宋祿楷 賀致芬 孫曉煒
(山東省國土測繪院, 山東 濟(jì)南 250102)
全國地理國情監(jiān)測成果已在“多規(guī)合一”、城市規(guī)劃實(shí)施監(jiān)管、環(huán)境保護(hù)與治理、自然資源管理、空間用途管制等多個方面得到應(yīng)用[1-2]。我國將逐漸構(gòu)建自然資源統(tǒng)一調(diào)查監(jiān)測體系,國土三調(diào)數(shù)據(jù)與地理國情數(shù)據(jù)融合利用將在生態(tài)文明制度建設(shè)中發(fā)揮更加不可或缺的作用[3-4]。2021年6月,自然資源部印發(fā)《2021年全國地理國情監(jiān)測實(shí)施方案》[5],圍繞自然資源部“兩統(tǒng)一”職責(zé)履行,在自然資源統(tǒng)一調(diào)查監(jiān)測評價框架下,采用2020年地理國情監(jiān)測地表覆蓋數(shù)據(jù)與2020年變更調(diào)查地類圖斑數(shù)據(jù)的疊加結(jié)果作為地表覆蓋圖斑底圖數(shù)據(jù),開展耕地資源、林草資源、水資源、海島海岸帶和城市要素、人工建(構(gòu))筑物的類型、面積、范圍、分布和變化情況的監(jiān)測工作。監(jiān)測過程中要求嚴(yán)格保持底圖數(shù)據(jù)“三調(diào)”圖斑的類型與界線不變,標(biāo)注變化信息時采用地理國情信息代碼。
在實(shí)際生產(chǎn)作業(yè)中,地理國情監(jiān)測覆蓋圖斑和“三調(diào)”地類圖斑的疊加,產(chǎn)生了大量的尖銳、狹長等異形圖斑,將對監(jiān)測實(shí)施進(jìn)度和監(jiān)測成果質(zhì)量造成影響[6-8]。目前有很多針對尖銳、狹長圖斑的質(zhì)檢方法研究與應(yīng)用較好[9-10],但仍不能解決人工工作量大的問題,狹長圖斑的剖分綜合多采用Delaunay三角網(wǎng)剖分的方法進(jìn)行狹長圖斑的剖分綜合處理[11-13],但是該方法對大圖斑上的尖銳折角,狹窄連接部位的處理效果不佳。針對上述問題,本文提出了一種基于檢測線的異形面檢查與圖斑自動綜合處理的方法,開發(fā)了工具并在山東省2021年地理國情監(jiān)測中進(jìn)行了應(yīng)用,保證了數(shù)據(jù)成果的準(zhǔn)確性和可靠性。
2021年度地理國情監(jiān)測工作的地表覆蓋圖斑底圖數(shù)據(jù)是以第三次全國國土調(diào)查及2020年變更調(diào)查成果(以下簡稱“三調(diào)”成果)為底版與2020年地理國情監(jiān)測成果中的地表覆蓋數(shù)據(jù)層經(jīng)過疊加后生成的數(shù)據(jù)結(jié)果[14],具體步驟如下:
(1)疊加圖層相交處理。計(jì)算“三調(diào)”地類圖層數(shù)據(jù)與國情監(jiān)測覆蓋圖層數(shù)據(jù)層的幾何交集。將兩個圖層中相疊置的圖斑的各部分作為新圖斑寫入到輸出圖層中。輸出圖層中的圖斑保留原“三調(diào)”地類圖斑的土地類型編碼(DLBM)和圖斑標(biāo)識碼(BSM)屬性,保留原國情監(jiān)測覆蓋圖斑中的地理國情信息碼(CC)、生產(chǎn)標(biāo)記信息(Tag)和地物標(biāo)注屬性(Feature)。
