Ⅰ 云南丽江地区土地利用变化的遥感检测与分析
李喆1 马润赓2
（1.北京大学遥感与地理信息系统研究所，北京，100871；2.中国地质大学地球科学与资源学院，北京，100083）
摘要：利用1999年2月和2001年4月2幅TM影像资料和其他辅助资料为资料源，对主成分分析处理后的遥感影像进行计算机自动识别，采用人机交互式解译方法获得各种土地利用类型分布信息，并使用地理信息系统的空间分析和数理统计功能分析丽江坝子地区土地利用变化的数量变化，土地利用动态度等特征，以及各类型之间的转化情况。结果表明：本区域耕地面积增加了0.27km2，城乡用地面积增加了0.19km2，水体面积减少了0.11km2，林地和草地基本保持不变；各类型的转化突出表现为水域向城乡用地，未利用土地向城乡用地和耕地转换。
关键词：土地利用变化；马尔柯夫矩阵；云南丽江地区；遥感和 GIS
区域土地利用/覆被变化（LUCC）是全球环境变化研究中的重要领域之一。土地利用变化数据可以提供研究区域土地利用状况的现实状况，保证国家及时、准确地掌握土地利用变化情况，为制定国民经济发展规划、计划和宏观决策提供科学依据［1］。土地利用变化包括时间变化、空间变化和质量变化等三个方面，其中空间变化反映土地利用变化的空间类型、变化类型的空间分布以及区域差异，是土地管理和规划关注的焦点问题［2］。这一问题的解决关键在于如何提取土地利用变化数据以及如何对获取的信息进行科学的分析处理。遥感技术以其快速、准确、周期短等优点在大中尺度的土地利用/覆盖变化的监测中具有明显的优势。本文利用遥感和 GIS 相结合的方法，通过数理统计分析，描述了丽江坝子地区1999～2001年间土地利用的数量变化和空间变化特征，为该区域土地管理决策、生态环境保护、资源合理开发等奠定了基础，对于区域土地可持续发展和利用具有重要意义。
1 研究区概况
丽江位于云南省西北部［3］，金沙江中游，地理坐标为：99°23′E～101°31′E，25°59′N～27°56′N。四周分别与迪庆州、怒江州、大理州、楚雄州和四川省攀枝花市、凉山州毗邻，辖丽江纳西族自治县、宁蒗彝族自治县、永胜县和华坪县，国土总面积有931.02km2。由于地处青藏高原和云贵高原的结合部，属横断山区，地形复杂，山高谷深，长期自然环境相对封闭，形成具有典型特点的垂直自然带和立体气候，动植物区系极为复杂，珍稀野生动植物丰富。全区总人口109 万，包括汉、纳西、彝、傈僳、藏、白、普米等23个民族，其中少数民族人口占57%［3］。
2 研究方法
2.1 研究资料
分别拍摄于1999年2月和2001年4月2幅 LANDSAT－TM 图像，地面分辨率为30m，在研究区域内没有云层覆盖，质量较好；另有1∶1 万地形图和1∶5 万土地利用图，用于辅助训练样区的选择和目视解译；还有其他统计资料（气象、水文、人口、土壤、社会经济）等。
2.2 主要工作流程
使用遥感图像信息进行变化检测的方法主要有三种：分类后比较法，多时相图像直接求交法和多时相图像分类法［4］。多时相图像直接求交法要求两个时相比较接近，检测变化信息一般使用图像差值、比值或主成分分析，操作简单，但是得不到变化的具体地物类型。本文所使用遥感图像时间差异接近3个月，不宜使用直接求交法。多时相图像分类法在使用时要使用静态类型和动态类型，动态类型的训练样本一般不易确定。本文主要使用分类后比较法。
本研究的主要工作流程如图1 所示：首先使用 PCI 软件分别对2 幅 TM 图像进行图像预处理（如几何纠正等），并分别对以上两个时相的影像做主成分分析，然后充分结合各种知识（如地形图，植被图等）进行监督分类［3］。监督分类时采用《中国土地利用现状调查技术规程》规定，将土地利用类型划分为：耕地，林地，草地，水域，城乡工矿居民地和未利用土地共6 类。采用人机交互式方法判读分类结果，并将解译结果以栅格形式转入地理信息系统软件 ARC GIS 中进行数据处理，对二期数据进行空间叠置分析，获得土地利用变化数据，以此为基础进行土地利用动态变化分析。
图1 项目主要工作流程图
2.3 几个关键技术的处理
