土地覆被分类系统与方法与流程

本发明涉及土地覆被分类
技术领域：
，具体地说，涉及一种土地覆被分类系统与方法。
背景技术：
：土地覆被研究属于基础性很强、介于地理学、生态学和环境学之间的一个交叉领域。通过研究土地覆被及其变化，可以了解与气候直接相关的地表与大气之间能量、水分和动量的交换过程及地球表面的生物地球化学循环过程，获知地形、水文、土壤和生物等要素的相互作用。在土地覆被研究中，根据一定的目的，按照拟定的分类标准对土地覆被进行分类，得到对应的土地覆被分类系统。随着遥感技术的快速发展，利用遥感影像进行土地覆被制图成为土地覆被分类的主要手段。如果土地覆被样本数量越多，遥感影像土地覆被制图的准确度就越高，对分类结果精度评价的代表性就越强。目前，土地覆被样本数据的采集大多数是通过野外实地调查取样的方式，即利用手持gps来记录采样点的地理位置(经度、纬度)信息、对应位置的地物属性信息、采样时间等。通过此方法采集采样本点的信息需要耗费很大的时间、资金成本，具体体现在：首先需要对样本采集人员进行专业培训，并且样本采集过程中的交通、食宿与采集设备的成本很高；二是样本采集效率较低，样本采集的过程中，需要驾车或者步行至典型地物所在区域，人工记录样本点的经纬度信息、拍摄对应点的照片以及照片的编号信息；三是样本采集的数据量不足，受采集区域的道路、地形与天气条件的限制，大多数时候都只能采集路况较好的区域位置信息，而其他区域的信息难以获取；四是样本采集的后续处理复杂，常常需要结合遥感影像信息，人工手动纠偏。因而，上述缺陷直接影响了分类结果。技术实现要素：本发明要解决的技术问题在于，针对现有土地覆被样本采集费时、费力、成本高和样本代表性不足的缺陷，提供一种土地覆被快速分类系统与方法，用以大范围、快速、精准地采集土地覆被样本，提高土地覆被分类的效率。为了解决上述技术问题，根据本发明的一个方面，本发明提供了一种土地覆被分类方法，其中，包括以下步骤：利用搜索关键字采集开源地图兴趣点信息，得到兴趣点数据集，所述兴趣点数据集包括多条兴趣点信息，其中，每一条兴趣点信息包括搜索关键字、兴趣点名称及兴趣点的地理位置信息；根据预设的土地覆被类别，在所述的兴趣点数据集中，为每一条兴趣点信息增加与其对应的土地覆被类别；将所述兴趣点数据集中的兴趣点信息转化为地理空间矢量数据；对原始遥感影像进行分割，得到多个未分类的矢量多边形；和通过地址匹配，叠合所述矢量多边形和所述地理空间矢量数据，将与所述矢量多边形对应的所述地理空间矢量数据中的土地覆被类别赋予所述矢量多边形，完成对所述矢量多边形的土地覆被分类。优选地，在所述的兴趣点数据集中，为每一条兴趣点信息增加与其对应的土地覆被类别之前，还包括：检测兴趣点信息中的兴趣点名称是否以搜索关键字结尾，如果所述兴趣点名称不是以搜索关键字结尾，则删除所述兴趣点信息。优选地，在将所述兴趣点数据集中的兴趣点信息转化为地理空间矢量数据之前，还包括：将兴趣点信息中的地理位置信息转换为世界大地测量坐标系统的位置信息。优选地，在对原始遥感影像进行分割时，采用多尺度分割法对原始遥感影像进行分割。为了解决上述技术问题，根据本发明的另一个方面，本发明提供了一种土地覆被分类系统，其中，包括：兴趣点信息采集模块，用于利用搜索关键字采集开源地图兴趣点信息，得到兴趣点数据集，所述兴趣点数据集包括多条兴趣点信息，其中，每一条兴趣点信息包括搜索关键字、兴趣点名称及所述兴趣点的地理位置信息；语义转化模块，用于根据预设的土地覆被类别，在所述的兴趣点数据集中，为每一条兴趣点信息增加与其对应的土地覆被类别；语义矢量转化模块，用于将所述兴趣点数据集中的兴趣点信息转化为地理空间矢量数据；遥感影像分割模块，用于对原始遥感影像进行分割，得到多个未分类的矢量多边形；和类别赋值模块，用于通过地址匹配，叠合所述矢量多边形和所述地理空间矢量数据，将与所述矢量多边形对应的所述地理空间矢量数据中的土地覆被类别赋予所述矢量多边形，完成对所述矢量多边形的土地覆被分类。优选地，所述土地覆被分类系统还包括：数据处理模块，用于检测兴趣点信息中的兴趣点名称是否以搜索关键字结尾，如果所述兴趣点名称不是以搜索关键字结尾，则删除所述兴趣点信息。优选地，所述的土地覆被分类系统还包括：地理位置信息转换模块，用于将兴趣点信息中的地理位置信息转换为世界大地测量坐标系统的位置信息。本发明通过以上系统和方法，打破了传统的土地覆被样本采集需要由专业人员跋山涉水、亲力亲为的采集方式，在节约了科研人员在野外地面观测、数据采集的时间、经济成本的同时，数据的采集更加及时、同步和高效，显著丰富了样本采集的数量与质量，能够快速获取空间分布范围广、土地覆被类型复杂区域的样本信息，提升了面向对象的遥感影像土地覆被分类效率和准确率。