《遥感变化监测流程.doc》由会员分享，可在线阅读，更多相关《遥感变化监测流程.doc（6页珍藏版）》请在三一文库上搜索。
1、多时相土地利用/覆盖变化监测研究方法及数据选取土地是一个综合的自然地理概念，它处于地圈-生物圈-大气圈相互作用的界面，是各种自然过程和人类活动最为活跃的场所。地球表层系统最突出的景观标志就是土地利用和土地覆盖( Land Use and Land Cover)。由于土地利用和土地覆盖与人类的生活、生产息息相关，而人类活动正以空前的速度、幅度和空前规模改变着陆地环境。人类对土地资源的利用引起的土地利用和土地覆盖的变化是全球环境变化的重要因素之一，也是地球表面科学研究领域中的一个重要分支。因此，土地利用和土地覆盖的动态监测（Land Use and Land Cover Monitoring）是国
2、内外研究的热点，也是当前全球变化研究计划的重要组成部分。由多时相遥感数据分析地表变化过程需要进行一系列图像处理工作，大致包括：一、数据源选择，二、几何配准处理，三、辐射处理与归一化，四、变化监测算法及应用等。一、遥感数据源的选取不同遥感系统的时间分辨率、空间分辨率、光谱分辨率和辐射分辨率不同，选择合适的遥感数据是变化监测能否成功的前提。因此，在变化监测之前需要对监测区域内的主要问题进行调查，分析监测对象的空间分布特点、光谱特性及时相变化的情况，目的是为分析任务选择合适的遥感数据。同时，考虑到环境因素的影响，用于变化监测的图像最好是由同一个遥感系统获得，如果由于某种原因无法获得同一种遥感系统在不
3、同时段的数据，则需要选择俯视角与光谱波段相近的遥感系统数据。1时间分辨率这里需要根据监测对象的时相变化特点来确定遥感监测的频率，如需要一年一次、一季度一次还是一月一次等。同时，在选择多时相遥感数据进行变化监测时需要考虑两个时间条件。首先，应当尽可能选择用每天同一时刻或者相近时间的遥感图像，以消除因太阳高度角不同引起的图像反射特性差异；其次，应尽可能选用年间同一季节，甚至同一日期的遥感数据，以消除因季节性太阳高度角不同和植物物候差异的影响。2空间分辨率首先要考虑监测对象的空间尺度及空间变异的情况，以确定其对于遥感数据的空间分辨率的要求。变化监测还要求保证不同时段遥感图像之间的精确配准。因此，最好
4、是采用具有相同瞬时视场（IFOV）的遥感数据，如具有同样空间分辨率的TM图像之间就比较容易配准在一起。当然也可以使用不同瞬时视场遥感系统获取的数据，如某一日期的TM图像（30m30m）与另一日期的SPOT图像（20m20m），来进行变化监测，在这种情况下需要确定一个最小制图单元20m20m，并对这两个图像数据重采样使之具有一致的像元大小。一些遥感系统按不同的视场角拍摄地面图像，如SPOT的视场角能达到27，在变化监测中如果简单采用俯视角明显不同的两幅遥感图像，就有可能导致错误的分析结果。例如，对一个林区，不均匀地分布着一些大树，以观测天顶角0拍摄的SPOT图像是直接从上向下观测到树冠顶，而对于
5、一幅以20观测角拍摄的SPOT图像所记录的是树冠侧面的光谱反射信息。因此，在变化监测分析中必须考虑到所用遥感图像观测角度的影响，而且应当尽可能采用具有相同或相近的俯视角的数据。3光谱分辨率应当根据监测对象的类型与相应的光谱特性选择合适的遥感数据类型及相应波段。变化监测分析的一个基本假设是，如果在两个不同时段之间瞬时视场内地面物质发生了变化，则不同时段图像对应像元的光谱响应也就会存在差别。所选择的遥感系统的光谱分辨率应当足以记录光谱区内反射的辐射通量,从而最有效地描述有关对象的光谱属性。但实际上不同的遥感系统并没有严格地按照相同的电磁谱段记录能量。比较理想的是采用相同的遥感系统来获取多时相数据。
