1、遙感變化監測流程 多時相 土地利用 / 覆蓋變化監測研究方法及數據選取土地是一個綜合的自然地理概念，它處于地圈生物圈大氣圈相互作用的界面，是各種自然過程和人類活動最為活潑的場所。 地球表層系統最突出的景 觀標志就是土地利 用和土地覆蓋( Land Use and Land Cover) o ill 于上地利用和土 地覆蓋與人類的生活、 生產息息相關，而人類活動正以空前的速度、幅度和空 前規模改變著陸地環境。人類對土 地資源的利用引起的土地利用和土地覆蓋的 變化是全球環境變化的重要因素之一， 也是地 球外表科學研究領域中的一個重 要分支。因此，土地利用和土地覆蓋的動態監測 (Land Use a

2、nd Land Cover Monitoring )是國內外研究的熱點，也是當前全球變化研究訃劃的重要組 成部 分。由多時相遙感數據分析地表變化過程需要進行一系列圖像處理工作，大致 包括： 一、數據源選擇，二、兒何配準處理，三、輻射處理與歸一化，四、變化監測算法及應用等。一、遙感數據源的選取不同遙感系統的時間分辨率、空間分辨率、光譜分辨率和輻射分辨率不同，選擇合適的遙感數據是變化監測能否成功的前提。因此，在變化監測之前需要對監測區域內的主要問題進行調查，分析監測對象的空間分布特點、光譜 特性及時相變化的情況， U 的是為 分析任務選擇適宜的遙感數據。同時，考慮 到環境因素的影響，用于變化監測的

3、圖像最好 是山同一個遙感系統獲得， 如果 山于某種原因無法獲得同一種遙感系統在不同時段的數據， 那么需要選擇俯視角 與光譜波段相近的遙感系統數據。1 時間分辨率這里需要根據監測對象的時相變化特點來確定遙感監測的頻率，如需要一年一次、一季度一次還是一月一次等。同時，在選擇多時相遙感數據進行變化監測時需要考慮兩個時間條件。首先，應旳盡可能選擇用每天同一時刻或者相 近時間的遙感圖像，以消除因太 陽高度角不同引起的圖像反射特性差異；其 次，應盡可能選用年間同一季節，甚至同一日 期的遙感數據，以消除因季節性 太陽高度角不同和植物物候差異的影響。2 空間分辨率首先要考慮監測對象的空間尺度及空間變異的情況，

4、以確定其對于遙感數據的空間分辨率的要求。變化監測還要求保證不同時段遙感圖像之間的精確配準。因此，最好是采用具有相同瞬時視場 IFOV 的遙感數據，如具有同樣空 間分辨率的 TM 圖像之間就比 較容易配準在一起。當然也可以使用不同瞬時視 場遙感系統獲取的數據，如某一日期的TM圖像30mX30m與另一日期的 SPOT圖像20mX20m，來進行變化監測，在這 種情況下需要確定一個最小制圖單元20mX20m,并對這兩個圖像數據重釆樣使之具有一致的像元大小。一些遙感系統按不同的視場角拍攝地面圖像，如SPOT的視場角能到達土 27 ,在變化監測中如果簡單采用俯視角明顯不同的兩幅遙感圖像，就有可能導致錯誤的

5、分析結果。例如，對一個林區，不均勻地分布著一些大樹，以觀測 天頂角0。拍攝的SPOT圖像是直 接從上向下觀測到樹冠頂，而對于一幅以20觀測角拍攝的SPOT圖像所記錄的是樹冠側面的光譜反射信息。因此，在 變化監測分析中必須考慮到所用遙感圖像觀測角度的影響， 而且應當盡可能采 用具有相同或相近的俯視角的數據。3 光譜分辨率應當根據監測對象的類型與相應的光譜特性選擇適宜的遙感數據類型及相應波段。變化監測分析的一個根本假設是， 如果在兩個不同時段之間瞬時視場 內地面物質發生了變 化，那么不同時段圖像對應像元的光譜響應也就會存在差 別。所選擇的遙感系統的光譜分辨 率應當足以記錄光譜區內反射的輻射通量，從

