蔡扬
【摘 要】论文从福建省2017年度土地卫片执法中期监测和预警遥感数据生产工作出发，简要介绍了该项工作的主要内容，重点从影像正射纠正、影像融合、变化图斑信息提取、空间套合分析等方面阐述了遥感和GIS技术在具体生产过程中的应用情况及相关问题处理技巧，旨在进一步提高数据生产效率。
【Abstract】Starting from the data production work of the the mid-term monitoring and early warning remote sensing in the satellite land law enforcement of Fujian in 2017， the paper briefly introduces the main content of this work. The application of remote sensing and GIS technology in concrete production process and the treatment skills of related problems are expounded from the aspects of image orthophoto correction， image fusion， information extraction of changing image spots and spatial fitting analysis and so on， so as to further improve the efficiency of data production.
【关键词】土地执法；遥感；GIS；应用技巧
【Keywords】 land law enforcement； remote sensing； GIS； application skills
【中图分类号】P237 【文献标志码】A 【文章编号】1673-1069（2018）09-0176-02
1 引言
为掌握真实准确的土地利用变化情况，督促地方查处整改违法行为，消除违法状态，促使卫片执法方式向“发现在初始、制止在萌芽”转变，充分发挥已有监管平台作用，福建省决定开展2017年度土地卫片执法中期监测和预警遥感数据生产工作[1]。
2土地卫片执法中期监测和预警遥感数据生产工作的主要内容
本次工作的主要内容有三项，一是DOM数据生产；二是新增建设用地图斑和新增违法采矿用地图斑信息提取；三是数据空间套合分析统计。
3 遥感和GIS技术在具体生产过程中的应用情况
3.1 影像正射纠正
①纠正模型的选取。常见的纠正模型有，基于传感器的物理模型、有理函数模型、多项式模型三种。其中物理模型是根据卫星星历参数建立的严密纠正模型，在有参数的情况下，是正射纠正的首选模型。对于无法提供严格轨道模型的数据，但有RPB/RPC参数时可采用有理函数模型来进行正射纠正，这是本次工作的主要纠正模型。多项式模型纠正精度较低，在海域部分缺失DEM数据时可采用。②纠正方法选取。遥感影像的纠正方法主要有单景纠正、单轨纠正和区域纠正。进行正射纠正时，应优先选择区域纠正，其次选择单轨纠正，最后考虑单景纠正。在本次生产过程中，由于影像获取的不连续性，以单景纠正的方法居多。③影像重采样。常用的重采样方法包括最邻近法、双线性内插法和三次卷积法。在生产过程中为了达到更高的影像精度，我们采用三次卷积法。即根据周围16个点进行3次卷积内插赋予该像素。此方法计算复杂，需要的时间较长，但相比最邻近法和双线性内插法其纠正精度最高；但有时会造成局部影像纹理发生扭曲变形，需再做特别处理。
3.2 影像融合
3.2.1 融合前预处理
对纠正、配准后满足精度要求的全色与多光谱数据，融合前还需要对其进行预处理。一方面，提高全色数据的亮度，增强局部反差突出纹理细节，尽可能降低噪声；另一方面，对多光谱数据进行色彩增强，拉大不同地类之间的色彩反差，突出其多光谱彩色信息。①全色数据处理。在融合中要突出全色数据的高分辨率特征，可通过增强局部灰度的反差来突出纹理细节，通过细化来尽可能减少噪音。特别强调在增强局部灰度反差时只是增加灰度的值，原灰度关系保持不变。考虑到土地利用遥感监测需要从遥感影像上直接判读地类信息[2]，从而发现新增建设用地图斑，因此，在拉伸方法选择上不应采用非线性拉伸，否则原灰度值的大小关系会发生变化，从而使影像产生灰度扭曲，增加含义不明确的伪信息，影响解译精度。②多光谱数据处理。对多光谱数据进行处理，主要是进行色彩增强，调整亮度、色度、饱和度，拉大不同地类之间的色彩反差，突出其多光谱彩色信息。
3.2.2 融合最佳算法选取
