基于LANDSAT+TM影像地城市变化检测研究.pdfVIP

基于LANDSAT TM影像的城市变化检测研究 李全李霖 摘要：变化检测是遥感应用的主要领域之一。它是指通过观测在不同时间的目标对象来确定其在状 态上差异的过程，具有利用多时相数据量化分析时间影响的能力。(SINGH，1989)在监测自然资源 时，包括四个重要方面：(1)监测变化是否发生；(2)确定变化发生的实质；(3)测量变化的面积； (4)评估变化的空间模式。(MACLEOD，1998) 在城市变化检测研究过程中，基于植被指数的算法成为重要的分支。这其中基于NDVI的城市 应用此类算法得到的城市变化检测的总精度为85％。这类算法的总体思想是利用NDVI对植被覆盖 的敏感性初步确定由非城市用地转化为城市用地的像元，然后通过不同的方法消除伪变化像元。事 实证明这是进行城市变化检测的一种有效方法。本文所提出的算法就是这类方法的一种新的尝试。 为了测量城市扩张的速度，我们利用不同年份影像NDVI值的不同，然后利用从后 期影像所获得的道路密度来过滤由于影像获取季节不同等原因而造成的伪变化像元。 我们先计算不同时期影像的NDVI值，然后将后期影像和前期影像的NDVI值相减，所有差值小于 0的像元都是可能从农业用地变化为城市用地的像元。 在此基础上，我们考虑用道路密度来消除由其他因素而非用地类型的变化导致的 NDVI值下降的像元。城市扩张与道路密度的关系是显而易见的。事实上，城市扩展必 DirectionProfile 然伴随道路的延展和道路密度的增大。我们采用GDPA算法(Gradient Analysis SML的FOCALDENSITY函数处理道路 Algorithm)从后期的TM影像中提取道路，然后用ERDAS 图像获得道路密度。GDPA算法先生成一系列的侯选道路像元，再应用噪声消除算法消除噪声。 (WANG，1994；ZHANG，2002) 如果像元同时满足下列两个条件，则将被标识为变化为城市的像元点。 △NDVI值在规定的阈值之下。 道路密度超过规定的阈值 我们选择南京市作为实验的地区。作为我国东部经济发达地区的特大城市，南京的城市扩张速 度较快。 选取1990年和1995年两个时期的LANDSATTM影像作为实验数据。首先将1995年的影像基 于矢量图层采用二次多项式进行几何校正，然后将1990年数据与1995年数据进行配准，最后获得 ConicalArea 的两幅图像RMS小于0．45个像元，投影方式为正轴等面积割圆锥投影(Albers Equal Projection)。 图像上表现为白色，将所有大于阈值的像元赋值为0，在图像上表现为黑色。(如图1)经多次实验， 将阈值设定为一0．4。 FOCALDENSITY函数处理道路数据，得到道路密度图。图中色调越浅的部分表示道路密度越大。 设定阈值为20，将所有像元值大于20的像元赋值为1，其它的像元赋值为0。在得到的二值图上， 自颜色的部分表示的是道路密度较大，符合条件的区域。