2.3.1 遥感图像的几何配准
两个时相遥感图像的几何配准是动态变化研究的基础。为了便于利用地学信息进行辅助分析，可以将遥感图像配准到大地坐标系中。本文选择1∶1 万地形图为基准，在遥感图像上均匀选择12个地面控制点，使用二次多项式拟合，灰度采样方式为双三次卷积，进行几何配准和灰度重采样处理。结果总体均方误差为0.624，配准误差小于1个像元，满足土地利用动态监测的要求。
2.3.2 遥感图像的主成分分析
主成分分析（又称主分量变换）是一种尽可能不丢失信息用几个综合性指标汇集多个变量的测量值而进行描述的方法［5］。在多光谱图像中，由于各波段的数据间存在相关的情况很多，通过主成分分析就可以把图像的大部分信息用少数波段表示出来，使得信息几乎不丢失但数据量可以减少。本文分别对于二期 LANDSAT－TM 图像的除热红外波段的6个波段采用主成分分析，把获得的第一到第三主成分进行彩色合成，得到处理后的结果图像。
2.3.3 结果数据的生成
根据各种辅助资料，在经过主成分分析处理后的二期遥感图像上选择6个土地利用类型的训练样本，采用最大释然法进行计算机自动识别。由于遥感影像上存在同物异谱、异物同谱以及混合像元等情况，计算机自动识别在某些类别的区分上不太理想，例如未利用土地和城镇用地极易发生混淆。实际工作还需要辅助各种实测资料进行目视修正，以得到两个时相的最终分类结果，然后将分类结果以栅格形式转入地理信息系统软件ARC GIS中，对二期数据进行空间叠置分析，获得土地利用变化数据，并进行必要的数理统计，以便结果分析使用。
3 结果分析
3.1 土地利用变化幅度分析
区域土地利用变化幅度主要体现在不同土地利用类型的面积总量变化上，可以提供区域土地利用变化总态势和土地利用结构变化信息。
利用二期遥感资料，对丽江坝子地区两期土地利用数据进行统计分析，得到结果见表1。
表1 1999～2001年土地利用变化表
表1说明，3年来本区域耕地面积增加了0.27km2，城乡用地面积增加了0.19km2，水体面积减少了0.11km2，林地和草地则基本保持不变。
3.2 土地利用动态度分析
土地利用动态度可以简单采用单一土地利用动态度和综合土地利用动态度来描述［6］。其中单一土地利用动态度可定量描述区域一定时间范围内某种土地利用类型变化的速度，可提供土地利用变化的区域差异和预测未来土地利用变化趋势；综合土地利用动态度用于表征区域土地利用变化的速度。
单一土地利用动态度公式表达式为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
式中，Ua，Ub分别表示研究初期及研究末期某一种土地利用类型的数量；T表示研究期时段长。
综合土地利用动态度表达式为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
式中，LUi 表示研究初期第 i 地物类研究末期转为其他土地利用的面积；ΔLUi 表示第i地物类研究末期转为其他土地利用类型的面积；T表示研究时段。
根据公式（1）和（2）计算丽江坝子地区土地利用六种类型的年变化率。结果说明，1999～2001年丽江坝子地区土地利用的年变化率为0.17%，其中城乡用地和未利用地变化速度最大，年变化率分别达到0.36%和0.21%，林地和草地基本保持不变，耕地和水域的年变化率分别为0.15%和0.09%。
3.3 土地利用区域差异分析
由于地形地貌和气候等自然条件差异，经济发展和人口增长速度不同，使得土地利用区域差异显着。对于土地利用变化的区域差异，可用某一特定土地利用类型相对变化率来表示。相对变化率是一种很好地反映土地利用变化区域差异的方法，其表达式为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
式中，Kb、Ka分别代表某区域某特定土地利用类型研究初期和研究末期的面积；Cb、Ca分别代表全区域某特定土地利用类型研究初期和研究末期的面积。
根据行政区划，将丽江划分成丽江县、宁蒗县、永胜县和华坪县4个区域，根据遥感数据分别计算6 种土地利用类型的相对变化率，其结果见表2。
