基于GF-1影像的蒙古高原...以蒙古国古尔班特斯苏木为例_梁茜亚.pdf

第 卷，第 期自 然 资 源 遥 感，年 月 ，：引用格式：梁茜亚，王卷乐，李朋飞，等 基于 影像的蒙古高原干旱半干旱地区自然道路提取 以蒙古国古尔班特斯苏木为例 自然资源遥感，（）：（，：，（）：）基于 影像的蒙古高原干旱半干旱地区自然道路提取 以蒙古国古尔班特斯苏木为例梁茜亚，王卷乐，李朋飞，（中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京；西安科技大学测绘科学与技术学院，西安；江苏省地理信息资源开发与利用协同创新中心，南京；蒙古国立大学艺术科学学院，乌兰巴托）摘要：蒙古高原广袤的干旱半干旱地区存在大量未经规划的自然道路，也称临时道路或越野公路。此类道路由车辆任意行驶碾压导致，会对地表生态及其稳定性造成影响，加剧干旱半干旱地区土地退化。由于自然道路数量众多、分布不规则且易随着区域发展而改变，因而高效精确获取这些信息是大范围草原地区的一个紧迫需求和难点。该文以蒙古国自然道路为主要提取目标，基于国产高分一号（）影像采用面向对象的方法进行研究区道路信息提取。首先对覆盖研究区的 影像进行数据预处理，采用多尺度分割方法进行影像对象分割；然后对需要提取的自然道路进行特征分析，通过计算光谱、几何特征参数及随机选取道路样本统计样本特征值，选出能表达自然道路特征的参数构建道路提取规则集；进而结合多种方法的组合应用，最终通过最邻近分类法实现对道路的初步提取，采用阈值分类法等分类算法优化道路信息。结果表明，提取的蒙古国古尔班特斯苏木研究区自然道路长度为 ，密度为 ，总体呈现东南密集，西、北部稀疏的分布特征，与本地区实际的煤矿企业生产和居民城镇生活情况相符。研究表明所提方法可以较完整地提取出研究区自然道路，可为蒙古高原等广大干旱半干旱地区自然道路提取提供方法借鉴。关键词：高分一号影像；蒙古高原；自然道路；越野公路；道路提取；面向对象中图法分类号：文献标志码：文章编号：（）收稿日期：；修订日期：基金项目：国家自然科学基金项目“多源特征空间和地理分区建模支持下的蒙古国荒漠化精细反演”（编号：）和“蒙古国色楞格河流域畜牧业精准调控方法与网络协同平台研究”（编号：）共同资助。第一作者：梁茜亚（），女，硕士研究生，主要从事土地退化（荒漠化）及驱动因素分析研究。：。通信作者：王卷乐（），男，博士，研究员，主要从事资源环境科学数据集成与共享研究。：。引言干旱、半干旱地区因降水稀少，多以草原或裸地覆盖。这一区域往往因缺少公共交通基础设施，越野车辆成为主要的交通方式。越野车辆直接碾压土地形成许多自然道路，造成地表土层破坏、移走表层土壤和夯实下层土壤，打破地表生态环境平衡，形成风蚀源地，是造成干旱、半干旱地区土地退化的重要原因之一。干旱、半干旱地区也是一个相对脆弱的生态系统，车辆碾压土地可能会进一步危及稀有物种，威胁生物多样性，导致生态系统服务结构下降等一系列环境问题，例如风蚀加剧、沙尘暴。从植被生长的角度来看，自然道路形成过程中会清除表层土壤中的植物种子以及剥去植被，植被损失使土壤更易发生风蚀、水蚀，导致土地退化。许多干旱、半干旱区的植物物种生长缓慢，并且容易受到土壤扰动或物理破坏，因此当暴露于车辆活动时，它们可能需要几十年才能恢复到初始状态。在蒙古高原干旱、半干旱地区存在大量未经规划的自然道路，这些道路侵占原生草地资源，对地表生态及其稳定性造成影响，将会导致土地进一步退化，。蒙古国道路主要包括经过硬化的沥青路、砾石路以及未经硬化的自然道路。从 世纪第 期 梁茜亚，等：基于 影像的蒙古高原干旱半干旱地区自然道路提取 以蒙古国古尔班特斯苏木为例年代初开始，随着蒙古国经济和社会的快速转型，蒙古国车辆数量从 年的 辆增加到 年的 辆，截至 年车辆增至近 万辆。车辆数量的快速增长远远超过了硬化道路建设能力的增长，因此形成自然道路的情况较为普遍。目前，总量持续快速膨胀的机动车和急剧增加的道路运输量对蒙古高原生态环境构成越来越大的威胁。