遙感變化檢測方法

1. 雲南麗江地區土地利用變化的遙感檢測與分析

李喆¹ 馬潤賡²

（1.北京大學遙感與地理信息系統研究所，北京，100871；2.中國地質大學地球科學與資源學院，北京，100083）

摘要：利用1999年2月和2001年4月2幅TM影像資料和其他輔助資料為資料源，對主成分分析處理後的遙感影像進行計算機自動識別，採用人機互動式解譯方法獲得各種土地利用類型分布信息，並使用地理信息系統的空間分析和數理統計功能分析麗江壩子地區土地利用變化的數量變化，土地利用動態度等特徵，以及各類型之間的轉化情況。結果表明：本區域耕地面積增加了0.27km²，城鄉用地面積增加了0.19km²，水體面積減少了0.11km²，林地和草地基本保持不變；各類型的轉化突出表現為水域向城鄉用地，未利用土地向城鄉用地和耕地轉換。

關鍵詞：土地利用變化；馬爾柯夫矩陣；雲南麗江地區；遙感和 GIS

區域土地利用/覆被變化（LUCC）是全球環境變化研究中的重要領域之一。土地利用變化數據可以提供研究區域土地利用狀況的現實狀況，保證國家及時、准確地掌握土地利用變化情況，為制定國民經濟發展規劃、計劃和宏觀決策提供科學依據^［1］。土地利用變化包括時間變化、空間變化和質量變化等三個方面，其中空間變化反映土地利用變化的空間類型、變化類型的空間分布以及區域差異，是土地管理和規劃關注的焦點問題^［2］。這一問題的解決關鍵在於如何提取土地利用變化數據以及如何對獲取的信息進行科學的分析處理。遙感技術以其快速、准確、周期短等優點在大中尺度的土地利用/覆蓋變化的監測中具有明顯的優勢。本文利用遙感和 GIS 相結合的方法，通過數理統計分析，描述了麗江壩子地區1999～2001年間土地利用的數量變化和空間變化特徵，為該區域土地管理決策、生態環境保護、資源合理開發等奠定了基礎，對於區域土地可持續發展和利用具有重要意義。

1 研究區概況

麗江位於雲南省西北部^［3］，金沙江中游，地理坐標為：99°23′E～101°31′E，25°59′N～27°56′N。四周分別與迪慶州、怒江州、大理州、楚雄州和四川省攀枝花市、涼山州毗鄰，轄麗江納西族自治縣、寧蒗彝族自治縣、永勝縣和華坪縣，國土總面積有931.02km²。由於地處青藏高原和雲貴高原的結合部，屬橫斷山區，地形復雜，山高谷深，長期自然環境相對封閉，形成具有典型特點的垂直自然帶和立體氣候，動植物區系極為復雜，珍稀野生動植物豐富。全區總人口109 萬，包括漢、納西、彝、傈僳、藏、白、普米等23個民族，其中少數民族人口佔57%^［3］。

2 研究方法

2.1 研究資料

分別拍攝於1999年2月和2001年4月2幅 LANDSAT－TM 圖像，地面解析度為30m，在研究區域內沒有雲層覆蓋，質量較好；另有1∶1 萬地形圖和1∶5 萬土地利用圖，用於輔助訓練樣區的選擇和目視解譯；還有其他統計資料（氣象、水文、人口、土壤、社會經濟）等。

2.2 主要工作流程

使用遙感圖像信息進行變化檢測的方法主要有三種：分類後比較法，多時相圖像直接求交法和多時相圖像分類法^［4］。多時相圖像直接求交法要求兩個時相比較接近，檢測變化信息一般使用圖像差值、比值或主成分分析，操作簡單，但是得不到變化的具體地物類型。本文所使用遙感圖像時間差異接近3個月，不宜使用直接求交法。多時相圖像分類法在使用時要使用靜態類型和動態類型，動態類型的訓練樣本一般不易確定。本文主要使用分類後比較法。

本研究的主要工作流程如圖1 所示：首先使用 PCI 軟體分別對2 幅 TM 圖像進行圖像預處理（如幾何糾正等），並分別對以上兩個時相的影像做主成分分析，然後充分結合各種知識（如地形圖，植被圖等）進行監督分類^［3］。監督分類時採用《中國土地利用現狀調查技術規程》規定，將土地利用類型劃分為：耕地，林地，草地，水域，城鄉工礦居民地和未利用土地共6 類。採用人機互動式方法判讀分類結果，並將解譯結果以柵格形式轉入地理信息系統軟體 ARC GIS 中進行數據處理，對二期數據進行空間疊置分析，獲得土地利用變化數據，以此為基礎進行土地利用動態變化分析。

圖1 項目主要工作流程圖

2.3 幾個關鍵技術的處理

2.3.1 遙感圖像的幾何配准

兩個時相遙感圖像的幾何配準是動態變化研究的基礎。為了便於利用地學信息進行輔助分析，可以將遙感圖像配准到大地坐標系中。本文選擇1∶1 萬地形圖為基準，在遙感圖像上均勻選擇12個地面控制點，使用二次多項式擬合，灰度采樣方式為雙三次卷積，進行幾何配准和灰度重采樣處理。結果總體均方誤差為0.624，配准誤差小於1個像元，滿足土地利用動態監測的要求。

2.3.2 遙感圖像的主成分分析

主成分分析（又稱主分量變換）是一種盡可能不丟失信息用幾個綜合性指標匯集多個變數的測量值而進行描述的方法^［5］。在多光譜圖像中，由於各波段的數據間存在相關的情況很多，通過主成分分析就可以把圖像的大部分信息用少數波段表示出來，使得信息幾乎不丟失但數據量可以減少。本文分別對於二期 LANDSAT－TM 圖像的除熱紅外波段的6個波段採用主成分分析，把獲得的第一到第三主成分進行彩色合成，得到處理後的結果圖像。