(2)細(xì)碎圖斑歸并處理。數(shù)據(jù)生產(chǎn)過程中由于遙感影像數(shù)據(jù)源時空不一致、采集指標(biāo)的不同和人工采集誤差等原因,造成了“三調(diào)”地類數(shù)據(jù)與國情監(jiān)測覆蓋數(shù)據(jù)存在套合差,在經(jīng)過疊加圖層相交處理后,會產(chǎn)生大量的細(xì)碎圖斑,需要對細(xì)碎圖斑進(jìn)行歸并處理?;咎幚碓瓌t是:①將面積小于200 m2的圖斑或者是面積小于400 m2的窄條狀圖斑進(jìn)行歸并;②采取“就近就大”的原則,將細(xì)碎圖斑歸并到位于同一“三調(diào)”圖斑內(nèi)、共享邊最長、面積比自己大的相鄰圖斑;③若可并入多個圖斑時,優(yōu)先并入地理國情信息類型相近的相鄰圖斑。
(3)核查標(biāo)記賦值。圖斑底圖數(shù)據(jù)完成細(xì)碎圖斑歸并處理后,針對國情圖斑類型與三調(diào)圖斑類型的相容性,進(jìn)行要求核查標(biāo)記(toCheck)字段的賦值。國情圖斑類型與三調(diào)圖斑類型相容時,toCheck賦值為0,表示需要監(jiān)測變化,不相容時,toCheck賦值為1,表示需要核查。
地表覆蓋圖斑底圖數(shù)據(jù)雖然對細(xì)碎圖斑進(jìn)行了歸并處理,但因由于遙感影像數(shù)據(jù)源時空不一致和采集指標(biāo)不一致等原因[15],在疊加處理后產(chǎn)生了大量尖銳折角、狹長突出和狹窄連接等異形圖斑問題,如圖1所示。這些異形圖斑與正常圖斑融為一體,構(gòu)成一個整體圖斑,不能自然分割,因此未能通過細(xì)碎圖斑歸并處理消除問題。按要求應(yīng)對數(shù)據(jù)疊加、編輯、切割等處理過程形成的與實(shí)地情況不相符、不合理的尖銳狹長圖斑進(jìn)行處理,如果采用人工手動處理,處理工作量大、費(fèi)時費(fèi)力,需要通過開發(fā)專門工具,實(shí)現(xiàn)異形圖斑的自動綜合處理,提高生產(chǎn)效率和數(shù)據(jù)質(zhì)量。
圖1 圖斑底圖數(shù)據(jù)中異形圖斑錯誤示意圖
通過對圖斑底圖數(shù)據(jù)的生成過程與問題分析,明確的處理思路是將問題圖斑中的異形部位從圖斑主體上分割下來,再將分割后的異形圖斑按照細(xì)碎圖斑的處理方法與臨接的同一三調(diào)圖斑邊界內(nèi)的其他圖斑進(jìn)行歸并處理,最終將問題修正。其中需要解決兩個關(guān)鍵問題,一是如何快速檢測出哪些圖斑存在異形部位,二是如何將異形部位合理地從圖斑主體上分割下來。
僅從圖斑層面考慮,問題圖斑不合理的本質(zhì)是異形部位不符合最小采集指標(biāo),表現(xiàn)為局部的尖銳、狹長面,如果將一個圖斑沿邊界平行向內(nèi)收縮,則圖斑的尖銳、狹長部分將首先消失,因此,可以利用這個原理進(jìn)行異形圖斑的檢測與分割,構(gòu)造圖斑邊界向內(nèi)的平行復(fù)制線,檢測圖斑是否存在異形部位。基本的檢測步驟是:
(1)確定檢測閾值,一般小于最小采集指標(biāo)一半長度。
(2)生成檢測線,使用圖斑邊界向面內(nèi)方向進(jìn)行平行復(fù)制,生成平行復(fù)制線,如圖中虛線。
(3)拓?fù)渑袛?判斷檢測線是否在被檢測圖斑面內(nèi)部,如圖2(a)中檢測線(虛線)在內(nèi)部則為正常圖斑;如圖2(b)中檢測線有部分在面外部則為問題圖斑。
(a)正常圖斑的檢測線 (b)異形圖斑的檢測線
(4)提取檢測結(jié)果。
