Ⅰ 雲南麗江地區土地利用變化的遙感檢測與分析
李喆1 馬潤賡2
（1.北京大學遙感與地理信息系統研究所，北京，100871；2.中國地質大學地球科學與資源學院，北京，100083）
摘要：利用1999年2月和2001年4月2幅TM影像資料和其他輔助資料為資料源，對主成分分析處理後的遙感影像進行計算機自動識別，採用人機互動式解譯方法獲得各種土地利用類型分布信息，並使用地理信息系統的空間分析和數理統計功能分析麗江壩子地區土地利用變化的數量變化，土地利用動態度等特徵，以及各類型之間的轉化情況。結果表明：本區域耕地面積增加了0.27km2，城鄉用地面積增加了0.19km2，水體面積減少了0.11km2，林地和草地基本保持不變；各類型的轉化突出表現為水域向城鄉用地，未利用土地向城鄉用地和耕地轉換。
關鍵詞：土地利用變化；馬爾柯夫矩陣；雲南麗江地區；遙感和 GIS
區域土地利用/覆被變化（LUCC）是全球環境變化研究中的重要領域之一。土地利用變化數據可以提供研究區域土地利用狀況的現實狀況，保證國家及時、准確地掌握土地利用變化情況，為制定國民經濟發展規劃、計劃和宏觀決策提供科學依據［1］。土地利用變化包括時間變化、空間變化和質量變化等三個方面，其中空間變化反映土地利用變化的空間類型、變化類型的空間分布以及區域差異，是土地管理和規劃關注的焦點問題［2］。這一問題的解決關鍵在於如何提取土地利用變化數據以及如何對獲取的信息進行科學的分析處理。遙感技術以其快速、准確、周期短等優點在大中尺度的土地利用/覆蓋變化的監測中具有明顯的優勢。本文利用遙感和 GIS 相結合的方法，通過數理統計分析，描述了麗江壩子地區1999～2001年間土地利用的數量變化和空間變化特徵，為該區域土地管理決策、生態環境保護、資源合理開發等奠定了基礎，對於區域土地可持續發展和利用具有重要意義。
1 研究區概況
麗江位於雲南省西北部［3］，金沙江中游，地理坐標為：99°23′E～101°31′E，25°59′N～27°56′N。四周分別與迪慶州、怒江州、大理州、楚雄州和四川省攀枝花市、涼山州毗鄰，轄麗江納西族自治縣、寧蒗彝族自治縣、永勝縣和華坪縣，國土總面積有931.02km2。由於地處青藏高原和雲貴高原的結合部，屬橫斷山區，地形復雜，山高谷深，長期自然環境相對封閉，形成具有典型特點的垂直自然帶和立體氣候，動植物區系極為復雜，珍稀野生動植物豐富。全區總人口109 萬，包括漢、納西、彝、傈僳、藏、白、普米等23個民族，其中少數民族人口佔57%［3］。
2 研究方法
2.1 研究資料
分別拍攝於1999年2月和2001年4月2幅 LANDSAT－TM 圖像，地面解析度為30m，在研究區域內沒有雲層覆蓋，質量較好；另有1∶1 萬地形圖和1∶5 萬土地利用圖，用於輔助訓練樣區的選擇和目視解譯；還有其他統計資料（氣象、水文、人口、土壤、社會經濟）等。
2.2 主要工作流程
使用遙感圖像信息進行變化檢測的方法主要有三種：分類後比較法，多時相圖像直接求交法和多時相圖像分類法［4］。多時相圖像直接求交法要求兩個時相比較接近，檢測變化信息一般使用圖像差值、比值或主成分分析，操作簡單，但是得不到變化的具體地物類型。本文所使用遙感圖像時間差異接近3個月，不宜使用直接求交法。多時相圖像分類法在使用時要使用靜態類型和動態類型，動態類型的訓練樣本一般不易確定。本文主要使用分類後比較法。
本研究的主要工作流程如圖1 所示：首先使用 PCI 軟體分別對2 幅 TM 圖像進行圖像預處理（如幾何糾正等），並分別對以上兩個時相的影像做主成分分析，然後充分結合各種知識（如地形圖，植被圖等）進行監督分類［3］。監督分類時採用《中國土地利用現狀調查技術規程》規定，將土地利用類型劃分為：耕地，林地，草地，水域，城鄉工礦居民地和未利用土地共6 類。採用人機互動式方法判讀分類結果，並將解譯結果以柵格形式轉入地理信息系統軟體 ARC GIS 中進行數據處理，對二期數據進行空間疊置分析，獲得土地利用變化數據，以此為基礎進行土地利用動態變化分析。
圖1 項目主要工作流程圖
2.3 幾個關鍵技術的處理
2.3.1 遙感圖像的幾何配准
兩個時相遙感圖像的幾何配準是動態變化研究的基礎。為了便於利用地學信息進行輔助分析，可以將遙感圖像配准到大地坐標系中。本文選擇1∶1 萬地形圖為基準，在遙感圖像上均勻選擇12個地面控制點，使用二次多項式擬合，灰度采樣方式為雙三次卷積，進行幾何配准和灰度重采樣處理。結果總體均方誤差為0.624，配准誤差小於1個像元，滿足土地利用動態監測的要求。
2.3.2 遙感圖像的主成分分析
主成分分析（又稱主分量變換）是一種盡可能不丟失信息用幾個綜合性指標匯集多個變數的測量值而進行描述的方法［5］。在多光譜圖像中，由於各波段的數據間存在相關的情況很多，通過主成分分析就可以把圖像的大部分信息用少數波段表示出來，使得信息幾乎不丟失但數據量可以減少。本文分別對於二期 LANDSAT－TM 圖像的除熱紅外波段的6個波段採用主成分分析，把獲得的第一到第三主成分進行彩色合成，得到處理後的結果圖像。