附图说明通过参照以下附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：图1为本发明实施例一提供的一种土地覆被分类系统的原理框图。图2为本发明实施例二提供的另一种土地覆被分类系统的原理框图。图3为本发明实施例三提供的土地覆被分类方法中poi数据集的处理流程示意图。图4为本发明实施例三中净化poi数据集的处理流程示意图。图5为本发明实施例三提供的土地覆被分类方法中遥感影像分割的处理流程示意图。图6为本发明实施例三提供的土地覆被分类方法中土地覆被类别的赋值处理流程示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。附图中的流程图、框图图示了本发明实施例的系统、方法、装置的可能的体系框架、功能和操作，流程图和框图上的方框可以代表一个模块、程序段或仅仅是一段代码，所述模块、程序段和代码都是用来实现规定逻辑功能的可执行指令。也应当注意，所述实现规定逻辑功能的可执行指令可以重新组合，从而生成新的模块和程序段。因此附图的方框以及方框顺序只是用来更好的图示实施例的过程和步骤，而不应以此作为对发明本身的限制。实施例一如图1所示，为本发明实施例一提供的一种土地覆被分类系统的原理框图。在本实施例中，所述系统包括兴趣点(pointofinterest，简称poi)信息采集模块11、语义转化模块12、语义矢量转化模块13、遥感影像分割模块14和类别赋值模块15。其中，所述poi信息采集模块11与开源地图系统的系统接口相连接，利用搜索关键字，如地名或者类别关键字(如学校、水库和医院等)，在所述开源地图系统中搜索poi信息，获取指定区域内、与搜索关键词对应的地图要素，包括poi的经度、纬度与名称。将得到的信息存入数据库的数据表中，并建立id号，每一个id号对应一条poi信息，每一条poi信息至少包括搜索关键字、poi名称及其对应的地理位置信息，从而建立起一个初始poi数据集110，并以数据表的格式存储。如下表1所示：表1idcitykeywordpoinamelatlng181121恩施市水库车坝河水库30.268109.297181122恩施市水库响板水库30.4116109.674181123恩施市水库金马水库30.353109.506181124恩施市水库月亮岩水库30.267109.465181125恩施市水库水库30.2565109.655181126恩施市水库金马水库真人cs基地30.3532109.506181127恩施市水库石桥子水库30.5142109.636181128恩施市水库永丰水库30.4525109.449181129恩施市水库车河水库30.2877109.313在表1中，第一列为id号，第三列keyword为搜索关键字，第四列poiname为兴趣点名称，第五列和第六列分别为所述兴趣点的地理位置信息。在所述poi信息采集模块11已建立起poi数据集时，向所述语义转化模块12发送信息，通知所述语义转化模块12，poi数据集已建立起来。所述语义转化模块12接收到所述通知消息后，根据预设的土地覆被类别，例如中国土地覆被分类系统(chinacover)的6大一级类、40个二级类，利用专家知识，建立搜索关键字与chinacover中分类类别的一一对应关系，形成从搜索关键字到土地覆被类别的查找表。而后按行遍历poi数据集，根据搜索关键字与土地覆被类别的查找表，将土地覆被类型增加到对应poi信息的行属性中，即将原来的初始poi数据集110扩展为一个包含地图属性信息和土地覆被类型信息的数据表，为方便以下说明，将其命名为完全poi数据集120。在所述poi数据集中的每一条poi信息都增加了土地覆被类型信息之后，向所述语义矢量转化模块13发送通知。所述语义矢量转化模块13接到所述通知后，将所述完全poi数据集120中的poi信息转化为地理空间矢量数据，为方便以下说明，将其命名为矢量poi数据集130。转化过程的一个具体实施方式如下：在通用的地理信息系统平台，如arcmap平台，采用adddata工具，将文本信息格式的完全poi数据集120加载至arcmap平台中；利用平台中的displayxydata工具，设置x属性坐标为经度，y属性坐标为纬度，选择输入的坐标系统为gcs_wgs_1984坐标(坐标单位：度，坐标中央经线：格林威治0°经线，参考椭球体，d_wgs_1984，椭球：wgs_1984，长半轴：6378137.0，短半轴：6356752.314245179，偏心率：298.257223563)，将文本信息转化为具有经纬度地理坐标的点状shapefile数据。