多源遙感數據融合在土地監測中的應用

中圖分類號：P237；TP79 文獻標識碼：A 文章編號：1008-9500（2025）05-0095-03

DOI： 10.3969/j.issn.1008-9500.2025.05.027

Abstract： The fusion of multi-sourceremotesensingdata plays a keyrole inland monitoring，andthe fusion process involves data acquisition，preprocessng，and algorithm implementation.Taking Weishan county as the research area， methods suchas Intensity-Hue-Saturation（IHS）transform，principal componentanalysis，and wavelet transforareused to integrate Landsat-8and Sentinel-2satelite images，andanalyze the aplicationofmulti-sourceremotesensing data fusion in land monitoring. The spatial resolution of the fused image has increased by 30% compared to the original data，and the spectral fidelity has reached O.92.The monitoring accuracy of land use change in the research area exceeds 85%，providing data support for land resource management and decision-making.

Keywords： multi-source remote sensing; data fusion; land monitoring; spatial resolution

遙感技術的快速發展為土地監測提供豐富的數據來源，不同傳感器獲取的影像在時間、空間和光譜分辨率等方面各具特點。單一數據源往往難以滿足土地監測的綜合需求，多源遙感數據融合成為解決這一問題的重要途徑。隨著遙感平臺的增多和信息獲取頻率的提高，數據融合方法不斷創新，特別是在數據質量控制、融合算法優化和精度評價等方面取得顯著進展。深度學習等新技術的引入為提升融合效果開辟新途徑，多源遙感數據融合在土地監測中的應用價值日益凸顯。

1遙感數據獲取與質量控制體系

遙感數據獲取與質量控制體系是多源遙感數據融合的基礎環節。在數據獲取階段，構建包含地面采樣、航空遙感和衛星遙感的多層次觀測網絡，獲取Landsat-8衛星、Sentinel-2衛星等不同空間分辨率的多光譜影像。質量控制體系涵蓋數據預處理、輻射定標和幾何校正3個關鍵環節，建立統一的幾何配準基準，采用正射校正方法消除地形起伏和成像傾斜帶來的變形。輻射定標過程引入大氣校正模型，結合實測光譜數據進行絕對輻射校正，確保多時相影像的光譜響應一致性[。數據預處理環節應用條帶去除、云檢測和陰影消除等算法，建立質量評價指標體系，從空間完整性、光譜保真度和時相連續性等維度評估數據質量，為后續融合處理提供標準化數據基礎[2]。

2多源遙感數據融合關鍵技術與實現

2.1數據源特征分析

如圖1所示，研究區多源遙感數據包括Landsat-8衛星影像和Sentinel-2衛星影像。Landsat-8衛星影像空間分辨率為 30m ，包含多光譜和全色波段，時間分辨率為 16d ，幅寬為 185km ，在可見光至短波紅外波段具連續光譜響應特征。Sentinel-2衛星影像空間分辨率為 10m ，配備13個光譜波段，重訪周期為5d ，幅寬為 290km ，紅邊波段增強植被監測能力。兩類數據在綠光、紅光和近紅外波段重疊，但光譜特征互補，形成獨特的響應曲線。

圖1Landsat-8衛星影像與Sentinel-2衛星影像波段 光譜響應特征對比

2.2數據預處理方法

預處理環節采用輻射校正和幾何校正方法規范處理原始數據。輻射校正采用絕對輻射校正模型，根據式（1）將數字數值（DigitalNumber，DN）轉換為地表反射率。幾何校正采用控制點配準方法，選取分布均勻的地面控制點建立幾何變換模型。地形校正則結合數字高程模型數據，消除地形起伏引起的變形。去云處理通過設定閾值法識別云層區域，利用時序影像進行數據修復，保證數據質量。

ρ=（r×p+q）/cosθ

式中： ρ 為地表反射率； r 為原始 DN 值; p 和 q 為定標系數； θ 為太陽天頂角。

2.3融合算法設計

融合算法基于亮度－色調－飽和度（Intensity-Hue-Saturation，IHS）變換和小波分解原理，構建多尺度融合模型。根據式（2）、式（3）和式（4），進行IHS變換。融合過程采用高分辨率全色影像替換相應分量，通過反變換獲得融合結果。小波融合則對不同分辨率影像進行多尺度分解，選取最優分解層數，在小波域進行系數融合，實現空間細節和光譜信息的有效整合。融合權重參數通過迭代優化確定，保證融合結果的光譜保真度。

[I]=[a₁a₂a₃]×[R]

[H]=[b₁b₂b₃]×[G]

[S]=[c₁c₂c₃]×[B]