2.3.3 結果數據的生成
根據各種輔助資料，在經過主成分分析處理後的二期遙感圖像上選擇6個土地利用類型的訓練樣本，採用最大釋然法進行計算機自動識別。由於遙感影像上存在同物異譜、異物同譜以及混合像元等情況，計算機自動識別在某些類別的區分上不太理想，例如未利用土地和城鎮用地極易發生混淆。實際工作還需要輔助各種實測資料進行目視修正，以得到兩個時相的最終分類結果，然後將分類結果以柵格形式轉入地理信息系統軟體ARC GIS中，對二期數據進行空間疊置分析，獲得土地利用變化數據，並進行必要的數理統計，以便結果分析使用。
3 結果分析
3.1 土地利用變化幅度分析
區域土地利用變化幅度主要體現在不同土地利用類型的面積總量變化上，可以提供區域土地利用變化總態勢和土地利用結構變化信息。
利用二期遙感資料，對麗江壩子地區兩期土地利用數據進行統計分析，得到結果見表1。
表1 1999～2001年土地利用變化表
表1說明，3年來本區域耕地面積增加了0.27km2，城鄉用地面積增加了0.19km2，水體面積減少了0.11km2，林地和草地則基本保持不變。
3.2 土地利用動態度分析
土地利用動態度可以簡單採用單一土地利用動態度和綜合土地利用動態度來描述［6］。其中單一土地利用動態度可定量描述區域一定時間范圍內某種土地利用類型變化的速度，可提供土地利用變化的區域差異和預測未來土地利用變化趨勢；綜合土地利用動態度用於表徵區域土地利用變化的速度。
單一土地利用動態度公式表達式為：
土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集
式中，Ua，Ub分別表示研究初期及研究末期某一種土地利用類型的數量；T表示研究期時段長。
綜合土地利用動態度表達式為：
土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集
式中，LUi 表示研究初期第 i 地物類研究末期轉為其他土地利用的面積；ΔLUi 表示第i地物類研究末期轉為其他土地利用類型的面積；T表示研究時段。
根據公式（1）和（2）計算麗江壩子地區土地利用六種類型的年變化率。結果說明，1999～2001年麗江壩子地區土地利用的年變化率為0.17%，其中城鄉用地和未利用地變化速度最大，年變化率分別達到0.36%和0.21%，林地和草地基本保持不變，耕地和水域的年變化率分別為0.15%和0.09%。
3.3 土地利用區域差異分析
由於地形地貌和氣候等自然條件差異，經濟發展和人口增長速度不同，使得土地利用區域差異顯著。對於土地利用變化的區域差異，可用某一特定土地利用類型相對變化率來表示。相對變化率是一種很好地反映土地利用變化區域差異的方法，其表達式為：
土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集
式中，Kb、Ka分別代表某區域某特定土地利用類型研究初期和研究末期的面積；Cb、Ca分別代表全區域某特定土地利用類型研究初期和研究末期的面積。
根據行政區劃，將麗江劃分成麗江縣、寧蒗縣、永勝縣和華坪縣4個區域，根據遙感數據分別計算6 種土地利用類型的相對變化率，其結果見表2。
表2 1999～2001年土地利用區域差異表
從表2中可以看出，土地利用變化存在明顯差異：①就耕地而言，麗江縣最大，達到1.53，明顯大於永勝縣，寧蒗縣和華坪縣也大於永勝縣；②林地，草地，水域變化各區域差異不大；③城鄉用地的區域差異最為明顯，麗江縣大於其他3縣很多，達到5.36；④未利用地的變化在華坪縣較突出，約為4.89，幾乎是永勝縣的3倍。
3.4 土地利用類型轉換矩陣分析
土地利用類型之間的相互轉化情況，可採用馬爾柯夫轉移矩陣模型來進一步描述［7］。馬爾柯夫鏈是一種具有「無後效性」的特殊隨機過程，它反映的是一系列特定時間間隔下，一個亞穩定系統由n時刻向n＋1 時刻狀態轉換的一系列過程中，n＋1 時刻的狀態只與n時刻的狀態有關。由於土地利用類型演變具有馬爾柯夫隨機過程的性質：①一定區域內，不同土地利用類型之間具有相互可轉化性；②土地利用類型之間的相互轉化過程包含著較多尚難用函數關系准確描述的事件，故可採用馬爾柯夫轉移矩陣模型來描述土地利用類型動態轉換。
馬爾柯夫模型在土地利用類型轉化上應用的關鍵是確定土地利用類型之間相互轉化的轉移概率矩陣P。若採用斑塊相互之間面積的轉移概率為矩陣元素，則轉移矩陣模型為：
土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集
式中，Pij為土地利用類型i轉化為土地利用類型j的轉移概率。
遙感圖像計算機自動識別中得到的土地利用變化轉移概率矩陣如表3所示。
