CN110189043B - 一种基于高分卫星遥感数据的可利用土地资源分析系统 - Google Patents

Abstract

本发明属于土地分析系统领域，尤其涉及一种基于高分卫星遥感数据的可利用土地资源分析系统，包括数据采集模块、数据传输模块、数据处理模块、智能化预警模块、土地利用分类系统模块、中央处理器和数据转换模块，所述数据采集模块、数据传输模块、数据处理模块、土地利用分类系统模块和数据转换模块均与所述中央处理器连接。所述智能化预警模块分别与所述数据传输模块、所述数据处理模块和所述土地利用分类系统模块双向连接，并且包括智能图像识别与分析模块与阈值判断模块。利用本发明所述的系统，能够智能化识别出遥感图像数据中的实际土地类型，并对人为掩盖土地实际利用类型的现象进行判断，从而避免错误的发生。

Description

一种基于高分卫星遥感数据的可利用土地资源分析系统

技术领域

本发明属于土地分析系统领域，尤其涉及一种基于高分卫星遥感数据的可利用土地资源分析系统。

背景技术

传统的土地利用情况调查所采用的调查方法是野外实地调查、测量、全靠目视的判断和控制，随意性较大，精度和准确度无法保障，采用这种调查方法，局限性非常大，要耗费大量的人力、物力、财力和时间，完成一项调查任务的时间周期很长，而且难以保障最终成果的精度和现势性，对于大范围、全局性的调查任务，这种调查方法也无法顺利完成。

由于计算机技术和遥感技术的发展，卫星遥感调查逐渐取代上述调查方法。遥感数据的现势、实时特点在土地资源动态监测中有无可替代的优势，可以宏观的反映出土地利用变化过程中，各类别的具体变化。

然而，发明人发现，现有的卫星遥感数据调查方法也逐渐暴露出其缺陷。例如，对于绿化土地类型的识别和检测，现有的卫星遥感方法不能识别出人为的制造虚伪绿化植被的假象，从而土地类型识别出现较大的错误。一个显而易见的例子就是，在土地利用监察日益严格的当下，某些地方为了掩盖其损坏森林植被、绿化率不高的事实，通过将荒坡、岩土块甚至戈壁滩上大面积泼上绿色油漆的方式，从而骗过卫星遥感检测，提高本地区的绿化率，因为在卫星遥感看来，这些土地″明显″属于森林植被；更有甚者，将大片的工业用地在卫星即将检测识别时，均匀铺上大面积的绿色材料，这样也能骗过卫星遥感。

由于卫星遥感要处理的数据量大，通常仅仅采用计算机识别和分析，不可能一一比对实际情况，因此，对于上述现象现有的遥感系统存在较大缺陷。

发明内容

本发明针对上述的问题，提供了一种基于高分卫星遥感数据的可利用土地资源分析系统。

为了达到上述目的，本发明采用的技术方案为，本发明提供一种基于高分卫星遥感数据的可利用土地资源分析系统，包括数据采集模块、数据传输模块、数据处理模块、土地利用分类系统模块、中央处理器和数据转换模块，所述数据采集模块、数据传输模块、数据处理模块、土地利用分类系统模块和数据转换模块均与所述中央处理器连接，且所述数据采集模块的输出端与所述数据传输模块的输入端连接，所述数据传输模块的输出端与所述数据处理模块的输入端连接，所述数据处理模块的输出端与所述土地利用分类系统模块的输入端连接，所述土地利用分类系统模块的输出端与所述数据转换模块的输入端连接。

作为本发明为解决前述技术问题给出的第一个创新点，所述系统还包括智能化预警模块，所述智能化预警模块包括智能图像识别与分析模块、阈值判断模块以及图像块剔除模块；所述智能化预警模块分别与所述数据传输模块、所述数据处理模块和所述土地利用分类系统模块双向连接；所述图像块剔除模块基于所述智能图像识别与分析模块与所述阈值判断模块的输出结果，对所述数据传输模块输入的数据进行图像块剔除。

