成的。其数据覆盖范围为北纬83°到南纬83°之间的所有陆地区域，达到了地球陆地表面的99%，是目前唯一覆盖全球陆地表面的高分辨率高程影像数据。自2009年6月29日V1版ASTERGDEM数据发布以来，在全球对地观测研究中取得了广泛的应用。但是，ASTER GDEM V1原始数据局部地区存在异常，所以由ASTER GDEM V1加工的数字高程数据产品也存在个别区域的数据异常现象。

2. ASTER GDEM V2版则采用了一种先进的算法对V1版GDEM影像进行了改进，提高了数据的空间分辨率精度和高程精度。日本METI和美国NASA两个机构对V2版GDEM的数据精度进行了验证，结果显示V2版对V1版中存在的错误做了很好的矫正。ASTER GDEM V2全球数字高程数据于2015年1月6日正式发布，用户可以通过网络平台免费下载使用。

谷歌地球：

1. 谷歌地球（GoogleEarth，GE）是一款Google公司开发的虚拟地球仪软件，它把卫星照片、航空照相和GIS布置在一个地球的三维模型上。Google Earth于2005年向全球推出，被“PC世界杂志”评为2005年全球100种最佳新产品之一。用户们可以通过一个下载到自己电脑上的客户端软件，免费浏览全球各地的高清晰度卫星图片。

2. GoogleEarth上的全球地貌影像的有效分辨率至少为100米，通常为30米。视角海拔高度为15公里左右，但针对大城市、著名风景区、建筑物区域会提供分辨率为1m和0.5m左右的高精度影像，视角高度分别约为500米和350米。目前提供高精度影像的城市多集中在北美和欧洲，其它地区往往是首都或重要地区才提供。同时谷歌地球提供长时间跨度的历史影像，可查看历史时间节点某一地区的地表状况。

操作流程:

技术路线图：

数据预处理

高分影像数据预处理主要分为辐射定标、大气校正和正射校正等处理环节。

辐射定标
是将影像传感器所得的测量值（DN值）变换为绝对亮度为与地表反射率、表面温度等物理量有关的相对值的处理过程，目的是消除传感器本身产生的误差。获取2016年高分一号影像需要下载2016年的定标系数，对影像进行定标。辐射定标的计算公式如下所示：

式中： 为转换后的辐亮度，DN为传感器接收的观测值，Gain为定标增益值，offset为定标偏差值。

根据影像所属不同的传感器，使用上述公式和定标系数对12景影像进行辐射定标操作。

国产数据影像每年都会出新的辐射定标系数，这点需要注意！

下图是2016年的国产GF1的定标系数：

大气校正

目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。大多数情况下，大气校正同时也是反演地物真实反射率的过程。经过大气校正得到地物真实的反射率过程便于建设用地特征提取准确性。

常用的大气校正模型有6S模型、Atcor模型和FLAASH模型等。比较常用的FLAASH模型属于大气物理传输模型， 但参数设置复杂，为了简化操作，使用ENVI5.3快速大气校正方式进行校正。快速大气校正自动从图像上收集不同物质的波谱信息，获取经验值完成高光谱和多光谱的快速大气校正，它得到结果的精度近似FLAASH或者其他基于辐射传输模型的+/-15%。它支持的多光谱和高光谱波谱范围是0.4~2.5 μm。对于提取专题等非严格定量化应用影响不大。

正射校正

其实是几何校正的一种，它相对普通的地形起伏的校正更加严格。可以定义为：通过在像片上选取一些地面控制点，并利用原来已经获取的该像片范围内的数字高程模型DEM数据，对影像同时进行倾斜改正和投影差改正，将影像重采样成正射影像。

因此，正射校正需要用到高程点或者DEM数据，并且在地形起伏比较大的地方，经过正射校正后，精度比较高。正射校正有参照地面点的严格正射校正、有理多项式模型的正射校正（RPC 正射校正方式）。

高分一号影像自带与卫星轨道和传感器有关的参数文件，可直接进行RPC方式的正射校正，方便快捷。RPC方式的正射校正使用的是福建地区的ASTER GDEM V2高程数据。

本文预处理：
预处理使用的是ENVI5.3 中自带的功能模块和相关的插件进行的。首先，使用从网站上下载高分支持工具，打开GF-WFV数据的扩展插件，将从网站上下载的场地定标系数写入高分影像原始头文件中，为后面的辐射定标和大气校正作准备。

12景影像分别进行辐射定标、大气校正和正射校正处理，考虑到预处理工作量较大，采用批处理的方式实现预处理，使ENVI5.3+IDL8.5编程环境编写ENVI5.3的批量预处理扩展插件。

在ENVI核心库函数中自带很多图像处理接口，下表是与预处理有关的核心接口.

