GF-2卫星影像在土地变更监测中的适用性及潜力分析

王蕾 杨武年 任金铜,2 邓晓宇



GF-2卫星影像在土地变更监测中的适用性及潜力分析

王蕾1杨武年1任金铜1,2邓晓宇1

（1 成都理工大学，国土资源部地学空间信息技术重点实验室，成都 610059）（2 贵州工程应用技术学院，贵州省教育厅生物资源开发与生态修复特色重点实验室，毕节 551700）

为进一步推广国产卫星遥感影像数据在国土资源行业中的应用，针对土地利用监测与现状变更调查业务需要，探索“高分二号”（GF-2）卫星数据在土地利用动态监测与现状变更调查工作中的适用性及其潜力。以四川隆昌县金鹅镇为研究区，通过定性、定量评价原始影像数据质量，对比分析同级数据，结合多方法提取变更信息，从不同角度测试其变化监测能力。结果显示，GF-2卫星数据地物清晰，光谱信息丰富，目标解译性较好，影像效果优于“高分一号”（GF-1）和SPOT6数据；主成分分析法和光谱变异法的结合可快速发现影像上的变化信息，GF-2卫星影像能满足土地利用变更监测的需求，具有较大潜力及价值。

影像质量评价 土地利用变更 变化监测能力 “高分二号” 遥感数据 卫星应用

0 引言

“高分二号”（GF-2）卫星是我国“高分专项”工程的民用光学遥感卫星，作为我国自主研发的高分辨率民用陆地观测卫星，其空间分辨率实现了亚米级的突破，使我国卫星遥感真正进入了“高分时代”，其星下点分辨率可达全色0.8m、多光谱3.2m，多光谱具有蓝、绿、红、近红外四个波段，主要服务于国土资源、城乡建设、交通运输等相关领域。

随着卫星遥感的普及，越来越多的遥感数据运用到土地利用监测中去，大大减少了传统测量的人力物力。长期以来，我国遥感应用在很大程度上主要依赖国外遥感影像，但国外卫星影像资料价格昂贵，且不能及时提供可靠稳定的数据源，使我国在从事相关工作时遇到许多障碍。近年来，国产卫星在土地资源、灾害及环境监测中的应用也成为研究热点，文献[1]针对GF-2卫星数据，采用面向对象分类方法提取云南东川区滑坡灾害信息并计算滑坡面积；文献[2]利用“环境减灾一号”（HJ-1）卫星、“北京一号”（BJ-1）卫星和中巴地球资源卫星02B星（CBERS-02B）三种国产卫星图像宏观监测分析了6个地形各异地区的土地利用状况，得出各分类精度的不同影响因素；文献[3]基于“资源一号”02C卫星数据对长兴县进行土地利用动态监测，影像能较好的识别新增建设用地，为土地执法监管提供了可靠的数据支撑，具有现实意义和作用。探索高分系列卫星在遥感动态监测与现状变更中的适用性并推广使用，可减少对国外高精度数据产品的依赖。本文对GF-2卫星影像数据质量（quality，全文同）评价及变更监测能力测试，可为其在国土资源领域的应用提供参考。

1 数据与方法

1.1 研究区概况

研究区地处四川省内江市东南部的隆昌县，以低山、丘陵为主。全县共有17个镇，其中心城区所在的金鹅镇面积最大，覆盖范围东经105°13′~105°21′，北纬29°18′~29°24′（地理位置如图1所示）。全镇28个村，面积57km2，有丰富的经济作物及旅游资源，交通便利。本文以金鹅镇为例，基于GF-2卫星影像获取变化区域位置及类别，其土地利用的变更预示着该中心城区的扩张及其发展方向。

1.2 数据源

本文遥感数据源采用GF-2卫星PMS遥感影像，其全色（PAN）波段空间分辨率优于1m，多光谱（MSS）波段空间分辨率优于4m。鉴于变化监测的遥感数据最好为同一时相，且严重云雾覆盖的影像不可用于遥感监测，因此对研究区大量GF-2卫星影像进行了筛选，最终选取2015年7月12日及2016年7月20日的各两景数据作为本次变更调查研究的前后两时相遥感影像。