具体来说，所述智能图像识别与分析模块对所述数据传输模块输入的数据进行图像识别，识别出输入数据中图像属性数据在预定范围内均匀度大于预定阈值的图像块，并将所述图像块输入所述阈值判断模块，所述阈值判断模块判断所述预定范围和/或所述预定阈值是否高于预先设定的标准阈值，并将所述判断结果输入所述图像块剔除模块。

实际实现时，所述数据处理模块(3)接收所述图像块剔除模块的输出结果，再对遥感图像进行特征提取、遥感尺度的选择和遥感图像分类。

所述数据处理模块(3)接收所述图像块剔除模块的输出结果，再对遥感图像进行特征提取、遥感尺度的选择和遥感图像分类。

这样一来，本发明由于采用了智能化预警模块，能够通过其中的智能图像识别与分析模块、阈值判断模块以及图像块剔除模块联合作用，识别出前述背景技术中人为制造的″假绿化带″数据，从而得出正确的土地遥测结果。

作为本发明的另一个创新点，所述智能化预警模块分为三层模块结构，智能图像识别与分析模块、阈值判断模块以及图像块剔除模块，每一层模块结果的输出结果都可以与对应的所述数据传输模块、所述数据处理模块和所述土地利用分类系统模块双向连接，可以选择同时、先后或者在不同数据处理阶段进行数据反馈。

作为优选，所述数据采集模块用于获取遥感图像栅格数据和土地空间配置的基础数据。

作为优选，所述数据处理模块是指对遥感图像进行特征提取、遥感尺度的选择和遥感图像分类，遥感图像特征提取是指对光谱、纹理和形状特征的提取，所述遥感尺度的选择包括局部方差法和变异函数法，遥感图像分类的方法有基于统计分析的方法和基于多源数据融合的方法。

作为优选，所述光谱特征提取方法包括代数运算法、导数法和变换法；纹理特征提取是对图像做目视解译；形状特征提取法包括使用边缘信息和使用区块信息；所述统计分析的方法主要有监督分类法和非监督分类法。

作为优选，所述土地利用分类系统模块包括耕地模块、林地模块、草地模块、水域模块和城乡建设用地模块。

作为优选，所述耕地模块包括林地、水田和旱地，所述林地模块包括有林地、灌木林地、疏林地和其他林地，所述草地模块包括高覆盖草地、中覆盖草地和地覆盖草地，所述水域模块包括河流、水库和坑塘。

作为优选，所述数据传模块用于将获得的土地空间配置的基础数据与卫星遥感影像栅格数据叠加处理，获得卫星遥感影像栅格数据中每个像元的土地利用类型信息并传输到所述数据处理模块。

作为优选，所述数据转换模块用于将当前的土地利用类型转换为其实际所属的土地利用类型并建立空间数据模型。

与现有技术相比，本发明的优点和积极效果在于，

1、采用了智能化预警模块，能够通过其中的智能图像识别与分析模块、阈值判断模块以及图像块剔除模块联合作用，识别出前述背景技术中人为制造的″假绿化带″数据，从而得出正确的土地遥测结果。

2、多光谱性，遥感卫星可以获取并分波段提供从可见光到近红外、短波红外甚至波长更长的地面光谱反射信息，远远比航摄像片丰富，不同的光谱段对不同地物有不同的反射特性，能增强对地物的识别能力。

3、可处理性，与航片相比，卫星影像产品均以数字形式存储，能直接进行各种数字处理，而航摄像片需进行数字化扫描，且要使用精度高、扫描分辨率高的专用扫描仪，在扫描的过程中也有一定的信息损失。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为实施例1提供的基于高分卫星遥感数据的可利用土地资源分析系统的模块示意图；

图2为实施例1提供的土地利用分类系统模块的示意图；

图3为实施例1提供的可利用土地资源的简算图；

以上各图中，1、数据采集模块；2、数据传输模块；3、数据处理模块；4、土地利用分类系统模块；5、中央处理器；6、数据转换模块；7、耕地模块；8、林地模块；9、草地模块；10、水域模块；11、城乡建设用地模块。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明做进一步说明。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开说明书的具体实施例的限制。

