基于Landsat TM数据的江苏海岸带土地利用/覆被变化检测方法比较研究

土地利用/覆被变化是全球环境变化研究的核心问题之一,选择适当的变化检测方法在江苏海岸带土地利用/覆被变化研究工作中具有重要意义。本研究选取江苏海岸带具有典型代表性的大丰市作为变化检测方法比较研究的试验区,采用1992年和2002年两期Landsat TM影像,分别运用主成分分析法、混合变化检测法和变化矢量分析法进行变化检测,提取土地利用/覆被变化信息,并对每种变化检测方法进行定量分析和综合比较。研究表明,主成分分析法对于试验区的土地利用/覆被变化研究具有检测速度快、检测精度高等优点,适合试验区以及整个江苏海岸带的土地利用/覆被变化的检测。最终,综合运用主成分分析法和分类后比较法获得了5期近30年江苏海岸带土地覆被分类图,证明了主成分分析法可有效应用于江苏海岸带的变化检测。     

一种改进型面向对象的遥感变化检测方法

针对人工变化发现效率低下和高分影像数据量大的现状,按照"先发现变化区域,再进行分类识别"的检测思路,提出了一种集成改进型变化矢量分析法和面向对象分类法的变化检测方法。该方法利用基于最大类间方差阈值搜索的改进型CVA法以自动快速提取出变化区域,再基于面向对象分类法对变化区域进行地物类型识别。为验证该方法的有效性,本文利用2009年和2013年两期IKONOS高分影像对重庆市沙坪坝区大学城建成区进行了变化检测实验,并采用变化检测一致性比率进行精度分析。实验结果表明,该方法对道路和建筑用地的变化检测精度可以达到85%以上,对耕地和水体的地类检测精度达到70%以上。可见,该方法在大区域的宏观土地利用遥感动态监测工作中具有一定的实用价值。     

一种基于改进土地覆盖更新方法的新增建设用地自动提取

快速准确掌握新增建设用地信息对城镇化监测研究具有重要意义。基于后验概率变化矢量检测的土地覆盖更新方法中,存在初始样本准确性低、后验概率变化矢量检测精度不理想的问题,结合多元变化检测方法,对基于后验概率变化矢量检测的更新方法进行改进,提出一种可应用于新增建设用地提取的自动化方法。利用两期影像多元变化检测结果提高初始训练样本的准确性,同时在迭代选择样本过程中加入该变化检测结果,改善变化检测更新和重分类过程的精度,更准确地提取新增建设用地。用两期嘉兴地区高分一号影像和前期影像土地利用/覆盖分类数据验证改进效果,并与改进前方法对比。结果表明：改进方法提取的2017年新增建设用地精度更高,提取更新后的2017年建设用地总体精度达到85%,Kappa系数0.7以上,变化检测精度比未改进前显著提高。同时该方法显著减少了迭代次数,提高了提取效率。     

一种基于改进土地覆盖更新方法的新增建设用地自动提取

快速准确掌握新增建设用地信息对城镇化监测研究具有重要意义。基于后验概率变化矢量检测的土地覆盖更新方法中,存在初始样本准确性低、后验概率变化矢量检测精度不理想的问题,结合多元变化检测方法,对基于后验概率变化矢量检测的更新方法进行改进,提出一种可应用于新增建设用地提取的自动化方法。利用两期影像多元变化检测结果提高初始训练样本的准确性,同时在迭代选择样本过程中加入该变化检测结果,改善变化检测更新和重分类过程的精度,更准确地提取新增建设用地。用两期嘉兴地区高分一号影像和前期影像土地利用/覆盖分类数据验证改进效果,并与改进前方法对比。结果表明:改进方法提取的2017年新增建设用地精度更高,提取更新后的2017年建设用地总体精度达到85%,Kappa系数0.7以上,变化检测精度比未改进前显著提高。同时该方法显著减少了迭代次数,提高了提取效率。     