1.3 研究方法

本文技术路线如图2所示，主要包括：1）对原始数据进行定性和定量的质量评价，并对比分析同级影像数据；2）利用影像纠正、融合、镶嵌、裁剪等基本数据预处理方法，得到两时相的数字正射影像（Digital Orthophoto Map，DOM）；3）基于前后两时相DOM及两时相波段合成影像采用主成分分析及光谱变异法提取变化图斑，并从属性精度、面积精度、最小可监测图斑及图斑边界精度四个方面分析其监测能力；4）结合原始影像数据质量及其变化监测能力，综合分析GF-2卫星影像在土地利用变更监测中的适用性和应用潜力。

图1 研究区地理位置

图2 技术流程

2 影像数据源质量评价及数据对比

2.1 定性评价

定性评价主要从遥感影像目视感知的角度出发，通过观察其整体色调、清晰程度、纹理特征及噪声等现象，以此分析主观效果[4-6]。图3展示了GF-2卫星在研究区的局部区域影像效果，分图（a）、（b）、（c）均为原始影像，其中（a）、（b）所示的MSS数据光谱信息较为丰富，可分辨多种多样的地物类型，但个别建筑高亮反射；不同波段组合能突出不同的目标信息，但受到分辨率的限制，其地类边界相对模糊，纹理不够清晰。而图（c）PAN数据中各目标边界明显，轮廓清晰，细节凸出，有很强的视觉突出感受。分图（d）为PAN和MSS数据融合后的影像，与原始数据对比，融合后的影像兼具高空间分辨率和多光谱信息，地物色彩丰富，层次突出。

2.2 定量评价

定量评价则通过统计值来衡量影像的质量，有一定的科学依据，相对定性分析结果更加精确[4-5]。本文选取影像灰度值的最小值、最大值、均值、标准差、偏斜度、信息熵及各波段的相关系数等指标来评价研究区GF-2卫星数据（统计结果见表1、2）。最小值、最大值和均值反映了影像数据的明暗程度，表1最大值和最小值显示了全色波段比多光谱波段的影像灰度动态范围大，说明全色数据的整体反差大于多光谱数据，影像质量相对更好；标准差的结果表明第四波段的离散程度最高，偏斜度值体现了除第二、三波段外，其余都有一点微微的右偏斜，服从正态分布；信息熵是衡量影像信息丰富程度的指标，揭示影像空间细节表现能力，其大小反映了影像携带信息量的多少和纹理的复杂程度[6-7]，表1信息熵结果表现出全色波段和多光谱第四波段所含信息量较大，纹理更加复杂。相关系数是两个波段的协方差与两个波段标准差的乘积的比值，体现了波段间的相关程度[4]，表2中GF-2卫星PMS多光谱数据前三个波段之间的相关系数大，与第四波段数据的相关系数较小。由此分析可得，该数据的前三个波段具有较强的相关性，光谱信息冗余，而第四波段独立性好，可用于波段组合时突出更多地物信息。

（a）真彩色 （b）标准假彩色 （c）全色 （d）融合真彩色

表1 GF-2卫星影像数据统计特征

Tab.1 Statistical characteristics of GF-2 image data

表2 GF-2卫星多光谱影像数据波段间相关系数

Tab.2 Band correlation coefficient of GF-2 multispectral image data

2.3 GF-2与GF-1和SPOT6影像数据对比

对比GF-2卫星与同系列的GF-1以及SPOT6卫星的载荷参数可知，三个载荷的波段设置相同，波谱范围方面GF-1和GF-2一致，SPOT6基本接近，三者都能通过RGB方式显示真彩色。GF-2、GF-1和SPOT6卫星全色波段的空间分辨率分别为1m、2m、和1.5m，多光谱为4m、8m和6m，因此，理论上GF-2卫星的全色和多光谱波段融合后效果最优，但GF-1和SPOT6都有星下点60km2的幅宽，可大面积监测，而GF-2幅宽只有45km2，监测范围比前两者稍小。