实施例1，如图1至图3所示，本发明提供了一种基于高分卫星遥感数据的可利用土地资源分析系统，包括数据采集模块1、数据传输模块2、数据处理模块3、土地利用分类系统模块4、中央处理器5和数据转换模块6，所述数据采集模块1、数据传输模块2、数据处理模块3、土地利用分类系统模块4和数据转换模块6均与所述中央处理器5连接，且所述数据采集模块1的输出端与所述数据传输模块2的输入端连接，所述数据传输模块2的输出端与所述数据处理模块3的输入端连接，所述数据处理模块3的输出端与所述土地利用分类系统模块4的输入端连接，所述土地利用分类系统模块4的输出端与所述数据转换模块6的输入端连接；通过数据采集模块1可以对遥感影像数据和地理信息数据进行收集，从而可以对土地资源分析提供可靠的资源和数据，并通过数据传输模块2对采集到的遥感影像数据和土地的空间配置数据进行叠加处理并进行传输通过数据处理模块3对数据进行处理，从而提高数据的精度和可行性，通过土地利用分类系统模块4对土地的种类进行划分，从而方便计算和分析可利用土地资源；卫星遥感的特点与传统的航空遥感相比就是可以直接获取计算机可读的数字化图像，将提取的土地信息送入地理信息系统中，利用其强有力的空间分析和制图功能，了解各地类的空间与属性关系，同时可提取不同时段不同地类的相互转化信息，输出各类土地利用现状图和统计报表，将空间数据采集和分类的有效工具和分析空间数据的有效工具结合起来，发挥了遥感技术快速为地理信息系统提供各类数据，同时又发挥了地理信息系统空间数据的分析功能，提高遥感的空间分析能力和分析精度。

作为实施例的一个重要创新，所述系统所述系统还包括智能化预警模块，所述智能化预警模块包括图1示的三层模块：智能图像识别与分析模块、阈值判断模块以及图像块剔除模块；所述智能化预警模块分别与所述数据传输模块、所述数据处理模块和所述土地利用分类系统模块双向连接；所述图像块剔除模块基于所述智能图像识别与分析模块与所述阈值判断模块的输出结果，对所述数据传输模块输入的数据进行图像块剔除。

具体来说，所述智能图像识别与分析模块对所述数据传输模块输入的数据进行图像识别，识别出输入数据中图像属性数据在预定范围内均匀度大于预定阈值的图像块，并将所述图像块输入所述阈值判断模块，所述阈值判断模块判断所述预定范围和/或所述预定阈值是否高于预先设定的标准阈值，并将所述判断结果输入所述图像块剔除模块。

由于采用了智能化预警模块，能够通过其中的智能图像识别与分析模块、阈值判断模块以及图像块剔除模块联合作用，识别出前述背景技术中人为制造的″假绿化带″数据，从而得出正确的土地遥测结果。

具体来说，发明人发现，人为制造的″假绿化带″产生的图像数据与实际数据在数据属性上存在明显不同，这种不同经过发明人的反复比对和筛选，可以体现在预定区域面积内的图像属性数据的均匀性上；在实验结果中，本实施例的属性数据选择反光度、像素值、红外吸收率以及雷达波长吸收率等进行了测试，结果发现，反光度的效果最好，像素值、红外吸收率、雷达波长吸收率的效果分别次之，但是都能起到明显的区分效果。

以反光度为例，人为制造的″假绿化带″在预定范围内均匀度较高，换句话说，反光度变化不大；而实际的森林植被，由于错落有致、高低不同并且植被类型多样化，其反光度从不同角度均有较大差异；

这样，智能图像识别与分析模块对所述数据传输模块输入的数据进行图像识别，识别出输入数据中图像属性数据例如反光度在预定范围内均匀度大于预定阈值的图像块，再将所述图像块输入所述阈值判断模块，所述阈值判断模块判断所述预定范围和/或所述预定阈值是否高于预先设定的标准阈值，这里的标准阈值，可以结合预定范围和所述预定阈值设定，例如，预定范围越大，预定阈值越高，标准阈值可以越低；

