面向对象的高分辨率遥感影像森林植被变化检测方法对比研究

章紫粼，卢 鹏

(1.贵州林业勘察设计有限公司；2.贵州省林业调查规划院，贵阳 550000)

随着遥感信息技术的快速发展，遥感数据的种类变得更丰富，分辨率越来越高，为遥感技术的研究及应用提供了重要的数据支持[1-2]。变化信息是遥感影像中的一种重要信息，利用变化检测技术能够高效地从高分辨率遥感影像上提取相应目标区域的变化信息[3-4]。基于像素的变化检测方法是传统的变化检测方法，随着高空间分辨率影像的出现及发展，面向对象的变化检测方法已经广泛地应用于遥感变化检测[5]。下文介绍两种面向对象的变化检测方法并比较它们的优缺点。

1 研究区域概况

花溪区位于贵州省中部，隶属于贵阳市，地理坐标为东经106°28′50″～106°53′9″，北纬26°11′3″～26°34′27″。东邻黔南州龙里县，南连黔南州惠水县、长顺县，西接贵安新区、清镇市，北与南明区、云岩区、观山湖区接壤，南北纵距43.4 km，东西横跨40.7 km，国土总面积815.41 km2。地处长江、珠江分水岭，是贵阳市著名的生态区。属亚热带季风湿润气候，具有明显的高原气候特点，冬无严寒，夏无酷暑，气候温和，雨量充沛，雨热同季，湿度较大。

2 研究方法

2.1 分类后处理的变化检测方法

变化检测方法的分类很多，传统的分类方式包括分类后处理的变化检测方法和分类前比较的变化检测方法。分类后处理的变化检测方法是对两个不同时期的影像分别进行分类处理，然后对比两期影像的对应对象的类别获取变化检测结果。

本文根据遥感影像将研究区域共划分为有林地、灌木林地、其他林地、水域、建设用地、耕地等六种地类。主要步骤如下：

(1)采用多尺度分割对遥感影像进行分割，根据遥感影像的光谱特征、形状特征、纹理特征选取适合的7个像斑特征(表1)对研究区域两期遥感影像分别进行分类，形成分类图斑矢量图。

(2)按照同一标准分别对两期影像分类错误的图斑进行手动修改处理，形成两期遥感影像地类分类图。

(3)将两期影像的分类结果进行叠加分析，得到对应地类发生变化的部分(变化图斑)及未变化的部分(未变化图斑)。

表1 像斑特征

2.2 分类前比较的变化检测方法

分类前比较的变化检测方法不对两期影像进行分类处理，直接比较两期影像对应对象的光谱信息，从而得到变化检测结果。以下主要采用像斑差熵的方法，利用不同时期对象所有像元灰度差值的熵来衡量一个对象是否发生变化[6]，对研究区域的两期遥感影像进行变化检测及结果分析。

分类前比较的变化检测方法为直接比较两期影像的光谱信息，同一对象光谱信息相差较大即为变化图斑，主要步骤如下。

(1)利用研究区域前期遥感影像地类分类数据对研究区域后期遥感影像进行结合矢量多尺度分割。

(2)将两期遥感影像的分割结果进行叠置分割，获取两期影像的同质对象。通过两期影像对象内的所有像元灰度值差值的熵，判断对象是否发生变化。

(3)获取各对象的差熵后，设定一个合理的变化阈值来获取变化检测结果。

3 结果及分析

根据上述两种变化检测方法，对花溪区两期遥感影像进行处理，根据获取的变化信息，对结果精度进行准确的定量评估。得到结果后，将其进行分析与比较，总结得出哪种变化检测方法可以实现对森林植被变化的高精度变化检测。

3.1 分类后处理的变化检测结果

通过处理得到的变化检测结果及外业核实结果进行统计对比分析，得到各地类变化情况(表2)。

表2 分类后比较的变化检测结果与外业核实结果对比 单位：hm2

花溪区分类后处理的变化检测结果及外业核实结果如图1、2。

图1 分类后处理变化检测图斑(局部)

图2 外业核实变化图斑(局部)

经过外业核实，实际发生变化的图斑为552个，面积为296.97 hm2；变化检测出的变化图斑为645个，面积为347 hm2；变化数量相差97，面积相差50.03 hm2。由此得到图斑的变化检测精度为85.58%，面积的变化检测精度为81.72%。

3.2 分类前比较的变化检测结果

花溪区分类前比较的变化检测结果及外业核实结果如图3、4。

图3 分类前比较变化检测结果(局部)

图4 外业核实变化图斑(局部)

将分类前比较的变化检测与外业核实的实际变化数据相比，实际发生变化的图斑为608个，面积为375.62 hm2；变化检测出的变化图斑为739个，面积为516.74 hm2；变化数量相差131个，面积相差141.12 hm2。由此得到图斑的变化检测精度为82.27%，面积的变化检测精度为72.69%。

3.3 两种变化检测方法对比分析

对比两种变化检测方法，由于分类后比较的变化检测方法中包含人工选择分类样本、手动修改漏划、错划结果等处理，所以该方法不仅能得到变化检测结果，也能检测到变化后的地类；分类前比较的变化检测方法只能得到变化检测结果，不能检测到地类变化的方向，因此分类前比较的变化检测方法的精度相对会低一些(图5、6)。在变化检测的过程中，发现有些图斑在前期影像中分类错误(例如建设用地错划为林地)，且后期没有发生变化，两期遥感影像的特征值则是近似的，从而导致分类前比较的变化检测方法无法检测出变化， 降低数据的准确性。而分类后处理的变化检测方法不受影响，即使前期的分类结果错误，在后期影像中也能根据特征值分类结果把这部分错误图斑纠正，从而提高数据的准确性。

图5 前期分类图斑(局部)

图6 后期分类图斑(局部)

因此认为分类前比较的变化检测方法操作简单，自动化程度较高，不受客观数据影响，只对影像进行分析；分类后处理的变化检测方法人工参与度较高，在森林植被变化检测中具有明显优势，更适用于森林植被变化检测。

4 结论

本研究使用分类前比较的变化检测方法与分类后处理的变化检测方法对研究区域进行森林植被变化检测，利用eCognition软件进行多尺度分割、隶属度分类、像斑差熵等处理，获取不同的分类结果。实验结果表明，分类前比较的变化检测方法操作简单，自动化程度较高，受人类主观意识影响较少，但不能检测出前期分类错划图斑，分类精度较低；分类后处理的变化检测方法需要人工进行实验选取适合参数，在能检测出变化图斑的同时也能检测出前期错划图斑，分类精度较高，但该方法在很大程度上受分类精度的限制。两种方法侧重点不同，各有优势，都具有较高的应用价值，分类后处理的变化检测方法更适合一定尺度的森林图斑变化检测。