依據(jù)構(gòu)造的檢測線,在查找問題圖斑的基礎(chǔ)上,可以利用問題圖斑尖銳、狹長等異形部位的檢測線位于圖斑外部,通過整理和反向平行復(fù)制,獲取切割線,實(shí)現(xiàn)問題圖斑異形部位與圖斑主體部位的分割?;镜奶幚聿襟E如下:
(1)檢測線裁剪,以問題圖斑為采集范圍裁剪檢測線,提取問題圖斑面內(nèi)部的檢測線,如圖3(a)所示。
(2)檢測線整理,整理面內(nèi)部的檢測線,將碎線進(jìn)行合并處理,剔除自相交、重疊等拓?fù)溴e誤,獲取閉合檢測線,如圖3(b)所示。
(3)生成裁剪線,按照檢測時采用的閾值,與檢測時反向平行復(fù)制,獲得用于裁剪問題圖斑的裁剪線。
(4)圖斑分割處理,利用生成的裁剪線,對問題圖斑進(jìn)行分割處理,如圖3(c)所示。
(a)異常圖斑的檢測線 (b)檢測線整理
本文基于C#語言和ArcObjects二次開發(fā)平臺編寫異形圖斑自動化處理工具,數(shù)據(jù)處理流程如圖4所示,包括圖斑檢測、圖斑分割和圖斑融合四個處理步驟。
圖4 自動化處理工具工作流程圖
(1)圖斑檢測階段,遍歷底圖數(shù)據(jù),將問題圖斑檢測出來,并提取基本檢測標(biāo)記進(jìn)行記錄,便于后續(xù)人工核檢與處理。
(2)圖斑分割階段,針對檢測出的問題圖斑進(jìn)行分割處理,部分完全狹長的問題圖斑會存在分割處理失敗的情況,將分割處理失敗的圖斑標(biāo)記為A型。
(3)圖斑融合階段,將分割成功后的圖斑進(jìn)行碎面融合處理,當(dāng)同一“三調(diào)”邊界內(nèi)沒有可以與之融合的圖斑時則會融合失敗,將圖斑融合失敗的圖斑標(biāo)記為B型,成功處理的合格圖斑標(biāo)記為C型。
(4)圖斑融合處理后,會有小部分圖斑無法一次性將異形錯誤消除,如圖5所示,切割的問題圖斑1的碎面與正常圖斑3融合又形成了新的問題圖斑??赏ㄟ^迭代運(yùn)行消除這類錯誤,也可取消迭代處理,此類問題采用人工判讀進(jìn)行處理。
(a)原始圖斑
在山東省2021年地理國情監(jiān)測中,應(yīng)用開發(fā)的自動化工具處理異形圖斑問題,大幅度減少了人工處理的工作量,提高了生產(chǎn)效率。在某地46 km2區(qū)域14 623個圖斑中,經(jīng)自動化處理后,標(biāo)記5 038個圖斑存在異型問題,213個圖斑未進(jìn)行圖斑分割處理,4 825個圖斑完成圖斑分割融合處理,經(jīng)質(zhì)檢后仍發(fā)現(xiàn)遺留問題64條,對異形圖斑的自動綜合處理效率達(dá)94.5%,數(shù)據(jù)處理前后的局部對比如圖6所示,處理后的底圖數(shù)據(jù)質(zhì)量明顯提高,有利于后續(xù)的圖斑解譯與更新。
(a)處理前圖斑 (b)下影像
地理國情監(jiān)測任務(wù)時間緊、任務(wù)重,面對大數(shù)據(jù)量的異形圖斑處理工作,本文提出了一種檢測與處理相結(jié)合的自動化處理思路,并在山東省2021年地理國情監(jiān)測中進(jìn)行了應(yīng)用,取得良好的應(yīng)用效果。本文方法主要針對大圖斑中存在的面折刺、面狹長等圖形錯誤,無法對完全狹長的圖斑進(jìn)行處理,可結(jié)合Delaunay三角網(wǎng)剖分方法對狹長圖斑進(jìn)行綜合處理,本文制作的自動化處理工具在處理過程中面對圖斑數(shù)據(jù)量過大時,效率仍然較低,可針對性地引入GPU并行計(jì)算技術(shù)進(jìn)行分塊處理,提高處理效率??傮w上,本文提出的方法在類似的面折刺、面狹長等圖形錯誤的自動化處理工作中,具有較好的通用性和推廣價值。