6、 而最有效地描述有關對象的光譜屬性。但實 際上不同的遙感系統并沒有嚴格地 按照相同的電磁譜段記錄能量。 比擬理想的是采用相同 的遙感系統來獲取多時 相數據。假設沒有條件，那么應選擇相接近的波段進行分析。如 SPOT 衛星的波段 1 綠、波段 2 紅和波段 3 近紅外可以成功地用來與 TM 的波段 2 綠、波段3 紅和波段4 近紅外，或與 Landsat MSS的波段4 綠、波段5 紅和波段 7 近紅外進行比照。4 輻射分辨率變化監測中一般還應采用具有相同輻射分辨率的不同日期遙感圖像，如果采用具有不同輻射分辨率的圖像進行比擬的話， 需要把低輻射分辨率遙感圖像 數據轉換為較高輻射 分辨率的圖像數據

7、，出然這種轉換并沒有提高其原始數據的亮度值精度。綜上，選取適宜的遙感影像數據源是變化檢測的根底。研究地表地物變化，首先要選擇與研究地物的 LI 標特征相匹配的數據源。衛星遙感技術快速發 展到今天，雖然從 1100m 分辨率的 NOAA/AVHRR 影像到缺乏 lm 分辨率的 QuickBird 影像都可以應用到土 地利用 / 覆被變化硏究中來，但根據監測尺度的 不同，遙感數據的選擇也有一定差異。 LI 前應用于地區尺度的土地利用 /覆被變 化研究主要選擇 LandsatSPOT、 IKONOS 、 QuickBird、CBERS等衛星的數 據。Landsat的MSS、TM、ETM+數據因其價格

8、較廉價 和存檔數據豐富而被廣 泛應用，但當其應用于區域或全球尺度時，就會因數據費用昂貴、 缺乏適當的 分析方法和相配的技術而受到阻礙。近年來，隨著混合像元分解技術的開展， 以 NOAA/AVHRR 影像為主要代表的低空間分辨率遙感影像越來越受到人們的關注，并逐漸應用到全球和區域尺度上的土地利用 / 覆被變化研究。低空間分辨 率的 EOS/MODIS 數據的應用也開展迅猛，美國發射的 TERRA 和 AQUA 上搭 載的 MODIS 傳感器所獲取 的影像，同 AVHRR 影像相比，其波段數分辨 率、數據接收和數據格式等方面都作了相 當大的改良。其可獲取 250m 1、 2 波段、 500m 3?

9、 7波段和 1000m 8? 36波 段的36個分布在0.405-14.385 u m之間的波段數據，其中 250米分辨率的2個波段主 要是對陸地 的觀測。山于 MODIS 數據在波段和分辨率方面的改良，使得 MODIS 數據量 大 幅度地增加大約相當于 AVHRR 同期數據量的 18倍左右。另外 MODIS 數 據還 實行全球免費接收，這就更促進了 MODIS 數據的廣泛應用。此外，一些 學者經研究后 得出一些特定 LI 標變化探測的最小圖像空間分辨率，同時也研究 了時間分辨率對土地變 化檢測的影響，結果認為最小 34 年的時間周期，才能 用來較為精確地檢測土地變化， 提高時間間隔如卜 2

10、年的時相圖像，結果會更 優。一般來說，綜合利用多種空間、時間、 光譜遙感影像及地理信息數據有助 于提高變化檢測的精度。 但考慮到數據本錢及各種傳感 器本身的特性，多源數 據不易獲取，因此應最大程度地利用多源數據的差異局部和減小多 源數據的過 多冗余。二、兒何配準處理 兒何配準處理是指利用地面控制點數據對不同時段的遙感圖像進行精確的兒 何校正，及 圖像與圖像之間的配準。不同時相遙感圖像之間的配準精度非常重 要。研究結果說明，對 于變化檢測來說，圖像之間的配準誤差平均均方誤差 應小于半個像元。三、輻射處理與歸一化 用于變化監測的不同時相的遙感圖像之間通常需要進行輻射度匹配與歸一化 處理。即使 對于