式中： [I ， H ，S為IHS分量； [R，G，B] 為原始影像RGB分量； ， c_i] 為第 i 個指標的變換系數矩陣。

2.4融合效果評價

融合效果評價采用定量指標體系，從空間質量、光譜保真度和信息量三個維度進行評估。空間質量評價采用平均梯度和邊緣強度指標，分析融合圖像的清晰度和紋理特征。光譜保真度評價通過相關系數和光譜角度映射法量化融合前后的光譜信息保持程度。信息量評價基于信息熵和互信息計算融合增益。評價結果顯示，融合后圖像的空間分辨率提升 30% ，光譜保真度達到0.92，邊緣保持指數提高 25% ，證實融合方法的有效性。

3多源遙感數據在土地監測中的應用效果

微山縣隸屬于山東省濟寧市，面積為 2187km² （24地形以平原為主，海拔為 25～45m ，地勢南高北低。研究區位于溫帶季風氣候區，年均氣溫為 14.2°C ，年均降水量為 750mm ，土地利用類型多樣。耕地占比為 52.3% ，主要分布在平原區；林地占比為15.6% ，以人工林為主；水域占比為 18.2% ，包括微山湖水系；建設用地占比為 12.5% ；未利用地占比為1.4% 。近年來，城鎮建設擴張，農田水利改造和濕地修復引起土地利用變化。

3.1土地類型識別

基于融合的多源遙感數據開展土地類型識別，如圖2所示，采用面向對象的分類方法。該方法流程包括特征提取、分類過程和結果輸出三部分。特征提取用于構建指標體系。選取歸一化植被指數和歸一化水指數表征光譜特征，計算同質性、對比度和熵值反映紋理特征，提取坡度和坡向體現地形特征。分類過程采用支持向量機算法，通過實地采樣點訓練模型，采用多尺度分割確定最優參數，形狀和光譜權重分別為0.3和0.7。分類結果顯示，耕地呈規則斑塊狀，邊界清晰；建設用地具幾何形狀特征；水域光譜特征突出;林地和草地呈破碎化分布。分類體系反映研究區土地利用現狀和空間分布特征。

3.2變化信息提取

變化信息提取采用多時相融合影像對比分析方法，選取2020年和2023年兩期數據進行對比。基于多源遙感影像融合解譯結果，得出2020一2023年土地利用類型轉移矩陣，明確研究區動態變化特征，如表1所示。2020—2023年，建設用地凈增 12.5km² ，主要來源于耕地和林地。水域面積增加 8.3km² ，主要來源于未利用地和耕地。耕地凈減少 32.9km² ，主要轉為建設用地和水域。變化檢測采用后分類比較法和直接檢測法，通過差值指數和變化向量分析提取變化特征。研究區呈現城鎮組團式發展，耕地整理降低農田破碎度 15% ，濕地修復區域水域面積顯著增加。

圖2基于面向對象的土地類型識別技術流程

表12020一2023年土地利用類型轉移矩陣

單位： km²

3.3監測精度驗證

監測精度驗證采用分層隨機抽樣方法，在研究區設置300個驗證樣本點。基于實地調查及高分辨率遙感影像驗證，各類型分類精度呈現等級分異，如表2所示。

表2土地利用類型分類精度評價結果 單位： %

耕地分類精度最高，生產者精度為 92.3% ，用戶精度為 90.5% ，總體精度為 91.4% 。水域次之，生產者精度為 90.8% ，用戶精度為 89.2% ，總體精度為90.0% 。建設用地分類生產者精度為 88.6% ，用戶精度為 86.4% ，總體精度為 87.5% 。林地和草地分類精度較低，其生產者精度分別為 85.4% 和 83.2% 。混淆矩陣評價顯示，6類用地平均總體精度為 86.6% ，Kappa系數為0.84，變化檢測精度為 85.2% 。大面積連續變化區域識別準確率高，細小斑塊變化信息提取精度待提升。

4結論

建立多源遙感數據獲取與質量控制體系，有助于實現融合數據在空間和光譜特征上的優勢互補。試驗結果證實該技術在土地類型識別和變化信息提取方面的實用性，可為土地資源監測與管理提供有力支撐。未來研究應著重優化融合算法，提高處理效率，促進遙感技術在土地監測領域的深入應用。

參考文獻

1 王曉嬌，武慧珍，賈瑞娟.地質礦產勘查中多源遙感數據融合技術的應用研究[J.西部資源，2023（6）：95-96

2 楊邵文.基于多源遙感數據融合的礦區土地利用分類方法研究[J].世界有色金屬，2023（10）：142-145.