6、若没有条件，则应选择相接近的波段进行分析。如SPOT卫星的波段1（绿）、波段2（红）和波段3（近红外）可以成功地用来与TM的波段2（绿）、波段3（红）和波段4（近红外），或与Landsat MSS的波段4（绿）、波段5（红）和波段7（近红外）进行对比。4辐射分辨率变化监测中一般还应采用具有相同辐射分辨率的不同日期遥感图像，如果采用具有不同辐射分辨率的图像进行比较的话，需要把低辐射分辨率遥感图像数据转换为较高辐射分辨率的图像数据，当然这种转换并没有提高其原始数据的亮度值精度。综上，选取合适的遥感影像数据源是变化检测的基础。研究地表地物变化，首先要选择与研究地物的目标特征相匹配的数据源。卫星遥感技
7、术快速发展到今天，虽然从1100m分辨率的NOAA/AVHRR影像到不足1m分辨率的QuickBird影像都可以应用到土地利用/覆被变化研究中来，但根据监测尺度的不同，遥感数据的选择也有一定差异。目前应用于地区尺度的土地利用/覆被变化研究主要选择Landsat、SPOT、IKONOS、QuickBird、CBERS等卫星的数据。Landsat的MSS、TM、ETM+数据因其价格较便宜和存档数据丰富而被广泛应用，但当其应用于区域或全球尺度时，就会因数据费用昂贵、缺乏适当的分析方法和相配的技术而受到阻碍。近年来，随着混合像元分解技术的发展，以NOAA/AVHRR影像为主要代表的低空间分辨率遥感影像
8、越来越受到人们的关注，并逐渐应用到全球和区域尺度上的土地利用/覆被变化研究。低空间分辨率的EOS/MODIS数据的应用也发展迅猛，美国发射的TERRA和AQUA上搭载的MODIS传感器所获取的影像，同AVHRR影像相比，其波段数目、分辨率、数据接收和数据格式等方面都作了相当大的改进。其可获取250m（1、2 波段）、500m（37 波段）和1000m（836 波段）的36个分布在0.40514.385m之间的波段数据，其中250 米分辨率的2个波段主要是对陆地的观测。由于MODIS数据在波段和分辨率方面的改进，使得MODIS数据量大幅度地增加（大约相当于AVHRR同期数据量的18倍左右）。另外
9、MODIS数据还实行全球免费接收，这就更促进了MODIS数据的广泛应用。此外，一些学者经研究后得出一些特定目标变化探测的最小图像空间分辨率，同时也研究了时间分辨率对土地变化检测的影响，结果认为最小34 年的时间周期，才能用来较为精确地检测土地变化，提高时间间隔如12 年的时相图像，结果会更优。一般来说，综合利用多种空间、时间、光谱遥感影像及地理信息数据有助于提高变化检测的精度。但考虑到数据成本及各种传感器本身的特性，多源数据不易获取，因此应最大程度地利用多源数据的差异部分和减小多源数据的过多“冗余”。二、几何配准处理 几何配准处理是指利用地面控制点数据对不同时段的遥感图像进行精确的几何校正，及
10、图像与图像之间的配准。不同时相遥感图像之间的配准精度非常重要。研究结果表明，对于变化检测来说，图像之间的配准误差(平均均方误差)应小于半个像元。三、辐射处理与归一化用于变化监测的不同时相的遥感图像之间通常需要进行辐射度匹配与归一化处理。即使对于那些已分别作过辐射校正处理的图像这种图像之间的辐射度匹配与归一化处理仍然是必要的。图像之间的辐射度匹配与归一化是以一幅图像的直方图为基础，将其他图像的直方图与之匹配。其主要目的是保证不同时段图像上像元亮度值的可对比性。四、多时相土地利用/覆盖变化监测研究方法不同时相的遥感图像经过以上的几何配准和辐射校正处理后，就需要选取不同的算法来增强和区分出相对变化的
