基于遥感的林地变化检测方法研究

周楚悦

（南京信息工程大学，江苏 南京 210044）

传统的林地变化检测以实地测量为主，作业成本高、产品精度低且更新困难，难以适应偏远地区，在信息提取及动态变化检测大范围或区域尺度的森林资源的作业中难以开展。而遥感技术具有探测面积广、重访周期短等特征，已成为林地变化检测的一种通用手段。经过近半个世纪的发展，遥感技术在理论、技术和应用方面日趋成熟；我国“高分专项”七颗卫星全部发射成功并投入使用，在局部区域和国家层面的森林变化检测已得到广泛应用[1]。许多林地变化检测方法被陆续提出，在Landsat系列、MODIS和Sentirel-2等遥感图像上得到应用，但实际应用中需要比较和测试各类方法从而确定最适用的林地变化检测方法。

1 研究现状

林地变化检测技术涉及空间、时间、光谱、地理信息数据等多个维度，处理过程复杂，从不同角度可以形成不同的分类方法[2]。本文将当前主要的变化检测方法根据处理角度的不同大致分为3类：基于图像数据的方法、基于图像变换的方法以及基于图像分类的方法。前两种方法都是在图像辐射差异的基础上进行变化检测，只能识别变化区域，但不能提供变化区域的信息。基于图像分类的方法不仅可以识别变化区域，同时提供变化区域类型的信息；但是该方法的每一次分类结果均存在不同程度的误差，从而使变化检测结果的精度降低。

1.1 基于图像数据的方法

基于图像数据的方法是假设发生变化的地物的像元信息在一定时期内存在明显的辐射差异，利用逐像元计算方法，比较不同时相图像的差异从而确定变化区域。主要有图像差值法、图像比值法、回归分析法和植被指数法。差值法和比值法是将两个时相的图像波段进行相减或相除的计算处理，从而确定林地的变化。回归分析法是在两个时相图像服从线性回归方程的基础上确定变化区域，用前一个时相的图像减去由回归函数估算得到的后一个时相图像与阈值进行比较；由于考虑两个时相图像的均值方差的差异，可以减少大气辐射和太阳高度角差异的不利影响。植被指数法通过植被指数的相减或不同RGB组合的方式确定林地的变化，植被指数通过计算多个时相的图像得到。

图像差值法、图像比值法、回归分析法识别林地的变化区域速度快、效率高，但在获取林地的变化类型信息方面仍存在困难[3]。植被指数法也仅能得到变化区域。同时，该类方法难以削弱由于大气辐射和传感器噪声带来的干扰，对预处理敏感。

1.2 基于图像变换的方法

基于图像变换的方法是先对影像进行变换以突出相应信息，如主成分分析（PCA）、缨帽（TC）变换、Gramm-Schmidt（GS）变换，再对影像进行变化检测。PCA利用主成分变换处理多波段信息，将处理得到的线性无关分量作为主成分。由于图像信息主要集中在第一和第二主成分，第一和第二主成分应用最为广泛。在TC变换中，图像通过固定的矩阵进行变换，得到的亮度、绿度、湿度分量均具有明确的指示意义，其中对林地变化最敏感的是绿度分量。GS变换是对TC变换的改进，通过正交变换双时相图像得到亮度、绿度、湿度分量和变化分量，由于所得分量与场景特征相关性较强，通过GS变换可以检测更多的变化信息。

1.3 基于图像分类的方法

基于图像分类结果主要包括分类后比较法、多时相直接分类法。

分类后比较法是在分类处理两个时相的图像后，对图像分类结果之间的差异进行比较以确定变化检测的结果。该方法中涉及的非监督分类方法有ISODATA分类、模糊聚类；常见的监督分类方法有支持向量机、决策树分类、随机森林分类。在分类后比较方法下，传感器、大气条件等因素对变化检测的影响将被有效削弱，不仅可以获取林地变化区域，也可以获得完整的变化类型信息。但是两个时相图像的分类类别必须相同，以满足相互比较的需要，同时每次图像分类结果的误差将逐次累积在结果中，使得从遥感图像得到森林变化难以取得较高的精度。

多时相直接分类法是通过对由多时相图像组合而成的一景图像直接分类而确定变化检测结果。借助该方法，变化检测结果在一次分类后即可输出，实现简单且高效。但由于在图像组合过程中需要同时计算图像的时间特征与光谱特征，将导致分开图像中的光谱变化与多景图像之间的时间变化的过程困难。

在处理多时相图像时间序列时，还可以采用先时间序列突变点检测、后分类的方法，从而确定林地变化情况。该方法仅需对发生突变的位置进行分类，变化检测效率高；但由于大气影响和图像配准等影响，判定突变点存在困难。基于图像分类的分类精度极大影响着该类方法的变化检测结果，容易造成累积误差；若分类器选择监督分类，由于训练样本将直接影响检测精度，所以需要慎重选取训练样本。

2 分类后比较法的相关理论

各类林地变化检测方法中，由于能有效规避因获取季节不同和传感器不同带来的多时相数据不匹配的问题，且变化的类型、范围和位置等信息可以直接获取，分类后比较法是最常用的变化检测方法。分类算法是该方法的核心，常见的有最大似然法、K均值法、决策树法、神经网络法等。根据先验知识的多少，分类算法可以分为3大类：监督分类、无监督分类和半监督分类。其中，近年来常用的算法主要有决策树分类、基于模糊分类的半监督分类。

