高分辨率遙感圖像土地變化信息自動檢測應用
——以白鶴灘水電站為例

楊仙瑜，王愛華，修翠梅

（云南中地空間信息技術有限公司，云南 昆明 650051）

傳統的土地利用變化檢測基本上采用傳統的目視解譯方式進行，耗費大量的時間，效率非常低。隨著中國經濟建設的迅猛發展，土地利用變化顯著，信息提取需快速、高效，因此，選擇一種有效的技術手段及時調查變化情況，更新調查成果至關重要[1]。遙感圖像變化檢測技術主要利用不同時期的影像變化檢測獲得地物的變化信息，其本質是地表特征隨時間變化發生的變化而引起的兩個時期影像像元光譜響應的變化[2]。

高分辨遙感圖像變化信息自動檢測為土地利用變化監測的方法提供了強有力的支持，高分辨率遙感影像數據以其分辨率高、數據更新快，能為用戶提供豐富的地表細節信息和空間信息等特點成為遙感技術重要的數據源，而遙感圖像變化信息自動監測可以自動識別不同時相遙感影像的變化區域[3]，為快速獲取地表變化信息提供依據。

1 研究區概況

白鶴灘電站位于四川省寧南縣和云南省巧家縣交界處，為金沙江下游河段規劃的四個梯級中的第二個梯級電站，上接烏東德水電站，下鄰溪洛渡水電站。壩址左岸距四川省寧南縣城66 km，距四川省西昌市196 km，右岸距巧家縣城45 km，距云南省省會昆明市292 km。

本研究以高分一號2 m 全色和8 m 多光譜衛星數據（其影像生成時間分別為2016-02-16、2017-02-22 兩個時相）為主要數據源，以2016 年土地情況作為基準，對白鶴灘水電站2017 年土地變化情況進行自動提取和檢測。

2 數據預處理

2.1 輻射定標

為消除傳感器本身產生的誤差，需對影像數據進行輻射定標，輻射定標是指建立遙感傳感器的數字量化輸出值DN與其所對應視場中輻射亮度值之間的定量關系[3]，ENVI 軟件提供了輻射定標工具（Radiometric Correction），其中不同來源、不同分辨率的遙感影像數據其參數增益值（Gain Values）和偏移值（Offset Values）不同，需要對照中國資源衛星應用中心不同遙感影像數據查詢表進行驗證修改。

2.2 大氣校正

由于大氣氣溶膠、地形和臨近地物等影響，太陽輻射以某種方式通過大氣入射到物體表面然后反射回傳感器，使得原始影像包含面輻射條件、大氣狀況、傳感器的相應特性等信息[4]。為消除遙感圖像中由大氣散射引起的輻射誤差，需對遙感影像數據進行大氣校正。因為本研究只是做影像動態變化研究，因此只需做快速大氣校正。

2.3 正射校正

衛星影像由于比例尺變化、傳感器姿態的變化、傳感器的系統誤差而產生一些幾何誤差，對于高分辨率影像且具有RPC 信息的圖像，可以用正射校正的方法完成幾何校正，以消除這些誤差達到更高的精度要求[5]。

影像正射校正即對影像同時進行傾斜改正和投影差改正，將影像重采樣成正射影像，因高分一號的L1A 級包括了RPC 文件，本研究直接采用ENVI 軟件的 Geometric Correction 工具進行正射校正，系統會自動將RPC 嵌入處理結果中，添加同名點完成后可查詢控制點誤差，誤差過大可重選點。

2.4 影像融合

圖像融合是指將低空間分辨率的高光譜圖像與高光譜分辨率的全色影像重新采樣，生成一副高分辨率多光譜遙感圖像的圖形處理技術。本研究對高分2 m 全色和8 m 多光譜數據進行了融合，選取Gram-Schmdit Pan Sharpening 工具進行影像融合，該方法改進了PCA 中信息過于集中的問題，而且不受波段的限制，可以較好地保持紋理和光譜信息。