2.3.3 結果數據的生成

根據各種輔助資料，在經過主成分分析處理後的二期遙感圖像上選擇6個土地利用類型的訓練樣本，採用最大釋然法進行計算機自動識別。由於遙感影像上存在同物異譜、異物同譜以及混合像元等情況，計算機自動識別在某些類別的區分上不太理想，例如未利用土地和城鎮用地極易發生混淆。實際工作還需要輔助各種實測資料進行目視修正，以得到兩個時相的最終分類結果，然後將分類結果以柵格形式轉入地理信息系統軟體ARC GIS中，對二期數據進行空間疊置分析，獲得土地利用變化數據，並進行必要的數理統計，以便結果分析使用。

3 結果分析

3.1 土地利用變化幅度分析

區域土地利用變化幅度主要體現在不同土地利用類型的面積總量變化上，可以提供區域土地利用變化總態勢和土地利用結構變化信息。

利用二期遙感資料，對麗江壩子地區兩期土地利用數據進行統計分析，得到結果見表1。

表1 1999～2001年土地利用變化表

表1說明，3年來本區域耕地面積增加了0.27km²，城鄉用地面積增加了0.19km²，水體面積減少了0.11km²，林地和草地則基本保持不變。

3.2 土地利用動態度分析

土地利用動態度可以簡單採用單一土地利用動態度和綜合土地利用動態度來描述^［6］。其中單一土地利用動態度可定量描述區域一定時間范圍內某種土地利用類型變化的速度，可提供土地利用變化的區域差異和預測未來土地利用變化趨勢；綜合土地利用動態度用於表徵區域土地利用變化的速度。

單一土地利用動態度公式表達式為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

式中，U_a，U_b分別表示研究初期及研究末期某一種土地利用類型的數量；T表示研究期時段長。

綜合土地利用動態度表達式為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

式中，LU_i 表示研究初期第 i 地物類研究末期轉為其他土地利用的面積；ΔLU_i 表示第i地物類研究末期轉為其他土地利用類型的面積；T表示研究時段。

根據公式（1）和（2）計算麗江壩子地區土地利用六種類型的年變化率。結果說明，1999～2001年麗江壩子地區土地利用的年變化率為0.17%，其中城鄉用地和未利用地變化速度最大，年變化率分別達到0.36%和0.21%，林地和草地基本保持不變，耕地和水域的年變化率分別為0.15%和0.09%。

3.3 土地利用區域差異分析

由於地形地貌和氣候等自然條件差異，經濟發展和人口增長速度不同，使得土地利用區域差異顯著。對於土地利用變化的區域差異，可用某一特定土地利用類型相對變化率來表示。相對變化率是一種很好地反映土地利用變化區域差異的方法，其表達式為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

式中，K_b、K_a分別代表某區域某特定土地利用類型研究初期和研究末期的面積；C_b、C_a分別代表全區域某特定土地利用類型研究初期和研究末期的面積。

根據行政區劃，將麗江劃分成麗江縣、寧蒗縣、永勝縣和華坪縣4個區域，根據遙感數據分別計算6 種土地利用類型的相對變化率，其結果見表2。

表2 1999～2001年土地利用區域差異表

從表2中可以看出，土地利用變化存在明顯差異：①就耕地而言，麗江縣最大，達到1.53，明顯大於永勝縣，寧蒗縣和華坪縣也大於永勝縣；②林地，草地，水域變化各區域差異不大；③城鄉用地的區域差異最為明顯，麗江縣大於其他3縣很多，達到5.36；④未利用地的變化在華坪縣較突出，約為4.89，幾乎是永勝縣的3倍。

3.4 土地利用類型轉換矩陣分析

土地利用類型之間的相互轉化情況，可採用馬爾柯夫轉移矩陣模型來進一步描述^［7］。馬爾柯夫鏈是一種具有「無後效性」的特殊隨機過程，它反映的是一系列特定時間間隔下，一個亞穩定系統由n時刻向n＋1 時刻狀態轉換的一系列過程中，n＋1 時刻的狀態只與n時刻的狀態有關。由於土地利用類型演變具有馬爾柯夫隨機過程的性質：①一定區域內，不同土地利用類型之間具有相互可轉化性；②土地利用類型之間的相互轉化過程包含著較多尚難用函數關系准確描述的事件，故可採用馬爾柯夫轉移矩陣模型來描述土地利用類型動態轉換。

馬爾柯夫模型在土地利用類型轉化上應用的關鍵是確定土地利用類型之間相互轉化的轉移概率矩陣P。若採用斑塊相互之間面積的轉移概率為矩陣元素，則轉移矩陣模型為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

式中，P_ij為土地利用類型i轉化為土地利用類型j的轉移概率。

遙感圖像計算機自動識別中得到的土地利用變化轉移概率矩陣如表3所示。

表3 1999～2001年土地利用變化轉移概率矩陣單位：%

從表3可以看出：

（1）耕地的增加量主要是來自草地和未利用地，分別佔1.51%和0.21%，減少量大部分轉化為未利用地和草地，各佔4.46%和2.10%。

（2）林地的增加量主要來自於草地和耕地，各有4.06%和1.06%，有1%的林地轉換為草地。

（3）草地的增加量中有2.10%和 1.00%來自於耕地和林地，減少量中有 4.06%和1.51%分別轉化為林地和耕地。

（4）水域有2.32%轉化為城鄉用地，有0.36%轉化為未利用地，有0.18%轉化為林地，表明水體的減少主要受人為因素影響。

（5）城鄉用地的增加主要來自於耕地、未利用地和水域，分別占 0.74%、0.61%和0.39%。

（6）城鄉用地、耕地、草地和林地各有 17.06%、4.46%、0.93%和 0.58%轉化為未利用地，表明本區域土地利用狀況不太好，大量的農田遭到佔用卻未合理開發。