因此，有必要对蒙古高原干旱、半干旱地区的自然道路进行提取分析，以便后续进行土地退化响应人类活动的影响研究。道路信息提取是指使用相关数据和方法提取一条道路上的信息，例如车道中心线、边界线和车道数量等。遥感图像道路信息提取研究起步于 世纪 年代，在长期的探索和研究过程中，已经形成了多种多样的方法，包括 模型方法、数学形态方法、基于知识的方法、面向对象的方 法等。根据道路提取方法的自动化程度，可分为半自动提取和全自动提取 种方式。全自动提取虽然始终是遥感图像目标识别与提取的主要发展方向和最终目标，但由于道路提取难度较大，缺乏可以适用于大多数案例的行之有效的方法，当下仍有较大难度实现，而传统利用人机交互方式对道路进行半自动提取，依然是目前主要的提取方法。等利用道路具有的线状特征及道路与周围地物的光谱差异特征，提出了一种多级框架提取多光谱遥感影像中的道路；等提出基于矩形区域模板匹配的高分辨率道路提取方法，该方法提取效率高，但是由于此模板对所有的道路情况不能完全适应，提取效果不佳；周爱霞等基于 遥感图像处理平台，采用面向对象的方法对 影像进行道路提取；王钰等针对现有道路提取方法存在深层次特征信息挖掘的缺陷，提出一种新的空间二阶矩特征，并为弥补特征间信息融合不足提出一种多特征融合的高分辨率遥感图像道路提取算法；刘玉梅等提出遥感影像道路提取方法主要可以分为基于像元的提取方法和面向对象的提取方法 大类。其中面向对象的方法作为一种描述、模拟和抽象现实世界的基础范例被证明是一种解决现有环境建模、决策支持和知识发现等高级功能中存在问题的有效方法。随着高分辨率、定量遥感时代的到来，遥感数据获取和信息服务能力得到了快速发展，高空间分辨率、高光谱分辨率、高时间分辨率是未来遥感技术发展的总体趋势。国产高分一号（）卫星作为我国高分专项首批卫星，其成功发射大大增强了我国遥感对地观测效能，提升了我国空间高分辨率对地观测卫星的整体应用水平，也提高了我国空间高分辨率数据自给率，打破了长期依赖国外高空间分辨率卫星数据的被动局面。在道路提取方面，高空间分辨率影像也为其提供了新的发展契机，可有效提升提取精度。但是目前也面临海量遥感数据的获取能力与数据处理、信息提取、应用能力之间不匹配的问题，遥感数据的利用率有待提高。在国产高分辨率影像快速发展的时代背景下，提高国产高空间分辨率影像中信息资源的利用率变得越来越重要。本研究针对蒙古高原存在的大量影响区域生态环境的自然道路，以位于蒙古高原的古尔班特斯苏木为实验研究区，基于 数据，借助 软件平台，采用面向对象方法进行研究区自然道路提取，以期为研究我国北方及蒙古高原生态屏障区域的土地退化影响提供方法和数据基础。研究区概况及数据源 研究区概况蒙古高原是“一带一路”中蒙俄经济走廊的重要区域，位于亚洲东北部 ，之间，是北冰洋气候区和太平洋气候区的过渡地带，生态环境脆弱，极易受到气候变化和人类活动的影响。蒙古高原四周环山，是一个较为封闭的干旱半干旱内陆高原，其生态系统变化对中国及东北亚区域的环境有重要影响。蒙古高原土地覆被主要以草地为主，包括典型草原、草甸草原和荒漠草原等，荒漠草原主要分布在蒙古高原西南部，东北部则以典型草原为主。道路提取实验区为蒙古高原西南部的古尔班特斯苏木（，）。古尔班特斯苏木位于蒙古国南戈壁省的西部，其南部与我国内蒙古阿拉善盟接壤。气候条件为温带大陆性气候，年均温约 ，年降水量约为 ，其中 的降水集中在 月。景观类型以戈壁、草原及小山丘为主。土壤类型主要以半荒漠旱土为主，土壤有机质、氮含量低，钙含量高，土层厚度薄，质地为沙质，被散石、小砾石覆盖。古尔班特斯苏木所在的南戈壁省矿产资源富集，地下拥有储量巨大的焦煤和铜矿。中蒙合资开发的那林苏海图煤田即位于古尔班特斯苏木内，目前该煤矿的主要的开采方式为露天开采，探明的煤炭资源储量为 亿，是蒙古国重点打造的世界级煤矿区之一，煤矿生产的原煤主要以公路运输方式经过西伯库伦 策克口岸出口到中国。由自 然 资 源 遥 感 年于大型煤矿的存在，除为改善运输条件所修建的公路外，古尔班特斯苏木内有许多由于运输车辆直接碾压草地而形成的自然道路。