11、区域。随着卫星遥感技术的快速发展，当前的多时相土地利用/覆盖变化监测研究方法非常多，研究人员纷纷从不同的角度进行了总结分类，可把它们归为光谱类型特征分析、光谱变化向量分析和时间序列分析等三类以及一些新的检测方法。光谱类型特征分析方法主要基于不同时相遥感图像的光谱分类和计算，确定变化的分布和类型特征；光谱变化向量分析方法基于不同时间图像之间的辐射变化着重对各波段的差异进行分析，确定变化的强度与方向特征；时间序列分析则是强调利用遥感连续观测数据分析地面监测对象的变化过程与变化趋势。1. 光谱类型特征分析方法1）多时相图像叠合方法在图像处理系统中将不同时相遥感图像的各波段数据分别以R(红)、G(绿)
12、、B(蓝)图像存储，从而对相对变化的区域进行显示增强与识别。例如，在土地利用变化监测中，利用三个时相的SPOT-Pan图像分别赋予红、绿、蓝色。若早期的SPOT图像用红色表示，后期的图像用绿色和蓝色表示，往往由低反射率到高反射率的地表变化（如植被到裸地）显示为青色（cyan），而由高反射率到低反射率的地表变化（如裸地到居住区）则可显示为红色。变化区域由于其对应的亮度值变化，可以在叠合图像上得到清楚的显示。一般反射率变化越大，对应的亮度值变化也大，可指示对应的地表土地利用方式已经发生了变化；而没有变化的地表常显示为灰色调。这种叠合分析方法可以直观地显示两到三个不同时相的变化区域，便于目视解译，但
13、无法定量地提供变化的类型和大小。2）图像代数变化检测算法图像代数（Algebra）算法是一种较简单的变化区域及变化量识别方法，包括图像差值与图像比值运算。图像差值：将一个时间图像的像元值与另一个时间图像对应的像元值相减。在新生成的图像中，图像值为正或为负则是辐射值变化的区域，而没有变化的区域图像值为0。在8bit图像中，像元值范围为0255，其图像差值的范围为-255255.由于差值往往为负值，故可加一个常量C。差值图像的亮度值常近似高斯分布，没有变化的像元多集中在均值周围，而变化的像元分布在直方图的两翼。图像比值：将一个时间图像的像元值与另一个时间图像对应的像元值相除。新生成的比值图像的值域
14、范围为0255，没有变化的区域图像值为1。植被指数差值法：利用光学传感器近红外波段与红波段对植被的显著的响应差,通过比值突出植被信息,再通过阈值提取植被信息和非植被信息。由于植物普遍对红光强烈吸收和对近红外光强烈反射,因此红光和近红外波段之间的比值有利于提高光谱差异。利用波段间比值图像主要有二个优点:不同地物特征的光谱响应曲线差异可能会在比值图像中得到进一步增强;比值能压抑地形效应并对辐射差异进行一定程度的归一化。图像回归法：首先假定时相的像元值是另一时相像元值的一个线性函数,通过最小二乘法来进行回归,然后再用回归方程计算出的时相的预测值来减去时相的原始像元值,从而获得二时相的回归残差图像。以
15、阈限方法确定变化区域。经过回归处理后的遥感数据在一定程度上类似于进行了辐射校正的相对校正,因而能减弱多时相数据中由于大气条件和太阳高度角的不同所带来的不利影响。从以上方法可以看出,直接比较法大多通过阈值来确定变化区域,所以阈值的确定在这种方法中显得尤为重要。为了从差值或比值图像上勾画出明显变化区域，需要设置一个阈值（threshold），将差值或比值图像转换为简单的变化无变化图像，或者正变化负变化图像，以反映变化的分布和大小。阈值的选择必须根据区域研究对象及周围环境的特点来定。在不同的区域、不同的时间、不同的图像上采用的阈值会有所不同。通常，通过差值或比值图像的直方图来选择“变化”与“无变化”