11、那些已分別作過輻射校正處理的圖像這種圖像之間的輻射度匹 配與歸一化處理仍然 是必要的。圖像之間的輻射度匹配與歸一化是以一幅圖像 的直方圖為根底，將其他圖像的 直方圖與之匹配。其主要 L1 的是保證不同時段 圖像上像元亮度值的可比照性。四、多時相土地利用 / 覆蓋變化監測硏究方法 不同時相的遙感圖像經過以上的兒何配準和輻射校正處理后，就需要選取 不同的算 法來增強和區分岀相對變化的區域。隨著衛星遙感技術的快速開展，當前的多時相土地利用 / 覆蓋變化監測研究 方法非常 多，研究人員紛紛從不同的角度進行了總結分類，可把它們歸為光譜 類型特征分析、光譜 變化向量分析和時間序列分析等三類以及一些新的檢測

12、方 法。光譜類型特征分析方法主要 基于不同時相遙感圖像的光譜分類和計算，確 定變化的分布和類型特征；光譜變化向量分 析方法基于不同時間圖像之間的輻 射變化 . 著重對各波段的差異進行分析，確定變化的強 度與方向特征； 時間序 列分析那么是強調利用遙感連續觀測數據分析地面監測對象的變化過 程與變化趨 勢。1 ? 光譜類型特征分析方法1多時相圖像疊合方法在圖像處理系統中將不同時相遙感圖像的各波段數據分別以R 紅、G 綠、B藍圖像存儲，從而對相對變化的區域進行顯示增強與識別。例如，在土地利用變化監測中，利用三個時相的 SPOT-Pan圖像分別賦予紅、綠、藍 色。假設早期的SPOT圖像用紅 色表示，后

13、期的圖像用綠色和藍色表示，往往山 低反射率到高反射率的地表變化如植被 到裸地顯示為青色cyan,而山高反射率到低反射率的地表變化如裸地到居住區那么可顯示為紅色。 變化區 域山于其對應的亮度值變化， 可以在疊合圖像上得到清楚的顯示。 一般反射率 變化越大，對應的殼度值變化也大，可指示對應的地表土地利用方式已經發生 了變化；而沒有變化的地表常顯示為灰色調。這種疊合分析方法可以直觀地顯示兩到三個不同時相的變化區域，便于 H 視解譯，但無法定量地提供變化的類 型和大小。2圖像代數變化檢測算法圖像代數 Algebra 算法是一種較簡單的變化區域及變化量識別方法，包 括圖像差 值與圖像比值運算。圖像差值：

14、將一個時間圖像的像元值與另一個時間圖像對應的像元值相減。在新生成的圖像中，圖像值為正或為負那么是輻射值變化的區域，而沒有變化的區域圖像值為 0。在 8bit 圖像中， 像元值范圍為 0? 255,其圖像差值的范 圉為 ? 255? 255.111于差值往往為 負值，故可加一個常量 C。差值圖像的亮度值常 近似高斯分布，沒有變化的像元多集中在 均值周圉，而變化的像元分布在直方 圖的兩翼。除。新生成圖像比值：將一個時間圖像的像元值與另一個時間圖像對應的像元值相的比值圖像的值域范圍為 0? 255,沒有變化的區域圖像值為 1。植被指數差值法：利用光學傳感器近紅外波段與紅波段對植被的顯著的響 應差，通