此处，存在两个阈值判断过程，″识别出输入数据中图像属性数据例如反光度在预定范围内均匀度大于预定阈值的图像块″的过程，以及″所述阈值判断模块判断所述预定范围和/或所述预定阈值是否高于预先设定的标准阈值″，这也是本发明的改进之一，从而两步阈值设定，可以更好的避免误判的发生；

所述阈值判断模块并将所述判断结果输入所述图像块剔除模块，这样对所述数据传输模块输入的数据进行图像块剔除。

这样一来，遥感数据中″人为″数据就会被准确剔除，卫星遥感数据处理的已经是真实的遥测数据，可以得到客观的正确分类结果；

当然对于剔除的图像块数据，其本身也应该进行归类，因此，还要与所述土地利用分类系统模块连接。

实施例2，所述数据采集模块1用于获取遥感图像栅格数据和土地空间配置的基础数据。

实施例3，所述数据处理模块3是指对遥感图像进行特征提取、遥感尺度的选择和遥感图像分类，遥感图像特征提取是指对光谱、纹理和形状特征的提取，所述遥感尺度的选择包括局部方差法和变异函数法，遥感图像分类的方法有基于统计分析的方法和基于多源数据融合的方法。

实施例4，所述光谱特征提取方法包括代数运算法、导数法和变换法；纹理特征提取是对图像做目视解译；形状特征提取法包括使用边缘信息和使用区块信息；所述统计分析的方法主要有监督分类法和非监督分类法。

实施例5，所述土地利用分类系统模块4包括耕地模块7、林地模块8、草地模块9、水域模块10和城乡建设用地模块11。

实施例6，所述耕地模块7包括林地、水田和旱地，所述林地模块8包括有林地、灌木林地、疏林地和其他林地，所述草地模块9包括高覆盖草地、中覆盖草地和地覆盖草地，所述水域模块10包括河流、水库和坑塘。

实施例7，所述数据传模块用于将获得的土地空间配置的基础数据与卫星遥感影像栅格数据叠加处理，获得卫星遥感影像栅格数据中每个像元的土地利用类型信息并传输到所述数据处理模块3。

实施例8，所述数据转换模块6用于将当前的土地利用类型转换为其实际所属的土地利用类型并建立空间数据模型。

为了方便理解本发明的上述技术方案，以下就本发明在实际过程中的工作原理或者操作方式进行详细说明。

在实际应用时，利用遥感数据和GIS技术对数据进行整理、加工和更新解译，由于同一个遥感模型所采用的的分辨率不同，最终得到的结论也不同，所以找到合适的尺度对遥感影像的研究至关重要每种地物都有一个适宜的尺度，只有在相应的适宜尺度下进行分类，相应地物的分类精度才能更高，由于原始遥感图像有严重的几何变形，导致图像上的各像元的位置与地图坐标中的目标地物的坐标存在一定的差异，所以要对图像进行几何纠正，一般利用地面控制点和纠正模型进行几何纠正，应用各种算法和模型进行比值变换、直方图均衡和线性拉伸等处理，通过辐射校正消除大气散射、吸收对遥感影像带来的影响，另外，根据根据研究的地物对某个波段所表现的敏感程度，选择波段，用来作为基础分析的影像，进行多波段影像合成，对土地资源信息的提取可以采用目视解译和计算机自动识别分类的方法，计算机自动识别分类就是依据地面上不同土地类型具有不同的光谱特征，在遥感图像上呈现出不同的色彩、色调、纹理和几何特征，采用适当的方法，经过计算机自动分出不同的土地利用类型；且可利用土地资源的面积＝{适宜建设用地}-{已有建设用地}-{基本农田}；

