基于高分辨率衛(wèi)星影像的地物變化監(jiān)測研究
——以海南地區(qū)為例

盧金莎 林春芬

（自然資源部海南基礎(chǔ)地理信息中心，海南 海口 570203）

1 引言

隨著國家經(jīng)濟(jì)的高速發(fā)展，以及城鎮(zhèn)化的快速推進(jìn)，對建設(shè)用地的需求越來越大，土地資源利用等問題日益突出。傳統(tǒng)的土地利用調(diào)查監(jiān)管多通過外業(yè)調(diào)繪，隨著遙感技術(shù)的發(fā)展，衛(wèi)星影像的時間與空間分辨率日益提升，基于衛(wèi)星遙感影像開展地物變化監(jiān)測已成為當(dāng)下一種高效、便捷的方法。利用高分辨率遙感衛(wèi)星空間分辨率高、重訪周期短、敏捷性強等特點，監(jiān)測地表變化情況，廣泛適用于地理國情監(jiān)測、年度國土變更調(diào)查等工作[1]。

根據(jù)處理手段的不同，地物變化遙感監(jiān)測方法分為直接比較法和分類比較法。根據(jù)目標(biāo)對象不同，分為像素級、特征級和目標(biāo)級變化監(jiān)測[2,3]。基于像素的變化監(jiān)測是指經(jīng)過配準(zhǔn)的遙感圖像像素是否發(fā)生變化及哪些類型發(fā)生變化，監(jiān)測準(zhǔn)確性較高，但預(yù)處理的性能對監(jiān)測結(jié)果影響很大，像素易受輻射、大氣、角度等因素的干擾，會產(chǎn)生錯誤信息，影響變化監(jiān)測結(jié)果。而遙感分類監(jiān)測可以避免像素問題帶來的監(jiān)測誤差。本研究以國產(chǎn)高分辨率衛(wèi)星影像作為數(shù)據(jù)源，選用指數(shù)計算、直接對比法與分類對比法進(jìn)行海南地區(qū)地物變化監(jiān)測研究，以此探討遙感手段在地物變化監(jiān)測中的應(yīng)用。

2 數(shù)據(jù)源及監(jiān)測原理

2.1 數(shù)據(jù)源

選用國產(chǎn)高分辨率衛(wèi)星影像高分一號（GF-1）衛(wèi)星影像作為數(shù)據(jù)源，GF-1 于2013 年4 月26 日成功發(fā)射，衛(wèi)星搭載了兩臺2m 分辨率全色/8m 分辨率多光譜相機，四臺16m 分辨率多光譜相機。GF-1 衛(wèi)星突破了高空間分辨率、多光譜與高時間分辨率結(jié)合的光學(xué)遙感技術(shù)，多載荷圖像拼接融合技術(shù)，高精度高穩(wěn)定度姿態(tài)控制技術(shù)，單星上同時實現(xiàn)高分辨率與大幅寬的結(jié)合，2m 高分辨率實現(xiàn)大于60km 成像幅寬，16m 分辨率實現(xiàn)大于800km 成像幅寬，適應(yīng)多種空間分辨率、多種光譜分辨率、多源遙感數(shù)據(jù)綜合需求。GF-1 衛(wèi)星影像如圖1 所示。

圖1 GF-1衛(wèi)星影像

2.2 原理介紹

選用影像像素直接對比法和面向?qū)ο蠓ㄟM(jìn)行地物變化監(jiān)測研究，兩種方法的原理分別如下：

（1）指數(shù)計算

選用歸一化植被指數(shù)NDVI 作為指數(shù)計算指標(biāo)，NDVI 是一個標(biāo)準(zhǔn)化指數(shù)，用于生成顯示植被生物量的指標(biāo)，廣泛應(yīng)用于干旱監(jiān)測、農(nóng)業(yè)監(jiān)測等，并且廣泛應(yīng)用于地表植物生長變化監(jiān)測研究[4]。NDVI 計算公式如下所示：

NDVI 指數(shù)是對柵格數(shù)據(jù)集中的兩個波段特征進(jìn)行對比，即紅光波段中的葉綠素吸收率與近紅外波段中植被的高反射率特征，其中NIR 為近紅外波段、R為紅光波段。

（2）像素對比

影像像素直接對比監(jiān)測是以像素為單元，逐個像素計算影像像元之間的差異，得到差異圖像，然后利用閾值分割的方法對變化信息進(jìn)行提取。適用于對大面積區(qū)域的變化檢測，比如水體、森林、植被覆蓋的變化[5]。

（3）面向?qū)ο?/p>

面向?qū)ο蟊O(jiān)測以圖像分割和面向?qū)ο蠓诸悶榛A(chǔ)，綜合像元周圍的光譜特性，通過多尺度分割構(gòu)成對象，以對象為單位進(jìn)行特征計算，將計算的特征帶入到面向?qū)ο蠓诸愃惴ㄖ羞M(jìn)行分類對比，從而進(jìn)行變化檢測。

面向?qū)ο蠓椒ǖ奶崛☆愃茮Q策樹的構(gòu)思，從簡到繁，先剔除其他無關(guān)信息，再經(jīng)過多次篩選找出有用的地物類別，實現(xiàn)地物的分層提取。與傳統(tǒng)的分類方法相比其最大的不同是：面向?qū)ο蠓诸惙椒ǖ牟僮鞒叨葐卧皇腔趩蝹€像素，而是基于影像對象。面向?qū)ο蠓诸惙椒ǚ譃椋憾喑叨确指睢⑻卣鬟x擇、規(guī)則建立與分類，主要用于識別一段時間內(nèi)從一個地類更改為另一個地類的區(qū)域。在建筑物變化檢測、土地覆被變化等方面有廣泛的應(yīng)用[6]。