2.1 决策树分类

决策树（Decision Tree，DT）是在空间数据挖掘和知识发现的基础上，对分类目标进行监督分类，和其他分类算法相比，其分类精度具有明显的优势。决策树的基本结构是树状结构，各个数据集可以依据其属性选取叶节点，对分类目标进行有效划分，从而简单化复杂的多分类问题指标。其建立的树形结构不仅能够提取数据中隐藏的知识规则与联系，且符合认识规律、直观性突出。一般情况下，树越小的决策树的预测能力越强。常见的决策树有 CHAID、CART、Quest和 C5.0。

在影像分类中，影响决策树分类精度的关键是数据训练样本的数量和质量。获取传统训练样本主要途径是勾绘影像，但实际作业中从多期影像上选取存在训练样本不统一、稳定性较差的问题，且易受到物候差异和大气差异的影响。C5.0决策树算法通过加入自适应增强算法对C4.5进行改进，适用于绝大多数类型的问题而且可以直接使用。C5.0算法可以自动修剪，自动使用合理的默认值，事后修剪决策树，且在数据处理速度、内存占用方面的性能高。

庞博等在以伊春市为研究区的研究中，采用稳定像元法获取训练样本，采用C5.0决策树进行分类，与传统的决策树分类后比较法得到的林地分类精度相比，改进的决策树分类后的检测精度提高4.01%，且提高了阴影、薄雾、耕地等区域的检测精度。

2.2 基于模糊分类的半监督算法

模糊C均值聚类（FCM）算法由Durun在1973年提出，是对K均值聚类算法的改进。在FCM算法中，每个样本可以属于不同的类别，模糊处理事物之间的联系。由于现实中每幅图像存在一定程度的信息重叠，与硬聚类方法相比，FCM更贴近实际生产需要。最早的模糊分类的半监督分类算法是由Pedrycz提出的半监督FCM算法（s-FCM），该方法是在FCM方法的基础上加入标记样本信息的改进。对于n个p维样本数据集X=XL∪XU={x1，x2，...，xn}（XL为有标签样本数据，XU为无标签样本数据），其目标函数为：

式（1）中，c为聚类类别数；uij为隶属度矩阵（样本j对类别 i的隶属度），取值范围为（0，1）；dij为样本 j到聚类中心νi的距离；fij为标签样本真实隶属度矩阵；bj为布尔值，当bj=1时，样本xj有标签，当bj=0时，样本xj无标签；α为平衡指数，用于调节目标函数中标记样本与非标记样本的比例。

其中，νi和uij的迭代公式为：

在此基础上，为适应各类实际问题，很多学者提出了不同的半监督FCM算法。

3 解决方案设计

作为目前的主要林地变化检测方法，分类后比较法仍存在许多问题。例如，不能检测地表类型的细微变化；对分类类别体系要求高，若类别划分不合理，理想的分类结果将难以得到，继而无法检测变化；过度依赖分类精度，变化信息的准确性直接受限于分类结果的可靠性。随着高分辨率影像的出现，特别是基于像元的变化检测方法的弊端越加突出，“同物异谱”和“同谱异物”现象严重，导致变化检测结果的精度降低。

本文将从提高变化像元识别精度、综合各类型化监测方法、主被动遥感协同3个角度分析可能的解决方法。

3.1 提高变化像元识别精度

基于像元值的变化检测方法运算简单直观、处理速度快，但变化阈值难以确定，不能确定变化地物的类型和变化特征。

变化向量分析法（CVA）是一种可以简单有效获取变化区域及其类型的方法，可以提供详细的变化类型信息、避免图像分类中的累积误差，在林地变化检测中有着广泛的应用。经典CVA首先用唯一的变化向量强度阈值确定变化像元，再通过变化向量角度确定变化类型。但由于不同林地变化类型对应的变化向量角度不同，该方法下难以避免未变化区域对检测结果影响大的问题，变化向量的角度范围和林地变化类型的关系也需要进一步探索。

3.2 综合各类型变化检测

各类型的变化检测方法均各有优势，但同时也受数据源、影像质量、研究区域特性和分析者的知识经验积累等各因素的影响。在解决实际问题时，通常对几种方法进行测试和比较之后确定一种较优的方法。若综合应用多种类型变化检测的方法，将有效兼顾信息与检测精度，在保证精度的同时，可以获得变化地物信息，避免未变化区域造成的冗余数据的影响。

3.3 主被动遥感协同

光学遥感极易受大气辐射和物候影响，特别是在多云雨地区；光学影像由于受卫星姿态、拍摄角度、云影等影响，也会存在大量的伪变化。雷达遥感由于观测角度、模式、重复周期固定，可以实现连续动态监测。若主被动遥感协同，将有效避免光学遥感存在的局限性。一方面，融合雷达数据和光学数据的优势，将有效提高监测的频次和时效性；另一方面，不同类型与尺度遥感数据协同支撑提取试验区动态变化斑块，利用光学数据复查雷达遥感发现的变化斑块并更正优化结果，有效确保精度。

其中涉及的关键技术包括雷达影像去噪处理、多时相雷达影像自动变化检测、多源多时相光学影像变化检测等。

4 结束语

林地变化检测涉及多个方面，从不同角度出发有不同的分类方法。针对提高林地变化检测结果精度和地物信息获取，本文提出3个具有应用价值的方向：提高像元识别精度、综合各类型变化检测方法、主被动遥感技术协同。但是这些方向仍没有突破二维层面与经验依赖的局限，未充分利用新旧影像间的许多关联信息及地理空间信息等多源数据。