基于归一化的多时相林业遥感图像变化检测

郭晓妮，董雅雯，张 娟，丁 山

(1.国家林业和草原局中南调查规划设计院，长沙 410014； 2.湖南省森林植物园，长沙 410116)

遥感可归纳为“遥远的感知”[1-3]，指间隔一定距离利用传感器接收目标物的光谱信息。变化检测是对比分析同一地物不同时间的遥感图像所包含的变化信息的一种技术手段。多时相遥感图像变化检测是遥感领域的重点难点课题之一[4-7]，其结果能科学反映森林资源的动态更新，能为森林资源健康和持续发展提供数据支撑，为森林资源科学管理提供理论依据，也为当地政府应对森林资源变化制定合理、有效、及时的应对方案提供参考依据。

1 研究区概况与方法

1.1 研究区概况

研究区域为近水域、多山丘、低海拔的城乡交错区。西部以成片的耕地、水域为主，东部为大量的林地。林地类型丰富，森林总体覆盖率较高，达到了55.71%，主要以阔叶林和针阔混交林为主。研究区地物特征多样，利于判定模型在生产实践中的适用性。

1.2 研究方法

本研究针对多时相影像采用设定阈值的归一化法，将林地和非林地通过灰度值的不同进行初步划分，获取林地与非林地的分界；再通过分析设定差异性阈值，并利用归一化后的结果计算差异值。

模型公式如下：

式中，xi是后期影像的灰度值，yi是前期影像的灰度值，E1是前期影像林地与非林地的分界值，E2是前期影像林地与非林地的分界值。设置yi=255是灰度图像的最大值，其目的是为了让超过阈值的点不参与计算。

其中，X′i是归一化后的后期影像值，Y′i是归一化后的前期影像值，xi是后期影像的灰度值，yi是前期影像的灰度值，xi max后期影像的灰度值的最大值，xi min后期影像的灰度值的最小值，yi max前期影像的灰度值的最大值，yimin前期影像的灰度值的最小值。

其中，X′i是归一化后的后期影像值，Y′i是归一化后的前期影像值，e是两期影像差异性阈值。

1.3 模型的构建

1.3.1 划分地类及设置阈值

将地类划分为有植被覆盖的地类和基本无植被覆盖的地类两大类(表1)，其中，有植被覆盖的地类包括乔木林地、竹林、红树林、疏林地、国家特别规定灌木林地和其他灌木林地；基本无植被覆盖的地类包括未成林造林地、苗圃地、无立木林地、宜林地和林业辅助生产用地。通过对比两期影像的标准假彩色影像中的第二波段(红光波段)设置阈值。

表1 地类划分标准(林地)地类划分地类有植被覆盖乔木林地、竹林、红树林、疏林地、国家特别规定灌木林地和其他灌木林地基本无植被覆盖未成林造林地、苗圃地、无立木林地、宜林地和林业辅助生产用地

1.3.2 影像归一化及变化检测

不同时相的遥感影像进行分析对比时，须将两期影像归一化，从而忽略计量单位不同所引起的差异。将归一化后的模型相比较，设置阈值后进行变化检测；再采用众数滤波依据像元相邻3×3的像元值进行计算，过滤变化图斑内的异常值；然后采用焦点统计将5×5像元范围内的数据进行整合，生成单一图斑；接着利用重分类，将栅格图像二值化和矢量化；最后将有植被覆盖和无植被覆盖两类结果合并，筛选面积为1 333.34 m2以上的作为变化图斑。详见图1。

图1 模型构建示意图

2 结果与分析

2.1 结果分析

由图2可知，该研究区域北部变化图斑较为密集，其中，有植被覆盖的变化图斑呈现集中分布的态势。该地区紧挨城市，耕地及建设用地的占比大，由于人为活动较为频繁所导致该区域森林资源破坏严重。南部区域以林地为主，由于人为活动较少，森林生态系统较为稳定，变化图斑少。整个区域内，有植被覆盖的变化图斑远多于基本无植被覆盖的变化图斑。除城镇及成片耕地、水域外，其余地区变化图斑呈分散式分布。

图2

该区域变化检测图斑1 153个，其中，有植被覆盖的变化检测图斑数1 030个，占该区域变化图斑数的89.33%；基本无植被覆盖的图斑数为123个，占该区域变化图斑数的10.67%。详见表2。