表3 1999～2001年土地利用變化轉移概率矩陣單位：%
從表3可以看出：
（1）耕地的增加量主要是來自草地和未利用地，分別佔1.51%和0.21%，減少量大部分轉化為未利用地和草地，各佔4.46%和2.10%。
（2）林地的增加量主要來自於草地和耕地，各有4.06%和1.06%，有1%的林地轉換為草地。
（3）草地的增加量中有2.10%和 1.00%來自於耕地和林地，減少量中有 4.06%和1.51%分別轉化為林地和耕地。
（4）水域有2.32%轉化為城鄉用地，有0.36%轉化為未利用地，有0.18%轉化為林地，表明水體的減少主要受人為因素影響。
（5）城鄉用地的增加主要來自於耕地、未利用地和水域，分別占 0.74%、0.61%和0.39%。
（6）城鄉用地、耕地、草地和林地各有 17.06%、4.46%、0.93%和 0.58%轉化為未利用地，表明本區域土地利用狀況不太好，大量的農田遭到佔用卻未合理開發。
4 結論
土地利用/土地覆被變化（LUCC）研究旨在深入了解土地利用狀況及其變化的動態過程、主導原因及演化機理，以提高人們對土地利用變化的預測、管理、決策和調控能力，對於其數據的獲取和分析處理十分重要。通過對本次研究獲得數據的分析，可以得到如下結論：
（1）1999～2001年間雲南麗江壩子地區的土地利用狀況發生一定的變化。3年來耕地面積增加了0.27km2，城鄉用地面積增加了0.19km2，水體面積減少了0.11km2，林地和草地基本保持不變；各類型的轉化突出表現為水域向城鄉用地、未利用土地向城鄉用地和耕地轉換。
（2）土地利用的年變化率為 0.17%。其中城鄉用地增加速度最快，以平均每年0.36%的速度遞增，未利用地則以0.21%的速度遞減，林地和草地基本保持不變。
（3）土地利用類型相互間的轉化突出表現為水域向城鄉用地，未利用土地向城鄉用地和耕地轉換。3年來本區域共有0.068km2 即2.32%的水域面積轉換為城鄉用地，未利用土地中有0.14km2 和 0.07km2 轉化為城鄉用地和耕地，分別占未利用土地面積的17.06%和5.46%。
參考文獻
［1］朱會議，李秀彬，何書金等.環渤海地區土地利用的時空變化分析［J］.地理學報，2001，56 （3）：253～260
［2］王思遠，劉紀元，張增祥等.近10年中國土地利用格局及其演變［J］.地理學報，2002，57 （5）：523～530
［3］麗江地區地方誌辦公室.麗江年鑒（1997） ［M］.昆明：雲南民族出版社，1997，293～294
［4］李天宏，韓鵬.廈門市土地利用/覆蓋動態變化的遙感檢測與分析［J］.地理科學，2001，21 （6）：537～544
［5］村井俊治等.遙感精解［M］.北京.測繪出版社，1993，12：194～196
［6］王秀蘭，包玉海.土地利用動態變化研究方法探討［J］.地理科學進展，1999，18 （1）：81～87
［7］李忠峰，王一謀，王建華等.基於RS與GIS的榆林地區土地利用變化分析.水土保持學報，2003，6：97～99
Ⅱ 遙感新手，我有兩幅快鳥影像和城市總規圖，如何做城市規劃動態監測
做用地類型的話，首先幾何校正配准，一種方法是對影像進行數字化得到城市的土地利用類型的矢量圖，然後對其做面積統計、變化統計的數據統計完成量上面的監測，及圖幅上利用分層設色完成直觀的圖像監測；另一種就是利用遙感影像處理軟體對影像解譯得到土地利用類型的柵格圖，然後再利用遙感影像處理軟體中的變化監測，比如歸納分析、矩陣分析等，以上只是簡單的過程，在實際中還有許多工作要做，比如影像的預處理包括格式轉換，波段融合、直方圖匹配等。最後像第一種方法一樣也要完成量上面的監測，及圖幅上直觀的圖像動態監測。
Ⅲ 基於不同數據源的土地利用變化遙感動態監測方法
李翔宇 樊彥國
（中國石油大學地球資源與信息學院，山東東營，257061）
摘要：本文從所擁有的遙感數據源的可能情況出發，分別介紹了各種情況下利用遙感進行土地利用變化動態監測的方法，分析了其優勢和劣勢。
關鍵詞：遙感；土地利用變化；動態監測；方法
1 引言
我國是一個人多地少的國家，土地是我們賴以生存的資源。建立土地動態監測系統以快速准確地提供各類土地資源面積及其分布、土地資源動態變化狀況及土地資源生態環境信息是十分必要的，這樣可以保證我國在科學翔實的資料基礎上對土地資源進行科學的規劃及合理的利用，實現土地資源的可持續健康發展。可是傳統的統計或實地調查方式，耗時耗力，勞民傷財，並且難以適應土地利用的快速變化，而遙感可以提供及時准確且覆蓋面廣的地面影像資料，並且周期短、信息量大，通過後期的分析、處理、比較，可以使人們迅速准確地掌握土地利用變化的詳細信息，即實現土地利用的動態監測。現在，遙感技術已成為進行土地利用變化動態監測的重要手段。
