基于高分辨遥感影像的城市绿地信息提取研究

Beijing SurveyingandMapping

北京测绘

Vol. 32 No. 2

February 2018

引文格式：，高美欢，刘玉梅.基于高分辨遥感影像的城市绿地信息提取研究[J].北京测绘，2018(2) :221-224.

DOI：10. 19580/i. cnki 1007-3000. 2018. 02. 017

基于高分辨遥感影像的城市绿地信息提取研究

高美欢刘玉梅

(山东科技大学测绘科学与工程学院，山东青岛266590)

[摘要]城市绿地以植物为主要存在形态，是城市的净化器，有着保持水土、涵养水源、调节自然界生

态平衡等作用，与人们的工作和生活都息息相关，是城市不可或缺的一部分。本文以淮南市为例，使用 WorldView-2高分辨率遥感影像，先对影像进行预处理，然后利用面向对象方法，对影像进行多尺度分割，再 提取绿地信息。实验结果表明，使用高分辨率的遥感影像，利用面向对象的方法进行绿地信息的提取的效果 是可行的，并且效果和精度都比较好。

[关键词]城市绿地；高分辨率；面向对象；多尺度分割[中图分类号]P237 [文献标识码]八[文章编号]1007 — 3000(2018)02 — 0221 — 4

考究之后，运用面向对象的方法，对研究区域的 高分辨率影像进行预处理、多尺度分割，从而提 取城市绿地信息。

11.1

研究区域、研究数据及预处理研究区域

〇引言

绿地是城市里保存完好的植被覆盖地和遭 到破坏之后恢复植被覆盖地的统称。城市绿地 不仅具有人文价值还具有生态价值，只有保证城 市绿地的存在才能让城市的景观价值得以展现。 城市绿地能够保证城市生态系统的稳定，也能够 改善城市的生态环境，是衡量人们生活状况和环 境质量的决定性因素[12]。

随着科技的不断进步、遥感技术的不断发 展，遥感已经步人了高时间分辨率、高光谱分辨 率、高空间分辨率的时代[3 ]。因而可以利用高分 辨率遥感影像，对大比例尺的地物进行地物识别 和信息提取。

传统的基于像素的图像处理方法，由于其可 使用特征的局限性，造成图像信息提取的精度较 差。而面向对象的信息提取方法，由于其最小的 处理单元从像素过渡到了目标对象的层次上，在 参与计算的特征、地学知识的融合等方面都具有 较大的优势，能够消除或者显著降低图像分类的 椒盐噪声效应，从而提高图像分类精度[]。

本文以淮南市作为研究区，在对WorldView-2 影像的特性和城市绿地信息提取规范进行综合

淮南，地级市，位于安徽省中北部，地江 三角洲腹地，淮河之滨，是沿淮城市群的重要节 点，合肥都市圈核心城市，位于东经116°21'21〜 1171159〃与北纬32。32'45〃〜33V24\"之间，全市总面 积约为5571平方公里，共有5个区2个县[]。

1.2研究数据及预处理

采用Worldvew-2高分辨率遥感数据。

WorldView-2于2009年10月6日发射成功，运

行高度约为 770 km。WorldView-2 具有 0. 46 m 分辨率的全色影像和1. 84 m分辨率的多光谱影 像，其中多光谱共有8个波段(蓝：450-510 nm;绿： 510-580 nm ;红：630-690 nm;近红外：770 nm-5

nm;海岸:400 nm-450 nm ;黄：85 nm-625 nm;红边:

7055 nm-745 nm;近红外 2:60 nm-1040 nm)[6—7]。选 择的高分辨率遥感影像是LV2A级数据，其成像 时间6月到9月之间，此时间内植被长势较好，覆 盖度高。本文对遥感影像的预处理包括辐射定

[收稿日期]2017 -04—17

[作者筒介]（1993 —），男，安徽揪阳人，硕士研究生，主要研究方向为摄影测量与遥感技术的应用。E-mail: 1356950039@qq. com

222

北京测绘

第32卷第2期

标、大气校正、几何校正、图像融合等，然后剪裁 研究区域一部分影像进行绿地信息提取实验。

2

研究方法及过程

示。第二类绿地其不同参数的分割效果见图4所 示。从多尺度分割结果来看，当分割的尺度为35 时，第一类绿地即道路两边的行道树比较好的提取 出来，其边界由完整单一的多边形构成，与周围地 物没有混合在一起，而其它类型的地物则较为零 碎;分割尺度为35时，第二类绿地即大面积的绿 地提取结果相比其他尺度更为合适，分割的较为 完整，并且能够与道路、建筑物等能够区分出来。

面向对象的绿地信息提取方法是基于分割 得到的对象提取目标信息，主要包括两个步骤: 一是多尺度分割；二是绿地信息提取。米用面向 对象提取绿地信息的技术流程如图1所示。

