地表覆盖变化遥感监测技术和方法.docxVIP

地表覆盖变化遥感监测技术和方法

土地覆盖是指地球表面当前所具有的自然和人为影响所形成的覆盖物，包括地表植被、土壤、冰川、湖泊、沼泽湿地及道路等，其主要表征地球表面存在的不同类型的覆盖特征。土地覆盖作为全球变化的一项重要内容，是研究各种生物圈过程模型和陆地生态系统动态变化的基本变量之一［1］。近年来，加之剧烈的人类活动对于土地覆盖产生了巨大的影响，对其研究具有十分重要的意义。遥感技术由于其信息的周期性和连续性，并且动态监测一直是其最主要的应用领域［2］。因此,成为土地覆盖变化研究最有力的技术手段。而准确地从遥感影像通过分类方法获取土地覆盖信息成为全球及区域范围的土地覆盖研究的关键。

各国学者相继提出并发展了许多基于遥感技术的变化检测方法［3］。随着土地覆盖变化的复杂性以及遥感数据多样性的增加，也相应的出现了一些新的变化检测方法。

按照数据的特征类型总体分为两类：一类是基于双时相（Bi-temporal）遥感数据的变化检测方法；另一类是基于遥感数据时间序列曲线（TemporaltrajectoryorTimeprofile）的变化检测方法［2］。目前应用较多的为前者，下面介绍各类方法。

基于双时相遥感数据的变化检测方法又可具体划分为基于图像代数运算的检测方法、基于数理转换的检测方法以及基于分类的检测方法，具体如下：

基于图像代数运算的检测方法：该类方法主要包括单变量图像差值法、图像回归法、图像比值法、背景相减法和变化矢量分析法（CVA）。在应用过程中选取适宜波段、植被指数以及合理阈值的确定都会对检测结果产生巨大的影响。

基于数理转换的检测方法：包括主成分分析（PCA）、缨帽变换（KT）、GS变换、Chi平方变换等。其中，PCA和KT对土地覆盖的监测应用较为广泛，而另外两项由于其过程过于复杂，在大多数遥感图像处理软件中都没有办法实现，所以相应的实际应用较少。

基于分类的变化检测方法是在对图像已经做过分类的基础上进行的。该法的优点在于能够提供较为详细的土地覆盖变化趋势分析，并且减少了多时相遥感数据间大气条件和环境差异的影响。而相应的缺点是对分类训练样本的数量和质量都要求比较高。因此，在实际应用中该类方法往往会耗费大量的时间同时缺乏高质量训练样本数据，最终并不能得到满意的变化检测效果。分类后比较法是该类方法中最为常见的方法，也是目前在土地覆盖变化检测中应用最广泛的方法之一。

利用遥感多光谱数据进行变化信息的提取和检测的方法又可分为两类:光谱类型特征分析和光谱变化向量分析［4］。

光谱类型特征分析方法主要基于不同时相遥感影像的光谱分类和计算，确定变化信息的分布和类型特征，分为直接比较法、分类后比较法和多光谱变换法。具体如下：

直接比较法：该方法首先是对同一区域、不同时相影像的光谱特征差异进行比较，确定变化信息发生的位置，在此基础上，再采用分类的方法来确定发生变化的类型。该方法优点是首先确定了变化信息的位置，因此缩小了分类范围，提高了检测速度，缺点是它无法同时获得具体的变化类型。

分类后比较法：首先对研究区的不同时相的影像进行各自分类，然后比较影像同一位置分类结果，进而确定变化信息的位置和类型。这种方法的优点是可以回避前一种方法所要求的影像系列时相一致的条件，以及影像间辐射校正、匹配等问题，但这一方法必须进行两次图像分类且制定统一的分类标准，而变化分析的精度依赖于图像分类的精度，这就明显受到单独分类所带来的误差影响，会不可避免地夸大变化的程度。

多光谱变换信息提取与检测方法主要是指差异主成份法、多时相图像主成分变化法、K-T变换法(Kauth-ThomasTransformation)0

光谱变化向量分析方法也是基于不同时相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。

除此之外，还有一些较新的方法，例如美国EarthSatellite公司提出交叉相关分析法(Cross-CorrelationAnalysisCCA)用来进行遥感变化信息的提取及动态监测［4］。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。以及Ridd提出用ChiSquare变换的方法来进行遥感变化检测研究。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。

由于土地覆盖变化同时受到空间、时间、光谱以及被识别的特征等多种复杂因素的共同影响，许多研究都表明，任何变化检测方法都有其优势与不足，没有一种方法最优并适合于所有情况。

基于时间序列曲线的变化检测方法主要是通过比较各种变化检测指标的年际曲线或生长期曲线的差异获取覆盖变化信息。数据源高时间频率的内在属性使这种方法不仅能检测土地覆盖变化，而且可以有效描述地表植被生态系统的物候变化。

由于