4 結論

土地利用/土地覆被變化（LUCC）研究旨在深入了解土地利用狀況及其變化的動態過程、主導原因及演化機理，以提高人們對土地利用變化的預測、管理、決策和調控能力，對於其數據的獲取和分析處理十分重要。通過對本次研究獲得數據的分析，可以得到如下結論：

（1）1999～2001年間雲南麗江壩子地區的土地利用狀況發生一定的變化。3年來耕地面積增加了0.27km²，城鄉用地面積增加了0.19km²，水體面積減少了0.11km²，林地和草地基本保持不變；各類型的轉化突出表現為水域向城鄉用地、未利用土地向城鄉用地和耕地轉換。

（2）土地利用的年變化率為 0.17%。其中城鄉用地增加速度最快，以平均每年0.36%的速度遞增，未利用地則以0.21%的速度遞減，林地和草地基本保持不變。

（3）土地利用類型相互間的轉化突出表現為水域向城鄉用地，未利用土地向城鄉用地和耕地轉換。3年來本區域共有0.068km² 即2.32%的水域面積轉換為城鄉用地，未利用土地中有0.14km² 和 0.07km² 轉化為城鄉用地和耕地，分別占未利用土地面積的17.06%和5.46%。

參考文獻

［1］朱會議，李秀彬，何書金等.環渤海地區土地利用的時空變化分析［J］.地理學報，2001，56 （3）：253～260

［2］王思遠，劉紀元，張增祥等.近10年中國土地利用格局及其演變［J］.地理學報，2002，57 （5）：523～530

［3］麗江地區地方誌辦公室.麗江年鑒（1997） ［M］.昆明：雲南民族出版社，1997，293～294

［4］李天宏，韓鵬.廈門市土地利用/覆蓋動態變化的遙感檢測與分析［J］.地理科學，2001，21 （6）：537～544

［5］村井俊治等.遙感精解［M］.北京.測繪出版社，1993，12：194～196

［6］王秀蘭，包玉海.土地利用動態變化研究方法探討［J］.地理科學進展，1999，18 （1）：81～87

［7］李忠峰，王一謀，王建華等.基於RS與GIS的榆林地區土地利用變化分析.水土保持學報，2003，6：97～99

2. 土地利用動態遙感監測有哪些方法

李翔宇 樊彥國

（中國石油大學地球資源與信息學院，山東東營，257061）

摘要：本文從所擁有的遙感數據源的可能情況出發，分別介紹了各種情況下利用遙感進行土地利用變化動態監測的方法，分析了其優勢和劣勢。

關鍵詞：遙感；土地利用變化；動態監測；方法

1 引言

我國是一個人多地少的國家，土地是我們賴以生存的資源。建立土地動態監測系統以快速准確地提供各類土地資源面積及其分布、土地資源動態變化狀況及土地資源生態環境信息是十分必要的，這樣可以保證我國在科學翔實的資料基礎上對土地資源進行科學的規劃及合理的利用，實現土地資源的可持續健康發展。可是傳統的統計或實地調查方式，耗時耗力，勞民傷財，並且難以適應土地利用的快速變化，而遙感可以提供及時准確且覆蓋面廣的地面影像資料，並且周期短、信息量大，通過後期的分析、處理、比較，可以使人們迅速准確地掌握土地利用變化的詳細信息，即實現土地利用的動態監測。現在，遙感技術已成為進行土地利用變化動態監測的重要手段。

基於遙感影像的土地利用變化監測方法大致可分為兩類：光譜直接比較法和分類結果比較法。多數變化提取演算法屬於前一種，主要包括影像差值法、比值法、主成分分析法和變化矢量分析法等，這些演算法直接通過兩時相數據的光譜差異確定變化發生的區域，但不能得出變化圖斑的類型；後一種方法通過對各自時相的數據進行土地利用分類，通過對兩個分類結果的比較提取變化信息，但其精度受兩時相數據分類精度的制約。實際操作中可以根據所持有數據源的不同而採用相應的方法。

2 基於單一感測器的土地利用變化監測方法

2.1 基於單一感測器多時相遙感影像

當遙感數據源為單一感測器但可以獲得多時相遙感影像時，可以考慮以下幾種方法。

2.1.1 單變數圖像差值法^［1］

單變數圖像差值法比較簡單，是使用最廣泛的一種探測方法。它是將兩個時相的遙感圖像按波段進行逐像元相減，從而生成一幅新的代表二時相間光譜變化的差值圖像。輻射值的顯著變化代表了土地覆蓋變化，在差值圖像中接近於零的像元就被看做是未變化的，而那些大於或小於零的像元表示其覆蓋狀況發生了某種變化，從而設定適當的閾值就可以把變化信息提取出來。

2.1.2 圖像比值法^［1，2］

比值處理被認為是辨識變化區域相對較快的手段。它是對於兩個時相多譜段數據中同名像元的光譜灰度值施以除法運算。顯然，經過輻射配准後，在圖像中未發生變化的像元其比值應近似為1，而對於變化像元而言，比值將明顯高於或低於1。比值法可以部分地消除陰影影響，突出某些地物間的反差，具有一定的圖像增強作用。