有植被覆盖的变化图斑分为乔木林地、竹林、疏林地、国家特别规定灌木林地及其他灌木林地5类，其变化检测图斑数分别为818,115,13,83个和1个；占该区域变化图斑数的比例分别为70.94%，9.97%，1.13%，7.20%和0.09%。乔木林地占比最大，主要是因为建设项目征占用林地及林地采伐产生变化，其余图斑的变化原因多为建设项目征占用林地。

基本无植被覆盖的变化图斑分为未成林造林地、无立木林地及林业辅助生产用地3类，其变化检测图斑数分别为119，1个和3个；占该区域变化图斑数的比例分别为10.32%，0.09%和0.26%。未成林造林地变化较大，主要为建设项目征占用林地。

表2 变化检测图斑概况分类地类变化检测图斑数占比/%乔木林地81870.94竹林1159.97疏林地131.13有植被覆盖国家特别规定灌木林地837.20其他灌木林地10.09小计1 03089.33未成林造林地11910.32基本无植被覆盖无立木林地10.09林业辅助生产用地30.26小计12310.67合计1 153 100

从图3分析，变化检测的图斑能反映两期影像所存在的差异，自动生成的图形轮廓与实际变化轮廓基本一致。其中9号乔木林地的斑块轮廓精度优于126号竹林轮廓精度，造成该现象的主要原因是建设项目征占用林地的边缘特征优于采伐后形成的裸露土壤的边缘特征。外部轮廓的精确度基本可达到森林督查及森林资源管理“一张图”年度更新实践工作的要求。

编号地类前期影像后期影像9乔木林地126竹林55国特灌图3 变化检测结果示例

2.2 精度评价

模型自动生成1 153个变化图斑，人工目视解译分析研判后保留948个图斑，未发现漏判图斑，模型的精确度为82.22%(表3)。剔除的图斑主要为植被季节性变化、水域涨潮落潮、未成林造林地影像辐射误差及防火通道、乡村道路硬化所造成的误判。

表3 模型精度示意表分类地类变化检测图斑数保留图斑数剔除图斑数模型精度/%乔木林地81867014881.91竹林115971884.35有植被覆盖疏林地1312192.31国家特别规定灌木林地83671680.72其他灌木林地110100.00小计1 03084718382.23未成林造林地119982182.35无立木林地11基本无植被覆盖林业辅助生产用地330100.00小计1231012282.11合计1 15394820582.22

有植被覆盖的变化图斑数1 030个，保留图斑847个，剔除图斑183个，模型精度为82.23%。剔除图斑主要为植被季节性变化、水域涨潮落潮及乡村道路硬化所造成的误判图斑。乔木林地剔除图斑148个，主要为植被季节性变化及乡村道路硬化所造成的误判图斑；竹林剔除图斑18个，主要为乡村道路硬化所造成的误判图斑；疏林地剔除图斑11个，主要为植被季节性变化所造成的误判图斑；国家特别规定灌木林地剔除图斑16个，主要为植被季节性变化及水域涨潮落潮所造成的误判图斑；其他灌木林地剔除图斑0个，分项模型精度为100%。

基本无植被覆盖的变化图斑数119个，保留图斑98个，剔除图斑21个，模型精度为82.11%，剔除图斑主要为防火通道硬化及未成林造林地影像辐射误差所造成的误判图斑。未成林造林地剔除图斑21个，主要为未成林造林地影像辐射误差所造成的误判图斑；无立木林地变化图斑数1个，剔除图斑1个，为防火通道硬化所造成的误判图斑；林业辅助生产用地剔除图斑0个，分项模型精度为100%。

综合分析，该模型精确度已达到用于森林资源遥感变化检测的实际工作的初步标准80%，但能大大减少工作量，有效提高工作效率。

3 结论与讨论

本文选取湖北A县13 km×13 km的林业遥感图像进行研究。采用设置阈值的归一化法进行多时相林业遥感图像变化检测，模型自动生成1 153个变化图斑，经目视解译分析后，保留948个变化图斑，模型的精确度为82.22%。可实际应用于森林督查及森林资源管理“一张图”年度更新工作中。研究结果为多时相林业遥感图像变化检测提供了流程化的模式，具有指导森林资源动态更新实践操作的意义。

然而，本研究提取的遥感图像变化图斑受限于植被季节性变化、水域涨潮落潮、未成林造林地影像辐射误差及影像校正误差和防火通道、乡村道路硬化等因素，因此，变化检测结果须进行必要的人工干预。在今后的研究中，可采用多波段进行权重计算，改善模型的实践适用性，提高变化图斑的自动提取精度。