比较GF-1、GF-2和SPOT6各自融合后的影像特征，图4为三种影像数据融合后不同地类的真彩色效果。GF-1影像局部区域存在噪声及波段错位现象[8]，整体色调偏红，地类较模糊，有的建筑物出现高亮反射。SPOT6地类清晰，易区分耕地与林地，但色调偏亮，真彩色波段组合显示仍与自然真彩色存在一定差异。GF-2明暗适中，色彩均匀，纹理细腻，虽然极个别建筑高亮显示，但后期处理可减弱此现象。图4中，GF-2因其分辨率的优势更能清楚的辨别建筑、道路、坑塘、耕地等，而另外两种影像目标边缘较为模糊。综合上述分析，GF-2卫星影像更易辨别地物，由其提取的变化信息精度也更高。

（a）GF-2耕地 （b）GF-2林地 （c）GF-2建筑用地 （d）GF-2水域

（a）GF-2 cultivated land （b）GF-2 woodland （c）GF-2 construction land （d）GF-2 waters

（e）GF-1耕地 （f）GF-1林地 （g）GF-1建筑用地 （h）GF-1水域

（e）GF-1 cultivated land （f）GF-1 woodland （g）GF-1 construction land （h）GF-1 waters

（i）SPOT6耕地 （j）SPOT6林地 （k）SPOT6建筑用地 （l）SPOT6水域

3 遥感数字图像处理

为合理利用数据源自带的有理多项式系数（Rational Polynomial Coefficients，RPC）文件信息，先进行影像纠正，本文影像纠正分为正射校正和影像配准两部分。为改正传感器及地形起伏引起的像点位移，以30m空间分辨率ASTGTM DEM数据[9]为高程参考，利用RPC文件对GF-2卫星影像全色及多光谱数据进行正射校正。影像的配准不仅影响到融合图像的质量，还关乎后续变化监测的精度，其目的是使待配准影像与基准影像在地理位置上可完全重叠。依据相关配准原则，以Xian_1980_3_Degree_GK_Zone_35坐标系为参考，对正射校正后的全色及多光谱数据先自动配准，再人工纠正误差较大的控制点，采用多项式纠正模型，经过三次卷积法重采样，对多光谱数据进行配准。研究区地处丘陵地带，故配准的RMS中误差控制在0.5个像素内。

原始影像数据的高空间分辨率和多光谱信息不可兼得，为达到时空上优势互补的目的，本文采用Nearest Neighbor Diffusion（NNDiffuse）pan sharpening算法将GF-2卫星影像的全色数据与多光谱数据进行融合[10]，融合后的影像（图3（d）所示）既提高了空间细节，又很好的保持了丰富的纹理信息和光谱信息[11]。拼接各期两景融合后的影像，以研究区镇界矢量范围裁剪得到研究区前后两时相DOM。经过图像增强及调色等处理，该影像图地类层次突出，光谱显示更加接近真彩色，可用于变化信息提取。

4 土地利用变化信息提取

4.1 变化信息自动发现方法

对变化信息自动发现方法的探索已有很多，总体可分为两类[12-14]：1）影像分类后比较法，2）基于像元分析法。前者根据处理的影像单元又可分为基于像元的分类法和面向对象分类法，对影像分类的精度要求很高，分类方法的选择很关键；后者可分为光谱特征变异法、主成分变换法、代数运算法、变化向量分析法及小波变换法等，后者中这些方法常交叉结合使用，有利于突出变化信息，避免误判和漏判。光谱特征变异法通过数据融合或波段组合的方式监测出变化地类的光谱畸变；主成分变换法根据相关性压缩数据，以突出图像在光谱空间中物理意义显著的指数；代数运算法通过加减乘除等结合运算来自动发现变化信息；变化向量分析法利用所有波段信息，用向量迁移来刻画变化类型；小波变换法以时空域与小波域的互换来分析处理小波系数，以达到图像增强去噪等效果[7,15-17]。

4.2 变化信息提取

分类后比较法能快速得到各个时相的土地利用分类结果，再通过差值等方法即可得出变化信息。但这种方法的提取结果依赖于分类的精度，很难找到一种几乎完全正确的计算机自动分类方法。针对影像像元，主成分分析法能分离信息，减少相关性，突出不同地物目标；光谱变异法从光谱上直观呈现出变化区域的畸变信息，物理意义明显。因此，本文结合光谱特征变异法及主成分分析法来突出变化信息，利用人机交互的方式提取变化信息。