在遥感影像处理过程中，通常采用的融合方法有多种，如IHS变换、比值变换、高通滤波、小波变换、PANSHAR等多种方法。在作业过程中根据不同的影像数据，采用不同的融合算法。在本次工作中，我们通过定量指标计算及多次效果尝试，发现PANSHARP融合算法效果相对较好。它是一种基于成熟的最小二乘法，在原始多光谱、全色和融合后影像间寻求最佳近似灰度值关系，以达到最佳的色彩表现能力。
3.2.3 融合后影像处理
①色彩处理。融合后影像处理是保证成果质量的重要技术环节，融合后影像通常亮度偏低、灰阶分布动态范围小，色彩不够丰富。需要采用线性或非线性拉伸、亮度/对比度、色彩平衡、色度、饱和度和明度调整等方法进行色调调整。处理后的影像要达到灰阶分布具有较大动态范围，纹理清晰、色调均匀、反差适中，色彩接近自然真彩色，可以清晰判别耕地等重要地类类型。②波段重组。影像融合后需要进行最佳波段的选择组合和彩色合成，以最大程度地利用各波段的信息量，辅助影像判读与分析。在实际生产中，应根据具体情况及数据源选择合适的波段组合。一般采用3、2、1（R、G、B）的波段组合方式进行组合，由于植被等地物在近红外波段有不同程度的差异，在以上数据波段选取组合时，可以在绿波段中加入30%近红外波段信息，以突出土地利用特征。
3.3 变化图斑信息提取
①新增建设用地图斑信息提取。将前后时相DOM、2016年土地调查数据库进行空间叠加分析，按照统一的图斑提取原则，参照遥感解译标志，采用以人机交互为主的信息发现方法，提取2017年度中期监测新增建设用地图斑。②新增违法采矿用地图斑提取。对照前后时相遥感影像，套合采矿权、探矿权数据，参照遥感解译标志，依据矿产资源开发在影像上的地物特征（大小、几何形态、色调、结构、纹理等）进行室内解译判读，提取新增违法采矿用地图斑。
3.4 空间套合分析
采用GIS空间套合叠加分析方法，将提取的新增建设用地图斑、新增违法采矿用地图斑数据套合土地规划、基本农田、土地预审、农用地转用、供地审批、采矿用地等相关管理信息，采用数据库统计汇总方法进行分析、汇总、统计出表。
4 生产过程中的相关问题处理技巧
4.1 资源O2C影像的处理技巧
由于资源O2C多光谱影像缺少蓝色波段，无法直接合成真彩色，需要通过处理，尽可能模拟真彩[2]。经多次研究尝试，确定了O2C数据波段组合的较优算法为：（Band1， Band 3*0.25+ Band 2， Band2）。在此基础上再通过PS技术对影像的色相、色调、亮度、色彩饱和度等进行适当的调整可达到理想效果。
4.2 自动配准
对于新型国产卫星数据源，经常存在RPC参数不稳定或读取错误等问题，有时候采用人工选点进行配准，得到的结果难以满足精度要求；针对这种情况，尝试采用ERDAS软件中的“AutoSync”自动配准工具，通过设置相似度、参考半径等匹配参数自动提取特征点，利用多种匹配方法和策略识别获取同名点，并基于小面元微分纠正的原理，得到高精度的配准成果。
4.3 建立影像融合效果定量评价指标
影像不同融合效果一般采用“目视法”进行定性的检查与评价，其结果完全取决于检查员的主观意识，难以定量判断其不同算法的优劣性。利用Matlab编程软件，基于数理统计分析原理，编写影像融合评价小工具，通过计算均值、标准差、信息熵、平均梯度、相关系数和相对偏差等相关指标，对融合后影像进行客观定量分析，用于判断不同融合算法之间的效果差异。
4.4 通过图像增强处理方式提取图斑信息
分析各种数据源新增建设用地的波段分布特征，利用图像增强技术抑制非建设用地区影像特征，而增强建设用地区的影像层次和特征。一般说来非建设用地区植被信息较为丰富，而建设用地区内植被覆盖度较低，可以采用植被抑制的方法来提高建设用地区的影像解译辨识。
4.5 自动赋值和统计
通过自主GIS二次开发，实现图斑属性的自动赋值，如：实现对图斑行政区划信息、占用地类信息、基本农田信息的自动赋值。利用数据库编程，自动汇总生成各类统计汇总表。
4.6 扩展新增数据源的影像解译标志
在已有数据源解译标志库的基础上，结合2016年土地调查数据库，根据本年度辖区范围内新增数据源的影像特征，综合对比分析，扩展新增数据源的影像解译标志。
5 结论
综上所述，遥感和GIS技术在土地卫片执法中期监测和预警遥感数据生产过程中的应用较为深入。在实际作业过程中应通过不断地摸索，总结经验，通过编写程序和工具，有效提高数据生产效率，确保生产质量。
【参考文献】
【1】马向平，等.重庆市酸沉降污染造成的植被受害状况遥感监测研究[J].国土资源遥感，2008（4）：14-20.
【2】刘迪，李芳花，黄彦.遥感技术在黑龙江省抗旱及防治洪涝灾害中的应用[J].黑龙江水专学报，2009（2）：110-114.