图1技术流程图

2.1多尺度分割[8]

遥感影像的多尺度分割，就是对同一幅影像 在不同的指定尺度下进行多次分割，从而将影像 中丰富的、不同尺度的地物与空间结构特征信 息，借助不同指定尺度下的分割结果予以表现和 描述[9]。实验中，城市绿地信息的提取，前提是 先对研究区域中的影像进行尺度分割实验，然后 再进行信息提取。多尺度分割是面向对象方法 中的重要步骤，对绿地信息提取的精度有着直接 的影响，所以多研究区域同一影像进行了多次多 尺度分割实验。实验中，对研究区域同一影像， 进行了多尺度分割，其分割结果如图2所示。实 验中的分割尺度分别为1〇、15、20、35、50、80。

(d)分割尺度:35 (e)分割尺度:50 (f)分割尺度:80

图2影像的多尺度分割

实验中，为了进行绿地信息提取，将研究区 域的绿地简单分为两类：一类是道路两边的行道 树，长势较好，总体呈带状，没有规则的形状;另一 类是面积较大的人工绿地、草地等。为了获得比较 好的分割效果，通过反复实验来进行参数设置，获 得比较好的结果。对于不同类型的绿地，其分割参 数也不相同。因此对不同类型的绿地进行了分割 试验，第一类绿地其不同参数的分割效果见图3所

所以本次实验的分割尺度为35。

(a)分割尺度:10

(b)分割尺度:15

(c)分割尺度:20

(d)分割尺度W

图3第一类绿地多尺度分割图

(a)分割尺度:35 (b)分害！1尺度:50

(c)分割尺度:80

(d)分割尺度:100

图4第二类绿地多尺度分割图2.2城市绿地信息提取

对遥感影像进行处理，计算影像的ND-

VI[10]，并提取出NDVI值大于0. 036的像元，这

些像元中的大部分属于植被，但范围并没有包含 所有的城市植被。因而为了得到所有的植被像

第32卷第2期

，高美欢，刘玉梅.基于高分辨遥感影像的城市绿地信息提取研究

223

元，实验将NDVI阈值降低至0. 2,但是在这种情 况下，一些在红光与近红外波段与植被光谱特征 相似的蓝色和白色金属屋顶会被错分为植被。针 对这种错分现象，将蓝色屋顶、白色屋顶和植被在

WordView-2影像四个波段上的光谱特征进行了对 比，发现植被在蓝光波段的像元值小于380,可利 用这点从这三种错分地物中分离出植被。

实验中，使用ENVI软件，在ENVI EX拓展 工具下，有一个面向对象分类工具FX，基于此进 分类的阈值的获取，与获得绿地分类阈值的方法 一样，同样利用样本统计的方法。通过对样本统 计及对比，得知非建筑物在第二波段的最小值接 近与植被在第二波段的最大值，利用这个附加规 则可以使得分类更加的精确。

在 ENVI FX 中的 ALL Class 界面，对 rule 规则进行编辑。点击rule工具，然后点击波段2 属性，设置分类阈值1731，点击preview可以发 现原来还存在的一些未分类的目标已经被剔除 行实验操作。由于原始的文件数据量过大，因而在 进行实验处理之前，要对原始影像进行影像切割， 再处理完成之后再将处理的结果运用到整幅原始 数据之中，这样可以增加实验处理的速度和效率。

在Scale Level面板里，有一个阈值条，它的 范围是0-100之间，系统自动设定的阈值为50, 通过前文的尺度分割实验已经确定这里最合适 的分割阈值为35;在Merge Level面板里，也有 一个阈值条，它的范围也是0100之间，系统自动 设定的阈值为0;利用preview工具可以知道最 佳的阈值，本实验的用值为60;Merge Level面板 里的值不宜设置的过小，过小则会导致分类提取 的效果不是很好，但是也不宜设置的过大，因为 该值设置的过大会增大计算量，不利于实验效率 的提升。在rule based界面对图像的提取规则进 行编辑，首先将提取的地区名称改为绿地，然后 利用NDVI进行提取，结果绝大部分绿地被提 取，但很多人工建筑材料的波段和绿地相似难以 被提取，所以要编辑第二条规则，利用第二波段 进行约束，其初步提取结果如图5所示。

图5初步提取结果

实验中利用规则分类的方法来提取绿地，该

方法最主要的一点就是确定分类的阈值和NDVI 值的计算。对于阈值的获取，利用样本统计的方 法来得到：先计算NDVI，然后进行波段合成，再 进行样本选择，最后进行样本统计从而获取绿地 的NDVI最小值是0.071375。对于非绿地区域