人均可利用土地资源＝{可利用土地资源的面积}/{乡镇人口}；

其中适宜建设用地＝{可用地形}-{林草地}-{水域}-{沼泽}-{荒漠}，其中，可用地形＝{适宜高程的土地}∩{适宜坡度的土地}；林草地面积＝{林地面积+草地面积}*0.85；已用建设用地＝{已有城镇村建设用地}+{已有交通用地}+{已有工矿用地}+{已有特殊用地}+{已有农村居民点}+{已有水利设施用地}；

其中，乡镇的城镇村建设用地＝{各县的城镇村建设用地}*{乡镇人口}/{县总人口}；交通用地＝{通车里程}*6m；基本农田面积＝{年末实有耕地面积}*0.9。

值得注意的是，此处计算机自动区分识别的数据已经是经过所述智能图像识别与分析模块自动分析、识别并剔除″人为″数据后的数据，这和现有技术不进行任何识别或需要人工识别明显不同。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (1)

1.一种基于高分卫星遥感数据的可利用土地资源分析系统，所述系统包括数据采集模块(1)、数据传输模块(2)、数据处理模块(3)、土地利用分类系统模块(4)、中央处理器(5)和数据转换模块(6)，所述数据采集模块(1)、数据传输模块(2)、数据处理模块(3)、土地利用分类系统模块(4)和数据转换模块(6)均与所述中央处理器(5)连接；

其特征在于：所述系统还包括智能化预警模块，所述智能化预警模块包括智能图像识别与分析模块、阈值判断模块以及图像块剔除模块；所述智能化预警模块分别与所述数据传输模块、所述数据处理模块和所述土地利用分类系统模块双向连接；所述图像块剔除模块基于所述智能图像识别与分析模块与所述阈值判断模块的输出结果，对所述数据传输模块输入的数据进行图像块剔除；

所述智能图像识别与分析模块对所述数据传输模块输入的数据进行图像识别，识别出输入数据中图像属性数据在预定范围内均匀度大于预定阈值的图像块，并将所述图像块输入所述阈值判断模块，所述阈值判断模块判断所述预定范围和/或所述预定阈值是否高于预先设定的标准阈值，并将所述判断结果输入所述图像块剔除模块；

通过其中的智能图像识别与分析模块、阈值判断模块以及图像块剔除模块联合作用，识别出人为制造的″假绿化带″数据；

根据研究的地物对某个波段所表现的敏感程度，选择波段，用来作为基础分析的影像，进行多波段影像合成，对土地资源信息的提取可以采用目视解译和计算机自动识别分类的方法，计算机自动识别分类就是依据地面上不同土地类型具有不同的光谱特征，在遥感图像上呈现出不同的色彩、色调、纹理和几何特征，采用适当的方法，经过计算机自动分出不同的土地利用类型；

所述数据采集模块(1)用于获取遥感图像栅格数据和土地空间配置的基础数据；

所述数据处理模块(3)接收所述图像块剔除模块的输出结果，再对遥感图像进行特征提取、遥感尺度的选择和遥感图像分类；

所述土地利用分类系统模块接收所述图像块剔除模块的输出结果，再进行土地利用分类；

所述土地利用分类系统模块(4)包括耕地模块(7)、林地模块(8)、草地模块(9)、水域模块(10)和城乡建设用地模块(1)；

所述数据传模块(2)用于将获得的土地空间配置的基础数据与卫星遥感影像栅格数据叠加处理，获得卫星遥感影像栅格数据中每个像元的土地利用类型信息并传输到所述数据处理模块；

所述数据转换模块(6)用于将当前的土地利用类型转换为其实际所属的土地利用类型并建立空间数据模型；

存在两个阈值判断过程：反光度在预定范围内均匀度大于预定阈值的图像块的过程，以及所述阈值判断模块判断所述预定范围和/或所述预定阈值是否高于预先设定的标准阈值的过程；

所述数据处理模块是指对遥感图像进行特征提取、遥感尺度的选择和遥感图像分类，遥感图像特征提取是指对光谱、纹理和形状特征的提取，所述遥感尺度的选择包括局部方差法和变异函数法，遥感图像分类的方法包括基于统计分析的方法和基于多源数据融合的方法。

Images