一种基于改进土地覆盖更新方法的新增建设用地自动提取

快速准确掌握新增建设用地信息对城镇化监测研究具有重要意义。基于后验概率变化矢量检测的土地覆盖更新方法中，存在初始样本准确性低、后验概率变化矢量检测精度不理想的问题，结合多元变化检测方法，对基于后验概率变化矢量检测的更新方法进行改进，提出一种可应用于新增建设用地提取的自动化方法。利用两期影像多元变化检测结果提高初始训练样本的准确性，同时在迭代选择样本过程中加入该变化检测结果，改善变化检测更新和重分类过程的精度，更准确地提取新增建设用地。用两期嘉兴地区高分一号影像和前期影像土地利用/覆盖分类数据验证改进效果，并与改进前方法对比。结果表明：改进方法提取的2017年新增建设用地精度更高，提取更新后的2017年建设用地总体精度达到85%，Kappa系数0.7以上，变化检测精度比未改进前显著提高。同时该方法显著减少了迭代次数，提高了提取效率。     

面向对象变化向量分析的遥感影像变化检测

为了解决基于像元的变化向量分析法在高分辨率遥感影像变化检测中精度低的问题,提出了一种面向对象变化向量分析的遥感影像变化检测方法。综合2个时期的遥感影像,首先通过影像分割获取像斑,其次提取直方图作为像斑的特征向量,再次采用直方图相交法度量2个时期像斑直方图之间的距离,构建像斑的变化向量,然后利用加权组合的方法计算像斑变化向量的模,最后依据最大熵原理获取变化检测阈值,对像斑进行变化/未变化判别。在QuickBird及Ikonos遥感影像上的实验表明:在高分辨率遥感影像变化检测中,与基于像元的变化向量分析法相比,该方法变化检测的精度较优,变化检测的正确率分别达到了0.92与0.90。     

基于Relief-PCA特征选择的遥感图像变化检测

面向对象的变化检测技术在高分辨率遥感图像领域已经得到广泛地应用。由于遥 感图像受光照、大气环境等成像条件的影响,图像特征的质量也参差不齐,筛选出高质量的特 征成为对象级遥感图像变化检测的关键。针对此问题,提出了一种基于 Relief-PCA 特征选择的 对象级遥感图像变化检测方法。首先,对原始图像进行多尺度分割获得目标对象,并提取对象 的光谱特征与纹理特征;然后,利用对数比值法获得变化矢量,再使用 Relief-PCA 特征选择的 方法对图像的对象特征进行筛选与降维;最后,计算并生成 CVA 变化强度图,利用 Otsu 方法 对变化强度图进行阈值分割得到最终的变化检测结果。实验表明：与已有方法相比,该方法的 变化检测精度更高,误检率和漏检率更低。     

高速铁路沿线土地利用/覆盖变化检测方法研究

为开展高速铁路沿线土地利用/覆盖的快速变化检测工作,本文首先对两期高分辨率遥感影像进行主成分分析得到两期影像的第一主成分量,再用GIS矢量数据分割两期第一主成分量得到影像对象层,构造对象的灰度均值向量特征,最后利用最大类间方差阈值分割算法(Otsu法),自动提取变化类与未变化类。为验证该方法在高速铁路沿线土地利用/覆盖变化检测应用中的有效性,本文对2009年与2012年武广高铁武江特大桥沿线的GeoEye影像(分辨率1.6m)进行了变化检测验证性实验,得到变化检测结果的精度能够达到84.7579%,仅耗时5s。在此基础上将该方法应用于2009年与2010年石武客专郑州东站段WorldView-2影像(分辨率2.0m)的变化检测中,得到的变化检测结果精度为88.6953%,耗时86s。可见,该方法在检测高速铁路沿线土地利用/覆盖变化中具有较高的可靠性和效率,对更新高速铁路数据库具有一定的使用价值。     

面向对象的土地利用变化检测方法研究

利用分类后比较法进行土地利用变化检测时,常用的自动分类方法只能利用遥感数据的光谱信息,分类精度较低,本文在此基础上将面向对象的分类方法引入到变化检测中。该方法综合利用遥感数据光谱信息、纹理特征、拓扑关系和专题信息,在进行多尺度分割获取对象后的基础上,通过对对象的目视识别选择样本来进行分类。利用面向对象的方法成功检测出了所选取的试验区十年间的土地利用变化信息,得到了较为满意的结果,为土地资源可持续利用提供了依据。     

基于像素比值的面向对象分类后遥感变化检测方法

结合基于像素的变化检测和面向对象分类后变化检测方法的各自特点,提出首先由改进后小窗口像素均值比值法确定一个发生变化的最小范围,然后在这个确定的最小范围的基础上进行面向对象分类后比较,最终确定分类图斑类型信息变化的方法。通过对北京房山区2002年、2006年两期SPOT5影像进行实验分析,评价结果表明本方法大大降低了传统变化检测方法因对未发生变化区域分类产生的误差传递的影响,从而提高了检测结果的精度。     