基於遙感影像的土地利用變化監測方法大致可分為兩類：光譜直接比較法和分類結果比較法。多數變化提取演算法屬於前一種，主要包括影像差值法、比值法、主成分分析法和變化矢量分析法等，這些演算法直接通過兩時相數據的光譜差異確定變化發生的區域，但不能得出變化圖斑的類型；後一種方法通過對各自時相的數據進行土地利用分類，通過對兩個分類結果的比較提取變化信息，但其精度受兩時相數據分類精度的制約。實際操作中可以根據所持有數據源的不同而採用相應的方法。
2 基於單一感測器的土地利用變化監測方法
2.1 基於單一感測器多時相遙感影像
當遙感數據源為單一感測器但可以獲得多時相遙感影像時，可以考慮以下幾種方法。
2.1.1 單變數圖像差值法［1］
單變數圖像差值法比較簡單，是使用最廣泛的一種探測方法。它是將兩個時相的遙感圖像按波段進行逐像元相減，從而生成一幅新的代表二時相間光譜變化的差值圖像。輻射值的顯著變化代表了土地覆蓋變化，在差值圖像中接近於零的像元就被看做是未變化的，而那些大於或小於零的像元表示其覆蓋狀況發生了某種變化，從而設定適當的閾值就可以把變化信息提取出來。
2.1.2 圖像比值法［1，2］
比值處理被認為是辨識變化區域相對較快的手段。它是對於兩個時相多譜段數據中同名像元的光譜灰度值施以除法運算。顯然，經過輻射配准後，在圖像中未發生變化的像元其比值應近似為1，而對於變化像元而言，比值將明顯高於或低於1。比值法可以部分地消除陰影影響，突出某些地物間的反差，具有一定的圖像增強作用。
2.1.3 圖像回歸法［1］
圖像回歸法是首先假定時相Ⅰ的像元值是另一時相Ⅱ像元值的一個線性函數，通過最小二乘法來進行回歸，然後再用回歸方程計算出的預測值來減去時相Ⅰ的原始像元值，從而獲得兩時相的回歸殘差圖像。
2.1.4 植被指數差值法［2］
植被指數差值法是用近紅外與紅光波段間的比值（植被指數）代替原始波段作為輸入數據進行差值運算來生成變化圖像。由於植物普遍對紅光強烈吸收和對近紅外光強烈反射，因此紅光和近紅外波段之間的比值有利於提高光譜差異。
2.1.5 主成分分析法［3］
（1）差異主成分法 兩時相的影像經糾正、配准之後，先對影像作相差取絕對值處理，從而得到一個差值影像。差值影像作主成分變換之後的第一分量應該集中了該影像的主要信息，即原兩時相影像的主要差異信息。這個分量可以被認為是變化信息而被提取出來，從而生成變化模板，作為指導下一步變化類型確認和邊界確定的參考信息。
（2）多波段主成分變換 由遙感理論可得知，地物屬性發生變化，必將導致其在影像某幾個波段上的值發生變化，所以只要找出兩時相影像中對應波段上值的差別並確定這些差別的范圍，便可發現土地利用變化信息。在具體試驗中將兩時相的影像各波段進行組合，成一個兩倍於原影像波段數的新影像，對該影像作主成分變換。由於變換結果前幾個分量上集中了兩個影像的主要信息，而後幾個分量則反映出了兩影像的差別信息，因此可以抽取後幾個分量進行波段組合來產生出變化信息。一般說來，在上述多波段主成分變換之後，採用0、1、2分量進行波段組合能較好地反映出新舊時相影像的變化部分。
（3）主成分差異法 本方法和差異主成分方法所不同之處在於影像作主成分變換與差值處理的順序不一樣。要求先對兩時相的影像作主成分變換，然後對變換結果作差值，取差值的絕對值為處理結果。在實際的試驗中，兩時相影像作主成分變換後相差的第一分量已經涵蓋了幾乎所有的變化信息。因此，可以認為這一分量屬於影像的變化信息。
2.1.6 變化向量分析法［1］
由於多時相遙感數據中任一像元矢量都可用多維測量空間中的一個點來表示（空間的維數等於原始波段數），通過對不同時相下的同名像元矢量進行相減所得到的變化矢量就可以用於描述該像元第一時相 t1 到第二時相 t2 期間在多維空間中所發生的位置變化。其中變化矢量的模代表了變化的強度，而方向則指示了發生變化的類型。設時相 t1、t2 圖像的像元灰度矢量分別為 G＝（g1，g2，…，gk）T 和H＝（h1，h2，…，hk）T，則變化矢量為：ΔG＝G －H。ΔG 包含了兩幅圖像中所有變化信息。變化強度由變化矢量的模||ΔG||決定，||ΔG||越大，表明圖像的差異越大，變化發生的可能性越大。因此，提取變化和非變化像元，可根據變化強度||ΔG||的大小設定閾值來實現，即像元||ΔG||超過某一閾值時，即可判定為土地利用類型發生變化的像元；而變化的類型，可由ΔG的指向確定。
這種方法利用多頻段信息，在提取變化位置的同時可以得到變化類型信息，是一種較理想的演算法。當然，要用好變化向量分析法還取決於分析過程中變化/未變化閾值是否取值合理以及相關分類方法是否適當。
2.1.7 分類後比較法
分類後比較法是對兩期遙感影像進行監督或非監督分類，然後比較在各圖像系列同一位置上的分類結果，進而確定土地利用類型變化的位置和所屬類型。該方法可直接獲得變化類型信息，但如何選擇合適的分類方法提高分類精度是准確獲得變化信息類型的關鍵。
