基于变化检测的地表覆盖类型图遥感更新方法研究

发布时间：2020-07-14 18:28

【摘要】：近年来,随着我国遥感卫星事业的快速发展,遥感影像数据被广泛应用于地表覆盖测量、监测与制图中。森林是地表覆盖类型的重要组成部分,一直以来,森林与其他地表覆盖类型的互相转变关系是森林资源监测中获取森林覆盖变化信息以及地表覆盖类型信息的重要研究内容。近些年,地表覆盖数据相关产品的生产方法逐渐丰富,产品在空间分辨率和分类精度方面都有了很大的提升。但由于地表覆盖类型受人类活动和自然因素影响具有复杂性和动态性,地表覆盖产品生产依然面临很多挑战:一方面,地表覆盖类型信息的获取要求有稳定的遥感数据源提供充足的数据;另一方面,还需在保证数据产品的精度前提下尽量缩小数据更新的周期和成本。相比于其他地表覆盖类型信息更新方法,基于变化信息的地表覆盖更新可以减少工作量,同时最大程度上保持更新数据与历史数据的一致性,因此成为目前地表覆盖类型图更新工作的重要方法。根据以上背景,本文选取内蒙古自治区扎兰屯市为研究区,以探索基于变化检测的地表覆盖类型图更新方法为目标,主要开展了以下研究:(1)优化了变化检测差异特征的计算方法,采用基于典型相关分析的多元变化检测(Multivariate alteration detection,MAD)方法,通过分析不同地表覆盖变化类型对应的MAD各分量的特点,确定其所包含的地表覆盖变化信息分布的无序性,可利用此特性消除“耕地”类型中由于作物种类或所处生长期不同而导致的“伪变化”,从而构造了更为精确的MADsyn差异影像。(2)通过对MADsyn差异影像进行马尔科夫随机场(Markov Random Field,MRF)二值化分割,实现了地表覆盖变化区域的较高精度提取。通过比较最大类间方差(Otsu)法与MRF二值分类法,研究了在变化阈值确定过程中考虑邻域信息的作用和效果。结果表明,Otsu与MRF模型法获得的变化检测结果正确率分别为70.21%和76.69%,虚警率分别为30.12%和23.57%,漏警率分别为8%和6%。研究验证了本研究所采用的MRF二值分割法的有效性,获得了较高的变化区域分布检测精度。(3)发展了一种利用分类特征建立分类规则集,从而有效识别变化区域在后期的地表覆盖类型的方法。实验结果表明,NDVI与纹理差值特征的组合可以对植被覆盖增加、植被覆盖减少、水体增加以及建设用地增加等变化方向进行很好的区分。研究得到的地表覆盖类型更新精度达到了81.25%。(4)对研究区地表覆盖类型空间变化图结果的统计分析结果表明,2013-2017年,研究区林地净增长面积为426.94km2,增长率为2.54%,主要变化地类以草地向林地转变为主,转化面积为450.5km2,其他地类间亦均有小范围的互相转化。变化的主要驱动因子为林业政策的落实与林业工程的实施。总之,本文发展了一种基于变化检测的地表覆盖类型图遥感更新方法,具有较的地表覆盖类型图更新效率和精度,有利于应用部门及时、全面掌握大区域森林资源动态变化信息。
【学位授予单位】：中国林业科学研究院
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P237
【图文】：

技术路线图,遥感,论文结构,森林资源规划设计调查

图 1-1 技术路线图Fig.1-1 Technology Roadmap1.5 论文结构本文由 5 章组成，具体内容框架如下：第一章为绪论。该章阐明了本文的研究背景及意义，概述了地表覆盖类型遥感更新的思路和方法，归纳了遥感变化检测与地物类型识别的研究现状与趋势，总结现有方法的不足之处，确定本文的研究目的，描述了本文的技术路线，并给出论文的整体结构。第二章为实验区及数据预处理。这一章主要介绍了本文研究区的概况，并对研究获取的 GF-1 WFV 数据、森林资源规划设计调查数据、历史专题数据、外业调查数据以及

示意图,地理位置,森林资源,大兴安岭

05′40″N—48°36′34″N（郝世文，2015），研究区地理位置示意图如图 2-1 所示。实验区气候属温带大陆性季风气候，太阳辐射强，日照充足，昼夜温差大。冬寒冷干燥，夏季短而温暖，降雨集中，春季暖和，秋季降温迅速，风向为山谷北部属于大兴安岭东部温暖，湿润，半湿润的林牧区，东南部属暖温带半湿年平均气温 2.4℃，平均降水量 480.3 毫米，多集中在 6 - 8 月。无霜期约为左剑鸣等，2014）。实验区森林资源主要是天然林。森林资源相对较小。西向东植被分布大兴安岭混交林和低地丘陵阔叶林。树种主要有兴安落叶松（Larix gmelini（iRupr.）Kuze松（ Pinus sylvestris var. mongolica Litv. ）、白桦（Betula platyphylla Suk.）、etula davurica Pall.）、杨树（PopulusL.）、榆树（Ulmus pumila L.）、柳树（ylonica）、山杨（Populus davidiana）、柞树（Quercus mongolica Fisch. ex Ledeb月辉等，2006）。

遥感数据,遥感数据获取,专题数据,分类系统

（a）2013 年（b）2017 年图 2-2 研究区遥感数据（RGB：NIR，R，G）Fig.2-2 Remote Sensing Data of the Study Area （RGB:NIR,R,G）2.2.2 地表覆盖专题数据本文研究目的是基于两期（T1、T2）遥感影像和对应 T1 的地表覆盖类型分布图，发展较为自动化的更新 T2 遥感数据获取时间点对应的地表覆盖类型图的方法。为此，我们获取了研究区 2013 年地表覆盖类型图（图 2-3）。该图采用的分类系统见 4.2.1。

【参考文献】