基于多尺度分割和决策树算法的山区遥感影像变化检测方法——以四川攀西地区为例

山区遥感影像变化检测面临地形效应明显、空间异质性高等不利因素的影响,构建适用于复杂地形条件的变化检测方法一直是遥感应用研究的难点。在对影像进行多尺度分割的基础上,构建对象的多种光谱、形状及地形特征,将地形阴影、物候等造成的虚假变化当作"未变化"训练样本,利用决策树算法自动提取检测规则,建立复杂地形条件下面向对象的遥感影像变化检测方法,并将该方法用于四川攀西山区1989年和2009年TM影像的检测试验,最后对方法的不足和改进措施进行了讨论。主要结论包括:(1)文中构建的方法能够有效减弱山区复杂地形条件对遥感影像变化检测的不利影响,采用地面调查数据和分层随机采样的总体验证精度为93.57%,Kappa系数为0.8706。(2)C5.0决策树算法对于只有"变化"和"未变化"两种类别且同类间训练样本高度异质化的影像分类仍能取得较好的效果,具有较好的鲁棒性和适应能力。通过将地形、物候等引起的虚假变化当作"未变化"训练样本可以有效提高检测精度。(3)光谱特征仍是TM影像遥感分析的主要信息源,影像间NDVI的差值对于植被覆盖区域土地覆盖格局变化的检测具有良好的表征作用。(4)攀西地区1989—2009年间土地覆盖格局变化明显且与人类活动关系密切,典型的驱动方式包括退耕还林(草)工程、水利工程建设和矿山开采等。共检测出变化面积740.2km2,占影像总面积的2.49%。     

辅助数据在面向对象分类方法中的应用——以密云水库上游为例

密云水库上游位于华北平原向蒙古高原的过渡带内,自然条件差异大,人类活动对该区域影响显著。因此,对该地区土地覆盖类型遥感监测方法的研究具有典型的指导意义。基于高分辨率遥感影像,着重探讨辅助数据在面向对象分类方法中的应用,对密云水库上游地区的土地覆盖进行分类提取。结果显示,研究区内共包含26类土地覆盖类型,其中落叶阔叶灌木林、落叶阔叶林、草丛以及旱地,这4种类型的面积占总面积的85%,是全区的主要土地覆盖类型。在分类时,采用多源异构辅助数据,研究了北方山区常绿针叶林、旱地等土地覆盖类型的识别方法,有效降低了"同物异谱"和"同谱异物"现象对分类精度的影响。     

基于环境星与MODIS时序数据的面向对象森林植被分类

林区地形复杂、植被分布无序,且森林植被光谱信息相近,因而森林二级类型边界的确定成为土地覆盖遥感分类的难点。选择吉林省东部山区为研究区,以环境星影像(HJ-1 CCD)和中等分辨率成像光谱仪(MODIS)时序数据为基础,采用面向对象的分类方法进行森林植被类型的提取。分类特征参数主要选取了HJ-1 CCD的光谱和纹理特征,以及MODIS时序数据的物候特征。研究区总体分类精度为91.5%,Kappa系数为0.88,森林二级类型的分类精度均较高,其中落叶阔叶林的制图精度达到了97.1%。所用的面向对象分类方法与未加入物候特征的面向对象分类方法相比,森林二级类型的分类精度得到大幅度提高。     

基于植被信息季节变换的植被覆盖度变化——以福建省连江县为例

基于植被覆盖度的植被信息遥感变化检测已成为研究植被及其相关生态系统变化的主要途径,但由于云覆盖等天气条件的影响,很难获得不同年份同一季节覆盖整个研究区的光学遥感影像来进行植被变化检测,而采用季节差异的影像必然会影响植被变化检测的结果.为此,本研究利用中高分辨率遥感数据的空间分辨率优势和MODIS遥感数据的时间分辨率优势,基于二者关系的拟合,提出一种植被信息季节变换的方法,将不同季节影像的植被覆盖度变换到研究所需的季节上.结果表明: 将该方法应用到福建敖江流域连江片区发现,植被信息变换的效果较好,经过将覆盖研究区的2007年冬季和2013年春季的中高分辨率影像的植被信息统一变换到夏季后,2007年的植被覆盖度由66.5%上升到79.7%,2013年由58.6%上升到77.9%,有效消除了因季节差异而对植被覆盖度估算产生的误差,提高了结果的准确性.     