4.2.1 主成分变换

主成分变换即PCA变换，又称K-L变换，它将以波段为坐标轴的亮度散点分布图通过平移或旋转使亮度值重新投射到新的PC轴上，使新的坐标轴指向方差最大的方向[17]。分别对研究区两时相的DOM及两时相波段合成影像做主成分分析，PCA变换后的波段替换了原影像波段，第一主成分中集中了大量的数据信息，第二主成分及其以后波段信息量迅速削弱并依次递减，波段中所含的噪声顺序递增。

4.2.2 光谱特征变异

“变异特征”是两时期的土地利用特征在时间、空间及光谱上的变化特征[18]。同一地物反映在不同影像上的光谱信息是一一对应的，但若因时相差别等因素导致两者信息表现不一致时，在融合或波段组合后的影像上光谱特征就表现出与正常地物有所差异，此时，称地物发生了光谱特征变异[19]。

结合实际工作情况，提取各PCA变化后影像信息量最大的第一主成分，将之进行波段组合，分别赋与红绿蓝（RGB）各个通道（R：合成影像PCA1；G：前时相PCA1；B：后时相PCA1），以图像增强来发现光谱变异信息。图5所示，同一地理位置，前时相土地利用为植被，后时相新增为建设用地时，光谱变异在影像上则表现为与周围地物不一致的光谱。在光谱变异图像上很容易发现光谱不连续的区域，即两时相存在的变化信息。

（a）前时相真彩色 （b）后时相真彩色 （c）光谱变异效果

4.2.3 人机交互提取

在光谱变异的影像上，通过拉伸等方式使变化信息最大程度上区别于周围地物，在同一数据窗口中叠合前时相土地利用数据库，采用人机交互方式[19]，沿变化信息的特征边缘勾绘出变更图斑。根据监测目标与土地管理需求，结合不同分辨率遥感数据的应用实验，参照工作技术要求[20]，再根据前后时相土地利用类型确定其变更类型。

4.3 结果及变化监测能力评价

本次研究共提取土地利用变更图斑47个，面积0.67km2。对上述图斑进行统计，最终总结为以下五种土地利用变更类型：1）耕地→建筑用地；2）草地→建筑用地；3）林地→建筑用地；4）草地→道路；5）林地→裸地。统计变更图斑面积，新增建筑用地0.32 km2，新增道路0.09 km2，新增裸地0.26 km2。本文将根据四种变更监测技术指标[19-22]来评价各变更类型的精度：1）新增建设用地及林草地属性精度为优于85%，面积精度优于80%；2）针对分辨率小于1m的影像，最小可监测图斑为400m2；3）同名地物位移不大于影像的2倍采样间隔。

4.3.1 属性精度

将提取变化图斑与隆昌县国土局提供的2016年隆昌县土地利用变更数据库对比，判读同名地物点位置各图斑类别。各类型图斑属性精度统计结果如表3所示，有43个图斑提取正确，其中新增建筑用地全部被识别，新增的道路遗漏两个，林地变为裸地图斑遗漏2个。各类型图斑精度都大于85%，草地变更为建筑用地这一类型甚至达到了100%，能很好的监测变化情况，满足遥感变化监测属性精度的要求。

表3 各类图斑属性精度

Tab.3 Attribute accuracy of each type of spot

4.3.2 面积精度

按照实际变更的五种类型，对提取正确的变更图斑，选取平均相对误差（）、单个图斑中误差（）来评价面积精度[19,23]。各指标计算公式为：

式中A为某一图斑面积测量值；B为相应真值；为图斑个数。令，则该图斑的相对中误差E为

（2）

则有

评价结果见表4。单个图斑中误差在0.40~0.80范围内，平均相对误差较小，各图斑面积精度都大于80%，平均面积精度为93.25%，具有较高的满足度。

表4 各类图斑面积精度

Tab.4 Area accuracy of each type of spot

4.3.3 最小可监测图斑

根据不同分辨率遥感影像识别地物能力的不同，当遥感影像分辨率≤1ｍ时，最小可监测图斑面积为400m2 [20]。在本文研究区范围内，可识别的最小监测图斑面积为182.36m2。可见，GF-2影像能满足最小可监测图斑的指标要求。

