论文部分内容阅读
摘要为了有效保护、合理开发利用土地资源 ,把握真实、准确和实时的土地利用信息,查处违法用地,本文以亳州市谯城区为例讲述了基于遥感影像结合无人机的土地利用监测方法的流程。关键词: 遥感影像 土地利用 分类方法 谯城ABSTRACTIn order to protect, develop and utilize the land resources effectively , and grasp the true , accurate and real-time land-use information , investigate and deal with illegal land use, the article takes Qiao Cheng District Bo Zhou city area as an example to describe based on remote sensing images combining UAV images land use monitoring process. Keywords: remote sensing information ; land use ; classification method; Qiao Cheng
中图分类号:TL75+1文献标识码: A 文章编号:
一 监测地区(亳州市谯城区)概况本次土地监测的区域为亳州市谯城区,亳州市是安徽省省辖市,位于皖西北边陲,黄淮平原南端。谯城区位于市西北部,西、北、东三面分别与河南省的鹿邑、商丘、夏邑、永城交界,南与涡阳、太和接壤。地处淮北平原北部,地势平坦,西北略高。谯城区辖3个街道、20个镇、2个乡,总面积约2167平方公里。
二 卫星影像及无人机影像的处理与纠正
1,卫星遥感影像的检核与处理卫星遥感图像采用的是2011年11月的spot卫星影像,分辨率为2.5米,作为地类变化前的参照影像。由于此次项目获取的遥感影像已经经过了辐射校正和几何校正以及色彩数据融合等各种处理,所以在收到影像资料后,我们只是进行了精度的检核和色彩的简单调整。首先以该地区的1::10000地形图DLG为基准,在每幅一万图上取分布均匀的明显地物作为检核点。通过检核,发现本次的影像精度在误差允许范围内。然后进行色彩调整,针对本次土地监控的目的,侧重于让建筑物和耕地影像色调保留多光谱影像的光谱信息和全色影像的纹理细节,以便进行前后变化分析,达到准确的提取非建设用地变为建设用地变化的图斑。
2,无人机的影像获取与纠正2.1本次项目的航摄片影像是利用本单位的无人机进行采集的。采集工作的具体流程为:首先对亳州市谯城区进行航迹规划,在地面控制子系统中将规划好的航线载到遥感空中控制子系统,然后地面控制子系统按照规划的航线控制无人机的飞行。遥感空中控制子系统则按照预设的航线和拍摄方式控制遥感传感器进行拍摄;遥感传感器子系统将拍摄的数据进行存储,无人机平台则利用无线传输通道将飞行数据传输到地面的控制子系统;地面工作人员可以在地面监测无人机的飞行航线,必要的情况下,可以根据接收的数据更改本次飞行的计划。
2.2 对飞行质量的要求,主要是航片重叠率与航线弯曲度要符合要求。按照航空遥感的一般要求,拍摄时的航向重叠率为60%,最小不得小于53%;旁向重叠率30%,最小不得小于15%。本次飞行试验考虑到天气等因素以及飞机性能对航拍图片拼接的影响,设计了航向重叠率为80%,旁向重叠率为60%。对于航带弯曲度,一般规定不得超过3%。由于谯城区地势平坦,而摄影季节天气良好,飞行中,受风的干扰小,所以此次拍摄的遥感影像,航带的直线性良好,无人机在该地区的飞行航迹和规划航线能够吻合并且实际拍摄点的纬度值与预设值的差控制在1s内。
2.3 影像的处理纠正无人机采集的遥感影像,几何纠正主要集中于两个方面:数码相机镜头非线性畸变的纠正和针对成像时由于飞行器姿态变化引起的图像旋转和投影变形的纠正。针对每个影像的条件不同可分别进行这样几种处理方式:①利用野外可测控制点求解摄像机的外参数,进行图像单幅纠正。②利用目标区域的大比例尺地形图,选择合适的控制点,然后按照摄影测量的方法进行几何纠正。③在目标区域有正射影像的基础上,将采集的图像与正射图像进行配准,从而实现纠正。④基于机载惯性导航系统INS测得的相机姿态和GPS定位系统获得的相机位置,进行纠正。这样航片经过几何定位和纠正后,就具有了准确的坐标,最后把所有的航片按条件拼接成几张大的图片。
三 利用ecognition软件进行影像前后比对及监测图斑的提取通过以上的步骤,我们就获得了谯城区不同时段的具有相同地理坐标的影像。接下来,就要利用ecognition软件采用面向对象的遥感影像解译思想提取发生变化的地类图斑。