使用ENVI扩展插件的方法实现批量预处理功能。

插件主要进行大批量原始高分影像辐射定标、大气校正和正射校正处理，输出预处理后的高分影像。

下面是处理后的影像数据：

建设用地提取

提取首先需要建立解译标志，建立解译标志为了识别影像的地物信息，提供给解译人员实际地物和影像对应地物之间的关系，便于内业操作人员准确识别地物，方便制定相应的提取方法和精度评价。通过影像和实地考察拍摄照片验证建立解译标志。

提取之前需要进行数据统计，了解地物间的总体规律，内在联系，对遥感数据的统计特征分析是制定提取流程时不可缺少的基础性工作。

1.首先需要建立分类的体系，根据V-I-S（植被-不透水面-土壤）模型并结合福建省的实际情况，将所有的地物分为四大类别，分别是水体，建设用地，植被和裸露土壤。

2.考察四种地物的平均光谱反射曲线。从典型地物光谱反射率可以看出，水体和植被的光谱特征比较容易区分，居民建设用地和裸土在光谱特征上比较相似。用光谱特征比较难区分。

3.由于高分影像缺少对建筑敏感的短波红外波段，现有的光谱指数提取的方法无法用到高分一号影像中，需要采用其他方法提取。

4.经过分析各个波段上典型地物数据的分布情况，选择近红外波段、NDVI值，GLCM纹理熵和坡度特征等图像特征统计典型地物在这些特征图像上的离散性。

5.纹理熵特征中植被、水体和建筑、裸土数值的重叠度很低。可以大致区分提取出建筑和裸土地类。近红外波段对于水体（包括农田滩涂等含水量大的地类）和其他地类的可分性很好，可以用近红外波段区分农田滩涂和其他地类等信息。归一化植被指数NDVI值对于植被和其他地类的可分性很好，使用NDVI值区分植被和其他地类的信息。

6.最后是区分裸土和建筑用地混淆的问题。经过地理知识可以发现，裸土的分布主要位于地形坡度大的地区，部分位于地形平坦的荒地，通过地形坡度特征发现建筑和裸土有一定的区分度，少量的数据有一定的重叠。可以用坡度特征来去除大部分裸土地信息。

7.提取的方法是先计算波段的纹理熵，使用自动阈值分割的方法大致提取建设用地，初步结果中含有其他地类信息，然后计算NDVI指数，利用近红外波段和地形坡度特征分别自动阈值分割得到植被、水体农田和裸土信息，然后使用简单逻辑代数运算分别去除初步结果中的干扰地物，经过后处理得到最终建设用地结。

下面是技术路线：
技术路线：

纹理熵是从单波段影像上计算灰度共生矩阵，提取熵值作为纹理特征测度。

灰度共生矩阵反映了影像灰度关于方向、相邻间隔、变化幅度的综合信息。而熵值表示影像中纹理的复杂程度或非均匀度。

人工用地的特点是纹理粗糙，相对于自然地物光谱反射的各向异性，居民地等人工地物在影像上灰度分布无明显自然过渡，随机性较强。纹理熵的公式如下：


1.考虑到处理的影像范围较大，影像由于大气条件，地形和角度的原因，每处的地物亮度不是理想均一状态，提取特征图像不同位置也会有差别，所以采用分块自适应阈值分割的方法分割整体图像，避免全局阈值分割的弊端。

2.分块的策略是将整幅特征图像分成nn像素大小的方块（一般设置为500500像素），对每个方块进行OTSU自动阈值分割。OTSU阈值方法又称为大津法，大津法的基本原理是假设一副图像由前景色和背景色组成，通过统计学的方法来选取一个阈值，使得这个阈值可以将前景色和背景色尽可能的分开，判断区分质量好坏的方法是计算前景和背景之间的最大类间方差。

3.类间方差越大表示区分度越好，最大的类间方差对应的分割阈值即为最佳的分割阈值。确定阈值的基本思路是首先选择一个全局经验阈值进行初次分割，在初次分割阈值的基础之上，判断每个分块初次分割的结果占整块区域的比例，初次分割比例少于某个比例或者大于某个比例时（本文一般设置为10％和90％），使用初次分割阈值进行分割，当分块内的地物处于其他比例时，使用OTSU自动阈值法进行阈值分割，合并每一块分割结果，得到最终提取结果。