4.3.4 图斑边界精度

以上文所述2016年土地利用变更数据库为基准，测量研究区提取正确的43个变化图斑，对比记录每个图斑的偏移量，并计算得到偏移量最小值0.31m，最大值1.97m，均值0.82m，中误差0.89m。图斑偏移量中误差为0.89m，小于2倍采样间隔，即2m的限差，符合图斑边界精度要求。

5 结束语

本文基于2015年和2016年的两期GF-2卫星遥感数据制作了隆昌县金鹅镇DOM，以此提取研究区土地利用变化信息及评价变化图斑精度，通过对GF-2卫星遥感影像质量评价并与GF-1和SPOT6卫星数据对比分析，所得结论如下：

1）GF-2作为我国首颗亚米级卫星，虽个别地物影像有高亮现象，但其分辨率较高，融合后地类边界清晰，光谱信息丰富，可用来判别多种精细目标形态；

2）用研究区GF-2卫星各时相遥感图像的PCA第一主成分进行RGB波段合成，通过图像增强处理获得其光谱变异效果，能快速准确的发现变化信息的存在；

3）实验结果表明，从GF-2卫星图像的属性精度、面积精度、最小可监测图斑和图斑边界精度分析，GF-2卫星影像的变化监测能力较强，能很好的满足土地利用变更监测的需求；

4）从图像解像力角度分析，GF-2卫星因空间分辨率较高，图像纹理较GF-1和SPOT6卫星更清晰，地物更易辨别；GF-2卫星影像色调比SPOT6卫星更接近自然彩色，能更好的支持土地利用变更调查，提高监测精度。

综上所述，GF-2卫星遥感图像兼具空间分辨率及光谱分辨率优势，能很好适用于土地利用变更遥感监测，具有较大应用潜力与价值。然而，有时候其影像区域高亮，且数据可利用性有待提高，深入研究GF-2卫星影像在不同地域的适用程度及增强影像数据处理效果可使其更好的应用于我国土地监测领域。

[1] 刘肖姬, 梁树能, 吴小娟, 等. “高分二号”卫星数据遥感滑坡灾害识别研究——以云南东川为例[J]. 航天返回与遥感, 2015, 36(4): 93-100.LIU Xiaoji, LIANG Shuneng, WU Xiaojuan, et al. Interpretation of Landslide in Dongchuan District of Yunnan Province Using GF-2 Satellite Data[J]. Spacecraft Recovery & Remote Sensing, 2015, 36(4): 93-100. (in Chinese)

[2] 闫敏, 张丽, 燕琴, 等. 国产卫星数据在土地利用现状宏观监测中的应用评价[J]. 国土资源遥感, 2013, 25(1): 137-142. YAN Min, ZHANG Li, YAN Qin, et al. Evaluation of Chinese-made Satellite Images for Extraction of Land Use Information in Macroscopic Monitoring[J]. Remote Sensing for Land and Resources, 2013, 25(1): 137-142. (in Chinese)

[3] 何宇华, 柳陈胜, 史良树, 等. 基于资源一号02C卫星数据的土地执法监察应用研究——以浙江长兴县为例[J]. 测绘与空间地理信息, 2013, 36(9): 84-86. HE Yuhua, LIU Chensheng, SHI Liangshu, et al. Law Enforcement to Monitor Applications Based on ZY1- 02C Satellite Data: A Case Study of Changxing, Zhejiang[J]. Geometics & Spatial Information Technology, 2013, 36(9): 84-86. (in Chinese)

[4] 曹春旭. 资源一号02C卫星数据质量评价[D]. 北京: 中国地质大学(北京), 2014. CAO Chunxu. Date Quality Evaluation of ZY-I-02C Satellite[D]. Beijing: China University of Geosciences (Beijing), 2014. (in Chinese)

[5] 杜挺. Landsat8 OLI遥感影像融合算法比较及其土地利用分类适应性分析[D].西安: 西北大学, 2015. DU Ting. The Comparison among Fusion Algorithms of Lansdat8 OLI Remote Sensing Imagery and the Analysis on Adaptability of the Classification of Land Use[D]. Xi’an: Northwest University, 2015. (in Chinese)