基于知识库的像斑光谱向量相似度土地覆盖变化检测方法

土地利用/覆盖变化检测是国内外全球化进程研究的重要内容,选择适当的变化检测方法对西北地区土地利用/覆盖变化进行研究在"生态十年项目"中具有重要的意义。选择西北地区具有典型代表性的TM轨道号134033区域作为变化检测方法验证的试验区,采用2005和2010年两期Landsat TM影像,在e Cognition Developer 8.64软件支持下,采用基于像斑的光谱特征特征向量相似度方法进行变化检测,并利用2010年土地覆盖数据作为先验知识库对变化区域分类,提取土地利用/覆盖变化信息,并对变化结果进行定量分析。结果表明,采用基于像斑的光谱特征特征向量相似度方法对于试验区的土地利用/覆盖变化制图具有检测快速、检测精度高等优点,适合试验区以及整个西北地区的土地利用/覆盖变化的检测。最终采用该方法以及分类后比较法获得了西北地区2000—2010年近10年的土地利用/覆盖分类图。     

基于多源遥感信息融合的广东省土地利用分类方法——以雷州半岛为例

准确高效的获取土地利用信息对生态环境评价非常重要。广东省地处华南热带和亚热带季风气候区,经济作物种类繁多,土地覆盖破碎,为土地利用精确分类带来很大不确定性,而常年多云雨的天气也为有效光学影像的获取带来困难。为提高土地覆盖分类精度,以雷州半岛为实验区,综合应用Landsat-TM/ETM、多时相HJ光学影像,以及X波段Terra SAR数据,通过分析不同地物类型在光谱、极化以及多时相特征上的差别,对原始图像进行特征提取。在此基础上融合多源遥感信息的地物特征运用面向对象土地覆盖分类方法获取研究区高精度的土地利用信息。结果显示这一方法能有效提高土地覆盖利用信息获取精度,为研究生态环境变化提供更准确的数据支持。     

大型露天煤矿区土地扰动的时空变化

选择平朔矿区安太堡露天煤矿为研究区域,采用主成分分析方法对1990年和2005年两期Landsat-TM遥感影像进行分析,探讨了研究区15年间的土地利用变化.结果表明:由于露天矿区土地扰动下土地类型、面积分布及其景观格局的不同,其遥感影像的光谱空间特征也不相同,但前2个主成分构成的空间特征结构十分明显,第1主成分主要表示采煤运煤区、边坡区以及剥离堆垫区的特征信息,第2主成分主要表示植被高覆盖区及植被低覆盖区的特征信息.将研究区的土地利用类型按照剥离区、采挖区、复垦区和原地貌四大类型进行分类,15年间,采挖区基本保持原有面积;原地貌面积减少了15.263km2;复垦区面积增加了8.513km2;剥离区面积不断扩大,从1990年的5.522km2增加到2005年的11.889km2.     

时间信息熵及其在植被覆盖时空变化遥感检测中的应用

基于遥感影像的变化检测是当前的研究热点,可为区域生态环境保育、资源管理与发展规划等提供决策支撑。目前遥感影像的变化检测多基于两个时相,不能充分地反映植被在时间维的连续变化特征。通过引入信息论,提出了利用时间信息熵来综合表征植被长时间序列的变化特征。研究以延河流域为试验区,基于MODIS/NDVI数据,应用时间信息熵方法来计算了2000—2010年该区域的植被覆盖变化信息,厘清了时空变化特征。研究结果表明,近10年延河流域的植被覆盖的变化以增加为主,占流域面积的80.7%;植被覆盖明显增加的区域占流域面积13.9%,主要分布在流域的东北部和东南部;植被覆盖减少的区域占比2.4%,主要分布在流域的西部和西北部;严重减少的区域占比1.1%,主要分布在流域的中部和西南部,是需要重点的生态恢复与治理区域。时间信息熵方法与回归分析法相比,能够更为客观地表征长时间序列植被覆盖的连续变化强度和变化趋势,可为区域生态环境的保护和管理提供更为科学的理论依据。     