3 結(jié)果與分析

3.1 指數(shù)計算

通過對海南省瓊海市進(jìn)行NDVI 計算，以此掌握大尺度范圍內(nèi)的地物變化大致情況。圖2 為2020 年與2021 年夏季海南省瓊海市NDVI 計算結(jié)果，由圖2可知，瓊海市的植被覆蓋區(qū)域較多，且山地占比較大，城鎮(zhèn)區(qū)域集中在特定位置。

圖2 2020、2021年瓊海市NDVI指數(shù)

通過對比兩幅NDVI 指數(shù)進(jìn)行相減作差，得到如圖3 所示的成果。由圖3 可知，通過指數(shù)作差，得到的數(shù)值較高或較低的區(qū)域呈紅色與藍(lán)色，瓊海市西南區(qū)域為山地，且人類活動較少，植被變化情況較小。而瓊海市城鎮(zhèn)及其周邊的數(shù)值變化較大，即城鎮(zhèn)及周邊存在大量的由植被或耕地轉(zhuǎn)變?yōu)榻ㄖ绕渌愋偷牡匚铩?/p>

圖3 變化監(jiān)測結(jié)果

3.2 直接對比法

通過兩期GF-1衛(wèi)星影像利用像素直接對比方法，提取出大部分的變化圖斑，圖4 為2020 和2021 年的局部影像示意圖，2020 年影像上部分區(qū)域顯示為耕地，而在2021 年部分耕地已經(jīng)變?yōu)榻ǎ?gòu)）筑物、水體等類型，通過兩個時期的影像直接對比進(jìn)行變化圖斑提取，從圖5 可知，兩時期的變化信息大部分被提取出來，操場也作為單獨個體識別出來，但仍存在一定的問題，如部分裸地信息被錯誤識別進(jìn)去，影響了識別面積，基于像元的像素對比法，由于“異物同譜”現(xiàn)象不可避免，會造成部分不同類型但具有相同像元信息的地物錯分為一類。

圖4 兩時期影像對比

圖5 直接對比法變化監(jiān)測提取

3.3 面向?qū)ο髮Ρ确?/h3>

采用面向?qū)ο蠓诸惙椒▽?020 年與2021 年兩期影像進(jìn)行全要素分類，并對分類結(jié)果進(jìn)行對比，當(dāng)分類屬性發(fā)生變化時自動標(biāo)記并導(dǎo)出，得到具有較高精度的變化監(jiān)測提取成果。首先通過多尺度分割，將GF1 影像分割成互不相干的若干個區(qū)域，同一區(qū)域內(nèi)影像紋理與光譜特征相同或相似；不同地物類型具有不同的分割尺度，通過調(diào)整分割尺度，可以將地物類型準(zhǔn)確地勾繪出來；分割過程中加入了紋理特征、光譜特征、指數(shù)特征等，靈活運用相應(yīng)的特征，可以準(zhǔn)確獲取地物信息。通過面向?qū)ο蠓诸惙ǖ牡匚镒兓O(jiān)測，得到如圖6 所示的提取結(jié)果，基于面向?qū)ο蠓诸惖淖兓O(jiān)測結(jié)果提取精度較高，提取邊界更清晰，道路邊界、建筑輪廓均完整識別出來。相對于傳統(tǒng)監(jiān)督分類提取的結(jié)果存在鋸齒效應(yīng)，而面向?qū)ο笏惴梢暂^好地解決這一問題。

圖6 面向?qū)ο蠓ㄗ兓O(jiān)測提取

3.4 精度驗證

本研究通過統(tǒng)計圖斑成果內(nèi)的變化區(qū)域面積占總圖斑面積的百分比作為精度驗證指標(biāo)，對兩種方法的提取成果進(jìn)行精度驗證，得到如表1 所示的結(jié)果。由表可知：像素直接比對法的分類精度為75.69%，而面向?qū)ο蠓诸惙椒ǖ淖R別精度為86.75%，通過本研究的試驗可知，面向?qū)ο蠓诸愒诘匚镒兓O(jiān)測中擁有更高的識別精度。

表1 分類精度驗證

4 結(jié)論與展望

以國產(chǎn)高分辨率衛(wèi)星影像作為數(shù)據(jù)源，選用指數(shù)計算、直接對比法與分類對比法進(jìn)行地物變化監(jiān)測研究。通過研究開展，得到以下結(jié)論：

（1）對海南省瓊海市進(jìn)行NDVI 計算，可掌握地物地類變化的大致情況。

（2）對兩期影像進(jìn)行變化提取，影像像素直接對比法可提取部分變化圖斑，但“異物同譜”錯誤識別現(xiàn)象較多；面向?qū)ο蠓诸惙ㄌ崛〉木雀撸吔绺逦吔缱呦蚺c實際更吻合。

基于高分一號衛(wèi)星2 米分辨率影像進(jìn)行地物變化監(jiān)測，對于集中變化地物提取具有較好的適用性，對于獨棟建筑存在提取誤差，后期的研究將著重采用語義分割等先進(jìn)技術(shù)開展地物變化監(jiān)測研究等工作。