在转换的过程中，文本数据自动加载至点状shapefile数据中。而后利用exportdata工具，将在arcmap平台中中显示的shapefile点状数据(即地理空间矢量数据)导出存放至本地数据库中。所述遥感影像分割模块14对未进行土地覆被分类的研究区原始遥感影像10进行分割，得到没有土地覆被属性的矢量多边形140。其中，为了得到完整的反映对象特征的影像，本实施例采用多尺度分割法。本领域内的普通技术人员可以参考相关技文献来实现所述的多尺度分割法，在此不再展开说明。在一个具体实施方式中，本实施例利用通用遥感分类系统平台，如名称为ecognition的分类平台，在该ecognition分类平台中，加载覆盖研究区的高分辨率遥感影像，利用平台中规则树(processtree)里的多尺度分割算法(multiresolutionsegmentation)，设置需要分割影像波段信息的权重(imagelayerweights)，参与分割的波段信息设置为1，不参与分割的波段设置为0。之后，设置对象的分割尺度(scaleparameter)，该参数的取值范围为0至无穷大，分割的模式为normal，而后执行execute操作，则得到：以权重为1的影像为基础、相应的分割尺度为设置阈值的地理空间矢量shapefile数据的分割结果，该分割结果为多个矢量多边形。所述遥感影像分割模块14分割完所述的研究区遥感影像10后，向所述类别赋值模块15发送通知。所述类别赋值模块15收到所述通知后，通过地址匹配，将所述语义矢量转化模块3转化后得到的所述地理空间矢量数据与所述矢量多边形一一进行比对、叠合，从而得到与所述矢量多边形一一对应的地理空间矢量数据。而后将所述地理空间矢量数据中的土地覆被类别赋予所述矢量多边形，从而完成土地覆被分类。作为一个具体实施方式，可以利用通用遥感分类系统平台，如ecognition分类平台，加载所述语义矢量转化模块3转化后得到的所述地理空间矢量数据，形成poi专题图层。利用ecognition分类平台中的专题图层属性赋值方法(assignclassbythematiclayer)，设置专题图层(thematiclayer)参数为poi专题图层，专题图层属性(thematiclayerattribute)为poi中的土地覆被类型，类别模式(classmode)设置为创建新的类别(createnewclass)，从而实现以地址为查询参数的位置查询，并将所述地理空间矢量数据中的土地覆被属性赋值给对应的矢量多边形，从而完成矢量多边形的分类赋值。本发明实施例利用了开源地图poi信息来源广泛、属性丰富和面向对象遥感影像分割完整的双重优势，通过建立poi关键字与土地覆被分类系统的转换关系，可以快速、精准地获得大范围土地覆被样本，从而快速、准确地实现了基于遥感影像的土地覆被分类，提高了面向对象的土地覆被分类效率。实施例二参见图2所示，为本发明实施例二提供的一种土地覆被分类系统的原理框图。与实施例一相比，本实施例二的土地覆被分类系统2包括了与实施例一功能相同的poi信息采集模块21、语义转化模块22、语义矢量转化模块23、遥感影像分割模块24和类别赋值模块25外，还包括净化处理模块26和地理位置信息转换模块27。其中，所述净化处理模块26在接收到poi信息采集模块21发送来的初始poi数据集建立起来的通知后，检测所述初始poi信息中的poi名称是否以搜索关键字结尾，具体的检测方式为：逐条遍历所述初始poi数据集中的每条记录，针对每条记录中的poi名称和搜索关键字，采用字符匹配的方法判断该条记录中的poi名称是不是以搜索关键字结尾，如果是，则保留该记录，如果不是，则删除该条记录。经过上述操作后，删除了所述初始poi数据集中的poi名称不是以搜索关键字结尾的记录，净化了所述初始poi数据集，剔除了与搜索关键字不匹配的干扰信息，保证了数据的一致性和准确性。为方便说明，将净化后的初始poi数据集命名为净化poi数据集260。