遥感影像农作物分类和地表覆盖研究需要大量具有位置信息的地面样方数据^[1]，地面样方数据是遥感影像进行监督分类的基础数据，也是进行精度验证和分析的基础数据^[2]。通常，数据采集人员借助手持定位仪器读取位置信息，利用表格记录样方信息，回到室内进行数据整理^[3]，或者直接在个人数字助理，即掌上电脑(personal digital assistant，PDA)上完成样方信息的记录^[4]。当需调查区较小且对样方点数量要求不高时，该方法尚可满足需求，但是需调查区域较大，而且需要海量样方信息时，这种方法的作业效率几乎不能满足需要，而且大量野外数据录入计算机的过程中出现的错误很难发现，给数据统一汇交和后期使用带来不利的影响。

随着数码相机的普及和GPS模块的小型化和低成本，集成GPS模块的照相机(简称GPS相机)的出现为大量快速获取地面样方数据提供了新的手段，借助交通工作可以短时间内获取大量的地面样方照片，很多研究已开始借助携带地理位置的照片(简称GPS照片)获取地面样方数据^[5]。尽管一些软件可以将GPS照片展示在地图上^[6]，但是辅助工作人员解译GPS照片的工具软件却鲜见。

本文运用IDL语言设计了一个能够快速处理地面样方GPS照片数据的软件系统，用户能够及时处理采集的样方GPS照片，生成为统一格式的具有位置信息的地物类型数据，进而可以为监督分类提供大量有效的样本，提高分类研究的效率和精度。

1 照片数据处理系统结构

系统采用面向对象的技术编写。面向对象即将现实中的事件和物体抽象成计算机中的对象，现实世界中的关系抽象成类等，帮助人们实现对现实世界的抽象与数字建模。通过面向对象的方法，使程序员在写应用程序时可以多次重用某一对象方法，使得程序员能够将注意力集中在问题本身，而不是实现细节上，极大地简化了后续维护程序和改进了工作效率^[7]。

系统将照片数据处理过程抽象成5个对象，即照片组、地图服务、分类体系、样本库和制图与分析。每个部分拥有各自不同的属性和方法。

2 照片数据处理系统设计与开发 2.1 系统开发环境

系统利用ExelisVis公司开发的IDL8.5 (interactive data language)语言进行开发。该平台的优点是用户可以用很少的代码量进行软件开发，灵活的进行数据读取与分析，快速的进行图像可视化表达(图 1)。Windows平台下，IDL支持将程序打包发布为exe程序，用户无需安装ENVI/IDL即可进行数据处理^[8]。

样本数据存储借助开放数据库连接(open database connectivity，ODBC)将每一条记录存储到数据库中，利用结构化查询语言(structured query language，SQL)对样本库进行创建、插入记录、更新记录等。

2.2 照片数据处理系统功能设计 2.2.1 照片浏览与EXIF信息提取

由于照片的来源不同，照片的尺寸、维度和方向存在差异。因此，需要对众源照片进行压缩、抽样和旋转，使之与照片中表现的地物实际情况相同，便于查看与解译。

目录内所有照片的绝对路径存储到数组中，当点击“Next”和“Previous”时顺序从路径列表中选下一个或上一个照片路径，并将其返回到Widget_Draw控件中实现照片的浏览操作。

照片的EXIF信息中存储了拍摄参数，拍摄日期和GPS定位数据等信息^{[9, 10]}，运用READ_EXIF函数读取信息，提取EXIF中的GPSLongitude，GPSLatitude，GPSAltitude，GPSDateStamp，GPSTimeStamp，Camera等标签，分别代表经度、纬度、海拔、日期、时间和相机品牌，将这些标签及其值存储到结构体中。

2.2.2 样本修正与补充

地面样方采集借助了交通工具，采用带有GPS模块的照相机，沿路采集道路两旁的地物，左右两侧同时进行。这种方式的优点是能够快速获取大量的地面样方信息。

然而，这样采集的样本位置在道路上，而不是照片中地物的实际位置，且因信号干扰或高大遮蔽物等的影响，照相机的GPS模块可能出现搜索不到信号的情况，造成部分样本点缺失地理位置信息，对于这两个问题，以下给出解决方案。

1) 很多GPS相机不能记录观测时的方位角，而单个照片位置点的GPS坐标因缺失方向又无法修正。因此当有两个及两个以上位置点的GPS坐标时，就可以根据多个点位的空间和移动关系，确定出行进的方位角，然后根据观测的角度与行进方向间的夹角确定出真正的相机观测方位角。假设方位角以正北为0度，按顺时针增加，那么采样行进轨迹从点P₁(λ₁, φ₁)到点P₂(λ₂, φ₂)的方位角正切值为^[11]：

$ \tan \alpha = \frac{{\sin \Delta \lambda }}{{\cos {\varphi _1}\tan {\varphi _2}-\sin {\varphi _1}\cos \Delta \lambda }} $

(1)

式中，λ代表经度；φ代表纬度；Δλ代表经度变化量。根据式(1)即可计算出方位角(θ)，再利用相机与地物的距离(D)，以及相机与汽车行进方向的夹角(α)，并利用式(2)、式(3)即可计算地物的真实位置。当拍摄交通工具左侧地物时，计算(θ-α)，当拍摄交通工具右侧地物时，计算(θ+α)。

$ {\lambda _2} = {\lambda _1} + D\cos \left( {\theta \pm \alpha } \right) $

(2)

$ {\varphi _2} = {\varphi _1} + D\sin \left( {\theta \pm \alpha } \right) $

(3)

