面向?qū)ο蟮母叻直媛蔬b感影像森林植被變化檢測方法對比研究

章紫粼，盧 鵬

(1.貴州林業(yè)勘察設計有限公司；2.貴州省林業(yè)調(diào)查規(guī)劃院，貴陽 550000)

隨著遙感信息技術(shù)的快速發(fā)展，遙感數(shù)據(jù)的種類變得更豐富，分辨率越來越高，為遙感技術(shù)的研究及應用提供了重要的數(shù)據(jù)支持[1-2]。變化信息是遙感影像中的一種重要信息，利用變化檢測技術(shù)能夠高效地從高分辨率遙感影像上提取相應目標區(qū)域的變化信息[3-4]。基于像素的變化檢測方法是傳統(tǒng)的變化檢測方法，隨著高空間分辨率影像的出現(xiàn)及發(fā)展，面向?qū)ο蟮淖兓瘷z測方法已經(jīng)廣泛地應用于遙感變化檢測[5]。下文介紹兩種面向?qū)ο蟮淖兓瘷z測方法并比較它們的優(yōu)缺點。

1 研究區(qū)域概況

花溪區(qū)位于貴州省中部，隸屬于貴陽市，地理坐標為東經(jīng)106°28′50″～106°53′9″，北緯26°11′3″～26°34′27″。東鄰黔南州龍里縣，南連黔南州惠水縣、長順縣，西接貴安新區(qū)、清鎮(zhèn)市，北與南明區(qū)、云巖區(qū)、觀山湖區(qū)接壤，南北縱距43.4 km，東西橫跨40.7 km，國土總面積815.41 km2。地處長江、珠江分水嶺，是貴陽市著名的生態(tài)區(qū)。屬亞熱帶季風濕潤氣候，具有明顯的高原氣候特點，冬無嚴寒，夏無酷暑，氣候溫和，雨量充沛，雨熱同季，濕度較大。

2 研究方法

2.1 分類后處理的變化檢測方法

變化檢測方法的分類很多，傳統(tǒng)的分類方式包括分類后處理的變化檢測方法和分類前比較的變化檢測方法。分類后處理的變化檢測方法是對兩個不同時期的影像分別進行分類處理，然后對比兩期影像的對應對象的類別獲取變化檢測結(jié)果。

本文根據(jù)遙感影像將研究區(qū)域共劃分為有林地、灌木林地、其他林地、水域、建設用地、耕地等六種地類。主要步驟如下：

(1)采用多尺度分割對遙感影像進行分割，根據(jù)遙感影像的光譜特征、形狀特征、紋理特征選取適合的7個像斑特征(表1)對研究區(qū)域兩期遙感影像分別進行分類，形成分類圖斑矢量圖。

(2)按照同一標準分別對兩期影像分類錯誤的圖斑進行手動修改處理，形成兩期遙感影像地類分類圖。

(3)將兩期影像的分類結(jié)果進行疊加分析，得到對應地類發(fā)生變化的部分(變化圖斑)及未變化的部分(未變化圖斑)。

表1 像斑特征

2.2 分類前比較的變化檢測方法

分類前比較的變化檢測方法不對兩期影像進行分類處理，直接比較兩期影像對應對象的光譜信息，從而得到變化檢測結(jié)果。以下主要采用像斑差熵的方法，利用不同時期對象所有像元灰度差值的熵來衡量一個對象是否發(fā)生變化[6]，對研究區(qū)域的兩期遙感影像進行變化檢測及結(jié)果分析。

分類前比較的變化檢測方法為直接比較兩期影像的光譜信息，同一對象光譜信息相差較大即為變化圖斑，主要步驟如下。

(1)利用研究區(qū)域前期遙感影像地類分類數(shù)據(jù)對研究區(qū)域后期遙感影像進行結(jié)合矢量多尺度分割。

(2)將兩期遙感影像的分割結(jié)果進行疊置分割，獲取兩期影像的同質(zhì)對象。通過兩期影像對象內(nèi)的所有像元灰度值差值的熵，判斷對象是否發(fā)生變化。

