遙感自動(dòng)化監(jiān)測(cè)手段在地理國(guó)情監(jiān)測(cè)中的實(shí)踐

毛羽豐，張琪

（南京市測(cè)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(cè)是地理國(guó)情監(jiān)測(cè)中的基礎(chǔ)性工作[1]。然而，目前常規(guī)的地理國(guó)情監(jiān)測(cè)方法主要通過(guò)人工目視判讀或人機(jī)交互提取變化區(qū)域，工作量大、效率低，耗費(fèi)了大量的人力和物力，使地理國(guó)情數(shù)據(jù)更新需要耗費(fèi)大量時(shí)間。遙感圖像的自動(dòng)化變化檢測(cè)技術(shù)為地理國(guó)情監(jiān)測(cè)提供了一種新的手段，可以根據(jù)多時(shí)相的遙感影像進(jìn)行自動(dòng)化或半自動(dòng)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(nèi)容，從而達(dá)到識(shí)別地表有無(wú)變化的過(guò)程[2]。

地理國(guó)情監(jiān)測(cè)具有區(qū)域大、范圍廣、地物復(fù)雜的特點(diǎn)，中低空間分辨率的衛(wèi)星遙感影像不能滿足獲取精細(xì)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(xì)的地表覆蓋信息變化，非常適合應(yīng)用于地理國(guó)情監(jiān)測(cè)。同時(shí)，基于像素的遙感影像變化檢測(cè)技術(shù)在應(yīng)用于高空間分辨率遙感影像時(shí)暴露出很多局限性，包括計(jì)算量大、對(duì)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?qū)ο蟮姆治龇椒▽?duì)地理國(guó)情監(jiān)測(cè)區(qū)域的高分辨率影像進(jìn)行自動(dòng)變化檢測(cè)[3，4]。

2 研究區(qū)概況與數(shù)據(jù)

南京市測(cè)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(chǔ)性地理國(guó)情監(jiān)測(cè)項(xiàng)目，宿遷市位于江蘇省北部，本項(xiàng)目選取了宿遷市周集鄉(xiāng)局部區(qū)域作為實(shí)驗(yàn)區(qū)進(jìn)行自動(dòng)變化檢測(cè)研究。

高分二號(hào)衛(wèi)星是我國(guó)自主研制的首顆空間分辨率優(yōu)于1m的民用光學(xué)遙感衛(wèi)星，搭載有2臺(tái)高分辨率多光譜相機(jī)。為了減小太陽(yáng)高度角及植被物候條件差異等造成的影響，本項(xiàng)目實(shí)施方案選取2期同一季節(jié)的Level1A級(jí)別的高分二號(hào)遙感影像數(shù)據(jù)，獲取日期分別為2018年1月1日和2019年1月15日。

3 數(shù)據(jù)處理流程

本項(xiàng)目采用的技術(shù)路線具體如下：首先，對(duì)2個(gè)時(shí)相的高分辨率遙感影像進(jìn)行預(yù)處理，包括輻射定標(biāo)、大氣校正、幾何校正、影像融合、影像配準(zhǔn)以及相對(duì)輻射校正等；其次，對(duì)遙感影像進(jìn)行分割處理，然后，采用融合多特征的面向?qū)ο笞兓瘷z測(cè)方法自動(dòng)提取變化對(duì)象；最后，輸出變化檢測(cè)結(jié)果并進(jìn)行精度驗(yàn)證。

高分二號(hào)影像數(shù)據(jù)預(yù)處理結(jié)果如圖1所示。

圖1 高分二號(hào)影像預(yù)處理結(jié)果圖（周集鄉(xiāng)局部地區(qū)）

基于多特征綜合的自動(dòng)化變化檢測(cè)法就是提取影像紋理特征、歸一化植被指數(shù)特征，生成差異圖，通過(guò)設(shè)置閾值自動(dòng)化提取變化區(qū)域。