4.纹理熵、近红外和NDVI植被指数的阈值分割使用的是上述自动确定阈值的方法，而坡度特征使用的是固定的阈值，本文的坡度阈值默认是12度。

5.提取流程的实现方式是ENVI 5.3+扩展插件，编写实现上述整个提取流程的扩展插件，在ENVI软件中半自动提取建设用地。提取扩展插件如下图所示：

6.扩展插件中输入高分影像功能是打开预处理后的高分影像，输出结果文件指定保存结果文件的位置。中间的部分是经验阈值的设置，面板上是默认经验阈值，不同地区的影像视情况进行微小的调整。

7.下半部分是提取后处理的参数设置，在提取之后的结果中存在孤立的小碎斑,大片居民区存在孔洞，影响提取结果的连续性，不利于制图。

8.去碎斑尺寸是去掉小于该尺寸的孤立噪声点，填充孔洞大小表示小于该尺寸的孔洞进行填充，使得结果的连续性更好。

下图为其中某一景影像提取结果，从结果中可以看出本文提出提取建设用地方案可行。

9.提取完成12景覆盖福建省的影像后，需要把12景影像进行拼接镶嵌，形成覆盖整个福建省的建设用地结果。结果镶嵌是在ENVI 5.3软件中进行的，使用ENVI自带的无缝镶嵌功能。由于影像数量多，数据量大，进行镶嵌时以一景影像为基准，逐景镶嵌，自动生成拼接线，然后手动修改拼接线，完成镶嵌过程。

10.镶嵌过程完成后得到覆盖全省的建设用地结果，最后对照相同时相GE影像进行人机交互手工修改错误，人机交互过程在ENVI 4.8中完成。人工修改提取过程中误提部分（将非建设用地提取为建设用地）、漏提部分（未将建设用地提取出来）。

完成拼接和镶嵌后的建设用地结果使用福建省边界和各个地级市边界裁剪出来。

如下图所示：

精度评价与验证

1.在遥感过程的各个环节均会产生误差或错误，在遥感数据获取过程中和处理过程中由于模型不完善或者不适当运用也会产生误差或者错误，所以很有必要对遥感处理的结果进行精度评价。

2.图像精度指的是一幅不知道质量的图像和一幅假设准确的图像（参考图）之间的吻合程度。提取精度指的是图像提取结果与“现实”吻合的程度。遥感专题提取提供了一种对现实的典型简化，在制图过程中进行了一定的概括，许多信息被丢失。精度评价对于遥感信息提取很重要，精度评价必须客观的通过某种方法，定量地将一幅图像和另一幅同一地区的参考图像或者参考数据进行对比。

3.由于遥感涉及的空间广大、类型复杂，应当采用概率采样的方法进行精度评价，确保样本的代表性和有效性。本次实践采用的是分层随机采样的方式，考虑到建设用地和非建设用地的比例进行采样，每层内部是简单随机采样。采样范围以地级市行政范围为基准，在提取的结果图上进行采样，得到随机样本，最后通过精确的参考图或者更高空间分辨率影像目视判别随机样本的属性，通过准确的判别每个样本的地物属性，计算得到整体的精度。

4.本次精度评价方法采用分层抽样的方式，得到每个地级市行政区划范围内的随机点，然后通过野外验证或者将随机点叠加在谷歌地球上目视判别采样点的地物属性，计算得到每个区域的总体精度。

5.总体精度的计算方法是统计建设用地和非建设用地的提取正确的采样数与样本总体数量的比值。总体平均精度是各个地市精度的平均值。

地市名称 总体采样点数 建设用地采样点数
福州 150 60
龙岩 150 40
南平 150 40
宁德 150 30
莆田 150 60
泉州 150 70
三明 150 30
厦门 150 70
漳州 150 50

地市名称 整体精度
福州 82.65%
龙岩 86.76%
南平 75.31%
宁德 82.6%
莆田 81.74%
泉州 81.4%
三明 79.37%
厦门 87.63%
漳州 85.66%
总体平均精度 82.57%

6.具体的操作方法是将提取结果导入到ENVI软件中，在ENVI工具箱的Classification->Post Classification->Generate Random Sample Using Ground Truth Image,在建设用地和非建设用地区域进行简单随机采样生成不同数量的采样点，然后在ArcGIS中将采样点转换为KMZ文件,叠加在Google Earth2016年的历史影像上。对照检查采样点的地物类别。

下面以福州市精度评价为例说明精度评价的过程。

更多遥感知识，关注我的个人公众号：