3.1 定制分割参数通过多次试验,本次分类决定采用多层次分割的方法进行:水体和非水体信息的提取以分割参数80为基准进行微调,其它参数均为默认;其它类别信息的提取在首次分割基础上,以分割参数65为基准,其它参数也为默认,进行多重分割来进行分类。
3.2 制定分类策略,创建类层次结构首先分析本地区每种地物类型特征及其相互之间的关系,利用不同对象影像的色调、形状、面积/大小和纹理等属性特征,建立父对象之间、子对象之间以及与邻对象之间的关系三种类型。按照由简单到困难的顺序逐步剥离提取分类体系中每种地物信息,制定合适的分类策略,创建类层次结构。
3.3 分类特征的选取根据创建的类层次结构,选取合适的对象属性,再进行以下几个步骤:首先提取水体信息。在整个研究区均匀选取样本,采用标准最邻近方法,对遥感影像进行分割分类,提取水体信息。在此基础上,依据水体的形状特征,把水体分为河流水面和坑塘水面两类。然后提取植被信息:首先把提取出的水体信息保护起来,在首次分割的基础上对非水体进行再分割,把非水体分为植被和非植被两类,然后根据植被中耕地和林地的不同特征把其分别提取出来。最后对非植被信息进一步细分,从中提取出主要交通道路、城镇居民点和裸地(已收获耕地)信息。至此,分类体系中的所有类别信息已经全部提取出来,然后,通过该软件比较遥感影像与无人机影像相同区域自动提取出地类有变化的地方,输出矢量数据(SHP格式)。
四 利用地理信息系统arcgis对提取的图斑进行筛选及输出成果
4.1 图斑的筛选与剔除将输出的矢量数据加载到arcmap,然后加载遥感影像、无人机影像及2011年的谯城区二调数据库,参照二调库及结合两个时相的影像剔除有误的监测图斑。然后将最终得到的监测图斑依据自西向东,自北像南的顺序分类编号。
4.2 成果的输出将acrmap切换至版面视图(Layout View),将比例尺定为1:8000的页面大小。把监测图斑边界定义为红色,线粗为1,加载行政界线,插入指北针,比例尺以及添加必要的河流注记,道路注记,居民地注记等说明。然后叠加上无人机影像,以乡镇分幅,输出图片格式的成果。将统计出的各个图斑按乡镇及不同地类,分别计算面积并标上所处的村和1:10000图幅号。至此,谯城区的2012年的监测图斑就按要求分类统计出了成果。五 总结通过此次的土地监测,深切的感受到遥感与计算机技术在土地监测中的巨大作用,能快速,有效,准确的对土地的变化做出实时监控。
參考文献:
1 丁晓英 eCognition在土地利用项目中的应用[J].测绘与空间地理信息,2005,28(6):116-120.
2 孙晓霞 张继贤 刘正军.利用面向对象的分类方法从IKONOS全色影像中提取河流和道路[J].测绘科学,2006,31(1):62-63
3 ESRI.ARCGIS软件中的帮助文档。ESRI公司技术支持部
4 乔瑞亭 孙和利 李欣.摄影与空中摄影学[M].武汉:武汉大学出版社,2008
中图分类号:TL75+1文献标识码: A 文章编号:
一 监测地区(亳州市谯城区)概况本次土地监测的区域为亳州市谯城区,亳州市是安徽省省辖市,位于皖西北边陲,黄淮平原南端。谯城区位于市西北部,西、北、东三面分别与河南省的鹿邑、商丘、夏邑、永城交界,南与涡阳、太和接壤。地处淮北平原北部,地势平坦,西北略高。谯城区辖3个街道、20个镇、2个乡,总面积约2167平方公里。
二 卫星影像及无人机影像的处理与纠正
1,卫星遥感影像的检核与处理卫星遥感图像采用的是2011年11月的spot卫星影像,分辨率为2.5米,作为地类变化前的参照影像。由于此次项目获取的遥感影像已经经过了辐射校正和几何校正以及色彩数据融合等各种处理,所以在收到影像资料后,我们只是进行了精度的检核和色彩的简单调整。首先以该地区的1::10000地形图DLG为基准,在每幅一万图上取分布均匀的明显地物作为检核点。通过检核,发现本次的影像精度在误差允许范围内。然后进行色彩调整,针对本次土地监控的目的,侧重于让建筑物和耕地影像色调保留多光谱影像的光谱信息和全色影像的纹理细节,以便进行前后变化分析,达到准确的提取非建设用地变为建设用地变化的图斑。
2,无人机的影像获取与纠正2.1本次项目的航摄片影像是利用本单位的无人机进行采集的。采集工作的具体流程为:首先对亳州市谯城区进行航迹规划,在地面控制子系统中将规划好的航线载到遥感空中控制子系统,然后地面控制子系统按照规划的航线控制无人机的飞行。遥感空中控制子系统则按照预设的航线和拍摄方式控制遥感传感器进行拍摄;遥感传感器子系统将拍摄的数据进行存储,无人机平台则利用无线传输通道将飞行数据传输到地面的控制子系统;地面工作人员可以在地面监测无人机的飞行航线,必要的情况下,可以根据接收的数据更改本次飞行的计划。