15、 過比值突出植被信息，再通過閾值提取植被信息和非植被信息。山于植物 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 有利于提高光譜差異。利 用波段間比值圖像主要有二個優點 : 不同地物特征的光 譜響應曲線差異可能會在比值圖像 中得到進一步增強 ; 比值能壓抑地形效應并對 輻射差異進行一定程度的歸一化。圖像回歸法：首先假定時相 I 的像元值是另一時相 1【像元值的一個線性函 數, 通過 最小二乘法來進行回歸，然后再用回歸方程計算出的時相 II 的預測值來減 去時相【的原 始像元值，從而獲得二時相的回歸殘差圖像。以閾限方法確定變化 區域。經過回歸處理后 的遙感數據在一

16、定程度上類似于進行了輻射校正的相對校正， 因而能減弱多時相數據中山于大氣條件和太陽高度角的不同所帶來的不利 影響。從以上方法可以看出，直接比擬法大 多通過閾值來確定變化區域，所以閾值 確實定在這種方法中顯得尤為重要。為了從差值或比值圖像上勾畫岀明顯變化區域，需要設置一個閾值(threshold),將差值或比值圖像轉換為簡單的變化 / 無變化圖像，或者正變 化/負變化圖像，以反映變化的 分布和大小。閾值的選擇必須根據區域研究對 象及周用環境的特點來定。在不同的區域、 不同的時間、不同的圖像上采用的 閾值會有所不同。通常，通過差值或比值圖像的直方圖 來選擇 變化與無變化 卩像元間的閾值邊界，并需要

17、屢次反復試驗。3) 多時相圖像主成分變化檢測對經過兒何配準的不同時相遙感圖像進行主成分分析( PCA) ,生成新的互 不相關的變化分量。 山于各主成分分量所含的變化信息不同，生成的多時相主 成分分量的合成圖像，并直接對各主成分波段信息進行比照，檢測變化。主成分是山一個方差協方差矩陣計算得到，通常需要將協方差矩陣標準化，即除以 一個適當的標準偏差，以消除不同變量尺度 差異產的影響，提高圖像的信噪 比。主成分變化監測方法雖然簡便，但只能反映變化的分布和大小，難以表示由某種類型向另種類型變化的特征。4) 分類后比照檢測對經過兒何配準的兩個(或多個)不同時相遙感圖像分別作分類處理后，獲得兩個(或多個)

18、分類圖像，并逐個像元進行比擬，生成變化圖像。根據變化檢測矩陣確定各變化像無的變化類型。此方法的優點在于不僅可以確定變化的空 間范圉，還可以提供關于變 化性質的信息，如山何類型向何類型變化等；其缺 點在于一方面必須進行兩次圖像分類， 另一方面變化分析的精度依賴于圖像分 類的精度。 圖像分類的可靠性嚴重影響著變化監測 的準確性。2.光譜變化向量分析方法(CVA Change Vector Analysis)對兩個不同時相的遙感圖像，進行圖像的光譜量測，每個像元可以生成一個具有變化方向和變化強度(大小)兩個特征的變化向量。變化強度(CMpixel ) 可以通過確定 n維空間中兩個數據點之間的距離(歐

19、式距離)求得。對每個像 元來說，其變化方向反映了 該點在每個波段的變化是正向還是負向，可以根據 變化向量的方向和角度來確定。每個像 元的變化方向可歸為 2n種模式。在選用 的各波段分別訃算得到 BV變化 Z(BVijk(data2)-BVijk(datal), 可得到其變化模 式。變化向量分析的結果可輸岀兩幅兒何上配準的圖像：變化強度圖像和變化方向碼圖像，以提取區域變化信息。 在實際應用中， 可根據區域具體情況對變 化強度設定一個閾值。 假設像元的變化強度在此閾值范圍內， 可以認為該點未發 生類型的變化， 假設超岀此閾值范圉， 那么可以判斷該點已經發生了類型變化。 將 變化向量信息與其他圖像特