(3)獲取各對象的差熵后，設定一個合理的變化閾值來獲取變化檢測結(jié)果。

3 結(jié)果及分析

根據(jù)上述兩種變化檢測方法，對花溪區(qū)兩期遙感影像進行處理，根據(jù)獲取的變化信息，對結(jié)果精度進行準確的定量評估。得到結(jié)果后，將其進行分析與比較，總結(jié)得出哪種變化檢測方法可以實現(xiàn)對森林植被變化的高精度變化檢測。

3.1 分類后處理的變化檢測結(jié)果

通過處理得到的變化檢測結(jié)果及外業(yè)核實結(jié)果進行統(tǒng)計對比分析，得到各地類變化情況(表2)。

表2 分類后比較的變化檢測結(jié)果與外業(yè)核實結(jié)果對比 單位：hm2

花溪區(qū)分類后處理的變化檢測結(jié)果及外業(yè)核實結(jié)果如圖1、2。

圖1 分類后處理變化檢測圖斑(局部)

圖2 外業(yè)核實變化圖斑(局部)

經(jīng)過外業(yè)核實，實際發(fā)生變化的圖斑為552個，面積為296.97 hm2；變化檢測出的變化圖斑為645個，面積為347 hm2；變化數(shù)量相差97，面積相差50.03 hm2。由此得到圖斑的變化檢測精度為85.58%，面積的變化檢測精度為81.72%。

3.2 分類前比較的變化檢測結(jié)果

花溪區(qū)分類前比較的變化檢測結(jié)果及外業(yè)核實結(jié)果如圖3、4。

圖3 分類前比較變化檢測結(jié)果(局部)

圖4 外業(yè)核實變化圖斑(局部)

將分類前比較的變化檢測與外業(yè)核實的實際變化數(shù)據(jù)相比，實際發(fā)生變化的圖斑為608個，面積為375.62 hm2；變化檢測出的變化圖斑為739個，面積為516.74 hm2；變化數(shù)量相差131個，面積相差141.12 hm2。由此得到圖斑的變化檢測精度為82.27%，面積的變化檢測精度為72.69%。

3.3 兩種變化檢測方法對比分析

對比兩種變化檢測方法，由于分類后比較的變化檢測方法中包含人工選擇分類樣本、手動修改漏劃、錯劃結(jié)果等處理，所以該方法不僅能得到變化檢測結(jié)果，也能檢測到變化后的地類；分類前比較的變化檢測方法只能得到變化檢測結(jié)果，不能檢測到地類變化的方向，因此分類前比較的變化檢測方法的精度相對會低一些(圖5、6)。在變化檢測的過程中，發(fā)現(xiàn)有些圖斑在前期影像中分類錯誤(例如建設用地錯劃為林地)，且后期沒有發(fā)生變化，兩期遙感影像的特征值則是近似的，從而導致分類前比較的變化檢測方法無法檢測出變化， 降低數(shù)據(jù)的準確性。而分類后處理的變化檢測方法不受影響，即使前期的分類結(jié)果錯誤，在后期影像中也能根據(jù)特征值分類結(jié)果把這部分錯誤圖斑糾正，從而提高數(shù)據(jù)的準確性。

圖5 前期分類圖斑(局部)

圖6 后期分類圖斑(局部)

因此認為分類前比較的變化檢測方法操作簡單，自動化程度較高，不受客觀數(shù)據(jù)影響，只對影像進行分析；分類后處理的變化檢測方法人工參與度較高，在森林植被變化檢測中具有明顯優(yōu)勢，更適用于森林植被變化檢測。

4 結(jié)論

本研究使用分類前比較的變化檢測方法與分類后處理的變化檢測方法對研究區(qū)域進行森林植被變化檢測，利用eCognition軟件進行多尺度分割、隸屬度分類、像斑差熵等處理，獲取不同的分類結(jié)果。實驗結(jié)果表明，分類前比較的變化檢測方法操作簡單，自動化程度較高，受人類主觀意識影響較少，但不能檢測出前期分類錯劃圖斑，分類精度較低；分類后處理的變化檢測方法需要人工進行實驗選取適合參數(shù)，在能檢測出變化圖斑的同時也能檢測出前期錯劃圖斑，分類精度較高，但該方法在很大程度上受分類精度的限制。兩種方法側(cè)重點不同，各有優(yōu)勢，都具有較高的應用價值，分類后處理的變化檢測方法更適合一定尺度的森林圖斑變化檢測。