Land‐cover binary change detection methods for use in the moist tropical region of the Amazon: a comparative study

Many land‐cover change detection techniques have been developed; however, different conclusions about the value or appropriateness of each exist. This difference of opinion is often influenced by the landscape complexity of study areas and data used for analysis. Which method is most suitable for land‐cover change detection in Amazon tropical regions remains unclear. In this paper, 10 binary change detection methods were implemented and compared with respect to their capability to detect land‐cover change and no change conditions in moist tropical regions. They are image differencing (ID), modified image differencing (MID), a combination of image differencing and principal component analysis (IDPCA), principal component differencing (PCD), multitemporal PCA (MPCA), change vector analysis (CVA), vegetation index differencing (VID), image ratioing (IR), modified image ratioing (MIR), and a combination of image ratioing and PCA (IRPCA). Multi‐temporal Thematic Mapper (TM) data were used to conduct land‐cover binary change detection. Research results indicate that MID, PCD and ID using TM band 5 are significantly better than other binary change detection methods and they are recommended specifically for implementation in the Amazon basin.     

Detection of partial land cover change associated with the migration of inter-class transitional zones

Post-classification comparison techniques are frequently used in studies of change detection. If the classifications used were derived with the use of conventional 'hard' classification techniques, change detection is constrained to the identification of complete changes in class label. This may be inappropriate in circumstances when the land cover conversion is operating at a scale finer than the spatial resolution of the sensor which acquired the imagery and for the detection of land cover modifications. By basing the change detection on the comparison of fuzzy classifications it should be possible to identify partial changes, including both land cover conversion and modification. Fuzzy classifications of Advanced Very High Resolution Radiometer (AVHRR) data were used to identify changes in the apparent position of the forest-savanna transition in West Africa. A comparison of the classifications revealed the variations in the nature and magnitude of land cover change. It was apparent that the migration of the transitional area could be characterized and showed similarity to a simple hypothesized model of land cover change. The comparison of fuzzy classifications was able to provide a richer information base on class membership and its dynamics than that obtainable through the comparison of conventional 'hard' classifications.     

基于对象级分类的土地覆盖动态变化及趋势分析

以广东省东莞市2005~2008年SPOT 5遥感影像为主要数据源,采用对象级分类后比较的变化检测技术,从土地覆盖类型的面积总量、相互转移等方面多层次分析了研究区域4 a土地覆盖的变化情况。在此基础上,利用马尔科夫链模型对该区域未来5 a的土地覆盖动态变化及演变趋势进行了分析和预测,为广东省土地覆盖变化研究提供典型案例分析,以达到全面把握研究区土地覆盖变化规律的目标。结果表明:研究区域的土地覆盖变化基本趋势表现为城镇建设用地总量持续增加以及耕地和园林地面积总量减少,其中城镇建设用地和农业耕地变化幅度较大,其他类型土地变化相对稳定。增加的城镇建设用地主要来源于耕地的人为减少,农业垦殖环境将趋于恶化。研究结果可为研究区合理有效地利用土地以促进土地可持续发展、推进城市化进程奠定决策上的技术基础。     

改进SeMask主干网络的高分辨率遥感影像变化检测模型

随着城市化进程的加速和人口不断增加, 土地资源的利用和管理变得愈发重要. 高分辨率遥感影像技术的发展为土地覆盖类别变化检测提供了新的途径. 目前, 多数遥感影像变化检测任务主要针对显著建筑物的变化检测, 缺少对土地覆盖类别变化检测任务的研究, 本研究基于公开数据集, 对更多土地覆盖类别变化情况进行标注. 在原语义分割主干网络的基础上结合孪生网络结构, 提出适用于土地覆盖类别变化检测任务的检测模型, 该模型在网络的特征提取阶段加入变化引导模块, 以辅助网络关注两时相影像中的变化信息, 并在网络不同阶段加入通道信息交互模块, 以增强不同特征图的信息融合. 同时, 在特征提取阶段最后一层加入特征对齐模块, 以缓解下采样过程导致的特征偏移. 在土地覆盖类别变化检测数据集上的实验结果表明, 本文提出的方法可以有效提取影像中的变化信息, 并提高分割精度.     

