探讨地理国情普查地表形态数据在基础测绘中的应用

发表时间:2020/11/20   来源:《工程管理前沿》2020年第23期   作者:吴海宽
[导读] 土地覆盖是地理国情监测的基础,及时、准确地提取土地覆盖信息已成为
        吴海宽
        内蒙古自治区测绘院  呼和浩特市新城区  010051
        摘要:土地覆盖是地理国情监测的基础,及时、准确地提取土地覆盖信息已成为地理国情调查的重要任务之一项目。为土地覆盖类型复杂,数据量大的现状,出现了各种新的分类技术和方法。但是分类难度大、数据量大、后期编辑工作量大等因素已严重阻碍了该领域的发展项目。在推进地理国情普查数据深度应用的背景下,本文主要探讨了地理国情普查地表形态数据在基础测绘中的应用,以供广大学者和读者朋友参考。
        关键词:地理国情普查;地表形态数据;基础测绘;应用
        引言:基础测绘是服务于国民经济和社会的基础性工作,这是一项长期服务于规划建设的基础测绘工作。在进行基础社会的时候,地形图也是各个规划建设的基础资料。为了使得地理信息产品可以更加深入的进行运用,我们需要基础的设计。但是目前基础的数据更新时间非常常与现在的信息需求存在着巨大的矛盾,因此我们必须要深入研究基础社会方面的工作,推进基础测绘等的深入发展。地形图中的高程点可以提供三维信息,并且利用这样的方式判断地形起伏的基础数据。随着城市建设的进程加快,目前对地形图的精度有了更高的要求,所以我们必须要绘制准确的地形图,高程点信息。根据目前的现状来看,很多地形图上高程点的数据更新都无法满足实际的需求。
        1.地理国情测量的现状
        目前我国面临着数据更新不强和精度法满足需求的现状。首先,很多地区都存在了地面沉降的问题,这些地面沉降的地区无法提供准确的地形图高程点,或者是说采集到的数据与实际存在了很大的差异性。第二,不过局部更新导致了高程的精度不一致,这些地方的精度,准确度都不一样。第三,常规的作业方法需要很长的时间才能够获取,数据处理周期也比较长,在这样的过程中,地理国情的普查工作效率是非常低的,而且很多的地图都存在高程点个数不一样的问题。面对这样的现状,我们必须要大力推广地理国情普查成果的应用,特别是要在基础测绘中,面对高程点更新的问题,遇到这样的问题,导致我们的基础测绘必须要加快这方面的应用。本文主要针对地理国情普查的现状,将数据应用于1:2000的地图高程点更新技术,并且提出了三维数据更新的地形图高程点完成技术流程。通过这个地理技术流程可以更加准确的将地形图的更新工作完成。和传统的一些高程点更新方法,避本文的方法质量比较高,而且极大地提升了工作效率。[1]
        2.土地覆盖技术方案
        自国家地理测量项目启动以来,各种研究和生产机构不断探索以地理民族条件调查的内容和指标为依托的地物分类技术方案。[2] 地形图高程点提取。传统的地形图为了图面美观和避免注记压盖已有地物的情况,多采用标注移位的方式标识注记,为此,需要在提取高程点时格外注意。在DWG格式1:2000 地形图数据的基础上,基于邻域分析算法,提取高程点。
        
        3.地理国情普查地表形态数据在基础测绘中的应用
        3.1基于认知的土地覆被分类
        首先对高分辨率遥感图像进行分割,综合考虑目标之间的光谱特征、形状特征、纹理特征和特征属性,同时补充房屋和道路DLG数据,人工构建解释规则集,从而完成土地覆盖分类。
        缺点:解释规则集需要专业人员来完成,对于不同的图像阶段、不同的数据源和不同的区域,它们的通用性较差,无法控制多层次的分类。[3]
        3.2基于ENVI_EX(特征提取)的土地覆被分类
        使用特征提取,这是核心功能模块。在面向对象的特征提取工具ENVI_EX中,对图像进行一定规模的处理和合并,然后通过选择样本或建立规则集进行分类。缺点:只有三种特征(光谱、纹理、形状)可供选择,分割效果不佳,直接影响分类效果;同时,规则集的建立要求专业人员完成,在分类中不支持向量样本。
        