2.5 影像自動配準

圖像配準是將不同時間、不同傳感器（成像設備）或不同條件下（天候、照度、攝像位置和角度等）獲取的兩幅或多幅圖像進行匹配、疊加的過程。ENVI 中使用Image Registration Workflow，可自動、準確、快速的影像配準工作流，在少量或者無需人工干預的情況下能快速而準確的實現影像的自動配準。經驗證，本研究中“連接點最大誤差閾值”設置為2，配準效果較佳。

3 變化信息自動檢測

ENVI 集成軟件提供了多種變化信息檢測方法，本文使用ENVI 直接比較法流程化工具選取特征指數法、光譜特征差異法和差值法對白鶴灘水電站施工過程中土地變化信息進行自動提取與成圖。

3.1 圖像差值法

圖像差值法就是將兩個時相的遙感圖像相減。在用圖像差值法之前必須確保兩幅影像做過大氣校正和精確影像配準，在ENVI 軟件中，在“Image Change Workflow”面板中計算方法選擇“求差（Simple Difference）”，選擇比較的波段，設置變化等級劃分閾值，最后輸出結果和統計分析。在此工具中，ENVI 軟件提供輻射歸一化（Radiometric Normalization）選項，可以將兩個圖像近似在一個天氣條件下成像（以基準圖像為基準）。圖像差值法提取結果如圖1所示。

3.2 光譜特征差異法

光譜特征差異法的原理是同一地物反映在一時相影像上的信息與其反映在另外時相影像上的光譜信息一一對應，當將不同時相的影像進行融合時，如同一地物在兩者上的信息表現不一致時，那么融合后的影像中此地物的光譜就表現得與正常地物的光譜有所差別，根據發生變異的光譜特征確定變化信息。

在用光譜特征差異法之前必須確保兩幅影像做過大氣校正和精確影像配準，在ENVI 軟件中，在“Image Change Workflow”面板中計算方法選擇“光譜特征差異法（Spectral Angle Difference）”，設置變化等級劃分閾值，最后輸出結果和統計分析。光譜特征差異法提取結果如圖2 所示。

3.3 特征指數法

特征指數法即通過計算影像的特征指數，并對特征指數進行相減。ENVI 軟件提供了4 種特征指數，包括歸一化植被指數（NDVI）、歸一化水指數（NDWI）、歸一化建筑物指數（NDBI）以及燃燒指數，根據研究區域實際情況，本研究選擇歸一化建筑物指數（NDBI），在ENVI 軟件中，在“Image Change Workflow”面板中計算方法選擇“光譜特征差異法（Difference of Feature Inder）”，設置變化等級劃分閾值，最后輸出結果和統計分析。特征指數法提取結果如圖3 所示。人工提取變化信息如圖4 所示。

圖1 圖像差值法

圖2 光譜特征差異法

圖3 特征指數法

圖4 人工提取變化信息

通過將3 種方法提取結果和人工提取結果作分析，可以看出：圖像差值法簡單快速，但對圖像的時相要求較高，最好是屬于同一季節對于當地物類型比較單一、色調紋理比較均勻、變化特征比較明顯時效果明顯。光譜特征變異法對數據的預處理要求較高，變化信息提取較零碎，發生光譜特征變異的地物在幾何尺寸上要足夠大才能被識別。特征指數法要求影像是高光譜或多光譜，操作過程較復雜，數據量和計算量都較大，針對不同區域選擇相適宜的監測方法，如要監測森林或是草地的動態變化，可選植被指數，監測水體變化，選擇水體指數等，所選的平滑核的大小和最小聚類數的大小也需經過多次嘗試。

4 結論

通過實驗案例研究發現：土地變化信息提取是一個工作量比較大的過程，對數據的預處理要求較高，信息的發現和信息的提取可選擇和組合的方法很多，針對不同區域選擇相適宜的提取方法；所有監測方法和信息提取方法沒有絕對的好與壞，只能是根據不同的數據源和不同的應用需求選用適合的方法組合；本研究區域兩幅影像是同一季節，且地物類型單一，因此差值法提取的變化信息精度較高，信息提取明顯；本研究針對白鶴灘水電站土地利用變化取得一些新的進展，但針對土地變化信息檢測的研究才剛剛開始，有許多工作有待于進一步研究和探討。