程葛鉴 于欢 孔博 陈友良
摘 要：面向对象影像分析技术作为高分辨率遥感影像解译的重要手段，其相较于基于像元的影像分析方法有着明显的优势。随着遥感应用领域的不断扩展，面向对象遥感影像分析技术已经在农业、工业、生态、灾害等领域有了广泛应用。该文着重分析了面向对象影像分析技术在各领域应用的现状及问题;最后总结了面向对象遥感影像分析技术面临的机遇和挑战，并提出了将其应用到景观地球化学领域的展望。
关键词：面向对象 遥感影像 信息提取 农业领域 建设用地领域 生态环境领域 灾害领域
中图分类号：P407.8 文献标识码：A 文章编号：1672-3791（2020）06（a）-0012-02
在遥感应用的发展进程中，影像分析方法主要分为两大类：基于像元和面向对象。区别于传统基于像元的影像分析方法，面向对象遥感影像分析方法的基本处理单元是影像对象，而非单个的像元，其中，每个对象都有描述影像光谱、结构、纹理等相关的属性信息，这相比于仅将分析建立在基于像素光谱信息基础上的基于像元的影像分析方法，有着多方面的优势。
现如今，纵观国内外，面向对象遥感影像分析技术凭借其独特的优势已广泛应用于包括农业、建设用地、生态、灾害等相关领域的监测与管理中。
1 面向对象遥感影像分析技术在农业监测与管理中的应用
农业是提供支撑国民经济建设与发展的基础产业，及时、定量、准确、周期性地获取主要粮食农作物种植面积及其空间分布，对于改善相关企业和农民的经营管理方法，制定各级政府的社会经济发展规划具有重要意义。
当前，遥感技术在小麦（基于像元方法）、水稻（支持向量机回归算法）、玉米（基于多时相遥感数据）、甘蔗（面向对象方法）等农作物种植信息提取和面积估算方面已较为普遍[1-2]，技术方法也正从基于像元的遥感影像提取到基于面向对象的方法不断改进。
农作物信息的多变性和季节性，及其独特的纹理信息，是进行农作物专题信息提取的关键，基于面向对象的多时相遥感监测方法在此方面表现出了独特的精度优势，可基于影像解译出更为丰富的空间信息，从而迅速成为农作物产量预测和生产决策支持的有效途径之一。
2 面向对象遥感影像分析技术在建设用地监测与管理中的应用
近年来，随着成像传感器的空间分辨率的提高，高空间分辨率的遥感图像给出了更多不显眼的成分（如形状、颜色、纹理）基于对象的图像分析作为桥接高空间分辨率图像和GIS的一种手段，在遥感科学中迅速普及，已然成为建设用地遥感监测管理领域的一项关键性技术。
道路信息提取质量的好坏一部分取决于能否建立有效区分道路与其他地物的规则集，因此，在提取之前，我们必须要充分了解道路信息在影像上的特征。有关道路特征的描述有很多，Vossel man等人[3]总结了以下几点：（1）几何特征，呈长条状，有较小的宽度变化，以及一定的限制的曲率;（2）拓扑特征，具有连续性，相互有交叉，连成网络;（3）辐射特征，内部灰度比较均匀;（4）功能特征，有特定的指向性，通常居民地或人工设施相连接。
在城市用地提取方面，Lichtblau等人[4]使用eCognitiono（R）软件开发了一项基于规则的面向对象分类流程，用于不透水土地利用特征的半自动分类，总体分类精度接近90%。与此同时Zhang等人[5]提出了一种基于对象的卷积神经网络，用于城市土地利用高分辨率图像分类，且實现了出色的分类精度和计算效率，有效地解决了高分辨率图像中城市建设用地分类的复杂问题。
3 面向对象遥感影像分析技术在生态环境监测领域中的应用
生态环境由自然环境与人为环境构成，通常是指生态系统与环境系统的有机结合体。对生态环境的识别监测是一项重要国家工程，且近年来已有不少学者将目光聚焦于生态环境的监测方面，河漫滩、海洋等遍布各类生态研究区的研究层出不穷。
针对小区域生态资源进行信息提取，Van Iersel等人[6]使用多时相无人机图像和野外参考观测的数据集，通过基于对象的随机森林分类，以较高精度（90%）成功提取了河漫滩6种植被类别和4种非植被类别，其研究成果对河岸生态系统的保护有着非常重要的意义。
而在海洋地物信息提取领域，Ismail等人[7]利用多波束测深和侧扫声呐图像生成了大西洋东北部Whittard峡谷的海洋景观地图，通过基于对象的图像分析方法，得到了海洋景观地图以及7种景观类型特征，其中5种通过物种指示分析发现具有生态相关性，这将对于确定适合建立海洋保护区的区域具有重要意义。
基于面向对象遥感影像分析的技术在生态环境监测领域中有着巨大优势，相较传统基于像元的地物提取方式，该方法对于高分辨率影像中存在的“异物同谱”及“同物异谱”现象区分较好，克服了普遍存在的“椒盐现象”，极大地提升了生态环境参数信息的提取效果。
4 面向对象遥感影像分析技术在灾害监测与管理方面的应用
灾害信息的提取，速度和准确性是重要因素，基于此，才能对风险和危机管理进行决策支持。面向对象影像分析技术凭借其快速准确的优势，已广泛应用于多类自然灾害中，为灾前预防和灾后重建提供了重要决策方法的理论支持，成为高光谱遥感灾害信息提取的关键技术之一[8]。
滑坡经常给工农业生产以及人民生命财产造成巨大损失、有的甚至是毁灭性的灾难。由此，Feizizadeh等人[9]使用滑坡的空间和光谱信息，通过光谱分析、形状分析，灰度共生矩阵的纹理测量和模糊逻辑隶属函数，提出了一种基于对象的图像分析方法，成功从多时相卫星图像中进行了滑坡描绘和滑坡相关变化检测，其研究结果为滑坡灾害的监测和预防提供了战略性的决策性支持。
雪崩災害威胁着所有高山地区的人和基础设施，全球都有季节性或永久性积雪，应对这种危害，Bühler等[10]提出了一种基于对象的图像分析的新算法，结合自动程序估算平均释放深度，定义雪崩释放量，应用完善的雪崩动力学模型对大面积数千个雪崩进行了数值模拟，为所有可获得高质量和高分辨率数字地形模型和雪数据的大规模雪崩危险指示绘图打开了大门。
近年来，在一系列重大自然灾害的应对中，面向对象影像分析技术表现出了巨大的应用潜力，已然成为中国现代化灾害监测与管理中的基础支撑技术，为灾害监测以及灾后应急响应工作提供了强大的技术及决策支持。
5 机遇与挑战
面向对象遥感影像分析技术在空间信息技术长期发展的过程中产生，在遥感影像信息的分析中有着巨大潜力，但若要建立与现实世界真正相匹配的地表模型，面向对象影像分析技术仍需在后续的研究中进一步完善和提升，并不断拓展应用领域。在此，我们建议推动面向对象遥感影像分析技术与景观地球化学的深入结合，探索其在景观地球化学领域应用研究，以实现学科间的交叉融合。
在这个多元的时代，技术的碰撞及各领域的交叉，会带来更多样的选择和更丰富的机遇，不断地探索和创新才能让一项技术更深一步的推进。机遇与挑战并存，多学科的融合是未来遥感技术应用的必然趋势，找寻各学科融合的契合点，积极拓展面向对象遥感影像分析技术的全新应用领域是我们所需面临的重要挑战。
参考文献
[1] 吴方明，张淼，吴炳方.无人机影像的面向对象水稻种植面积快速提取[J].地球信息科学学报，2019，21（5）：789-798.
[2] 杜保佳，张晶，王宗明，等.应用Sentinel-2A NDVI时间序列和面向对象决策树方法的农作物分类[J].地球信息科学学报，2019，21（5）：740-751.
[3] Vosselman G，Knechtde J.Road Tracing by Profile Matching and Kalman Filtering Automatic Extraction of Man-Made Objects from Aerial and Space Images[C]//Monte Verrita， Birkhauser Verlag basel.1995：266-274.
[4] Lichtblau E， Oswald CJ.Classification of Impervious Land-Use Features Using Object-based Image Analysis and Data Fusion[J].Computers Environment and Urban Systems，2019（75）：103-116.
[5] Zhang C，Sargent I， Pan X，et al.An Object-based Convolutional Neural Network （OCNN）for Urban Land Use Classification[J].Remote Sensing of Environment， 2018（216）：57-70.
[6] Van Iersel W， Straatsma M， Middelkoop H，et al.Multitemporal Classification of River Floodplain Vegetation Using Time Series of UAV Images [J].Remote Sensing，2018，10（7）：1144.
[7] Ismail K，Huvennec V，Robertcd K. Quantifying Spatial Heterogeneity in Submarine Canyons[J].Progress in Oceanography，2018（169）：181-198.
[8] 范一大，吴玮，王薇，等.中国灾害遥感研究进展[J].遥感学报，2016，20（5）：1170-1184.
[9] Feizizadeh B，Blaschke T，Tiede D，et al.evaluating Fuzzy Operators of an Object-based Image Analysis for Detecting Landslides and Their Changes[J].Geomorphol-ogy，2017（293）：240-254.
[10] Bühler Y，Rickenbach D，Stoffel A，et al.Automated Snow Avalanche Release Area Delineation-Validation of Existing Algorithms and Proposition of a New Object-based Approach for Large-Scale Hazard Indication Mapping[J].Natural Hazards and Earth System Science，2018，18（12）：3235-3251.