20、征結合起來可以進一 步分析區域內有關專題類型變 化的規律。3. 時間序列分析這里所說的時間序列分析，強調的是通過對一個區域進行一定時間段內的 連續遙感 觀測，提取圖像有關特征，并分析其變化過程與開展規律。當然首先 需要根據監測對象的 時相變化特點來確定遙感監測的周期， 從而選擇適宜的遙 感數據。為了實現時間序列分析， 就要求遙感監測數據有一定的時間積累。如 進行區域生態環境變化、土地退化或沙漠化的 監測就需要有假設干年其至數十年 的遙感數據，才能得出有價值的連續變化結果。1) 變化特征確實定山于遙感時間序列分析是通過相關圖像特征的變化監測來分析地面環境變 化的過程 與趨勢，因此圖像特征的選擇是

21、重要的，它應當是比擬靈敏地反映地 面變化的環境指數。 NOAA/AVHRR 上的紅波段(0.58? 0.68um)和紅外波段 (0.72? I.lum)適合于探測植被。 健康植物葉綠素對紅光強吸收，葉子細胞壁 結構對近紅外光強反射。強光合作用導致紅波 段的低反射和近紅外波段的高反 射。所以電磁波譜的紅光和近紅外區是植物遙感中使用的 主要波段。兩波段比 值或差值的組合更增強了對光合作用的敬感度。近年來開展了各種各 樣的植被指數。其中NDVI二(NIR-RED)/(NIR+RED),是最常用的指數。歸一化處理后 的 NDVI值介于(-1, +1)之間，典型情況下的 NDVI值：水V0;裸土 0?

22、0.1之間；植被0 ?對于一個特定像元而言，NDVI 在一定程度上反映了像元所對 應區域的土地覆蓋類型的綜合情況。因此，在生態環境變化研究中常常采用 NDVI 或相關的其他環境指數作為時間 序列分析的圖像特征。區域 NDVI 值隨 時間周期性的升高和降低是指被生長周期的典型 表達。分析區域植被變化的一 個有效方法就是觀察像元 NDVI 曲線的時序變化：植被生 長， NDVI 增加；植 被死亡， NDVI 降低。此外，還可以利用每月或年植被指數 (NDVI) 的變化系 數(COV- 一 Coefficient of Variation )作為植物生物量監測的變化特征。COV被定義為某一像元 ND

23、VI 值的標準差和均值之比，是一個無量綱數值，適合于不 同時間段 數據的比照。2) 變化分析分析樣本通常是時間序列數據。 可以對每個像元的變化特征繪制時間序列 變化曲線， 并分析其變化過程與趨勢，例如， COV 表示像元的 NDVI 隨時間的 變化，可用于測量植 被動態變化，估計植被變化范圉，如年際變化特點。根據單個像元不同時間段的 NDVI值可以組合生成一幅 COV 圖像，表示數據所在時 間段內 NDVI 值的變化。 COV 的變化 可用于識別植被生長周期的變化，如干 旱、半干旱區 NDVI 的變化系數 COV 的下降，或 反映該區雨量的減少或反映該 區生物生產力的降低。 在此根底上可以進一

24、步進行定量化變化監測，如對每個像元的COV 作一個 線性回歸，以反映變化趨勢。如果 COV 值隨時間減少，可能是與植被生長有關 的 NDVI 降低，即說明 該像元代表的地區正在沙漠化； 如果回歸線的斜率增 加，可以認為與植被生長有關的 NDVI 增大，可能是山于降雨量的增加或者農 業灌溉開展造成植被密度變大的結果。4. 新的遙感變化信息提取與檢測方法 新的遙感變化檢測方法很多，這里介紹比擬常用的兩種。1 ) 交 叉相關分析法美國 Earth Satellite 公司提出交義相關分析法 (Cross-Correlation Analysis CCA )用 來進行遙感變化信息的提取及動態監測。 這種方法在以前分類圖的基 礎上用當前的遙感圖 像檢測發生變化的區域。步驟如下 : 第一步，將當前的遙感圖像疊置在舊的分類圖 上，