2) 对于信号缺失的问题，可通过照片的拍摄时间与另外一套GPS轨迹仪记录的时间相匹配，提取轨迹记录中对应项的地理位置信息，补充到缺失GPS信息的样本记录中。

由于相机时间是由操作人员设定，难免会与轨迹记录中的时间有出入。当有GPS信号时，一张照片有两个时间码，即GPS时间和相机时间；当没有GPS信号时，一张照片只有一个相机时间码。因此，可利用有GPS信号时，两个时间码之间的平均差，计算无GPS信号时的GPS时间，方法为：

$ {T_G} = {T_C}-\frac{1}{N}\sum\limits_{i = 1}^N {\left( {{{T'}_C}-{{T'}_G}} \right)} $

(4)

式中，T′_C、T′_G表示照片有GPS信号时的相机时间和GPS时间；T_C，T_G表示照片没有GPS信号时的相机时间和GPS时间，N表示有GPS信号的照片数量。

相机的GPS自动时间开关需关闭，若打开，则在有GPS信号之后，相机时间会自动修正到GPS时间，造成照片只有一个时间码而无法修复无信号照片。

2.2.3 地图显示与辅助解译

在浏览照片的同时，经常需要查看照片所在位置的地图，方便辅助操作人员确认位置是否正确，同时确认周围主要地物类型。系统提供了三种地图可供用户选择，第一种是利用Mapbox公司提供的静态图接口返回的地图，第二种是遥感影像，用户可以导入高分辨率的影像进行查看，第三种为谷歌地球。

1) MapBox。Mapbox Static API按照用户提供的中心位置、缩放级别和地图类型等参数，以URL向MapBox提出请求^[12]。如果参数正确，对方将返回一张墨卡托投影的静态地图，可以很方便的嵌入到应用系统中。为了与照片位置能够叠加，需要为静态地图定义投影。

利用IDL对象图形法中Graphic对象的Map函数，创建一个隐藏的墨卡托投影地图，将静态图中心位置的经纬度坐标转换到笛卡尔坐标系中，然后根据静态地图的缩放级别和分辨率，计算地图的长度和宽度(单位：m)，得到地图左下角的坐标，然后重新创建未隐藏的绘图窗口，将拥有坐标信息的静态地图显示到窗口中。

2) 遥感影像。MapBox提供的卫星地图更新频率低，无法准确代表当地的实际情况。而遥感影像无论是空间分辨率和时间分辨率均很高，可利用的影像种类也很多。

利用Map函数创建一个显示的绘图窗口，以影像左下角经纬度为基准，根据长和宽的度数贴合到已存在的地图对象中，并设置Map对象的经纬度边界以显示影像的小部分区域。当照片浏览引起经纬度变化时，地图窗口均可动态变化。

3) 谷歌地球。当打开Google Earth跳转开关，也可利用其辅助进行照片位置周围的主要地物类型的判别。系统利用了SPWAN函数来打开根据经纬度产生的KML文件，以利用谷歌地球的数据辅助工作人员进行解译。

2.2.4 照片解译与存储

系统采用MS Access数据库存放解译后产生的数据，利用SQL语言逐一地将所有照片的信息存储到数据库中，并利用SQL的Update语句修改对应的代码和名称。

3 照片数据处理系统应用 3.1 样方采集

宁夏银川平原位于宁夏回族自治区的北部，面积1.7万km²，地物类型丰富多样，主要种植玉米、水稻、小麦等粮食作物以及葡萄、枸杞、瓜果、蔬菜等经济作物。

2018年6月30日在宁夏银川平原进行了样方采集。地面样方采集借助了交通工具和GPS相机，沿路拍摄两旁的地物，左右两侧同时进行。当日右侧采集了977个样本，其中有地理位置样本951个，无地理位置样本26个。

3.2 照片解译

补救无信号照片之后，有效样本953个，无效样本24个(主要是模糊照片和无具体地物照片等)。本文选用一台配置较低的计算机进行了测试，处理器为Intel(R) Celeron(R) CPU 1 000MB 1.80 GHz，内存为4 GB。硬盘为500 GB。选择Windows7 32位操作系统。

通过对977个样本的处理，得出程序的调用次数和单次调用时间如表 1所示。若估计每张照片的解译时间加操作时间为2 s，则完成977幅照片处理需要50 min左右，满足了快速处理大量样本的需求。

图 2展示了样本点各类别的空间分布情况；图 3展示了当日采集的样本点各类别数量的分布情况，图中玉米样本数量最多，水稻、春小麦和蔬菜数量依次减少，基本符合当地种植结构特征。

4 结束语

该系统实现了快速处理地面样方数据的要求，通过提取照片数据中有效的信息，并将其存储到数据库中，形成有效的样本记录数据，为农作物分类或土地利用土地覆盖分类提供支持。经过检验，该系统在实际工作中不仅节约了工作人员处理数据的时间，同时由于采用面向对象编程的特点，使开发人员可以专注于特定功能进行开发，方便了后期软件功能的添加。

地面样方GPS照片数据处理系统仍然有很大的改进空间，比如真彩色照片读入内存的过程中花费了较长的时间，产生的卡顿感影响了用户体验，系统可以改进使用更为高效的照片读取显示算法，或使用多线程技术，在用户处理照片的过程中对后面的照片进行预先读取，保证显示的照片已被读入到内存中，提升用户体验；使用当前系统需要在内业环境中操作完成，需要额外的时间进行处理，如何能够在采集过程中同时处理数据，是下一步工作亟待解决的问题。