例如，当前搜索城市为“重庆”、搜索关键字为“水库”时，会得到如下表2所示的初始poi数据集(节选其中的一部分)：表2idcitykeywordpoinamelatlng180490重庆市水库清溪沟水库国家水利风景区28.8315106.422180491重庆市水库新桥水库29.8081106.72180492重庆市水库东方红水库29.7764106.627180493重庆市水库人民水库29.5114106.048180494重庆市水库公平大沟水库29.3331106.606180495重庆市水库三五水库29.4284106.142180496重庆市水库下涧口水库29.2183106.968180497重庆市水库南彭水库29.3283106.696180498重庆市水库河滩水库29.3219106.661在逐条遍历表2的过程中，在id号为180490的记录中，poi名称为“清溪沟水库国家水利风景区”，通过字符匹配的方法，该名称的末尾不是以搜索关键字“水库”结束，因而判断其为一条干扰信息，将其删除。而其他信息中的poi名称是以搜索关键字“水库”结束的，因而是真正的poi信息，需要保留。经过剔除后，则生成了如表3所示的净化poi数据集260。表3idcitykeywordpoinamelatlng180491重庆市水库新桥水库29.8081106.72180492重庆市水库东方红水库29.7764106.627180493重庆市水库人民水库29.5114106.048180494重庆市水库公平大沟水库29.3331106.606180495重庆市水库三五水库29.4284106.142180496重庆市水库下涧口水库29.2183106.968180497重庆市水库南彭水库29.3283106.696180498重庆市水库河滩水库29.3219106.661在本实施例中，还包括地理位置信息转换模块27，用于在poi信息采集模块21采集到的地理位置信息不属于世界大地测量坐标系统(wgs84)时，对净化poi数据集260中的地理位置信息进行转换。例如，当通过百度地图系统采集地理位置信息时，其经度和纬度属于百度坐标系统，此时，通过进行百度坐标系统-国测局坐标系统(gcj02)、国测局坐标系统(gcj02)-世界大地测量坐标系统(wgs84)的转换，对poi的坐标点的地理坐标进行纠正。在此，将经过地理坐标纠正的poi数据集命名为校正poi数据集270。如表4所示，为经过地理位置信息转换后的校正poi数据集270。表4idcitykeywordpoinamelatlng1重庆市水库新桥水库29.804840581700535106.709515573816692重庆市水库东方红水库29.7735532815116106.616673579218263重庆市水库人民水库29.508165512681504106.037623483551394重庆市水库公平大沟水库29.33026073157287106.595772901233255重庆市水库三五水库29.425325573381436106.13148631120026重庆市水库下涧口水库29.215488746816323106.957438173995197重庆市水库南彭水库29.324905333187022106.685689240548028重庆市水库河滩水库29.318779641122873106.6507305274791地理位置信息转换模块27转换完净化poi数据集260中的地理位置信息后，向语义转化模块22发送通知，语义转化模块22接收到所述通知后，根据预设的土地覆被类别，将土地覆被类型增加到对应搜索关键字的行属性中，将原来的校正poi数据集270扩展为一个包含地图属性信息和土地覆被类型信息的数据表，将其命名为完全poi数据集220。其他模块与实施例一相同，在此不再重复说明，实例二的实现过程详见以下实施例三。实施例三参见图3，为本发明实施例三提供的一种土地覆被分类方法的流程示意图。本发明所述的土地覆被分类方法包括以下步骤：步骤s1，利用搜索关键字采集开源地图poi信息，从而得到poi数据集，所述poi数据集包括多条poi信息，每一条poi信息包括搜索关键字、poi名称及所述兴趣点的地理位置信息。具体地，基于开源地图应用程序编程接口(简称api)，根据兴趣点，指定搜索城市名称和搜索关键词，通过调用所述的api接口，获取指定城市内、与搜索关键词对应的poi信息，所述poi信息包括诸如经度、纬度等地图要素信息，并将这些信息存入指定数据库表格中。在该数据表中为每一条poi信息建立一个id号，用于存储与所述poi相关联的所有信息，如前面表1或表2所示。步骤2，净化所述poi数据集。具体如图4所示，为本步骤中一个用于净化所述poi数据集的处理实施流程图。步骤s20，到指定数据表中读取一条记录。