2.1.3 圖像回歸法^［1］

圖像回歸法是首先假定時相Ⅰ的像元值是另一時相Ⅱ像元值的一個線性函數，通過最小二乘法來進行回歸，然後再用回歸方程計算出的預測值來減去時相Ⅰ的原始像元值，從而獲得兩時相的回歸殘差圖像。

2.1.4 植被指數差值法^［2］

植被指數差值法是用近紅外與紅光波段間的比值（植被指數）代替原始波段作為輸入數據進行差值運算來生成變化圖像。由於植物普遍對紅光強烈吸收和對近紅外光強烈反射，因此紅光和近紅外波段之間的比值有利於提高光譜差異。

2.1.5 主成分分析法^［3］

（1）差異主成分法 兩時相的影像經糾正、配准之後，先對影像作相差取絕對值處理，從而得到一個差值影像。差值影像作主成分變換之後的第一分量應該集中了該影像的主要信息，即原兩時相影像的主要差異信息。這個分量可以被認為是變化信息而被提取出來，從而生成變化模板，作為指導下一步變化類型確認和邊界確定的參考信息。

（2）多波段主成分變換 由遙感理論可得知，地物屬性發生變化，必將導致其在影像某幾個波段上的值發生變化，所以只要找出兩時相影像中對應波段上值的差別並確定這些差別的范圍，便可發現土地利用變化信息。在具體試驗中將兩時相的影像各波段進行組合，成一個兩倍於原影像波段數的新影像，對該影像作主成分變換。由於變換結果前幾個分量上集中了兩個影像的主要信息，而後幾個分量則反映出了兩影像的差別信息，因此可以抽取後幾個分量進行波段組合來產生出變化信息。一般說來，在上述多波段主成分變換之後，採用0、1、2分量進行波段組合能較好地反映出新舊時相影像的變化部分。

（3）主成分差異法 本方法和差異主成分方法所不同之處在於影像作主成分變換與差值處理的順序不一樣。要求先對兩時相的影像作主成分變換，然後對變換結果作差值，取差值的絕對值為處理結果。在實際的試驗中，兩時相影像作主成分變換後相差的第一分量已經涵蓋了幾乎所有的變化信息。因此，可以認為這一分量屬於影像的變化信息。

2.1.6 變化向量分析法^［1］

由於多時相遙感數據中任一像元矢量都可用多維測量空間中的一個點來表示（空間的維數等於原始波段數），通過對不同時相下的同名像元矢量進行相減所得到的變化矢量就可以用於描述該像元第一時相 t₁ 到第二時相 t₂ 期間在多維空間中所發生的位置變化。其中變化矢量的模代表了變化的強度，而方向則指示了發生變化的類型。設時相 t₁、t₂ 圖像的像元灰度矢量分別為 G＝（g₁，g₂，…，g_k）^T 和H＝（h₁，h₂，…，h_k）^T，則變化矢量為：ΔG＝G －H。ΔG 包含了兩幅圖像中所有變化信息。變化強度由變化矢量的模||ΔG||決定，||ΔG||越大，表明圖像的差異越大，變化發生的可能性越大。因此，提取變化和非變化像元，可根據變化強度||ΔG||的大小設定閾值來實現，即像元||ΔG||超過某一閾值時，即可判定為土地利用類型發生變化的像元；而變化的類型，可由ΔG的指向確定。

這種方法利用多頻段信息，在提取變化位置的同時可以得到變化類型信息，是一種較理想的演算法。當然，要用好變化向量分析法還取決於分析過程中變化/未變化閾值是否取值合理以及相關分類方法是否適當。

2.1.7 分類後比較法

分類後比較法是對兩期遙感影像進行監督或非監督分類，然後比較在各圖像系列同一位置上的分類結果，進而確定土地利用類型變化的位置和所屬類型。該方法可直接獲得變化類型信息，但如何選擇合適的分類方法提高分類精度是准確獲得變化信息類型的關鍵。

2.1.1至2.1.6均屬於光譜直接比較法，此方法對變化比較敏感，可以避免分類過程所導致的誤差，但需要進行嚴格的輻射標准化，排除大氣狀況、太陽高度角、土壤濕度、物候等「雜訊」因素對圖像光譜的影響，由於目前對各種干擾（尤其是物候）導致的輻射差異的校正方法仍不成熟，因此，只能通過選擇同一感測器、同一季相的數據來盡可能減小「雜訊」。同時光譜直接比較法只注重變化像元的提取，而不能提供變化中土地類型的轉化信息（如地類屬性）。與之相對照，分類後比較法對輻射糾正要求相對較低，適用於不同感測器、不同季相的數據的比較，同時該方法不僅可以提供變化信息，而且還能夠給出各時期的土地利用類型信息。但這種方法的最終精度受到影像分類精度的限制，而且它對影像的全部范圍都要進行分類計算而不管它們是否已經發生變化，這樣無疑大大增加了變化信息檢測的計算量。

在目前的土地利用遙感監測研究中，結合光譜直接比較法和分類後比較法的混合動態監測方法逐漸受到重視，並有了一些成功的案例研究。Jenson 通過對濕地變化的動態監測研究表明：先利用光譜直接比較探測變化區，再進行圖像分類確定變化類型的混合法是一種非常有效的變化檢測方法^［4］；Macleod和Congalton的研究也表明以差值法為基礎的混合動態監測法優於傳統分類後比較法^［5］。這樣可以集兩者之所長，取得更好的監測效果。