3.1 影像分割

對(duì)高分辨率遙感影像進(jìn)行分割，將分割獲得的影像對(duì)象作為變化檢測(cè)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(guó)情矢量數(shù)據(jù)進(jìn)行影像分割；另一種是采用多尺度分割方法進(jìn)行影像分割，即分形網(wǎng)絡(luò)演化方法(Fractal Net Evolution Approach，F(xiàn)NEA)，對(duì)前時(shí)相影像使用當(dāng)年的矢量數(shù)據(jù)進(jìn)行分割，而對(duì)后時(shí)相影像利用多尺度分割方法進(jìn)行分割，如圖2所示。

圖2 影像分割結(jié)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(yīng)用了包括角二階矩（Angular Second Moment）、對(duì)比度（Contract）、同質(zhì)度（Homogeneity）在內(nèi)的特征，并采用對(duì)數(shù)比值法生成差異圖。

3.2.2 歸一化植被指數(shù)（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(shù)之一，是最常用的植被指數(shù)。采用對(duì)數(shù)比值法生成差異圖。

3.3 變化區(qū)域提取

對(duì)各類特征設(shè)置閾值提取出變化區(qū)域，結(jié)果如圖3所示。

圖3 變化檢測(cè)結(jié)果與標(biāo)準(zhǔn)參考圖

4 精度驗(yàn)證

根據(jù)GQJC 01—2019《基礎(chǔ)性地理國(guó)情監(jiān)測(cè)數(shù)據(jù)技術(shù)規(guī)定》，地表覆蓋分類變化類型分為6類，本次研究主要針對(duì)2類變化進(jìn)行檢測(cè)，即增加的新類型圖斑，包括整個(gè)圖斑覆蓋類型發(fā)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(cè)的精度評(píng)定是變化檢測(cè)中一個(gè)重要環(huán)節(jié)，用以檢驗(yàn)提取結(jié)果的準(zhǔn)確性?？梢詫⒆兓瘷z測(cè)視為一個(gè)2類劃分問(wèn)題，即將所有的影像對(duì)象劃分為變化和未變化2類，如前述圖3所示，將變化檢測(cè)結(jié)果與真實(shí)變化參考圖進(jìn)行比較，進(jìn)行精度評(píng)定，可以采用基于混淆矩陣的精度評(píng)定方法，見(jiàn)表1。

表1 變化檢測(cè)混淆矩陣 個(gè)

根據(jù)表1可計(jì)算以下常用精度指標(biāo)：

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(jié)語(yǔ)

本文利用2類不同時(shí)相的高分二號(hào)光學(xué)影像對(duì)地表覆蓋變化情況進(jìn)行了檢測(cè)，實(shí)現(xiàn)了對(duì)地理國(guó)情監(jiān)測(cè)變化圖斑的自動(dòng)提取，并對(duì)提取結(jié)果以像素個(gè)數(shù)為單位進(jìn)行了評(píng)價(jià)。實(shí)驗(yàn)過(guò)程中發(fā)現(xiàn)：

1）對(duì)本文方法而言，預(yù)處理過(guò)程很關(guān)鍵，對(duì)影像配準(zhǔn)、相對(duì)輻射校正的要求較高，否則，會(huì)有較多匹配導(dǎo)致的誤檢以及光照導(dǎo)致的誤差；

2）多尺度分割中尺度、顏色和形狀因子的選擇對(duì)檢測(cè)效果有很大影響；

3）紋理特征對(duì)建筑物增減的檢測(cè)效果較好；

4）本文的方法會(huì)產(chǎn)生由于種植作物變化而導(dǎo)致的誤檢，需要了解當(dāng)?shù)貙?shí)際情況并結(jié)合人工目視解譯手段建立掩膜進(jìn)行去除。

總之，遙感影像自動(dòng)變化檢測(cè)技術(shù)為地理國(guó)情監(jiān)測(cè)提供了重要的支持，未來(lái)有望能夠更好地應(yīng)用于實(shí)際生產(chǎn)工作。