16、像元间的阈值边界，并需要多次反复试验。3）多时相图像主成分变化检测对经过几何配准的不同时相遥感图像进行主成分分析(PCA)，生成新的互不相关的变化分量。由于各主成分分量所含的变化信息不同，生成的多时相主成分分量的合成图像，并直接对各主成分波段信息进行对比，检测变化。主成分是由一个方差-协方差矩阵计算得到，通常需要将协方差矩阵标准化，即除以一个适当的标准偏差，以消除不同变量尺度差异产的影响，提高图像的信噪比。主成分变化监测方法虽然简便，但只能反映变化的分布和大小，难以表示由某种类型向另种类型变化的特征。4）分类后对比检测对经过几何配准的两个（或多个)不同时相遥感图像分别作分类处理后，获得两个(或
17、多个)分类图像，并逐个像元进行比较，生成变化图像。根据变化检测矩阵确定各变化像无的变化类型。此方法的优点在于不仅可以确定变化的空间范围，还可以提供关于变化性质的信息，如由何类型向何类型变化等；其缺点在于一方面必须进行两次图像分类，另一方面变化分析的精度依赖于图像分类的精度。图像分类的可靠性严重影响着变化监测的准确性。2光谱变化向量分析方法（CVA-Change Vector Analysis）对两个不同时相的遥感图像，进行图像的光谱量测，每个像元可以生成一个具有变化方向和变化强度（大小）两个特征的变化向量。变化强度(CMpixel)可以通过确定n维空间中两个数据点之间的距离（欧式距离）求得。对
18、每个像元来说，其变化方向反映了该点在每个波段的变化是正向还是负向，可以根据变化向量的方向和角度来确定。每个像元的变化方向可归为2n种模式。在选用的各波段分别计算得到BV变化之(BVijk(data2)-BVijk(data1)，可得到其变化模式。变化向量分析的结果可输出两幅几何上配准的图像：变化强度图像和变化方向码图像，以提取区域变化信息。在实际应用中，可根据区域具体情况对变化强度设定一个阈值。若像元的变化强度在此阈值范围内，可以认为该点未发生类型的变化，若超出此阈值范围，则可以判断该点已经发生了类型变化。将变化向量信息与其他图像特征结合起来可以进一步分析区域内有关专题类型变化的规律。3时间序
19、列分析这里所说的时间序列分析，强调的是通过对一个区域进行一定时间段内的连续遥感观测，提取图像有关特征，并分析其变化过程与发展规律。当然首先需要根据监测对象的时相变化特点来确定遥感监测的周期，从而选择合适的遥感数据。为了实现时间序列分析，就要求遥感监测数据有一定的时间积累。如进行区域生态环境变化、土地退化或沙漠化的监测就需要有若干年甚至数十年的遥感数据，才能得出有价值的连续变化结果。1）变化特征的确定由于遥感时间序列分析是通过相关图像特征的变化监测来分析地面环境变化的过程与趋势，因此图像特征的选择是重要的，它应当是比较灵敏地反映地面变化的环境指数。NOAA/AVHRR上的红波段（0.580.68
20、um）和红外波段（0.721.1um）适合于探测植被。健康植物叶绿素对红光强吸收，叶子细胞壁结构对近红外光强反射。强光合作用导致红波段的低反射和近红外波段的高反射。所以电磁波谱的红光和近红外区是植物遥感中使用的主要波段。两波段比值或差值的组合更增强了对光合作用的敏感度。近年来发展了各种各样的植被指数。其中NDVI=（NIR-RED）/(NIR+RED),是最常用的指数。归一化处理后的NDVI值介于（-1，+1）之间，典型情况下的NDVI值：水0；裸土00.1之间；植被0.1.对于一个特定像元而言，NDVI在一定程度上反映了像元所对应区域的土地覆盖类型的综合情况。因此，在生态环境变化研究中常常采