2.2 基於單一感測器單時相遙感影像

無論是光譜直接比較法還是分類後比較法都是基於多個時相的遙感影像來進行土地利用變化監測。而當前期遙感影像無法或者難以獲得的情況下，依靠後期的單時相遙感影像與前期的土地利用現狀圖也可以進行動態監測，這就是採用將土地利用現狀圖疊加在遙感圖像上的方法來監測土地利用變化情況^［6］。具體說來，是利用土地利用現狀圖中不變的明顯地物標志（如線狀地物交叉點）作為控制點對遙感圖像進行配准，然後將土地現狀圖疊加再校正後的遙感圖像上，檢查各圖斑是否吻合，若圖斑的角點有偏移，則發生變化。可通過遙感圖像辨識當前的土地利用類型，而土地利用現狀圖含有先期的土地利用類型信息，所以可以比較容易地辨識土地利用類型的變更情況，並可測算出變化圖斑的面積。若其中有不能確定的圖斑，可以輔以外業調查，以提高監測精度。

3 基於多源遙感的土地利用變化信息監測方法

不同感測器都具有各自的優勢，獲得的圖像各有所長，如美國陸地衛星（Landsat）TM圖像光譜信息豐富；法國SPOT衛星圖像具有全色通道而空間解析度高；SAR圖像不受光照條件的影響而且幾乎不受大氣和雲層的干涉，可用於探測地物的復介電常數和表面的粗糙度等等。利用不同感測器的多源遙感影像進行融合，可以使其優勢互補，在此基礎上的土地利用變化動態監測已成為國際遙感界研究的主題之一。以TM影像和SPOT影像為例，目前應用多光譜TM和全色SPOT數據融合的方法主要有LAB變換、HIS變換、線性復合與乘積運算、比值運算、BROVEY 變換、高通濾波變換（HPH）和主成分分析（PCA）等方法^［7］，經上述演算法融合後的圖像可以有效地同時保留SPOT高解析度圖像的精細紋理和TM多光譜圖像的豐富色彩信息，從而有利於提高圖像的空間解析度和光譜解析度，為發生變化的地類圖斑的提取提供良好的數據源基礎。

3.1 光譜特徵變異法^［8］

針對基於多源遙感的土地利用變化監測，變化信息的提取方法除了2.1所述方法之外還可以選擇光譜特徵變異法。

同一地物反映在SPOT影像上的信息是與其反映在TM影像上的光譜信息一一對應的。因此作TM和SPOT影像融合時，才能如實地顯示出地物的正確光譜屬性。但如果兩者信息表現為不一致時，那麼融合後影像的光譜就表現得與正常地物有所差別，此時就稱地物發生了光譜特徵變異（例如同一位置，前期在遙感影像上呈現為綠色的麥地，後期新修道路在影像上呈現較亮的灰度，那麼疊加之後會呈現一條綠色的道路，與正常地物相異），這部分影像在整個的影像范圍內是不正常和不協調的，這些地物可以通過影像判讀的方法勾繪出來，這種變化信息提取的方法具有物理意義明顯、簡潔的特點。但是經過試驗發現，發生光譜特徵變異的地物在幾何尺寸上要足夠的大才能被人工目視發現。此外，該方法的效率還受到被監測區地物光譜特性的限制。

3.2 變化信息提取方法的選擇

根據土地利用動態監測項目所獲取的數據源，可將遙感數據組合分為下述幾種類型，針對不同的類型要採取相應的方法以獲取較好的效果。

3.2.1 具有兩時相的 TM 和 SPOT 數據

這種情況是最好的。在該條件下，先對兩時相的數據以某一糾正後的TM或SPOT影像（首先處理TM還是SPOT視數據的具體情況而定，原則是利於TM和SPOT數據的配准融合處理）為參考分別作糾正和配准處理，為保留並結合原始數據中紋理信息和光譜信息要融合相對應的TM和SPOT影像，在兩時相融合影像的基礎上採用主成分差異的方法來提取變化信息。另外還可以用新時相的 SPOT 影像與舊時相的 TM 影像進行融合生成光譜特徵變異影像來指導發現變化的區域。

3.2.2 具有兩時相的 TM 和一個時相的 SPOT 數據

在此數據源的基礎上，首先仍對某一時相的TM或SPOT數據作糾正處理，然後將其他時相的TM和SPOT數據都統一以這個糾正後的TM （SPOT）為參考影像作影像到影像的糾正和配准。之後，選擇光譜特徵變異的方法來尋找大部分的變化信息，藉助於兩時相的TM影像確認變化；此外，利用主成分分析的辦法對兩時相的TM數據進行處理，得到變化信息模板，將模板疊置在判讀影像上補充單一方法進行變化提取的遺漏。

3.2.3 具有兩時相的 SPOT 和一個時相的 TM 數據

通常，前面的數據預處理糾正配准部分同3.2.2相同，然後對其中交錯時相的TM和SPOT數據進行融合得到光譜特徵變異影像，藉助於兩時相的SPOT數據發現影像中紋理信息的變化，從而輔助提取影像中的變化信息部分。除此之外，兩時相的SPOT影像數據理論上說，可以直接作比較得到變化的部分，但是由於成像條件的不同，這樣直接比較的方法會導致產生很多偽變化信息，干擾了真正變化部分的提取。因此，首先要對原始SPOT影像進行去噪及輻射校正等預處理，然後才能用來提取變化的信息。

3.2.4 具有單時相的 SPOT 影像和另一時相 TM 影像的數據

首先要對SPOT和TM數據進行糾正處理，然後利用糾正後的SPOT和另一時相TM影像融合得到光譜特徵變異影像，並以此作為判讀變化信息的主要參考數據。此外，單時相的SPOT數據可以作為新增波段加入到原始的 TM 數據中去進行主成分分析來提取變化的信息，輔助發現漏判的變化圖斑。