2.1.1至2.1.6均屬於光譜直接比較法，此方法對變化比較敏感，可以避免分類過程所導致的誤差，但需要進行嚴格的輻射標准化，排除大氣狀況、太陽高度角、土壤濕度、物候等「雜訊」因素對圖像光譜的影響，由於目前對各種干擾（尤其是物候）導致的輻射差異的校正方法仍不成熟，因此，只能通過選擇同一感測器、同一季相的數據來盡可能減小「雜訊」。同時光譜直接比較法只注重變化像元的提取，而不能提供變化中土地類型的轉化信息（如地類屬性）。與之相對照，分類後比較法對輻射糾正要求相對較低，適用於不同感測器、不同季相的數據的比較，同時該方法不僅可以提供變化信息，而且還能夠給出各時期的土地利用類型信息。但這種方法的最終精度受到影像分類精度的限制，而且它對影像的全部范圍都要進行分類計算而不管它們是否已經發生變化，這樣無疑大大增加了變化信息檢測的計算量。
在目前的土地利用遙感監測研究中，結合光譜直接比較法和分類後比較法的混合動態監測方法逐漸受到重視，並有了一些成功的案例研究。Jenson 通過對濕地變化的動態監測研究表明：先利用光譜直接比較探測變化區，再進行圖像分類確定變化類型的混合法是一種非常有效的變化檢測方法［4］；Macleod和Congalton的研究也表明以差值法為基礎的混合動態監測法優於傳統分類後比較法［5］。這樣可以集兩者之所長，取得更好的監測效果。
2.2 基於單一感測器單時相遙感影像
無論是光譜直接比較法還是分類後比較法都是基於多個時相的遙感影像來進行土地利用變化監測。而當前期遙感影像無法或者難以獲得的情況下，依靠後期的單時相遙感影像與前期的土地利用現狀圖也可以進行動態監測，這就是採用將土地利用現狀圖疊加在遙感圖像上的方法來監測土地利用變化情況［6］。具體說來，是利用土地利用現狀圖中不變的明顯地物標志（如線狀地物交叉點）作為控制點對遙感圖像進行配准，然後將土地現狀圖疊加再校正後的遙感圖像上，檢查各圖斑是否吻合，若圖斑的角點有偏移，則發生變化。可通過遙感圖像辨識當前的土地利用類型，而土地利用現狀圖含有先期的土地利用類型信息，所以可以比較容易地辨識土地利用類型的變更情況，並可測算出變化圖斑的面積。若其中有不能確定的圖斑，可以輔以外業調查，以提高監測精度。
3 基於多源遙感的土地利用變化信息監測方法
不同感測器都具有各自的優勢，獲得的圖像各有所長，如美國陸地衛星（Landsat）TM圖像光譜信息豐富；法國SPOT衛星圖像具有全色通道而空間解析度高；SAR圖像不受光照條件的影響而且幾乎不受大氣和雲層的干涉，可用於探測地物的復介電常數和表面的粗糙度等等。利用不同感測器的多源遙感影像進行融合，可以使其優勢互補，在此基礎上的土地利用變化動態監測已成為國際遙感界研究的主題之一。以TM影像和SPOT影像為例，目前應用多光譜TM和全色SPOT數據融合的方法主要有LAB變換、HIS變換、線性復合與乘積運算、比值運算、BROVEY 變換、高通濾波變換（HPH）和主成分分析（PCA）等方法［7］，經上述演算法融合後的圖像可以有效地同時保留SPOT高解析度圖像的精細紋理和TM多光譜圖像的豐富色彩信息，從而有利於提高圖像的空間解析度和光譜解析度，為發生變化的地類圖斑的提取提供良好的數據源基礎。
3.1 光譜特徵變異法［8］
針對基於多源遙感的土地利用變化監測，變化信息的提取方法除了2.1所述方法之外還可以選擇光譜特徵變異法。
同一地物反映在SPOT影像上的信息是與其反映在TM影像上的光譜信息一一對應的。因此作TM和SPOT影像融合時，才能如實地顯示出地物的正確光譜屬性。但如果兩者信息表現為不一致時，那麼融合後影像的光譜就表現得與正常地物有所差別，此時就稱地物發生了光譜特徵變異（例如同一位置，前期在遙感影像上呈現為綠色的麥地，後期新修道路在影像上呈現較亮的灰度，那麼疊加之後會呈現一條綠色的道路，與正常地物相異），這部分影像在整個的影像范圍內是不正常和不協調的，這些地物可以通過影像判讀的方法勾繪出來，這種變化信息提取的方法具有物理意義明顯、簡潔的特點。但是經過試驗發現，發生光譜特徵變異的地物在幾何尺寸上要足夠的大才能被人工目視發現。此外，該方法的效率還受到被監測區地物光譜特性的限制。
3.2 變化信息提取方法的選擇
根據土地利用動態監測項目所獲取的數據源，可將遙感數據組合分為下述幾種類型，針對不同的類型要採取相應的方法以獲取較好的效果。
3.2.1 具有兩時相的 TM 和 SPOT 數據
這種情況是最好的。在該條件下，先對兩時相的數據以某一糾正後的TM或SPOT影像（首先處理TM還是SPOT視數據的具體情況而定，原則是利於TM和SPOT數據的配准融合處理）為參考分別作糾正和配准處理，為保留並結合原始數據中紋理信息和光譜信息要融合相對應的TM和SPOT影像，在兩時相融合影像的基礎上採用主成分差異的方法來提取變化信息。另外還可以用新時相的 SPOT 影像與舊時相的 TM 影像進行融合生成光譜特徵變異影像來指導發現變化的區域。