基于决策树的科尔沁沙地土地利用/覆盖变化监测

以科尔沁沙地西缘内蒙古翁牛特旗为对象,利用3个时相(1989、1999和2007年,分别表示三北防护林体系工程建设近10年、20年和30年)Landsat ETM/TM数据,采用决策树分类方法对该区土地利用/覆盖动态变化进行监测.结果表明:基于决策树分类方法进行遥感影像分类的总体精度能达到89.4%以上,Kappa系数达到0.84以上;近20年,草地和耕地是主要土地利用类型(两项合计占64%以上),林业用地比重为4.8%～5.3%,面积较少;各土地类型面积变化大小依次为耕地>未利用土地>林地>居民及建设用地>水域>草地.     

利用IKONOS卫星数据和分形方法研究南麂岛土地覆盖状况

研究南麂岛的土地覆盖类型及其空间分布和结构特征。利用具有1米空间分辨率的IKONOS卫星遥感数据,提取南麂岛的植被覆盖和土地利用信息,获得草地、灌木林地、庄稼地和居民地等主要土地覆盖类型及其分布图。然后利用分形几何方法建立南麂岛土地覆盖类型特性分析模型,从斑块的面积效应、覆盖类型的分形分析、单个斑块的分形分析和覆盖类型分形特征差异显著性等方面进行分析讨论。研究结果表明,南麂岛的草地和灌木林地的分形维数较大,而庄稼地和居民地的分形维数较小,说明草地和灌木林地的斑块的结构特征和边界比庄稼地和居民地更为复杂。进一步研究表明,斑块的分形特性与其受人类活动的干扰程度密切相关。     

Extreme land-cover and biodiversity change as an outcome of land abandonment on a Mediterranean island (eastern Adriatic)

Understanding land abandonment and the resulting changes in land cover provides data for suitable reaction to habitat and species losses this process brings. This study aimed to define land-cover types and their biodiversity, record spatio-temporal changes and detect the trajectories and magnitude of these changes. The study was conducted on the island of Molat in the eastern Adriatic Sea. Land cover was defined for different years (1910, 1959, 1986, 2006) using remote sensing and recent vegetation sampling. The obtained land-cover maps were used for spatio-temporal analysis of land-cover change. Open vegetation units of rocky grassland, mesophilous grasslands and farm land dominated in 1910, covering 90% of the island. The observed changes occurred in trajectories through semi-open towards closed vegetation. In 2006, closed vegetation dominated, covering approximately 70% of the island area. The overall land-cover change was extreme, occurring over 90% of the island surface. Biodiversity analysis was related to the present land-cover types and change trajectories, and showed a considerable decline of species richness towards closed vegetation types. All observed changes were correlated to island depopulation and land abandonment. Re-population and encouragement of agro-pastoral activities should reduce habitat and species loss in the process of secondary succession.     