利用遙感進行土地利用動態監測的方法非常多，這些方法各有自己的優勢和劣勢，實際工作中，要針對所擁有的數據源的情況，綜合各方面要求來選擇合適的方法，也可以綜合幾種方法取長補短以達到更好的監測效果。至於如何更有效地識別土地變化的類型以及如何提高分類的精度仍有很大的研究空間。

參考文獻

［1］盧珏.土地利用動態監測變化信息提取演算法評估［J］.湖北農學院學報，2002，22 （5）：394～396

［2］張銀輝，趙庚星.試論土地利用遙感動態監測技術方法［J］.國土資源管理，2001，18 （3）：15～18

［3］楊貴軍，武文波，陳步尚，夏春林.土地利用動態遙感監測中變化信息的提取方法［J］.東北測繪，2003，26 （1）：18～21

［4］Jensen J R，Cowen D J，Narumalani S，et al.An evaluation of coast watch change detection protocol in South Carolina ［J］.Photogram metric Engineering and Remote Sensing，1993，59 （6）：1039～1046

［5］Macleod R D，Congalton R G.A quantitative comparison of change-detection algorithms for monitoring eelgrass from remotely sensed data ［J］.Photogram metric Engineering and Remote Sensing，1998，64 （3）：207～216

［6］吳連喜，嚴泰來，張瑋，薛天民，程昌秀.土地利用現狀圖與遙感圖像疊加進行土地利用變更監測［J］.農業工程學報，2001，17 （6）：156～160

［7］張炳智，張繼閑，張麗.土地利用動態遙感監測中變化信息提取方法的研究［J］.測繪科學，2000，25 （3）：46～50

3. 遙感圖像的變化檢測有哪些軟體可以實現

用MATLAB比較方便VS也可以但是要用到opencv展示結果的時候可能還要MFC，檢測演算法很多，大概分為四類，閾值法，聚類法，圖切法，還有水平集法，難度依次上升需要的數學功底也是越來越高,相對的檢測效果也是越來越好

4. 遙感地學動態分析的內容和工作程序

(一)遙感地學動態分析的任務、要求

多時相遙感資料地學動態分析,從根本上講,是利用具有時間系列(不同時相)的遙感信息研究地球表面物質與能量的遷移規律及發展趨勢。不同類型的地學動態分析企求達到的目標和宜採用的遙感手段及時相可以是千差萬別的,但基本的任務、要求卻是相似的,至少都要包括以下三項內容:

1.快速檢測出變化跡象信息。這是實現地學動態分析的前提。作為發展趨勢和奮斗目標是實現地學動態的實時監測;

2.給出動態變化的量值,包括每個時段內的變化量。通過具體的數據和圖件,提供定量化的概念;同時,還必須做到能方便地對原有數據實現更新;

3.查明變化軌跡,總結變化規律,包括建立相應的地學的或數學的模型,乃至「再現」演變模式,預測未來的發展趨勢。

(二)遙感地學動態分析的工作程序

從上述三項基本任務可見,遙感地學動態分析不僅首先要解決多時相遙感資料的來源和應用問題,還必須有相應的地學資料配合。其中,像變化跡象信息的檢測、數據更新等,尤需已有的地學信息資料庫的支持。因此,多時相遙感資料地學動態分析常常是與地理信息系統(GIS)緊密配合進行的,故通常採用圖10-1所示的基本工作程序。總體上可劃歸為:①多時相遙感圖像的選擇;②圖像的配准復合;③動態變化信息的檢測和提取三個主要的工作環節。其中,圖像的配准復合是多時相遙感地學動態分析賴以進行的基礎,也是關鍵性的工作環節,但它的方法原理在第四章和第十一章作介紹,故這里不再贅述。下面僅對①、③兩個環節作簡要分析。

圖10-1 多時相遙感資料地學動態分析基本工作程序

(三)多時相遙感圖像的選擇

遙感發展到今天,每個地區都可能有許多不同遙感器在不同時間攝制的遙感圖像。隨著時間的推移,時相將越來越豐富。因此,任何一項遙感地學動態分析任務首先遇到的就是如何選擇滿足任務要求的合適時相的遙感圖像。

一般來說,時相的選擇應按照具體的動態對象和期望目標,綜合考慮時間解析度、空間解析度和波譜解析度三項指標。例如,對於大尺度、快速變化的對象(台風、大范圍洪澇災害等),可主要採用空間解析度低,但時間解析度高的氣象衛星圖像;對中小尺度、變化並不很快,但要求較精確量值的對象(如土地利用、水土流失、河口三角洲伸展、城市擴展等等),則多採用資源衛星系列的圖像(如TM、SPOT),有時還需要較大比例尺的航空像片作補充;有些動態對象,尤其涉及水體、植被者,需從不同波段的圖像上獲得不同內容的動態(如水陸界線和泥沙擴散),此時波譜解析度(波段)也是必須考慮的選擇因素。

在上述三項指標中,時間解析度無疑是首選指標。不同遙感器的時間解析度可參見第三章中的有關部分。這里要指出的是,由於天氣條件、成像系統的工作狀態、地面站的接受與存儲條件等各種因素的影響,常出現遙感器雖過境但並無遙感數據的傳輸和記錄的情況,因此其時間解析度只是表明最大可能的時相頻率;另一方面,實際工作中,不同時相可取自不同遙感器的圖像,各自有不同的時間解析度,但常常也不是各自時間解析度的疊加。總之,時間解析度與時相頻率並不是一回事,在時相選擇時很大程度上取決於當時實際有的時相資料,而不單單是時間解析度。

