基于高分辨率卫星影像的地物变化监测研究——以海南地区为例

卢金莎 林春芬

（自然资源部海南基础地理信息中心，海南 海口 570203）

1 引言

随着国家经济的高速发展，以及城镇化的快速推进，对建设用地的需求越来越大，土地资源利用等问题日益突出。传统的土地利用调查监管多通过外业调绘，随着遥感技术的发展，卫星影像的时间与空间分辨率日益提升，基于卫星遥感影像开展地物变化监测已成为当下一种高效、便捷的方法。利用高分辨率遥感卫星空间分辨率高、重访周期短、敏捷性强等特点，监测地表变化情况，广泛适用于地理国情监测、年度国土变更调查等工作[1]。

根据处理手段的不同，地物变化遥感监测方法分为直接比较法和分类比较法。根据目标对象不同，分为像素级、特征级和目标级变化监测[2,3]。基于像素的变化监测是指经过配准的遥感图像像素是否发生变化及哪些类型发生变化，监测准确性较高，但预处理的性能对监测结果影响很大，像素易受辐射、大气、角度等因素的干扰，会产生错误信息，影响变化监测结果。而遥感分类监测可以避免像素问题带来的监测误差。本研究以国产高分辨率卫星影像作为数据源，选用指数计算、直接对比法与分类对比法进行海南地区地物变化监测研究，以此探讨遥感手段在地物变化监测中的应用。

2 数据源及监测原理

2.1 数据源

选用国产高分辨率卫星影像高分一号（GF-1）卫星影像作为数据源，GF-1 于2013 年4 月26 日成功发射，卫星搭载了两台2m 分辨率全色/8m 分辨率多光谱相机，四台16m 分辨率多光谱相机。GF-1 卫星突破了高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术，多载荷图像拼接融合技术，高精度高稳定度姿态控制技术，单星上同时实现高分辨率与大幅宽的结合，2m 高分辨率实现大于60km 成像幅宽，16m 分辨率实现大于800km 成像幅宽，适应多种空间分辨率、多种光谱分辨率、多源遥感数据综合需求。GF-1 卫星影像如图1 所示。

图1 GF-1卫星影像

2.2 原理介绍

选用影像像素直接对比法和面向对象法进行地物变化监测研究，两种方法的原理分别如下：

（1）指数计算

选用归一化植被指数NDVI 作为指数计算指标，NDVI 是一个标准化指数，用于生成显示植被生物量的指标，广泛应用于干旱监测、农业监测等，并且广泛应用于地表植物生长变化监测研究[4]。NDVI 计算公式如下所示：

NDVI 指数是对栅格数据集中的两个波段特征进行对比，即红光波段中的叶绿素吸收率与近红外波段中植被的高反射率特征，其中NIR 为近红外波段、R为红光波段。

（2）像素对比

影像像素直接对比监测是以像素为单元，逐个像素计算影像像元之间的差异，得到差异图像，然后利用阈值分割的方法对变化信息进行提取。适用于对大面积区域的变化检测，比如水体、森林、植被覆盖的变化[5]。

（3）面向对象

面向对象监测以图像分割和面向对象分类为基础，综合像元周围的光谱特性，通过多尺度分割构成对象，以对象为单位进行特征计算，将计算的特征带入到面向对象分类算法中进行分类对比，从而进行变化检测。

面向对象方法的提取类似决策树的构思，从简到繁，先剔除其他无关信息，再经过多次筛选找出有用的地物类别，实现地物的分层提取。与传统的分类方法相比其最大的不同是：面向对象分类方法的操作尺度单元不是基于单个像素，而是基于影像对象。面向对象分类方法分为：多尺度分割、特征选择、规则建立与分类，主要用于识别一段时间内从一个地类更改为另一个地类的区域。在建筑物变化检测、土地覆被变化等方面有广泛的应用[6]。

3 结果与分析

3.1 指数计算

通过对海南省琼海市进行NDVI 计算，以此掌握大尺度范围内的地物变化大致情况。图2 为2020 年与2021 年夏季海南省琼海市NDVI 计算结果，由图2可知，琼海市的植被覆盖区域较多，且山地占比较大，城镇区域集中在特定位置。

图2 2020、2021年琼海市NDVI指数

通过对比两幅NDVI 指数进行相减作差，得到如图3 所示的成果。由图3 可知，通过指数作差，得到的数值较高或较低的区域呈红色与蓝色，琼海市西南区域为山地，且人类活动较少，植被变化情况较小。而琼海市城镇及其周边的数值变化较大，即城镇及周边存在大量的由植被或耕地转变为建筑等其他类型的地物。

图3 变化监测结果

3.2 直接对比法

通过两期GF-1卫星影像利用像素直接对比方法，提取出大部分的变化图斑，图4 为2020 和2021 年的局部影像示意图，2020 年影像上部分区域显示为耕地，而在2021 年部分耕地已经变为建（构）筑物、水体等类型，通过两个时期的影像直接对比进行变化图斑提取，从图5 可知，两时期的变化信息大部分被提取出来，操场也作为单独个体识别出来，但仍存在一定的问题，如部分裸地信息被错误识别进去，影响了识别面积，基于像元的像素对比法，由于“异物同谱”现象不可避免，会造成部分不同类型但具有相同像元信息的地物错分为一类。

图4 两时期影像对比

图5 直接对比法变化监测提取

3.3 面向对象对比法

采用面向对象分类方法对2020 年与2021 年两期影像进行全要素分类，并对分类结果进行对比，当分类属性发生变化时自动标记并导出，得到具有较高精度的变化监测提取成果。首先通过多尺度分割，将GF1 影像分割成互不相干的若干个区域，同一区域内影像纹理与光谱特征相同或相似；不同地物类型具有不同的分割尺度，通过调整分割尺度，可以将地物类型准确地勾绘出来；分割过程中加入了纹理特征、光谱特征、指数特征等，灵活运用相应的特征，可以准确获取地物信息。通过面向对象分类法的地物变化监测，得到如图6 所示的提取结果，基于面向对象分类的变化监测结果提取精度较高，提取边界更清晰，道路边界、建筑轮廓均完整识别出来。相对于传统监督分类提取的结果存在锯齿效应，而面向对象算法可以较好地解决这一问题。

图6 面向对象法变化监测提取

3.4 精度验证

本研究通过统计图斑成果内的变化区域面积占总图斑面积的百分比作为精度验证指标，对两种方法的提取成果进行精度验证，得到如表1 所示的结果。由表可知：像素直接比对法的分类精度为75.69%，而面向对象分类方法的识别精度为86.75%，通过本研究的试验可知，面向对象分类在地物变化监测中拥有更高的识别精度。

表1 分类精度验证

4 结论与展望

以国产高分辨率卫星影像作为数据源，选用指数计算、直接对比法与分类对比法进行地物变化监测研究。通过研究开展，得到以下结论：

（1）对海南省琼海市进行NDVI 计算，可掌握地物地类变化的大致情况。

（2）对两期影像进行变化提取，影像像素直接对比法可提取部分变化图斑，但“异物同谱”错误识别现象较多；面向对象分类法提取的精度更高，边界更清晰，边界走向与实际更吻合。

基于高分一号卫星2 米分辨率影像进行地物变化监测，对于集中变化地物提取具有较好的适用性，对于独栋建筑存在提取误差，后期的研究将着重采用语义分割等先进技术开展地物变化监测研究等工作。