2000-2010年青海湖流域草地退化状况时空分析

青海湖流域属于高寒草地生态系统,草地退化状况是反映该流域生态环境状况的有效指标.在对青海湖流域退化草地分类的基础上,利用遥感手段获得流域退化草地的空间分布和变化信息.采用Markov模型、退化草地动态变化度、转类指数和景观指数对青海湖流域草地退化状况时空变化进行多角度分析.研究表明2010年青海湖流域草地状况良好,未退化草甸与未退化草原在整个流域占绝对优势,是流域面积的38％.2000-2010年期间,流域草地变化不大,退化草地转类指数为-0.0384;草地变化整体上呈极轻微退化趋势,在这11a期间呈现先退化、后改善的状况.流域内不同退化草地类别的空间景观格局表现比较稳定.青海湖流域的优势草地类别是未退化革甸,主要分布在流域中部,2000-2010年期间该类别的动态变化度为1.82％,没有发生大幅度变化,时空变化都比较稳定.中度退化草甸是退化最明显的类别,即使在流域草地呈改善状况的2006-2010年期间,有近7.4万hm2退化为重度退化草甸,占中度退化草甸转变为其他类别的65％.流域中与其他类别相互转换频繁,面积变化幅度最大的类型是轻度、中度退化草甸,及重度退化草原,在流域草地退化发生改善的2006-2010年期间,这3个类别的动态变化度达到15％-21％之间;空间上它们主要分布在流域西北部、青海湖北部以及环青海湖区域.     

A Simple Semi-Automatic Approach for Land Cover Classification from Multispectral Remote Sensing Imagery

Land cover data represent a fundamental data source for various types of scientific research. The classification of land cover based on satellite data is a challenging task, and an efficient classification method is needed. In this study, an automatic scheme is proposed for the classification of land use using multispectral remote sensing images based on change detection and a semi-supervised classifier. The satellite image can be automatically classified using only the prior land cover map and existing images; therefore human involvement is reduced to a minimum, ensuring the operability of the method. The method was tested in the Qingpu District of Shanghai, China. Using Environment Satellite 1(HJ-1) images of 2009 with 30 m spatial resolution, the areas were classified into five main types of land cover based on previous land cover data and spectral features. The results agreed on validation of land cover maps well with a Kappa value of 0.79 and statistical area biases in proportion less than 6%. This study proposed a simple semi-automatic approach for land cover classification by using prior maps with satisfied accuracy, which integrated the accuracy of visual interpretation and performance of automatic classification methods. The method can be used for land cover mapping in areas lacking ground reference information or identifying rapid variation of land cover regions (such as rapid urbanization) with convenience.     

人类活动影响下科尔沁沙地沙漠化动态的敏感性分析及灰色预测

利用90年代1◊25万和1◊50万的TM遥感影像及GIS获得的数据,结合该区70、80年代遥感调查数据,分析了科尔沁地区6个县的土地覆盖类型和潜在沙漠化动态及敏感因子。结果表明,1980～1990年该区的沙化面积从53%扩大到70%,林地下降10.7%,草地增加8.38%,主要为低覆盖草地。由于10年来人口密度增加了10人·km^-2,耕地平均增加了7%,人口增加和活动是土地覆盖变化的敏感性因子。分析该区沙漠化的自然因素表明气候变化导致沙漠化的正逆过程,人类活动是近代该区沙漠化加剧的直接原因。灰色预测表明该地区2000年以后人口增加,而沙漠化呈增加和减少两种趋势.     

Assessment of grassland use intensity by remote sensing to support conservation schemes

Grassland is a land cover in the area of conflict between agriculture and conservation, where intensification of land use is a major threat to grassland biodiversity. Grassland use intensity is a key factor for the conservation value of grassland, and detailed spatial data on grassland use intensity is needed to improve strategies for biodiversity conservation. A new remote sensing-based approach using multi-temporal high resolution RapidEye satellite data was developed in the present study that makes a large-scale assessment of grassland use intensity possible. RapidEye is a constellation of five satellites with 6.5 m spatial resolution, which allows frequent and timely image acquisition targeted at specific growing seasons. Semi-natural grassland, extensively used grassland, intensively used grassland and tilled grassland could be reliably differentiated at the management plot level in a study area in southern Germany. Various combinations of images from different observation dates have been tested as classification input and their overall classification accuracies were validated by field data. Best results were achieved using a combination of five multi-temporal scenes with an overall accuracy of 85.7%. A three-scene combination resulted in an overall accuracy of 82.2%. The analysis showed that seasonal aspects are very important when selecting adequate observation dates. Grassland use intensity was also assessed on peatlands using a peat soil map, since land use intensity significantly affects greenhouse gas emissions from peatlands. The results demonstrate the potential of targeted multi-spectral, high spatial resolution remote sensing for the large-scale monitoring of dynamic habitats, which is of vital importance to support various environmental conservation schemes through improved monitoring and reporting capabilities.     