(四)動態變化信息的檢測與提取

地學動態分析的中心工作就是發現和檢測出動態變化的事實,分析它的演進過程和預測它的未來趨勢。從遙感圖像上檢測出地學動態信息一般有兩個途徑:

一是利用動態變化的「遺跡」,即歷史分析法。例如,利用廢棄河床、牛軛湖、迂迴扇、決口扇等古河道形跡,分析平原河流改道遷徙的動態過程;根據海蝕崖、海蝕穴、海蝕平台以及貝殼堤、濱海扇、濱海湖沼窪地、古海塘等古海岸遺跡,推斷海岸變遷;其他,如古湖泊、古冰川、古滑坡、古洪積扇,以及洪水淹沒痕跡等等。在遙感圖像上根據色調、陰影、幾何形態和紋理結構、地貌表現等標志去一一進行判讀,通過不同時相影像的目視解譯編圖,便能獲得系統的動態變化信息及演變過程。

二是採用圖像處理的影像相減法,獲得差值圖像,檢測出單因素(專題)的動態變化信息。最簡單的做法是將兩個時相的原圖像(數據)直接相減,對零值、正值、負值分別進行編碼,進而作變化信息的顯示和提取。但由於遙感影像數據受環境因素(如成像時刻的氣象條件、地面的水份濕度、植物生長狀況等)的影響甚大,即使兩個時相的季節相同,也會因此而呈現不同的亮度水準。故採用原圖像直接相減會包含有相當程度的偽變化信息。解決的辦法,一是先對兩個時相的圖像作分類處理,然後再相減,即類後相減。由於此時的檢測誤差是兩個分類圖像誤差之和,所以要求分類圖像本身有較高的分類精度;另一是分別對檢測對象作專題提取圖,然後相減。由於背景被簡化歸並,目標突出,故可明顯改善檢測精度。影像相減法比較適用於背景條件簡單、短—中時間尺度、且要求有具體變化量值的動態對象,如洪水淹沒損失、水土流失程度、土地利用現狀、城市擴展、林火過火面積等等。

最後,作為完整的地學動態分析,特別是在已建有地學信息資料庫和空間信息系統的情況下,除上述三個工作環節外,還應包含數據更新的工作程序。一般來說,一個完善的空間信息系統均設計有數據更新的功能,並建立有與遙感數據溝通的介面。多時相遙感資料地學動態分析為建立地學數據的時間序列和快速、及時地實現地學數據的更新提供了方便和十分有利的條件。

5. 遙感變化信息檢測的主要方法

本節所研究的主要是基於像元級的遙感變化信息檢測方法。當今國內外常用的遙感變化信息檢測方法主要有分類後比較法、代數運演算法、光譜特徵變異法、主成分分析法等。

( 一) 光譜特徵變異法

光譜特徵變異法是使用最為廣泛的一種遙感變化信息檢測方法，其原理是將兩時相遙感影像的相關波段進行融合、組合，如果地物類型發生了變化，該區域的光譜就會發生變異或突變，與周圍地物失去協調性，使得能通過肉眼識別出來。該方法容易受到研究區域地物光譜特徵的影響，可能會丟失細小的變化圖斑，但是在一般情況下總體效果良好 ( 馮德俊，2004) 。

圖 4 －8 HIS 融合法結果

把研究區震前 IKONOS 的全色波段影像和震後QuickBird 的多光譜影像運用光譜特徵變異法中的 HIS進行了融合，結果見圖 4 －8。從圖中可以看出，沒有發生變化的區域光譜特徵和解析度都得到了加強 ( 空間解析度變為 1m) ，其中水體、河流為藍色，山地為褐色，植被信息為綠色，白色區域明顯與四周的地物和背景信息光譜不協調，這就是發生變化的區域。

( 二) 主成分分析法

主成分分析法在遙感變化信息檢測中使用很多，一般能夠取得很好的檢測效果，它能夠在一定程度上消除影像內部各波段間的相關性，提高變化信息檢測的效率和精度。

圖 4 － 9 為 IKONOS 融合後影像與 QuickBird 融合後影像求差並取絕對值後進行主成分變換的第一個主成分圖像。由主成分變換的特性知道，變換結果的第一分量集中了影像絕大部分的變化信息，而其他分量則主要反映了波段之間的差異性。第一分量就代表著變化信息。圖 4 －9 中白色區域為發生變化的區域。

基於主成分分析的遙感變化信息檢測方法仍然存在著一些缺陷: ① 由於主成分變換所得到的各個分量往往失去了原有的物理意義，所以還需要參考其他數據來分析地物類型變化與否及其因果關系。② 主成分分析 ( PCA) 是基於二階統計的方法，只有在信號的統計分布滿足高斯分布的條件下，才能完全消除信號間的相關性，而對於非高斯信號則只能去除信號間的二階相關性 ( 鍾家強、王潤生，2006) 。在多時相遙感影像中，各種地類的光譜特性幾乎都不能滿足高斯分布，因此經過主成分變換後的各成分圖像間仍然存在高階相關性，而這些相關信息會直接影響到變化信息的檢測和提取。由於這個原因，在做主成分分析時，常常導致把這些高階相關信息轉變為雜訊，如圖 4 －9 所示，白色的 「斑點」遍布整個分量影像，又和變化信息摻雜在一起 ( 變化的區域也為高亮的白色) ，這使得在提取真正變化信息的時候遇到困難，如何有效地消除多時相圖像間的高階相關信息，避免這些 「偽變化」的雜訊，對於變化信息的檢測和提取具有非常重要的意義。