3.2.2 具有兩時相的 TM 和一個時相的 SPOT 數據
在此數據源的基礎上，首先仍對某一時相的TM或SPOT數據作糾正處理，然後將其他時相的TM和SPOT數據都統一以這個糾正後的TM （SPOT）為參考影像作影像到影像的糾正和配准。之後，選擇光譜特徵變異的方法來尋找大部分的變化信息，藉助於兩時相的TM影像確認變化；此外，利用主成分分析的辦法對兩時相的TM數據進行處理，得到變化信息模板，將模板疊置在判讀影像上補充單一方法進行變化提取的遺漏。
3.2.3 具有兩時相的 SPOT 和一個時相的 TM 數據
通常，前面的數據預處理糾正配准部分同3.2.2相同，然後對其中交錯時相的TM和SPOT數據進行融合得到光譜特徵變異影像，藉助於兩時相的SPOT數據發現影像中紋理信息的變化，從而輔助提取影像中的變化信息部分。除此之外，兩時相的SPOT影像數據理論上說，可以直接作比較得到變化的部分，但是由於成像條件的不同，這樣直接比較的方法會導致產生很多偽變化信息，干擾了真正變化部分的提取。因此，首先要對原始SPOT影像進行去噪及輻射校正等預處理，然後才能用來提取變化的信息。
3.2.4 具有單時相的 SPOT 影像和另一時相 TM 影像的數據
首先要對SPOT和TM數據進行糾正處理，然後利用糾正後的SPOT和另一時相TM影像融合得到光譜特徵變異影像，並以此作為判讀變化信息的主要參考數據。此外，單時相的SPOT數據可以作為新增波段加入到原始的 TM 數據中去進行主成分分析來提取變化的信息，輔助發現漏判的變化圖斑。
利用遙感進行土地利用動態監測的方法非常多，這些方法各有自己的優勢和劣勢，實際工作中，要針對所擁有的數據源的情況，綜合各方面要求來選擇合適的方法，也可以綜合幾種方法取長補短以達到更好的監測效果。至於如何更有效地識別土地變化的類型以及如何提高分類的精度仍有很大的研究空間。
參考文獻
［1］盧珏.土地利用動態監測變化信息提取演算法評估［J］.湖北農學院學報，2002，22 （5）：394～396
［2］張銀輝，趙庚星.試論土地利用遙感動態監測技術方法［J］.國土資源管理，2001，18 （3）：15～18
［3］楊貴軍，武文波，陳步尚，夏春林.土地利用動態遙感監測中變化信息的提取方法［J］.東北測繪，2003，26 （1）：18～21
［4］Jensen J R，Cowen D J，Narumalani S，et al.An evaluation of coast watch change detection protocol in South Carolina ［J］.Photogram metric Engineering and Remote Sensing，1993，59 （6）：1039～1046
［5］Macleod R D，Congalton R G.A quantitative comparison of change-detection algorithms for monitoring eelgrass from remotely sensed data ［J］.Photogram metric Engineering and Remote Sensing，1998，64 （3）：207～216
［6］吳連喜，嚴泰來，張瑋，薛天民，程昌秀.土地利用現狀圖與遙感圖像疊加進行土地利用變更監測［J］.農業工程學報，2001，17 （6）：156～160
［7］張炳智，張繼閑，張麗.土地利用動態遙感監測中變化信息提取方法的研究［J］.測繪科學，2000，25 （3）：46～50
Ⅳ 衛星遙感探測
（一）主要衛星數據簡介
1.美國陸地衛星數據
用Landsat系列衛星的熱紅外第6波段進行地下煤火區地表熱異常信息的提取、確定火區的位置是比較准確的，費用相對於使用夜航航空熱紅外掃描圖像來說大為降低。它是地下煤火探測的常用數據源。
Landsat的重訪周期為16天，這使得其白天和夜間成像的TM6（ETM+6）數據對於地下煤火動態探測、檢查滅火效果和指導滅火行動的開展而言是理想的數據源。然而，因為TM6 的空間解析度是120m，面積較小的或深層的煤火不能探測出來。60m熱空間解析度的Landsat-7、ETM+6的探測煤火應用使得狀況有改善，但該數據現在已經無法獲取。
2.地球觀測系統EOS衛星數據
（1）ASTER。ASTER熱紅外譜區的波段數達到了5個，解析度僅為90m，但其量化值為12bit；因此，熱圖像像元值的動態范圍更大，溫度信息更豐富，更有利於熱信息分析提取。故用其進行地表溫度反演比較合適。在地下煤火的探測中，越來越傾向於使用ASTER數據進行大規模火區的初步定位和地表溫度反演。
（2）MODIS。盡管MODIS數據的溫度反演精度比較高，基本上可以實現免費提供；但是在地下煤火的研究中，一般而言煤火區的面積有限，而其空間解析度又相對太低，故而應用效果和前景不是很好。