        3.3基于ERDAS的土地覆被分类
        为了提取和分析图像中的所有特定对象,采用基于统计和无分割的机器学习特征识别方法,以特定对象为提取目标,同时结合基于像素级的空间信息。
        缺点:分级设置和偏好选择需要专业人员来完成,并且它不支持现有的分类向量。
        3.4基于PCI的土地覆盖分类(FeatureObjex)
        FeatureObjeX提供了独特的空间特征提取工具,它不需要分割,而是直接从目标图像中提取基于颜色、纹理、形状和像素值的目标特征。缺点:操作复杂,不支持现有载体的辅助。[4]
        3.5基于FeatureStationGeoEX的土地覆被分类
        依托地理民族条件调查的内容和标准。一个序列的图像分割,样本采集,特征提取,图像分类,分类后。-编辑和准确性评估,以完成土地覆盖分类。缺点:样本提取相对较少。综上所述,虽然基于单一认知的土地覆被分类在地理环境测量的试点工作中得到了广泛的应用,但分割速度慢、规则集复杂、技术阈值高、普适性差、人为干预量大,难以保证基于ENVI_EX(特征提取)的地理国情调查--土地覆盖分类的进展和质量,而ERDAS、PCI则难以进行有效的工作。人工解译虽然能得到较好的分类结果,但由于效率低、辅助技术的不可移植性、人为误差等都不能反映图像的真实目的,从而导致无法满足测量要求的结果。FeatureStation GeoEx支持分级逐步分级的方法,该方法逐步符合工人的思想,低的技术阈值和面向过程的操作模式能够满足地物分类的要求。[5]
        3.6图像分割
        图像分割是面向对象信息提取技术的关键,是面向对象遥感图像分类的第一步,目标对象的描述质量直接影响后续图像分类的准确性。基于分形进化方法(FNEA)的多分辨率图像分割(MRIS)算法是面向对象图像分析技术的基础和核心内容。在多尺度上进行图像分割,从而形成由尺度参数决定的图像对象层次结构.图像对象集成像素光谱信息和与周围像素的关系信息。在多尺度分割中,每个对象层都有自己的固定尺度,多目标层次可以反映具有不同空间尺度的表面特征的经典属性,在不同的尺度层上划分不同的属性类,从而解决了由于识别图像上的所有空间属性而导致的不同类型的问题。地理国情调查研究试点工作中大量的实验研究表明,对于分辨率在2m之间为0.5m的高分辨率图像,根据具体的表面特征,分割尺度应在50-200之间,而曲面特征越小、碎片越多,相邻表面特征就越不同,不利于后期编辑。因此,量化适合不同表面特征的尺度,实现尺度自适应技术具有重要的理论和现实意义。
        3.7地形图高程改正
        对地形图高程点进行预处.理,剔除重叠的高程点或高程注记,提取高程坐标文件中的高程点及相关信息,与地形图中的高程点进行匹配检查,并进行相应的处理,包括:对比较误差在[0, 0. 50)范围的点,直接替换高程点的Z坐标及其注记内容;对比较误差在[0.50,∞)范围的点,替换高程点的Z坐标及其注记内容,并加标识以待核查;对无法正确更新的点进行标识;对未找到匹配点的高程点附加标识;对无注记的高程点补充注记;删除铁路及铁路桥上提取的高程点。
        结束语:结合基础测绘中大比例尺地形图高程信息快速更新的实际需求,该文提出了基于地理国情普查机载LiDAR数据更新基础测绘中大比例尺地形图高程点的方法,并设计了完整的生产技术流程。
        参考文献:
        [1]朱海霞.地理国情普查地表形态数据在基础测绘中的应用[J].商品与质量,2019,(1):289. DOI:10.3969/j.issn.1006-656X.2019.01.280.
        [2]吕扬,祝晓坤,张海涛.地理国情普查地表形态数据在基础测绘中的应用[J].北京测绘,2017,(5):83-87. DOI:10.19580/j.cnki.1007-3000.2017.05.019.
        [3]潘玥,廖明伟,廖明, 等.鄱阳湖核心流域地区城市地表形态的异质性 对地表温度的影响研究[J].生态环境学报,2017,26(8):1358-1367. DOI:10.16258/j.cnki.1674-5906.2017.08.011.
        [4]彭丽,王军.地理国情监测中基于高分辨率影像的地表覆盖信息人工解译方法和经验探讨[J].测绘标准化,2015,31(1):5-7.
        [5]王娜,徐勇.地理国情普查在南水北调水源地生态监测的运用研究[J].河南科技,2015,(14):147-149. DOI:10.3969/j.issn.1003-5168.2015.14.052.
投稿 打印文章 转寄朋友 留言编辑 收藏文章
  期刊推荐
1/1
转寄给朋友
朋友的昵称:
朋友的邮件地址:
您的昵称:
您的邮件地址:
邮件主题:
推荐理由:

写信给编辑
标题:
内容:
您的昵称:
您的邮件地址: