基于高分辨率遥感影像的城市用地分类研究

第２７卷第４期　２０１２年８月　遥感信息　ＲＥＭ０ＴＥ　ＳＥＮＳＩＮＧ　ＩＮＦ０ＲＭＡＴ１０Ｎ　Ｖｏ１．２７，Ｎｏ．４　Ａｕｇ．，２０１２　基于高分辨率遥感影像的城市用地分类研究　王碧辉，吴运超，黄晓春　（北京市城市规划设计研究院，北京１０００４５）　摘要：针对城市用地的遥感分类应用问题，本文首先分析了传统遥感技术在遵循城市用地分类标准开展土地　分类工作的难点，进而引入语义特征并提出了城市遥感影像分类体系以指导高分辨率影像的人工判读，最后讨论　了该体系与基于高分辨率遥感影像的“像元一基元一目标”计算模式进行统一的可行性。　关键词：城市遥感；土地利用分类；语义特征　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００—３１７７．２０１２．０４．０２０　中图分类号：ＴＰ７５１　文献标识码：Ａ　文章编号：１０００—３１７７（２０１２）１２２—０１１１一Ｏ５　Ｕｒｂａｎ　Ｌａｎｄ。ｕｓｅ　Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　Ｕｓｉｎｇ　Ｈｉｇｈ　Ｒｅｓｏｌｕｔｉｏｎ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｄａｔａ　ＷＡＮＧ　Ｂｉ—ｈｕｉ，ＷＵ　Ｙｕｎ－ｃｈａｏ，ＨＵＡＮＧ　Ｘｉａｏ—ｃｈｕｎ　（Ｂｅｉｊｉｎｇ　Ｍｕｎｉｃｉｐａｌ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｉｔｙ　Ｐｌａｎｎｉｎｇ　ａｎｄ　Ｄｅｓｉｇｎ，Ｂｅｉｊｉｎｇ　１００４５）　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｔｏｐｉｃ　ｏｆ　ｔｈｉｓ　ｐａｐｅｒ　ｉｓ　ａｂｏｕｔ　ｕｒｂａｎ　ｌａｎｄ—ｕｓｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｂｙ　ｕｓｉｎｇ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ．Ｆｉｒｓｔ　ｏｆ　ａｌｌ，ｔｈｅ　ｄｉｆｆｉｃｕｌｔｙ　ｏｆ　ｔｒａｄｉｔｉｏｎａｌ　ｌａｎｄ－ｕｓｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｎａｔｉｏｎａｌ　ｌａｎｄ－ｕｓｅ　ｓｔａｎｄａｒｄ　ｂｙ　ｕｓｉｎｇ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｈａｓ　ｂｅｅｎ　ｄｉｓ—　ｃｕｓｓｅｄ．Ｔｈｕｓ，ｗｅ　ｐｕｔ　ｆｏｒｗａｒｄ　ａ　ｎｅｗ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　ｓｅｍａｎｔｉｃ　ｆｅａｔｕｒｅｓ　ｆｏｒ　ａｒｔｉｆｉｃｉａｌ　ｉｎｔｅｒｐｒｅｔｉｎｇ　ｔｈｅ　ｈｉｇｈ　ｒｅｓｏｌｕｔｉｏｎ　ｒｅｍｏｔｅ　ｓｅｎｓｅｄ　ｄａｔａ．Ａｔ　ｔｈｅ　ｅｎｄ，ｔｈｅ　ｆｅａｓｉｂｉｌｉｔｙ　ｏｆ　ｔｈｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｓｙｓｔｅｍ　ｉｎｔｅｇｒａｔｉｎｇ　ｗｉｔｈ　ｔｈｅ　ｃｏｍｐｕｔｉｎｇ　ｍｏｄｅｌ　ｏｆ“ｐｉｘｅｌ—ｂａｓｅ－　ｔａｒｇｅｔ”ｆｏｒ　ａｕｔｏｍａｔｅｄ　ｉｎｔｅｒｐｒｅｔａｔｉｏｎ　ｈａｓ　ｂｅｅｎ　ａｎａｌｙｚｅｄ．　Ｋｅｙ　ｗｏｒｄｓ：ｕｒｂａｎ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ；１ａｎｄ　ｕｓｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｓｅｍａｎｔｉｃ　ｆｅａｔｕｒｅ　１　引　言　掌握真实可靠的用地分类信息是促进土地资源　准的用地现状是项具有挑战性的工作。相较人海战　术的实地探勘而言，基于遥感的对地观测技术具有　快速、高效而不失客观的特点，因而在土地分类信息　合理使用的重要基础工作。而常见的用地分类标准　有３种：①土地覆盖分类，即土地形式分类，从土地　获取领域发挥着越来越重要的作用。但不同部门的　应用效果有差别：遥感可直观反映多数地表覆盖类　型，所以国土部门应用较深入，自动化程度较高；规　本身的自然特征着手，反映人类对土地利用改造的　形式；②土地利用分类，根据土地利用地域单元的功　能或用途来划分；③混合类型，覆盖与利用类型兼而　划部门关注土地功能，需要将覆盖转换为利用，且其　前提是采用高分辨率影像，因此应用尚浅，当前多以　人工判读为主。　有之。我国的国土和规划部门所采用的分类标准都　是混合型，但是侧重有差异，国土部门偏向土地覆　盖，规划部门侧重土地利用。　针对面向城市建设用地的遥感分类应用问题，　本文系统分析了传统遥感技术在遵循城市建设用地　分类标准开展土地分类工作的难点，提出了面向城　由于用地分类的复杂性，获取符合相关行业标　收稿日期：２０１１—１１—２２　修订日期：２０１１—１２—２３　基金项目：北京市科技计划课题“基于高分辨率遥感影像的城市用地信息提取方法研究”（编号：Ｚ０９０４０６００５８０９０１０）；城市建设新工　艺新技术公益应用类课题。　作者简介：王碧辉（１９６４￣），女，研究方向：遥感和ＧＩＳ在城市规划中的应用。　Ｅ－ｍａｉｌ：ｂｉｈｗａｎｇ＠ｓｉｎａ．ｃｏｍ　１　１　１　４期　王碧辉等：基于高分辨率遥感影像的城市用地分类研究　由于规划建设用地分类偏重于土地的社会功能　立的水域类型Ｅ１。　属性，存在着同物异类和异类同物的现象。例如，绿　上述现象给遥感分类造成了很大困扰，这里以　地作为大类Ｇ与居住用地Ｒ并存，同时也以居住用　遥感常用的土地利用分类标准Ⅲ为例加以说明。该　地的三级小类Ｒ１４出现；公共绿地Ｇ１是指向公众　标准采用三级分类系统，共分６个一级类，２５个二　开放，有一定游憩设施的绿化用地，包括其范围内的　级类，８个三级类，如表２所示。　水域，此时水域将和植被都将归类为Ｇ１，而不是独　表２遥感土地利用分类标准　一级分类　二级分类　１１水田，其中：　１耕地：指种植农作物的土地，包括熟耕地、新开　ｌｌ１山区水田　ｌｌ２丘陵区水田　荒地、休闲地、轮歇地、草田轮作地；以种植农作物　１１３平原区水田　１１４＞２５。坡度区的水田　为主的农果、农桑、农林用地；耕种三年以上的滩　１２旱地，其中：　地和海涂。　１２１山区旱地１２２丘陵区旱地　１２３平原区旱地１２４＞２５。坡度区的早地　对照上述标准，不难发现遥感分类无法与国标　准［４］４类水域泛指地表水体，涵盖了规划建设用地　建立起深度的对应关系，呈现出一对多的关系。例　中的水域Ｅ１和公共绿地Ｇ１。显而易见，这种差异　如，城市规划建设用地中的居住用地（Ｒ）、公共设施　是由行业认知的不同所引发，也是遥感分类在规戈０　用地（ｃ）、工业用地（Ｍ）、仓储用地（Ｗ）、对外交通　部门应用的难点所在。　用地（Ｔ）、道路广场用地（Ｓ）、市政公用设施用地　（Ｕ）等大类都可归为遥感常用土地利用分类标准［４　４面向城市规划的遥感影像分类体系　的５类城乡、工矿、居民用地，其中多数又可细分为　遥感分类除了需要准确识别出地表要素之外，　５１类城镇用地。又如，遥感常用土地利用分类标　更重要的是弥补行业认知的差异，因此有必要将语　］］３一　４期　王碧辉等：基于高分辨率遥感影像的城市用地分类研究　平房、多层楼房、高层楼房、独栋别墅、简易房、公共建筑、厂房、库房、在施建筑、工业用塔、电视塔、　一一　城市基本单元　镇企业、仓库、火车站、长途汽车站、飞机场等　筹：主　片树林、草地、园地、农田、蔬菜大棚、河流、湖泊、水库、水渠、坑塘、鱼塘、水池、河滩、沙石坑等　四合院、多层住宅区、高层住宅区、别墅区、村庄、在施工地、中小学校、大专院校、商贸市场、商贸办　公、寺庙、体育场馆、公园、高尔夫球场、纺织厂、钢铁厂、热电厂、砖瓦厂、污水处理厂、自来水厂、乡　１Ｏ大类、４６中类、７３小类，城市用地的１Ｏ大类：居住用地（Ｒ）、公共设施用地（Ｃ）、工业用地（Ｍ）、仓　城市用地分类　储用地（ｗ）、对外交通用地（Ｔ）、道路广场用地（Ｓ）、市政公用设施用地（Ｕ）、绿地（Ｇ）、特殊用地（Ｄ）、　水域和其他用地（Ｅ）　５　基于城市遥感影像分类体系的自动解译　人工判读毕竟费时费力，实现自动解译是发展　目标。本节讨论如何将城市遥感影像分类体系与自　分析，将基元转换为具体地物相对应的目标；进而在　领域知识支持下，构建相应目标库和知识库，通过定　量化空间分布关系和空间结构关系的描述和推断，　实现对复杂目标和空间格局的判别分析，并揭示和　获取各类目标对象的空间格局及空间关联等知识，　动解译结合起来。针对高分辨率遥感影像信息提取　与目标识别中的计算问题，周成虎等提出基于“像　完成主动计算过程。整个遥感影像计算过程涉及３　个关键点：特征基元提取与特征表达、基于模式的分　类（或特征匹配与推理）以及地学知识表达和运用。　前者是提取特征基元的途径；中者是知识运用和匹　配的切人点；后者即确定特征基元以及基元组合的　类别归属实现自动化和智能化的必要手段。　元一基元一目标”的遥感影像计算模式Ｉ５］，如图３。其　中，从像元到基元是特征挖掘的深度计算过程，主要　利用计算机的高性能计算能力，自下而上地提取一　定尺度下具有一定空间聚合度的单元；从基元到目　标进而到格局则主要依赖于形式化知识的引导，通　过主动计算行为，自上而下地将单元组合为空间的　排列，从而形成复杂目标和功能格局。　基于目标与背景关　系、空间分布以及　目标相互作用关系　等特征，识别复杂　目标类型，并开展　功能区划分等目标　—基于规则进行基元『Ｊ空间目标　归并和组合，基于ｌ———厂　—　匹配阜分类，孳立Ｉ广—Ｌ旦堡皇塑堑　墨ｌ　Ｉ　特征基元　７－　基于尺度转换方法　进行影像分割与处　理、采用知识辅助　对相应尺度下基元　特征进行提取与计　算，并进行特征表　达　图４“像兀一基兀　目标”模式与　城市遥感影像分类体系的关系　在该体系中，基元是介于地理基质（最低层次的　独立成分）和地理整体系统之间的结构单元，在单元　内部有某种或某几种属性是相似或均质的。基元的　定义是基于特征的，因而也是多级别和多尺度的。　基于不同的研究尺度，基元可分成不同的等级，其中　最小基元是最低级、最简单、不可再分的地理实体，　图３　“像元一基元一目标”模式的遥感影像计算　首先，通过“像元一基元”的深度计算过程，对影　像进行分割并获得基元，然后通过对基元的光谱特　征、形状、大小及其与邻接对象之间的空间关系等特　征的计算，获取基元特征集，从而将数据层次通过信　它是高级地理单元形成的基础。因此，对城市用地　分类而言，其基元是建筑、道路、水体、植被、阴影、岩　息提取上升为信息层次，形成尺度空间上反映影像　空间特征分布的基元群；基于这些特征，利用各种分　类方法，在特征空间中完成基元识别，也即分别从视　觉、环境和协同关系３个知识层面对基元进行匹配　石、裸土等７类。它们构成了城市覆盖要素，是信息　提取的最基本对象。在此基础上识别出的空间目标　与基础要素相对应，目标格局则涵盖（下转第１２２页）　１　１　５—　遥感信息　ＧＥＢＨＡＲＤＴ　Ｕ，ＬＯＦＦＥＬＤ　Ｏ，ＮＩＥＳ　Ｈ．Ｈｙｂｒｉｄ　ｂｉｓｔａｔｉｃ　ＳＡＲ　ｅｘｐｅｒｉｍｅｎｔ　ＴｅｒｒａＰＡＭＩＲ＿Ｇｅｏｍｅｔｒｉｃ　ｄｅｓｃｒｉｐｔｉｏｎ　ａｎｄ　ｐｏｉｎｔ　ｔａｒｇｅｔ　ｓｉｍｕｌａｔｉｏｎ．［Ｃ］．ｉｎ　ＥＵＳＡＲ，２００８．Ｆｒｉｅｄｒｉｃｈｓｈａｆｅｎ，Ｇｅｒｍａｎｙ．　『＝１　ＳＨＥＮＧ　Ｙ，ＡＬＳＤＯＲＦ　Ｄ．Ａｕｔｏｍａｔｅｄ　ｇｅ０ｒｅｆｅｒｅｎｃｉｎｇ　ａｎｄ　ｏｒｔｈｏｒｅｃｔｉ丘ｃａｔｉｏｎ　ｏｆ　Ａｍａｚｏｎ　ｂａｓｉｎｗｉｄｅ　ＳＡＲ　ｍｏｓａｉｃｓ　ｕｓｉｎｇ　幻　阳　力　阳　『＝Ｉ　ＳＲＴＭ　ＤＥＭ　ｄａｔａ．［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ　Ｇｅｏｓｃｉ　Ｒｅｍｏｔｅ　Ｓｅｎｓ　２００５，４３：１９２９—１９４０．　ＢＲＵＮＮＥＲ　Ｄ．ＧＵＩＤ０　Ｌ。Ｌ０ＲＥＮＺＯ　Ｂ．Ｈｅｉｇｈｔ　ｅｓｔｉｍａｔｉｏｎ　ｏｆ　ｍａｎ　ｍａｄｅ　ｓｔｒｕｃｔｕｒｅｓ　ｕｓｉｎｇ　ｈｙｂｒｉｄ　ＶＨＲ　ｏｐｔｉｃａ１　ａｎｄ　ＳＡＲ　ｉｍａｇｅｒｙ［Ｃ］．Ｐｒｏｃ．ＥＡＲＳｅＬ　Ｊｏｉｎｔ　Ｗｏｒｋｓｈｏｐ　２００８．　ＢＲＵＮＮＥＲ　Ｄ．ＧＵＩＤＯ　Ｌ，ＬＯＲＥＮＺＯ　Ｂ．Ｂｕｉｌｄｉｎｇ　ｈｅｉｇｈｔ　ｒｅｔｒｉｅｖａｌ　ｆｒｏｍ　ａｉｒｂｏｒｎｅ　ＶＨＲ　ＳＡＲ　ｉｍａｇｅｒｙ　ｂａｓｅｄ　ｏｎ　ａｎ　ｉｔｅｒａｔｉｖｅ　ｓｉｍｕｌａｔｉｏｎ　ａｎｄ　ｍａｔｃｈｉｎｇ　ｐｒｏｃｅｄｕｒｅ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＳＰＩＥ，２００８．　ＢＲＵＮＮＥＲ　Ｄ。ＧＵＩＤ０　Ｌ。Ｌ０ＲＥＮＺＯ　Ｂ．Ｂｕｉｌｄｉｎｇ　ｈｅｉｇｈｔ　ｒｅｔｒｉｅｖａｌ　ｆｒｏｍ　ＶＨＲ　ＳＡＲ　ｉｍａｇｅｒｙ　ｂａｓｅｄ　ｏｎ　ａｎ　ｉｔｅｒａｔｉｖｅ　ｓｉｍｕｌａ—　ｔｉｏｎ　ａｎｄ　ｍａｔｃｈｉｎｇ　ｔｅｃｈｎｉｑｕｅ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｇｅｏｓｃｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２０１０，４８（３）：１４８７—１５０４．　ＢＲＵＮＮＥＲ　Ｄ，ＧＵＩＤＯ　Ｌ，Ｌ０ＲＥＮＺ０　Ｂ．Ｅｓｔｉｍａｔｉｏｎ　ｏｆ　ｂｕｉｌｄｉｎｇ　ｈｅｉｇｈｔｓ　ｆｒｏｍ　ｄｅｔｅｃｔｅｄ　ｄｕａｌ－ａｓｐｅｃｔ　ＶＨＲ　ＳＡＲ　ｉｍａｇｅｒｙ　ｕ—　ｓｉｎｇ　ａｎ　ｉｔｅｒａｔｉｖｅ　ｓｉｍｕｌａｔｉｏｎ　ａｎｄ　ｍａｔｃｈｉｎｇ　ｐｒｏｃｅｄｕｒｅ　ｉｎ　ｃｏｍｂｉｎａｔｉｏｎ　ｗｉｔｈ　ｆｕｎｃｔｉｏｎａｌ　ａｎａｌｙｓｉｓ［Ｊ］．ＩＥＥＥ　Ｒａｄａｒ　Ｃｏｎｆｅｒｅｎｃｅ，　２００９，１（２）：１—６．　ＴＨＩＥＬＥ　Ａ，ＴＨ０ＥＮＮＥＳＳＥＮ　Ｕ，ＣＡＤＡＲ１０　Ｅ，ｅｔ　ａ１．Ｂｕｉｌｄｉｎｇ　ｒｅｃｏｇｎｉｔｉｏｎ　ｆｒｏｍ　ｍｕｌｔｉ—ａｓｐｅｃｔ　ｈｉｇｈ　ｒｅｓｏｌｕｔｉｏｎ　ＩｎＳＡＲ　ｄａｔａ　ｉｎ　ｕｒｂａｎ　ａｒｅａｓＩ　Ｊ　１．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｇｅｏｓｃｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｌｅｔｔｅｒｓ，２００７，４５（１１）：３５８３—３５９３．　ＴＨＩＥＬＥ　Ａ，ＣＡＤＡＲ１０　Ｅ，ＳＣＨＵＬＺ　Ｋ，ｅｔ　ａ１．Ａｎａｌｙｓｉｓ　ｏｆ　ｇａｂｌｅ－ｒｏｏｆｅｄ　ｂｕｉｌｄｉｎｇ　ｓｉｇｎａｔｕｒｅ　ｉｎ　ｍｕｌｔｉａｓｐｅｃｔ　ＩｎＳＡＲ　ｄａｔａ［Ｊ］．　ＩＥＥＥ　Ｇｅｏｓｃｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｌｅｔｔｅｒｓ，２０１０，７（１）：８３—８７．　ＸＵ　Ｆ，ＪＩＮ　Ｙ　Ｑ．Ａｕｔｏｍａｔｉｃ　ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ　ｏｆ　ｂｕｉｌｄｉｎｇ　ｏｂｊｅｃｔｓ　ｆｒｏｍ　ｍｕｌｔｉａｓｐｅｃｔ　ｍｅｔｅｒ　ｒｅｓｏｌｕｔｉｏｎ　ＳＡＲ　ｉｍａｇｅｓＥＪ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｇｅｏｓｃｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｌｅｔｔｅｒｓ，２００７，４５（７）：２３３６－－２３５３．　徐丰，金亚秋．多方位高分辨率ＳＡＲ的三维目标自动重建（二）多方位重建［Ｊ］．电波科学学报，２００８，２０（１）：２３—３３．　ＮＵＮＺＩＡＴＺ　Ｆ，ＧＡＭＢＡＲＤＥＬＬＡ　Ａ，ＭＩＧＬＩＡＣＣ１０　Ｍ．Ａｎ　ｅｄｕｃａｔｉｏｎａｌ　ＳＡＲ　ｓｅａ　ｓｕｒｆａｃｅ　ｗａｖｅｓ　ｓｉｍｕｌａｔｏｒ［Ｊ］．Ｉｎｔｅｒｎａ—　ｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２００８，２９：３０５１—３０６６．　（上接第１１５页）　了组合单元与用地类型信息的提取。“像元一基元～　目标”模式与本文城市遥感影像分类体系的关系如　图４所示。由此，可将该分类体系应用到自动解译　过程中。　元，后续相关实践正在进行中。　６　结束语　规划部门所用的城市用地分类标准以用地功能　为主导，利用遥感影像来解译符合其行业标准的用　具体到基元的确定与实现，有两种实现思路：　（１）采用面向对象分析方法，按基元特征进行分　类来确定。该方法存在的问题是某些类型的基元会　比较破碎、不完整，例如道路和建筑。但是考虑到后　续用地分类的研究对象是地块，其内部基元的不规　地信息需要克服行业认知的差异，将土地覆盖转换　为土地利用。为此，本文将语义特征引入到遥感判　读中，提出了面向城市规划的遥感影像分类体系，并　尝试将该体系融入“像元一基元一目标”遥感影像计算　模式之中。　城市规划这种以土地使用功能为主的信息提　取，即使在卫星影像分辨率得到大幅提升、达到航测　水平的情况下，单纯依靠遥感数据本身还是难以完　成的。这主要因为土地使用是多种土地覆盖的复合　体，为类型的确定、空间范围的识别都带来了难题。　因此，为了提高分类精度还应引入辅助信息和更深　入的领域知识来引导城市用地分类过程。　则对整体形态的影响较弱，可以通过一些图形技术　来处理，例如道格拉斯一普克压缩，所以这种方法是　可行的。　（２）专项提取基元信息。例如用Ｓｎａｋｅ模型或　Ｌｅｖｅｌ—Ｓｅｔｓ水平集等方法提取道路和建筑、用ＮＤＶＩ　等指数来提取植被等信息。专项提取的好处是有可　能以较高精度提取出某些基元，但是整体而言难度　却是比较大，特别是提取道路等信息。　我们已采用面向对象分析方法试验提取相关基　参考文献　［１］杜风兰，田庆久，夏学齐等．面向对象的地物分类法分析与评价［Ｊ］．遥感技术与应用，２００４，１９（１）．　［２１黄慧萍，吴炳方，李苗苗，等．高分辨率影像城市绿地快速提取技术与应用ＥＪ］．遥感学报，２００４，８（１）：６８—７４　［３］城市用地分类与规划建设用地标准［ｚ］．（ＧＢＪ１３７—９０）．中国计划出版社，１９９１．０１　Ｅ４］张增祥，等．中国城市扩展遥感监测［Ｍ］．北京：星球地图出版社，２００６．　［５］周成虎，骆剑承，杨晓梅，等．遥感图像地学理解与分析［Ｍ］．北京：科学出版社，２００１．　［６］于静．《遥感影像语义结构在城市规划中的应用》［Ｍ］．东北大学出版社，２００９，０７．　１２２