3.高空間解析度衛星數據
（1）QuickBird。QuickBird影像產品分基本影像、標准影像、正射影像、立體像對等不同類型，從波段組成上分全色波段影像數據、多光譜影像數據、全色波段影像數據與多光譜影像數據產品包、融合影像數據（真彩色或假彩色）等多種類型。
（2）IKONOS。IKONOS衛星數據具有高精度、高解析度的特點，可廣泛用於城市、港口、土地、森林、環境、災害調查和軍事目標動態探測。尤其在土地利用調查中更能發揮優勢、提高調查的實效性，節省人力、物力，基本實現土地利用管理的高技術化。
（3）SPOT系列。SPOT4圖像最突出的優點是它具有比TM圖像更高的空間解析度，並且可以組成立體像對，生成數字高程模型。TM和SPOT4圖像可以組合成解析度為1：50000的圖像。SPOT5圖像的空間解析度又有顯著提高，使得遙感技術向精確化邁進了一大步，可以在地下煤火動態探測中發揮更重要的作用。
利用SPOT、IKONOS和QuirkBird衛星圖像，可直接獲得與地下煤層自燃有關的燃燒系統大小、位置、性質及環境相互關系等精細特徵信息。
（4）其他高空間解析度衛星。除這三種常見的高空間解析度衛星影像數據外，還有以色列的EROS⁃1A和印度的IRS⁃1D等。這些高空間解析度的衛星數據，一般都覆蓋可見光波段，對地表物體的探測比較精細，適合於大比例尺成圖。利用其提供的立體測圖能力，還可以製作DEM，在地下煤火區地表裂隙的探測和煤火工程的設計施工中可發揮其重要作用。
4.雷達遙感數據
（1）歐空局的ERS⁃1、2。歐洲地球資源衛星ERS⁃1、2為歐空局所屬衛星，主要用於科學研究與應用。ERS⁃1、2工作於C波段，採用VV極化。這些參數使ERS⁃1、2 適於中等或大范圍地形測繪和林草探測。
（2）加拿大RADARSAT。RADARSAT是加拿大的遙感衛星系統，於1996年發射使用。該系統提供可靠的、成本低的環境和資源數據。RADARSAT 是第一顆真正滿足商業化運營的雷達遙感衛星。RADARSAT獨特的機動能力使它的探測范圍幾乎達整個南極地區。RADARSAT有多種工作方式，包括寬幅測繪、良好的分辨力和標準的波束寬度，還可選擇入射角。
（3）歐空局的ENVISAT⁃1。ENVISAT⁃1屬極軌對地觀測衛星系列之一，該衛星是歐洲迄今建造的最大的環境衛星。作為ERS⁃1/2合成孔徑雷達衛星的延續，ENVISAT⁃1數據主要用於監視環境，即對地球表面和大氣層進行連續的觀測，供製圖、資源勘查、氣象預報及災害判斷運用。
干涉雷達（INSAR）技術是雷達遙感的熱點研究領域。當前，INSAR的主要應用除進行地形制圖，生成大范圍高精度的數字高程模型（DEM）及坡度測量外，基於干涉雷達基礎上發展起來的雷達差分干涉測量技術在地表下陷、山體滑坡探測和地震形變探測等方面具有重要的作用。
5.中巴資源衛星數據
中巴衛星遙感數據用途廣泛，可用於土地利用、水資源調查、農作物估產、探礦、地質測繪、城市規劃、環境保護、海岸帶探測等地球資源與環境調查的各個方面。IRMSS熱紅外B9波段的空間解析度比較低，數據的質量不是很穩定。對於地下煤火的遙感探測而言，其利用效果還有待進一步驗證和提高。
6.微小衛星BIRD數據
雙波段熱紅外探測儀（BIRD，Bi⁃Spectral InfraRed Detection）是德國宇航中心所屬的新型科學實驗小衛星，於2001年10月發射升空，其目的是識別和定量描述地球表面的高溫事件。BIRD衛星數據的應用領域主要是森林草原火災、火山爆發、煤火等較大面積火情的探測。已有研究資料表明，其夜間熱紅外影像可探測地下煤火，不容易准確定位。
（二）衛星遙感數據組合與探測目標優化
衛星遙感方法具有周期短、覆蓋面積廣和效益高的特點。由於其空間解析度的限制，目前作為一種區域性煤層自燃的探測方法。
衛星遙感探測方法應用的關鍵是必須以合適的地下煤火調查和應用目標為前提，以地下煤火熱輻射特徵及光譜特徵為依據，選擇經濟、技術指標均較為合理的遙感數據源或數據源組合。
中解析度衛星遙感。以ASTER、ETM、中巴資源衛星為代表，熱紅外波段空間解析度60～156m，靈敏度1℃，夜間的熱紅外信息經過大氣校正、輻射校正、幾何校正、閾值分析、圖像變換和彩色增強等處理後，可提取地下煤火產生的地面熱輻射異常信息，確定與煤火區有關的熱異常區域。主要用於中比例尺的煤火區普查，初步圈定具有一定規模的煤田燃燒活火區的范圍和煤火探測靶區。通過不同時相的熱異常區域對比，用於探測煤火區及周邊區域的熱場動態變化。可見光波段空間解析度15～30m，利用地下煤火作用下地面岩石和植被等光譜特徵的變化，採用圖像信息處理方法提取與煤火有關的環境變化信息，確定煤田構造、煤系地層及燃燒環境；用於探測煤火區及周邊區域的環境、災害動態變化。星載熱紅外遙感用於火災探測的優越性表現在其可重復性、數據獲取費用比較便宜、加上多波段操作比較容易等，缺點是空間解析度相對比較低。