2.2 对飞行质量的要求,主要是航片重叠率与航线弯曲度要符合要求。按照航空遥感的一般要求,拍摄时的航向重叠率为60%,最小不得小于53%;旁向重叠率30%,最小不得小于15%。本次飞行试验考虑到天气等因素以及飞机性能对航拍图片拼接的影响,设计了航向重叠率为80%,旁向重叠率为60%。对于航带弯曲度,一般规定不得超过3%。由于谯城区地势平坦,而摄影季节天气良好,飞行中,受风的干扰小,所以此次拍摄的遥感影像,航带的直线性良好,无人机在该地区的飞行航迹和规划航线能够吻合并且实际拍摄点的纬度值与预设值的差控制在1s内。
2.3 影像的处理纠正无人机采集的遥感影像,几何纠正主要集中于两个方面:数码相机镜头非线性畸变的纠正和针对成像时由于飞行器姿态变化引起的图像旋转和投影变形的纠正。针对每个影像的条件不同可分别进行这样几种处理方式:①利用野外可测控制点求解摄像机的外参数,进行图像单幅纠正。②利用目标区域的大比例尺地形图,选择合适的控制点,然后按照摄影测量的方法进行几何纠正。③在目标区域有正射影像的基础上,将采集的图像与正射图像进行配准,从而实现纠正。④基于机载惯性导航系统INS测得的相机姿态和GPS定位系统获得的相机位置,进行纠正。这样航片经过几何定位和纠正后,就具有了准确的坐标,最后把所有的航片按条件拼接成几张大的图片。
三 利用ecognition软件进行影像前后比对及监测图斑的提取通过以上的步骤,我们就获得了谯城区不同时段的具有相同地理坐标的影像。接下来,就要利用ecognition软件采用面向对象的遥感影像解译思想提取发生变化的地类图斑。
3.1 定制分割参数通过多次试验,本次分类决定采用多层次分割的方法进行:水体和非水体信息的提取以分割参数80为基准进行微调,其它参数均为默认;其它类别信息的提取在首次分割基础上,以分割参数65为基准,其它参数也为默认,进行多重分割来进行分类。
3.2 制定分类策略,创建类层次结构首先分析本地区每种地物类型特征及其相互之间的关系,利用不同对象影像的色调、形状、面积/大小和纹理等属性特征,建立父对象之间、子对象之间以及与邻对象之间的关系三种类型。按照由简单到困难的顺序逐步剥离提取分类体系中每种地物信息,制定合适的分类策略,创建类层次结构。
3.3 分类特征的选取根据创建的类层次结构,选取合适的对象属性,再进行以下几个步骤:首先提取水体信息。在整个研究区均匀选取样本,采用标准最邻近方法,对遥感影像进行分割分类,提取水体信息。在此基础上,依据水体的形状特征,把水体分为河流水面和坑塘水面两类。然后提取植被信息:首先把提取出的水体信息保护起来,在首次分割的基础上对非水体进行再分割,把非水体分为植被和非植被两类,然后根据植被中耕地和林地的不同特征把其分别提取出来。最后对非植被信息进一步细分,从中提取出主要交通道路、城镇居民点和裸地(已收获耕地)信息。至此,分类体系中的所有类别信息已经全部提取出来,然后,通过该软件比较遥感影像与无人机影像相同区域自动提取出地类有变化的地方,输出矢量数据(SHP格式)。
四 利用地理信息系统arcgis对提取的图斑进行筛选及输出成果
4.1 图斑的筛选与剔除将输出的矢量数据加载到arcmap,然后加载遥感影像、无人机影像及2011年的谯城区二调数据库,参照二调库及结合两个时相的影像剔除有误的监测图斑。然后将最终得到的监测图斑依据自西向东,自北像南的顺序分类编号。
4.2 成果的输出将acrmap切换至版面视图(Layout View),将比例尺定为1:8000的页面大小。把监测图斑边界定义为红色,线粗为1,加载行政界线,插入指北针,比例尺以及添加必要的河流注记,道路注记,居民地注记等说明。然后叠加上无人机影像,以乡镇分幅,输出图片格式的成果。将统计出的各个图斑按乡镇及不同地类,分别计算面积并标上所处的村和1:10000图幅号。至此,谯城区的2012年的监测图斑就按要求分类统计出了成果。五 总结通过此次的土地监测,深切的感受到遥感与计算机技术在土地监测中的巨大作用,能快速,有效,准确的对土地的变化做出实时监控。
參考文献:
1 丁晓英 eCognition在土地利用项目中的应用[J].测绘与空间地理信息,2005,28(6):116-120.
2 孙晓霞 张继贤 刘正军.利用面向对象的分类方法从IKONOS全色影像中提取河流和道路[J].测绘科学,2006,31(1):62-63
3 ESRI.ARCGIS软件中的帮助文档。ESRI公司技术支持部
4 乔瑞亭 孙和利 李欣.摄影与空中摄影学[M].武汉:武汉大学出版社,2008