了。点击Preview，能够率先预览规则制订之后 的分类结果。单击按钮保存规则文件。单击

Next按钮，然后选择Shape file矢量结果并进行 输出路径设置，最终可以得到实验区提取的绿地 矢量结果。

通过上文的样本统计可以得到将绿地和其 他地物分别开来的一个阈值，将这个阈值输入到 FX工具中即可实现分类。通过选择一部分实验 区域影像进行研究，从而获取整个研究区域比较 理想的面向对象分类规则：Segment Scale Level: 35. 0； Merge Level： 60. 0； Refine： No Threshol­

ding； Attributes Computed： Spectral； Band Rati- o：QUAC (Orthorectified (Band 5) (660. 0000), QUAC (Orthorectified (Band 7) (832. 5000)； Classification： Rule Set： bandratio>0. 0700 Aavg- band_2〈1730. 0000。将研究区域的分类结果保

存之后，再次打开FX工具，将先前的分类结果应 用到整个图像之中来将绿地分离出来。最终提 取结果如图6所示。

图6绿地提取结果图

2.3精度分析

利用ARCGIS软件，将提取出的绿地图斑进 行矢量化，并叠加到原影像上，分析其提取的结 果。从图6我们可以从两个方面来进行精度分 析评价，首先从目视效果来看，用面向对象的方

224

北京测绘

第32卷第2期

法进行城市绿地信息的提取，不仅提取出了大面 积的绿地，也提取出了零散绿地，避免了椒盐现 象的产生，比较符合客观的实际情况；其次从提 取精度上分析，以土地利用现状图作为参考，将 实验数据提取的绿地与其进行比较，可以得到面 向对象方法提取的生产者精度为97. 72%，用户 精度为98. 13%。

3

结束语

过程中的误判，至于这一点问题要如何解决，有待 进一步进行研究。

参考文献

[1] Small C. Estimation of urban vegetation abundance

by spectral mixture analysis[J]. International Jour­nal of Remote Sensing,2001 (22) ： 1305-1334.[2] WagrowskiD M，Hites R A. Poly cyclic aromatic

hydrocarbon accumulation in urban,suburban and ru- rual vegetation [ J ]. Environmental Science and Technology,2001(31) :279-282.[3] 张云英.面向对象的高分影像城市绿地精准提取方法

研究[J].矿山测量，2016(2)76-79.[4] 杨安广，毕强，吴铁婴.面向对象的绿地信息提取[J]. 测绘与空间地理信息，2015(2): 168-171.[5] 李敏.基于土地利用变化的生态系统服务价值研究 [D]安黴合肥：合肥工业大学，2015.[6] 倪卓娅，甘甫平，周萍，等.面向对象的那曲WorldView-2

影像的分类[J]遥感信息，2011(6)114-118.[7] 凌春丽.WorldView-2影像林地信息提取的研究与

实现[J].测绘科学，2010(5)205-207.[8] 费鲜芸.基于多尺度分割的遥感影像滨海湿地分类 [J].遥感技术与应用，2015(2)298-303.[9] 杨安广，毕强，吴铁婴.面向对象的绿地信息提取[J]. 测绘与空间地理信息，2015(2): 168-171.[10] 何月，樊高峰，张小伟，等.浙江省植被NDVI动态及其

对气候的响应[J1生态学报，2012(14) :4352-4362.

城市绿地是城市建设的基础，对城市发展的 影响可谓是潜移默化，所以我们进行研究的核心 点应该是致力于如何实现城市绿地高效的迅速 的获取。本文以淮南市为研究区域，通过遥感技

术来对城市绿地进行提取，并针对此做了提取规 则的研究，最终确定了面向对象的高效提取方 法。与传统方法相比较，面向对象方法是明显不 同的，面向对象法能够综合利用目标物的光谱信 息与纹理信息来对绿地进行高效的提取。从研 究的结果可知，面向对象的绿地信息提取精度是 比较高的。这就表明面向对象的分类方法是一 种适合于遥感技术的分类方法，并且此种分类方 法属于高效而精确的分类方法，满足现在城市对 提取绿地信息提出的要求。此外，从实验中抑或 是实际调查中可知，很多的建筑物外层的涂抹材料 的光谱信息和绿地的光谱信息类似，这导致了分类

Research on Urban Green Space Information Extraction Based on

High Resolution Remote Sensing Image

WANG Gang，GAO Meihuan，LIU Yumei

(College of Geomatics,Shandong University of Science and Technology，Qingdao Shandong 266590，China) Abstract： Urban green space to plant as the main form of the cit)^s purifier, has to maintain soil and water，water con­servation， regulating the ecological balance of nature and other functions, and peoples work and life are closely related to the city is an integral

part.

In

this paper，We

took

Huainan as

the

remote sensing image，pre-processed the image，and then used the object-oriented method to segment the image andextract the green information. The experimental results showed that using high-resolution remote sensing image andobject-oriented method of green

information

extraction

effect

are

feasible，and

the

Keywords： urban green space； high resolution； object-oriented； multi-scale segmentation

research area，used

e