高解析度衛星遙感。以SPOT、IRS、QuickBird、IKONOS為代表，空間解析度可以達到0.61～5.8m。利用高解析度衛星遙感結構信息，分析地下煤火作用下地面物質色調和結構特徵的變化，提取地下煤火燃燒中心、燃燒裂隙、燃燒系統、采空燃燒區、燒變岩、燃燒塌陷和煤田內非煤火區的燃燒信息等。
ASTER、TM與QuickBird數據結合使用，是研究地下煤火比較合適的技術組合。QuickBird等高解析度衛星數據價格相對比較昂貴，且單幅覆蓋范圍有限，僅僅適合單個煤火區的高精度燃燒裂隙系統等煤火信息探測。
衛星數據時相的選擇也是煤火探測的一個重要因素。由於中國北方煤田分布區冬季植被普遍稀少，TM圖像能較准確地反映地質體的波譜特徵；夏季植被相對發育，對地質體的譜特徵干擾較大。因此，冬季數據具有一定的優勢。
a.成像時太陽高度角小，對地貌起伏和地質構造反映顯著，便於分析煤層自燃和地質構造的潛在關系。
b.冬季地表常有積雪，對解譯和識別火區有特殊的幫助。這是由於煤自燃釋放的熱量融化了積雪，使深色煤系出露，與白色雪景形成強烈反差，使得活火區一覽無余。
利用合成孔徑雷達的干涉測量可以獲得地下煤火區地面沉降量，探測地表塌陷的變化，衛星高光譜遙感可以探測煤火區的岩石礦物、土壤和植被的物理化學成分的變化。目前在煤火探測中的這方面應用研究還很少，它的應用對煤火探測有很大的作用。
Ⅳ 地面遙感探測
煤火的地面遙感探測主要包括熱紅外成像和熱紅外測溫兩種測量方式。其中使用的DL⁃700A紅外成像儀，波長范圍：8～14μm，熱靈敏度為0.1℃，空間解析度可達1m×1m，視場角為11°。利用地面熱紅外測溫和熱紅外成像數據，可以驗證煤層自燃異常區的真實性，區分煤層自燃異常與非煤層自燃異常，檢驗信息提取方法效果，確定煤層自燃的范圍及其程度，探測燃燒點和燃燒中心。
地面熱紅外測溫是探測地面熱場和噴射場溫度的重要方法。根據2004年6 月實地觀測結果：烏達煤田地表熱場正常溫度在14～35℃之間，火區地面溫度在40～60℃之間。因地下煤層燃燒和上覆地層、岩性、裂隙發育不一，又分為隔溫聚熱高溫帶和低溫輻射帶。其中低溫輻射帶構成地表熱異常場，地下煤火的地面噴射構成噴射場，噴射場地表噴射溫度在100～800℃之間。
熱紅外掃描成像測量是野外獲取溫度異常分布數據的最有效的方法。熱紅外成像測溫可以快速獲取地表瞬時的面輻射溫度，從而非常便於圈定單個煤火區范圍。通過對地下煤火區實行定期的熱紅外成像測溫和地下煤火熱異常定量提取，可以掌握地下煤火的發生、發展和演變趨勢，摸清其變化規律，從而為地下煤層自燃動態探測、防滅火工程的有效開展提供實驗觀測依據。
圖3⁃1⁃2是2004年6月15日獲取的蘇海圖礦Ⅵ號火區的熱紅外成像圖。由測溫剖面可以看出：煤層露頭在該圖幅中溫度最高，並發育有紅色燒變岩。實地觀測發現露頭處已經燒過，內部也已開始自燃，並已經沿傾向向下蔓延。在剖面中部靠山坡頂部發現團塊狀黃色異常物，在山頂面上發現煤焦油、硫磺、芒硝等溢出物。
圖3-1-2 蘇海圖礦Ⅵ號火區熱紅外成像與溫度剖面圖
基於高解析度地面熱紅外成像方法，可以實現定區域、定周期、多角度的快速測量。同時在觀測時間和地點的選擇上具有較大的靈活性，不受氣候的限制，可以隨時進行觀測。儀器靈敏度較高（0.1℃），因此，探測較小的具有弱熱異常特徵的火區比較有效。
由於該儀器尚不具備配套的空間定位系統，因此，觀測結果空間上具有不可測量性。
Ⅵ 什麼是土地動態遙感監測
土地動態遙感監測，是指採用遙感技術，對土地利用變化情況進行動態監測調查。
為什麼土地利用現狀調查成果需要經過檢查驗收和確認？
基於如下 三個理由，土地利用現狀調查成果必須經過檢查驗收和確認：
（1）在技術上確保土地利用現狀調查的精度及調查成果的准確性；
（2）保證土地調查成果的客觀性，真正做到「實地、圖件、數據」三者相一致；
（3）為了依法進行土地統計，保證土地利用現狀調查成果具有法定數據的地位。
Ⅶ 什麼是遙感監測
遙感監測是利用遙感技術進行監測的技術方法。監測對象主要是地面覆蓋、大氣、海洋和近地表狀況等。遙感廣泛用於氣象、土地、海洋、農業、地質、和軍事等領域。
上面那段是網路的。根據我個人的理解，遙感監測就是利用遙感的手段，通過對被測地物的輻射狀況進行分析，從而反演出探測目標的物理的或生物的性狀，進而進行特定領域的監測。
例如，最常見的可以用遙感影像近紅外和紅光波段的反射值通過特定的方法對植被覆蓋狀況進行監測；利用熱紅外數據監測地表溫度；利用可見光、近紅外監測土地覆蓋狀況。
監測強調變化，因此，需要有多個時相的數據。
Ⅷ 遙感動態監測常用的方法有哪些以土地利用/覆蓋變化為例簡述遙感動態監測的工作流程
變化監測。使用ERDAS 的DeltaCue，效果很好。