[6] 崔璨. 基于对比分析的国产卫星影像质量评价[D]. 吉林: 吉林大学, 2014.CUI Can. The Quality Assessment of Domestic SatelliteImage Based on Contrastive Analysis[D]. Jilin: Jilin University, 2014. (in Chinese)

[7] 王瑞国. 遥感土地利用动态监测变化信息自动提取与实证研究[D]. 哈尔滨: 东北农业大学, 2007. WANG Ruiguo. Remote Sensing Monitoring Land Use Change Information Automatically Extracted and Empirical Study[D]. Haerbin: Northeast Agricultural University, 2007. (in Chinese)

[8] 赵磊, 孟淑英, 陈隆, 等. 国产卫星数据在土地利用动态遥感监测中应用的潜力分析[C]//2010年国际遥感大会文集. 杭州: IEEE, 2010: 104-108.ZHAO Lei, MENG Shuying, CHEN Long, et al. Potential Analysis on the Application of Domestic Satellite Images to Landuse Dynamic Monitoring[C]//Proceedings of 2010 International Conference on Remote Sensing (ICRS) Volume 4, Hangzhou: IEEE, 2010: 104-108. (in Chinese)

[9] 地理空间数据云[DB/OL]. http://www.gscloud.cn/search.Geospatial Data Cloud [DB/OL]. http://www.gscloud.cn/search. (in Chinese)

[10] 任金铜, 杨武年, 杨鑫, 等. 国产高分二号PMS数据融合效果评价研究[C]//成都理工大学地球科学学院. 资源环境与地学空间信息技术新进展学术会议论文集. 北京: 科学出版社, 2016: 223-225.REN Jintong, YANG Wunian, YANG Xin, et al. Study on Fusion Effect Evaluation of Domestic GF-2 PMS Data[C]//College Of Earth Sciences, Chengdu University of Technology. Conference Proceedings of New Development in Resources and Environment and Geological Spatial Information Technology. Beijing: Science Press, 2016: 223-225. (in Chinese)

[11] SUN W H, CHEN B, DAVID W. Messinger, Nearest-neighbor Diffusion-based Pan-sharpening Algorithm for Spectral Images[J]. Optical Engineering, 2014, 53(1): 1-11.

[12] SINGH A. Digital Change Detection Techniques Using Remotely Sensed Data[J]. Int J Remote Sensing, 1989, 10: 989-1003.

[13] RIDD M K. A Comparison of Four Algorithms for Change Detection in an Urban Environment[J]. Remote Sensing of Environment, 1998, 63: 95-100.

[14] CHAVEZ P S. Automatic Detection of Vegetation Changes in the South-western United States Using Remotely Sensed Images[J]. Photogrammetric Engineering & Remote Sensing, 1994, 60: 571-583.

[15] 冯德俊. 基于遥感的土地利用变化监测及其信息自动提取[D]. 成都: 西南交通大学, 2004.FENG Dejun. Monitoring and Automatic Extraction of Land Use Change Information with Remote Sensing Approach[D]. Chengdu: Southwest Jiaotong University, 2004. (in Chinese)

[16] 韩花. 基于监督分类的土地利用动态变化监测及其信息自动提取[D]. 西安: 长安大学, 2012. HAN Hua. Dynamic Monitoring and Automatic Extraction of Land Use Change Information with Supervised Classification[D]. Xi’an: Chang’an University, 2012. (in Chinese)

[17] 赵英时, 等. 遥感应用分析原理与方法[M].2版. 北京: 科学出版社, 2013.ZHAO Yingshi, et al. Principles and Methods of RemoteSensing ApplicationAnalysis[M]. 2nd ed. Beijing: Science Press, 2013. (in Chinese)

[18] 潘耀忠, 陈志军, 聂娟, 等. 基于多源遥感的土地利用动态变化信息综合监测方法研究[J]. 地球科学进展, 2002, 17(2): 182-187.PAN Yaozhong, CHEN Zhijun, NIE Juan, et al. Research on Comprehensive Monitoring Approach in Landuse Dynamic Change Using Multisource Remote Sensing Data[J]. Advances in Earth Science, 2002, 17(2): 182-187. (in Chinese)