6. 基於MNF/ICA 多源遙感變化信息檢測的方法

鑒於上述方法存在的問題，本研究採用了獨立成分分析 ( Independent Component Analysis，ICA) 方法，它是近年 出 現 的 一 種 信 號 處 理 方 法 ( Hyvarinen et al. ，2001) ，不僅能夠消除數據中的二階相關性，而且能夠消除數據間的高階相關性。與 PCA 變換相比，ICA 變換能夠把一系列混合的、隨機的信號轉換成相互獨立的分量，使得能夠區分出遙感影像中地物的細微特徵變化，有利於多時相遙感變化信息的提取。ICA 變換已經廣泛地應用於遙感圖像數據變換與分析中，例如對高光譜、超光譜圖像進行數據壓縮與波段選擇以及圖像光譜分類等 ( Chang et al. ，2002; Jenssen et al. ，2003) 。ICA 變換可以看成是 PCA 變換的一個擴展，能夠將數據信息變換到相互獨立的方向，各分量之間不僅正交而且相互獨立，其實質就是: 假設其各成分之間是統計獨立的或者盡可能獨立，用一些基函數來表示一系列隨機變數 ( 張則飛，2006) 。其基本思想如下:

圖 4 －9 差異主成分法結果

給定m個可觀察變數x₁，x₂，…，x_m，假設它們是n個未知獨立成分s₁，s₂，…，s_n的線性組合，該獨立成分相互滿足統計獨立的假設且都具有零均值。用向量X=(x₁，x₂，…，x_m)^T表示可觀察變數x_i，用S=(s₁，s₂，…，s_n)^T表示成分變數s_i，則S和X之間的關系可用如下公式表示:

退化廢棄地遙感信息提取研究

這里A為混合矩陣或特徵矩陣，A的各列代表特徵，ICA變換就是通過觀測數據X估計出未知獨立源s_i或估計混合矩陣A。s_i表示在觀測數據中第i個特徵的幅度。如果獨立成分s_i具有單位方差，即E{s_is_i}=1(i=1，2，…，n)，根據獨立成分的符號，可以確定唯一的獨立成分。

為了使經過ICA變換後的變化信息更加集中，並且達到更好的去噪效果，本研究還採用了最小雜訊變換(MinimumNoiseFraction，MNF)方法。MNF變換是一種多元線性統計變換方法，其通過對一組多元隨機變數構造線性變換，得到一組相互正交的結果變數，變換的目的是使結果變數的信噪比最大化(Greenetal.，1988)。最小雜訊變換的基本思想是通過構造原始影像各通道變數的線性組合，將原始變數中包含的信號與雜訊兩部分盡可能地分離開來，使結果變數影像的雜訊比率最小化，也就是信噪比最大化，從而獲得質量更高的影像數據。具體包括以下兩個步驟:①通過對雜訊協方差矩陣的估計變換(對數據中的雜訊進行去相關和歸一化)，產生一個圖像序列，使其中的雜訊「白化」，即噪音方差為1，並且各序列之間互不相關;②對第一步得到的圖像序列實施標準的主成分變換。MNF變換將數據空間分為兩部分:一部分為較大特徵值對應的數據分量;另外一部分數據分量對應雜訊信息，其特徵值都在整數1附近。

要進行MNF變換，首先必須計算出原始影像的協方差矩陣，以及其中所包含的雜訊協方差矩陣。協方差矩陣的計算相對簡單，而雜訊協方差矩陣的計算比較復雜，是MNF變換中的關鍵。

記 為特徵值對角矩陣，則MNF變換的廣義特徵方程就可以表示為矩陣形式:

退化廢棄地遙感信息提取研究

本研究提出了基於MNF/ICA的多源遙感變化信息檢測的方法，其步驟如圖4－10所示。

圖4－10 基於MNF/ICA的多源遙感變化信息檢測法流程

在 ENVI 軟體下，把震前 IKONOS 影像與震後 QuickBird 影像分別做獨立成分變換，將得到的各分量影像相減求差，然後對差值分量做最小雜訊變換，這樣能夠更好地去除雜訊信息，並且使變化信息更加集中，有利於其被發現和提取。對 MNF 變換後的前三個分量做假彩色合成顯示變化信息 ( 圖 4 －11) 。

從圖 4 －11 中可以看出，藍色區域為發生變化的區域，與之前主成分變換法的結果( 圖 4 － 9) 相比，檢測的效果與外觀效果大大改善，之前的雜訊被完全剔除，變化信息明顯並且集中。通過對 MNF 變換後前三個分量進行假彩色合成，變化的區域顯示出和環境背景不同的顏色，並且色彩分明、紋理清晰、邊緣清楚，十分便於觀察和發現。把變化信息圖存為一般的圖片格式 ( BMP，JPEG，TIF) ，可以直接在 Photoshop 下用魔棒工具選取出藍色區域 ( 變化區域) ; 或者導入 ArcGIS 當中，直接勾畫出其中的藍色圖斑並存為矢量多邊形，即完成了變化信息的提取。結果顯示，基於 MNF/ICA 的多源遙感變化信息檢測法能很好地抑制主成分分析法中產生的雜訊，實現變化信息與雜訊的有效分離，使不同時相的變化信息更加集中、突出，這樣構造的差值影像更有利於變化信息的分析、解譯和提取，從而提高了變化檢測的效率和精度。實踐證明，基於 MNF/ICA 多源遙感變化信息檢測法是一種穩定、高效、可靠的快速遙感變化信息檢測方法。