遙感自動化監測手段在地理國情監測中的實踐

毛羽豐，張琪

（南京市測繪勘察研究院股份有限公司，南京210019）

1 引言

地表覆蓋變化的檢測是地理國情監測中的基礎性工作[1]。然而，目前常規的地理國情監測方法主要通過人工目視判讀或人機交互提取變化區域，工作量大、效率低，耗費了大量的人力和物力，使地理國情數據更新需要耗費大量時間。遙感圖像的自動化變化檢測技術為地理國情監測提供了一種新的手段，可以根據多時相的遙感影像進行自動化或半自動化的處理獲取變化信息，再利用合適的分類方法，提取出變化圖像中感興趣的內容，從而達到識別地表有無變化的過程[2]。

地理國情監測具有區域大、范圍廣、地物復雜的特點，中低空間分辨率的衛星遙感影像不能滿足獲取精細的地表覆蓋信息的需要，而高空間分辨率的遙感影像能夠獲取精細的地表覆蓋信息變化，非常適合應用于地理國情監測。同時，基于像素的遙感影像變化檢測技術在應用于高空間分辨率遙感影像時暴露出很多局限性，包括計算量大、對噪聲敏感、缺乏鄰近像元的空間特征和光譜特征信息等，為了克服這些困難，本文采用面向對象的分析方法對地理國情監測區域的高分辨率影像進行自動變化檢測[3，4]。

2 研究區概況與數據

南京市測繪勘察研究院股份有限公司于2019年7月承接了江蘇省宿遷市基礎性地理國情監測項目，宿遷市位于江蘇省北部，本項目選取了宿遷市周集鄉局部區域作為實驗區進行自動變化檢測研究。

高分二號衛星是我國自主研制的首顆空間分辨率優于1m的民用光學遙感衛星，搭載有2臺高分辨率多光譜相機。為了減小太陽高度角及植被物候條件差異等造成的影響，本項目實施方案選取2期同一季節的Level1A級別的高分二號遙感影像數據，獲取日期分別為2018年1月1日和2019年1月15日。

3 數據處理流程

本項目采用的技術路線具體如下：首先，對2個時相的高分辨率遙感影像進行預處理，包括輻射定標、大氣校正、幾何校正、影像融合、影像配準以及相對輻射校正等；其次，對遙感影像進行分割處理，然后，采用融合多特征的面向對象變化檢測方法自動提取變化對象；最后，輸出變化檢測結果并進行精度驗證。

高分二號影像數據預處理結果如圖1所示。

圖1 高分二號影像預處理結果圖（周集鄉局部地區）

基于多特征綜合的自動化變化檢測法就是提取影像紋理特征、歸一化植被指數特征，生成差異圖，通過設置閾值自動化提取變化區域。

3.1 影像分割

對高分辨率遙感影像進行分割，將分割獲得的影像對象作為變化檢測的基本處理單位，有利于提取和利用影像的多維特征。影像分割方法有2種：一種是基于地理國情矢量數據進行影像分割；另一種是采用多尺度分割方法進行影像分割，即分形網絡演化方法(Fractal Net Evolution Approach，FNEA)，對前時相影像使用當年的矢量數據進行分割，而對后時相影像利用多尺度分割方法進行分割，如圖2所示。

圖2 影像分割結果

3.2 特征提取

3.2.1 灰度共生矩陣（GLCM）紋理特征

本文主要應用了包括角二階矩（Angular Second Moment）、對比度（Contract）、同質度（Homogeneity）在內的特征，并采用對數比值法生成差異圖。

3.2.2 歸一化植被指數（NDVI）特征

NDVI=(NIR-R)/(NIR+R)，即近紅外波段的反射值與紅波段的反射值之差比上二者之和，是反映植被覆蓋程度的重要參數之一，是最常用的植被指數。采用對數比值法生成差異圖。

3.3 變化區域提取

對各類特征設置閾值提取出變化區域，結果如圖3所示。

圖3 變化檢測結果與標準參考圖

4 精度驗證

根據GQJC 01—2019《基礎性地理國情監測數據技術規定》，地表覆蓋分類變化類型分為6類，本次研究主要針對2類變化進行檢測，即增加的新類型圖斑，包括整個圖斑覆蓋類型發生變化且變化后與鄰接圖斑類型不同的情況。

遙感影像變化檢測的精度評定是變化檢測中一個重要環節，用以檢驗提取結果的準確性。可以將變化檢測視為一個2類劃分問題，即將所有的影像對象劃分為變化和未變化2類，如前述圖3所示，將變化檢測結果與真實變化參考圖進行比較，進行精度評定，可以采用基于混淆矩陣的精度評定方法，見表1。

表1 變化檢測混淆矩陣 個

根據表1可計算以下常用精度指標：

漏檢率（Miss Rate,MR）：MR=31 439/356 466=8.8 %；

虛檢率（False Rate,FR）：FR=74 544/399 571=18.7 %；

總體精度（Overall Accuracy,OA）：OA=(325 027+10 503 710)/11 034 720=98.1 %；

5 結語

本文利用2類不同時相的高分二號光學影像對地表覆蓋變化情況進行了檢測，實現了對地理國情監測變化圖斑的自動提取，并對提取結果以像素個數為單位進行了評價。實驗過程中發現：

1）對本文方法而言，預處理過程很關鍵，對影像配準、相對輻射校正的要求較高，否則，會有較多匹配導致的誤檢以及光照導致的誤差；

2）多尺度分割中尺度、顏色和形狀因子的選擇對檢測效果有很大影響；

3）紋理特征對建筑物增減的檢測效果較好；

4）本文的方法會產生由于種植作物變化而導致的誤檢，需要了解當地實際情況并結合人工目視解譯手段建立掩膜進行去除。

總之，遙感影像自動變化檢測技術為地理國情監測提供了重要的支持，未來有望能夠更好地應用于實際生產工作。