[19] 柴渊, 李万东. 土地利用动态遥感监测技术与方法[M]. 北京: 地质出版社, 2011. CHAI Yuan, LI Wandong. Land Use Dynamic Monitoring Technology and Method[M]. Beijing: Geological Press, 2011. (in Chinese)

[20] 高延利, 朱留华, 王广华, 等. TD-1010.土地利用动态监测规程[S]. 北京: 中华人民共和国国土资源部, 1999.GAO Yanli, ZHU Liuhua, WANG Guanghua, et al. TD-1010. Dynamic Remote Sensing Monitoring of Land Use Regulation[S]. Beijing: Ministry of Land and Resource of the People’s Republic of China, 1999. (in Chinese)

[21] 王忠武, 刘顺喜, 戴建旺, 等. 高分二号卫星数据在新增建设用地监测中的应用分析[J]. 航天器工程, 2015, 24(36): 134-139.WANG Zhongwu, LIU Shunxi, DAI Jianwang, et al. Analysis of New Constructed Land Monitoring by Using Gaofen-2 Satellite Imagery[J]. Spacecraft Engineering, 2015, 24(36): 134-139. (in Chinese)

[22] 李芬. 资源三号卫星数据在土地利用遥感监测中的应用研究[D]. 吉林: 吉林大学, 2013.LI Fen. Application Study of ZY-3 Satellite Data to Land Use Dynamic Monitoring[D]. Jilin: Jilin University, 2013. (in Chinese).

[23] 孙晓霞, 张继贤. 土地利用动态遥感监测面积精度评价方法[J]. 中国土地科学, 2004, 18(2): 45-48.SUN Xiaoxia, ZHANG Jixian. Area Accuracy Assessment for Land Use Change Detection by Remote Sensing[J]. China Land Science, 2004, 18(2): 45-48. (in Chinese)

（编辑：夏淑密）

Applicability and Potential Analysis of GF – 2 Satellite Image in Land Change Monitoring

WANG Lei1YANG Wunian1REN Jintong1,2DENG Xiaoyu1

（1 Key Laboratory of Geoscience Spatial Information Technology of Ministry of Land and Resources, Chengdu University of Technology, Chengdu 610059, China）（2 Key Laboratory of Bioresource Development and Ecological Restoration of Guizhou Provincial Department of Education, Guizhou University of Engineering Science, Bijie 551700, China）

In order to further promote the application of domestic satellite remote sensing image data in China’s national land industry, according to requirements of the land use change survey and status monitoring, this paper explores the applicability and potential of GF-2 satellite data in the investigation of land use dynamic monitoring and current situation change survey. With Jine town of Longchang county in Sichuan province as the study area, the quality of the original image data is evaluated qualitatively and quantitatively. Comparing data with the same level ones and combining with multiple methods to extract change information, monitoring ability are tested from different angles. The results show that GF-2 satellite data has clear features, rich spectrum information, better target interpretation, and superior image effect to GF-1 satellite and SPOT6 data. The combination of principal component analysis and spectral variation can find the change information in the image quickly. Therefore, GF-2 satellite can meet the needs of land use change monitoring, and has a certain potential and value.

image quality evaluation; land use change; change monitoring ability; GF-2; remote sensing data;satellite application

TP75

A

1009-8518(2017)04-0096-10

10.3969/j.issn.1009-8518.2017.04.012

王蕾，女，1993年生，2015年获成都理工大学遥感科学与技术专业工学学士学位，现在成都理工大学资源与环境遥感专业攻读硕士研究生学位。研究方向为遥感应用。E-mail: wangleitl@qq.com。

杨武年，男，1954年生，教授，博士生导师。研究领域为遥感地质、3S技术及地学应用研究。E-mail:ywn@cdut.edu.cn。

2017-05-15

国家自然科学基金资助项目（41671432，41372340）；四川省国土资源厅应用基础研究项目（KJ-2016-12）；四川省教育厅科研项目重点项目（172A0027）；贵州省教育厅自然科学研究项目（黔教合KY字（2015）448号）