21、用NDVI或相关的其他环境指数作为时间序列分析的图像特征。区域NDVI值随时间周期性的升高和降低是指被生长周期的典型体现。分析区域植被变化的一个有效方法就是观察像元NDVI曲线的时序变化：植被生长，NDVI增加；植被死亡，NDVI降低。此外，还可以利用每月或年植被指数（NDVI）的变化系数（COV-Coefficient of Variation）作为植物生物量监测的变化特征。COV被定义为某一像元NDVI值的标准差和均值之比，是一个无量纲数值，适合于不同时间段数据的对比。2）变化分析分析样本通常是时间序列数据。可以对每个像元的变化特征绘制时间序列变化曲线，并分析其变化过程与趋势，例如，COV
22、表示像元的NDVI随时间的变化，可用于测量植被动态变化，估计植被变化范围，如年际变化特点。根据单个像元不同时间段的NDVI值可以组合生成一幅COV图像，表示数据所在时间段内NDVI值的变化。COV的变化可用于识别植被生长周期的变化，如干旱、半干旱区NDVI的变化系数COV的下降，或反映该区雨量的减少或反映该区生物生产力的降低。在此基础上可以进一步进行定量化变化监测，如对每个像元的COV作一个线性回归，以反映变化趋势。如果COV值随时间减少，可能是与植被生长有关的NDVI降低，即表明该像元代表的地区正在沙漠化；如果回归线的斜率增加，可以认为与植被生长有关的NDVI增大，可能是由于降雨量的增加或者
23、农业灌溉发展造成植被密度变大的结果。4. 新的遥感变化信息提取与检测方法新的遥感变化检测方法很多,这里介绍比较常用的两种。1）交叉相关分析法美国Earth Satellite 公司提出交叉相关分析法(Cross-Correlation Analysis CCA) 用来进行遥感变化信息的提取及动态监测。这种方法在以前分类图的基础上用当前的遥感图像检测发生变化的区域。步骤如下:第一步,将当前的遥感图像叠置在旧的分类图上,分类图的边界就将遥感图像划分为不同的小块,统计不同小块的光谱响应均值和标准差,得到“期望值”;第二步,比较每个像元期望值与光谱实际值之差(或叫“静态Z 值”) 。如果差值比较大,说
24、明是可能发生变化的区域。该方法的难点是差值的阈值的确定。交叉相关分析法的优点是所要监测的两个时相的图像不必要是相同的成像条件。静态Z 值的计算方法: ( Z 值定量描述了每个像元的反射值与它所属类别的像元均值的距离。) 其中, Zjk代表像元j 行k 列的静态Z 值, i 代表多光谱图像的第i 波段, n 代表波段数,rijk代表图像中i 波段j 行k 列的反射值, cjk代表图像j 行k 列像元对应的专题类别图的类别,ic代表图像i 波段c 类的平均反射值,i c代表图像i 波段c类的反射值的标准差。2）Chi Square 变换Ridd提出用Chi Square 变换的方法来进行遥感变化检
25、测研究。这种方法能将TM 的6 个波段融合在一起形成一个变化图像。Chi Square (2) 变换的方程可表示为其中, Y 表示变化图像的值, X 表示每个像元6个波段两时相差值的向量, M 表示整个图像各波段残差值的向量, T 表示转置矩阵, - 1表示六个波段两时相的协方差矩阵的逆矩阵。这种变换的条件是Y 满足p个自由度2 的分布( p 为图像的波段数) 。Y = 0 表示没有发生变化。这种方法的优势是多个波段可以同时被考虑到,其不足是只能用于变化相对不大的影像。结束语遥感作为一门先进的科学技术,可为土地利用、植被、土壤侵蚀、环境变化等动态监测研究提供多时相、大范围的实时信息,成为研究地球资源、环境的有力手段之一。在运用遥感检测技术,发现地表变化信息时要充分考虑对象特征、遥感数据和变化信息三者的有机联系,避免出现遥感信息的不确定性问题。 以上就是我对我毕业设计的关于多时相土地利用/覆盖变化监测研究方法及数据选取的一个综述，感谢老师在百忙之中审阅！