步骤s21，在所述记录中，读取出搜索关键字和poi名称，对应于表1和2中的keyword和poiname。步骤s22，按照字符匹配方法，判断当前记录当中的poi名称是否以搜索关键字结尾。这是因为，只有以搜索关键字结尾的poi名称才是真正的poi。例如，当poi为一个“人民医院”时，如果以“医院”作为搜索关键字，得到的地名则可能是包括“医院”的其它字符，例如“人民医院路”。显然，“人民医院路”中虽然包括了“人民医院”，但是并不是真正符合要求的poi。因而，本实施例采用字符匹配的方法，判断poi名称是否是以搜索关键字结尾的，即是否是以“医院”结尾。如果poi名称是以搜索关键字结尾的，则该条记录的信息是真正poi的信息。如果poi名称不是以关键字结尾的，如前例中，在“医院”后还有“路”字，则该条记录不是真正的poi信息。如果当前记录中的搜索关键字是以关键字结尾，则转向步骤s24。如果当前记录中的poi名称不是以关键字结尾，则转向步骤s23。步骤s23，删除该条记录，即将不是真正poi的数据删除，从而去掉了干扰信息。步骤s24，判断是否遍历完全部的记录，如果已经比较完所有的记录信息，则结束净化处理过程。如果还有没有处理的记录，则取下一条，转到步骤s20，继续处理。在步骤s2中，通过遍历poi数据库中的所有记录，将不是真正poi的数据删除，从而保证了poi数据集的准确性和一致性。如果步骤s1中采集的poi数据集中的地理位置信息不是世界大地测量坐标系统的位置信息，则在步骤s3，进行地理位置信息转换。例如，当所述poi数据集是通过百度地图系统获取时，由于百度地图采用的是百度坐标系统，因而首先将百度坐标系统转换为国测局坐标系统(gcj02)，再将国侧局坐标系统转换为世界大地测量坐标系统(wgs84)，从而完成对poi数据集中坐标点的地理坐标纠正，最终得到的数据集如前面实施例二中的表4所示。步骤s4，根据预设的土地覆被类别，在所述的poi数据集中，为每一条搜索poi信息增加与其对应的土地覆被类别。以中国土地覆被分类系统的6大一级类、40个二级类为例，首先利用专家知识，建立搜索关键字与土地覆被分类系统的6大一级类与40个二级类的一一对应关系，形成搜索关键字到土地覆被类别的查找表。按行遍历poi数据集中的poi信息，将土地覆被类型信息增加到每一条poi信息中。则当前poi数据集中的每一条记录都包括了土地覆被类型这一信息。步骤s5，将所述poi数据集中的数据转化为地理空间矢量数据。具体地，如前面实施例一中所述，在通用的地理信息系统平台，如arcmap平台，采用adddata工具，将文本信息格式的poi数据集转化为具有经纬度地理坐标的点状shapefile数据。转换完后，将其保存起来，用于满足后续的分类需求。图5为本发明实施例三提供的土地覆被分类方法中遥感影像分割的处理流程示意图。在本实施例中，采用了通用遥感分类系统平台(ecognition)来进行遥感影像的分割处理。首先，将覆盖研究区的高分辨率遥感影像加载到所述ecognition平台，调用规则树(processtree)里的多尺度分割算法(multiresolutionsegmentation)，设置需要分割影像波段信息权重(imagelayerweights)，参与分割的波段信息设置为1，不参与分割的波段设置为0；之后，设置对象的分割尺度(scaleparameter)，该参数的取值范围为0到无穷大，分割的模式为normal，然后执行execute操作，则得到以权重为1的影像为基础、相应的分割尺度为设置阈值的shapefile数据分类结果，即得到多个矢量多边形。参见图6，为本发明实施例三提供的土地覆被分类方法中土地覆被类别的赋值处理流程示意图。分别以前面图3所示流程得到的poi地理空间矢量数据和图5所示流程得到的矢量多边形为匹配对象，采用地址匹配方法，获得与所述矢量多边形对应的所述地理空间矢量数据，将所述地理空间矢量数据中的土地覆被类别赋予所述矢量多边形，从而完成土地覆被分类。本实施例克服了传统面向对象遥感影像分类时，分类样本采集费时、费力、低效的缺陷，利用开源电子地图poi点来源广、数据量大的优势，显著丰富了样本采集的数量与质量，能够快速获取空间分布范围广、土地覆被类型复杂区域的样本信息。同时利用面向对象遥感影像多尺度分割的完整性，更进一步地提高了面向对象的土地覆被分类的效率和准确率。以上实施方式仅用于说明本发明，而并非对本发明的限制，有关
技术领域：
的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。当前第1页12