数据源遥感数据源为 数据，共计 景。是中国高分专项首颗卫星，采用 小卫星平台技术，搭载 个 全色和 多光谱相机（高分相机）、个 谱段多光谱相机（宽幅相机），分别提供幅宽 、空间分辨率为 的全色和空间分辨率为 的多光谱影像数据，和幅宽 、空间分辨率为 分辨率的多光谱影像数据。卫星在高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术上具有重要突破，数据具有多种空间分辨率、多种光谱分辨率和多源遥感数据特征，可以满足不同用户的应用需求。遥感卫星主要参数如表 所示。表 遥感卫星主要参数 卫星名称轨道高度 传感器重访周期 波段数波谱或频率范围 空间分辨率 幅宽 工作模式 全色 多光谱 多光谱 推扫成像 数据预处理对获取的 数据（道路提取实验区部分影像数据如图 所示，影像数据成像时间为 年 月）进行了辐射校正、大气校正、正射校正、配准以及多光谱影像和全色影像的融合处理等预处理工作。其中，分别使用 中的 工具、工具进行辐射定标和大气校正，消除遥感影像在获取过程中由于传感器本身、大气和光照等因素造成的误差。遥感影像成图时由于扫描畸变等系统因素以及飞行器拍摄姿态、飞行速度以及地球自转等非系统因素，使得影像本身与现实地物有偏差，即产生几何畸变，需要进行几何纠正。借助地形高程模型（，），对影像的每个像元进行地形变形纠正，使影像更符合正射投影的要求。图 研究区部分影像数据 多光谱数据和全色数据进行融合前，若出现影像重叠区域相同地物不能很好重合的现象，则需要以全色影像为基准对多光谱影像进行影像配准，进一步减少几何校正误差。图像融合采用的是 （）算法，在 中将 的全色影像与 的多光谱影像进行融合，最终得到 的多光谱影像。该方法的融合结果对于色彩、光谱和纹理信息，均能得到很好的保留，还具有较好的处理效率，处理过后的影像数据同时具有较高空间分辨率和多光谱特征。自然道路信息提取 面向对象的道路提取方法面向对象的分类方法是将影像对象作为影像分析的基本单元进行分类，其包含 个相对独立的模块，影像分割和影像对象分类。影像分割即根据光谱或形状特征将遥感影像分割成离散的几何区域，影像对象就是指分割后产生的若干区域内部差异小于相邻区域间差异的像素集合。面向对象的道路提取首先需要在影像分割成“同质”对象的基础上，对所提取的道路对象进行特征分析，归纳道路特征构建道路提取知识库，进而将道路提取知识库中具有代表性的道路特征以特征空间、规则集的形式参与到道路提取算法中提取道路。道路提取流程如图。第 期 梁茜亚，等：基于 影像的蒙古高原干旱半干旱地区自然道路提取 以蒙古国古尔班特斯苏木为例图 道路提取流程图 多尺度分割实验影像分割是面向对象分类的基础，也是关键的第一步，影像分割质量的好坏可以直接影响后续分析处理。采用的影像分割方法是多尺度分割方法，通过设置分割尺度（）、形状参数（）、紧凑度参数（）等来实现自下而上（）的分割。其中，分割尺度是对分割效果影响最大的参数之一，用来确定生成的影像对象所允许的最大异质度，可以直接影响影像对象的大小。形状参数关系着色彩（即光谱）和形状的一对属性关系，即形状 色彩 ，但形状参数的值不能大于 ，因为分割过程必须考虑光谱信息。形状指数又由紧凑度参数和平滑参数共同决定，即紧凑度参数与平滑参数构成一对准则关系，紧凑度参数 平滑参数。在进行多尺度分割时，需要不断试验分割参数，最终获取到适合研究区的最优分割参数组合。不同参数组合分割实验结果如图 所示。（）分割尺度，形状，紧凑度（）分割尺度，形状，紧凑度（）分割尺度，形状，紧凑度（）分割尺度，形状，紧凑度（）分割尺度，形状，紧凑度（）分割尺度，形状，紧凑度（）分割尺度，形状，紧凑度（）分割尺度，形状，紧凑度（）分割尺度，形状，紧凑度图 影像分割实验图 首先通过 个不同的分割尺度（，）进行分割，形状参数采用默认的 ，紧凑度参数采用默认的 。分析分割结果（图（）（）发现，分割尺度过小时影像对象分割细致，但同时对象过于细小和