利用高分辨率影像计算城市绿地覆盖率

《利用高分辨率影像计算城市绿地覆盖率》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、利用高分辨率影像计算城市绿地覆盖率【摘　要】　计算城市的绿地覆盖率是一项繁琐的工作。高分辨率影像的出现，给这项工作提供了便捷的途径。本文以高分辨率影像为基础，结合道路和水系矢量数据，利用ecognition分类软件完成绿地的提取，并计算出绿地覆盖率。【关键词】　绿地覆盖率高分辨率影像影像分类　　1、引言　　绿化建设是一个城市建设的重要工作，城市绿地覆盖率是衡量一个城市绿化程度的最主要的指标，那么如何来计算一个城市的绿地覆盖率呢？从方法上看，只要能够知道城市范围以及该范围内的绿地面积，绿地覆盖率的结果就可以非常简单地计算出来，问题的关键就在于绿地面积的获取

2、。一般的作法是通过调查人员在实地调绘出绿地的范围，然后在地图上量算出绿地面积。由于计算的范围一般都会非常大，如果所有的绿地都是通过调绘来确定范围，那就需要花费大量的人力和时间，实际的工作中，通常是将城市划分为不同的区域，每个区域再取不同的样点，利用样点数据计算的绿地面积来推算一个区域的绿地面积，最后再推算出整个城市的绿地面积。　　目前，随着航空遥感技术的发展，高分辨率遥感影像在国内开始得到广泛的应用，而这些影像的出现，也给城市绿地覆盖率计算提供了更为有效而便捷的手段。　　2、主要思路　　采用高分辨率影像来确定绿地范围，这项工作完全可以在室内完成，无需进行

3、室外的调绘。需要注意的是，绿地覆盖率是一个跟时间密切关联的指标，绿地覆盖率应当是代表某个时间的计算的结果。由于植被的生长周期一般都比较长，绿地覆盖率突变的情况比较小，而完全采用影像来确定绿地，最直接的优点就是提高了计算结果在时间定位上的精度。　　从高分辨率影像上提取绿地一般是采用人工提取，也就是作业人员在计算机上，以影像为底图，手工勾绘绿地范围，这种方式的工作量依然很大。本文采用的作法是通过ecognition影像分类软件来完成绿地的提取。ecognition是2004年引入国内的一个影像分类软件，它采用面向对象的分类方法。该软件能方便地融入其他专题地影

4、像信息作为分类知识，同时能够让用户灵活地建立基于知识的分类模型，简洁高效地完成分类工作。　　只单纯采用高分辨率的影像，利用软件来自动提取绿地的效果并不理想，本文的作法还引入了城市的路网和水系数据作为专题信息，用来提高绿地提取的精度。　　另外，考虑到城市的范围比较大，并且不同区域的地类分布会有所不同，因此需要将城市划分为不同的区域，每个区域分别进行绿地的提取，最后再汇总计算出总的绿地面积。整个计算的过程如图1所示。图1计算过程Fig.1CalculationProcess　　3、过程及方法描述　　3.1数据准备　　3.1.1数据情况　　本篇文章所处理的主要

5、数据为高分辨率影像，同时还利用了矢量的GIS数据，具体如下：　　广西南宁市QUICKBIRD影像，2002年10月份获取，真彩色产品，包括红、绿、兰三个波段，tiff格式，空间分辨率0.61米。　　城市路网和水系的矢量文件，ArcInfo的shape格式文件（如图2）。图2矢量数据Fig.2VectorData　　本文需要计算图1中所示的外环公路内绿地覆盖率。　　3.1.2区域划分　　城市区域的划分主要是根据路网、水系、地势等地理要素，在矢量地图上，通过手工来划分，实验区域的划分情况如图3，将外环公路内分为C1、C2、C3、C4、C5、C6、C7等7个区

6、域。图3工作区域Fig.3at　　ID列表示栅格文件中的灰度值，R、G、B表示该灰度值在ecognition软件中显示时所使用的RGB色彩的三个分量，Value、Field1都是扩展的属性字段，用来记录更多的特征。　　矢量数据中，需要将划分的区域面以及道路和水系的面数据转换为ecognition软件的专题数据文件格式，这项工作，作者是通过编写专门的程序来实现（具体作法可参考矢量数据转换为栅格数据的相关资料和　　3.2绿地提取　　绿地的提取，主要是在ecognition软件中来完成。　　3.2.1建立工程　　首先，需要建立一个新的影像分类工程。一个工程包括

7、需要处理的多个影像数据和专题数据，以及分类的描述信息。这项工作需要注意一点，ecognition软件主要是基于栅格数据的分析和处理，所有的影像文件和专题文件都应当具有相同的大小，这样才能够有效地共同完成分类的推理工作。　　本文实验中的数据包括quickbird影像三个波段数据，分割区域、道路和水系专题图数据。　　3.2.2影像分割　　这步工作，是根据影像的光谱和几何特征，将影像划分为不同的对象（imageobject），ecognition支持多尺度的分割，“粗”的尺度下，可以分割获得比较“大”的对象，“细”的尺度是在上一个“粗”尺度的基础上分割出的“小

8、”对象，因此，在ecognition中，可以建立对象的层次关系，并且可以针对不同