基于中分辨率TM数据的湿地水生植被提取

利用湿地水生植被生长旺盛、光谱反射较强、光谱信息比较丰富的8月份中分辨率Landsat TM和ETM+多光谱遥感影像,采用面向对象的分类方法,进行野鸭湖湿地水生植被的提取。研究表明:在提取过程中,通过对原始影像进行主成分变换和穗帽变换,将主要信息与噪声分离,不仅减小了数据冗余和波段间的相关性,而且增大了影像上湿地水生植被与其他地物类型光谱和空间信息的差异性,并结合野外水生植被光谱特征分析,选择归一化植被指数NDVI与归一化水体指数NDWI辅助分类,构建特征波段或波段组合,然后,确定适当的隶属度函数和阈值范围,构建分类决策树,完成湿地水生植被的自动分类,提高了影像分割与面向对象分类的精度,取得了较为理想的湿地水生植被提取结果。2002年和2008年两景影像的总体分类精度分别达到86.5%和85.44%,表明中分辨率TM影像可以满足湿地水生植被提取的需要,又因为其具有较高的波谱分辨率、极为丰富的信息量、相对较低的价格、长时间序列,可以作为近20a湿地水生植被提取和动态变化监测的主要数据源。     

Accuracy assessments of the GLOBCOVER dataset using global statistical inventories and FLUXNET site data

The spatio-temporal distribution of land cover provides fundamental data for global climate and environmental change research. In recent decades, five global land cover maps have been produced based on remote sensing data sources and methodologies. Related research have shown that the availability and quality of the first four global land cover datasets are poor at the regional or the continental scale for a variety of reasons. There is still no consensus on the accuracy of the latest global land cover map. Based on comparison of the land cover dataset with the statistical cropland data from FAO and the FLUXNET site data, this paper discusses the accuracy of the fifth global land cover map, namely, the GLOBCOVER dataset, at different spatial scales. At the global scale, the cropland area obtained from the GLOBCOVER dataset is greater than that of the FAO statistical data by 47.06–84.49%, and the land cover types of the GLOBCOVER dataset have a 65.02% consistency with that of the FLUXNET site data. At the continental scale, the difference between cropland areas obtained from the GLOBCOVER dataset and the statistical cropland area vary from ?43.42% to 502.36%; continents that have a more accurate cropland area compared to the FAO statistical data tend to be less consistent with the FLUXNET site data. In general, North America has a higher accuracy and Oceania has a lower accuracy. At the country scale, the accuracy estimates vary sharply over a wide range: between ?100.00% and 190670.37%. It is recommended that future studies should pay careful attention to the data validation step before using the GLOBCOVER dataset for any particular problem. Future studies are also required for the development of a universal land cover classification system and advanced algorithms for remote sensing classification of global land cover maps.     

基于RS和GIS的科尔沁沙地南缘章古台地区土地利用变化及其驱动力

利用遥感影像,借助于GIS技术以及数理统计方法,对章古台地区近20年间土地利用变化及驱动力进行了分析。结果表明:1988-2009年间,章古台地区土地利用构成以耕地和林地为主;土地利用类型变化以林地、耕地和建设用地面积的增加和草地、水域及未利用土地面积的减少为特征,其中,草地、建设用地和未利用土地的年变化率大于其他土地利用类型;土地利用程度综合指数由1988年的235.34增至2009年的251.65;土地类型间的转化以草地、未利用土地向林地、耕地转化和耕地与林地间转化为主,占总转化面积的95.58%。章古台地区土地利用变化受人口、政策和自然因素的综合影响,虽然自然因素是决定土地利用变化的重要因素,但在20年的时间尺度上,人口增长和政策引导则是加剧这种变化的主导因素。