洪泽湖区土地利用/覆盖变化分析

利用1973年、1984年和2006年3期Landsat卫星遥感图像,分别对校正处理后的3期图像进行缨帽变换,并利用亮度、绿度和湿度这3个分量的差值运算进行信息复合。然后利用变化向量分析法确定复合图像中的变化和非变化像元之间的变化强度阈值。最后利用阈值分割和掩膜技术,对3期图像进行土地利用/覆盖变化监测。研究表明,近33年来洪泽湖区土地利用结构发生根本性改变：天然湿地面积大幅度缩减,1973年~1984年间减少了200.55km2,1984年~2006年间减少了357.04km2,主要表现为敞水区和湿地植被面积的减少,养殖场、农田面积显著增加,城镇用地略有增加。本文研究表明基于缨帽变换并结合差值运算方法和变化向量分析法实现土地利用/覆盖变化监测的可行性。     

Monitoring post-tsunami vegetation recovery in Phang-Nga province,Thailand, based on IKONOS imagery and field investigations – a contribution to the analysis of tsunami vulnerability of coastal ecosystems

A major tsunami in December 2004 devastated the coastal ecosystems along the Andaman Sea coast of Thailand. Since intact coastal ecosystems provide many important services for local communities at the Andaman Sea, it is crucial to investigate to what extent (in terms of percentage area and speed) the affected ecosystems were capable of recovering after the tsunami. Field measurements and multi-date IKONOS imagery were used to estimate the recovery and succession patterns of coastal vegetation types in the Phang-Nga province of Thailand, three years after the tsunami. Thus, this study contributes to a holistic understanding of the ecological vulnerability of the coastal area to tsunamis. A zone-based change detection approach is applied by comparing two change detection techniques: the first method involves the calculation of a recovery rate based on multi-temporal TNDVI (transformed normalized difference vegetation index) images (TNDVI approach), whereas the second approach is a combined approach of the change vector analysis (CVA). Although these two methods provide different types of information (quantitative for the TNDVI approach, qualitative for the CVA), they are comparable in terms of results and accuracies. The results reveal that recovery processes vary based on the type of the ecosystem and, furthermore, are strongly influenced by human activities. Grasslands, coconut plantations and the mixed vegetation cover could recover faster than the mangroves and casuarina forests. Among the forest ecosystems, recovery rates of casuarina forests were higher than for mangroves, but the recovery area was smaller. This study also discusses the potential and some limitations and inaccuracies of applying high-resolution optical imagery for assessing vegetation recovery at a local scale.     

Urban built-up land change detection with road density and spectral information from multi-temporal Landsat TM data

In this article, Landsat TM images acquired during the same season from both 1984 and 1997 were analysed for urban built-up land change detection in Beijing, China, where great changes have taken place during the recent decades. To reduce the spectral confusion between urban 'built-up' and rural 'non built-up' land cover categories, we propose a new structural method based on road density combined with spectral bands for change detection. The road density represents one type of structural information while the multiple Landsat TM bands represent spectral information. Road density maps for both dates were produced using a gradient direction profile analysis (GDPA) algorithm and then integrated with spectral bands. Results from the spectral-structural postclassification comparison (SSPCC) and spectral-structural image differencing (SSID) methods were evaluated and compared with spectral-only change detection methods. The proposed SSPCC method greatly reduced spectral confusion and increased the accuracy of land cover classification compared with spectral classification, which in turn improved the change detection results. This article also shows that the SSID change detection result complemented spectral band differencing by detecting areas with greater structural changes, some of which were missed, by spectral band differencing.     

结合MNF变换和Canny算子的遥感影像变化检测

针对大面积区域的多时相遥感影像变化检测的需求，提出了一种基于最小噪声分离（MNF）的Canny边缘检测提取影像变化信息的检测方法。对多时相影像采用多种变换组合成具有多维波段信息的影像，采用最小噪声分离法分离噪声并得到单波段差异图，通过Canny边缘检测法计算梯度幅值，采用高低双阈值法细化边缘，从而提取差异图变化边缘，有效突出了变化信息。以1995年和2003年加扎勒河的两期遥感影像为例，利用两时相影像进行土地覆被变化检测。实验结果表明，该方法适用于监测大面积区域内地物的突变情况。在数据基础上进行最小噪声分离可以有效解决传统Canny边缘检测提取边缘时造成的伪边缘现象，同时采用高低双阈值法有效去除伪边缘点，从而获得更加精确、直观的变化检测效果，在自然地理变化监测、地理国情灾害监测等有很好的应用价值。