表2 1999～2001年土地利用区域差异表
从表2中可以看出，土地利用变化存在明显差异：①就耕地而言，丽江县最大，达到1.53，明显大于永胜县，宁蒗县和华坪县也大于永胜县；②林地，草地，水域变化各区域差异不大；③城乡用地的区域差异最为明显，丽江县大于其他3县很多，达到5.36；④未利用地的变化在华坪县较突出，约为4.89，几乎是永胜县的3倍。
3.4 土地利用类型转换矩阵分析
土地利用类型之间的相互转化情况，可采用马尔柯夫转移矩阵模型来进一步描述［7］。马尔柯夫链是一种具有“无后效性”的特殊随机过程，它反映的是一系列特定时间间隔下，一个亚稳定系统由n时刻向n＋1 时刻状态转换的一系列过程中，n＋1 时刻的状态只与n时刻的状态有关。由于土地利用类型演变具有马尔柯夫随机过程的性质：①一定区域内，不同土地利用类型之间具有相互可转化性；②土地利用类型之间的相互转化过程包含着较多尚难用函数关系准确描述的事件，故可采用马尔柯夫转移矩阵模型来描述土地利用类型动态转换。
马尔柯夫模型在土地利用类型转化上应用的关键是确定土地利用类型之间相互转化的转移概率矩阵P。若采用斑块相互之间面积的转移概率为矩阵元素，则转移矩阵模型为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
式中，Pij为土地利用类型i转化为土地利用类型j的转移概率。
遥感图像计算机自动识别中得到的土地利用变化转移概率矩阵如表3所示。
表3 1999～2001年土地利用变化转移概率矩阵单位：%
从表3可以看出：
（1）耕地的增加量主要是来自草地和未利用地，分别占1.51%和0.21%，减少量大部分转化为未利用地和草地，各占4.46%和2.10%。
（2）林地的增加量主要来自于草地和耕地，各有4.06%和1.06%，有1%的林地转换为草地。
（3）草地的增加量中有2.10%和 1.00%来自于耕地和林地，减少量中有 4.06%和1.51%分别转化为林地和耕地。
（4）水域有2.32%转化为城乡用地，有0.36%转化为未利用地，有0.18%转化为林地，表明水体的减少主要受人为因素影响。
（5）城乡用地的增加主要来自于耕地、未利用地和水域，分别占 0.74%、0.61%和0.39%。
（6）城乡用地、耕地、草地和林地各有 17.06%、4.46%、0.93%和 0.58%转化为未利用地，表明本区域土地利用状况不太好，大量的农田遭到占用却未合理开发。
4 结论
土地利用/土地覆被变化（LUCC）研究旨在深入了解土地利用状况及其变化的动态过程、主导原因及演化机理，以提高人们对土地利用变化的预测、管理、决策和调控能力，对于其数据的获取和分析处理十分重要。通过对本次研究获得数据的分析，可以得到如下结论：
（1）1999～2001年间云南丽江坝子地区的土地利用状况发生一定的变化。3年来耕地面积增加了0.27km2，城乡用地面积增加了0.19km2，水体面积减少了0.11km2，林地和草地基本保持不变；各类型的转化突出表现为水域向城乡用地、未利用土地向城乡用地和耕地转换。
（2）土地利用的年变化率为 0.17%。其中城乡用地增加速度最快，以平均每年0.36%的速度递增，未利用地则以0.21%的速度递减，林地和草地基本保持不变。
（3）土地利用类型相互间的转化突出表现为水域向城乡用地，未利用土地向城乡用地和耕地转换。3年来本区域共有0.068km2 即2.32%的水域面积转换为城乡用地，未利用土地中有0.14km2 和 0.07km2 转化为城乡用地和耕地，分别占未利用土地面积的17.06%和5.46%。
参考文献
［1］朱会议，李秀彬，何书金等.环渤海地区土地利用的时空变化分析［J］.地理学报，2001，56 （3）：253～260
［2］王思远，刘纪元，张增祥等.近10年中国土地利用格局及其演变［J］.地理学报，2002，57 （5）：523～530
［3］丽江地区地方志办公室.丽江年鉴（1997） ［M］.昆明：云南民族出版社，1997，293～294
［4］李天宏，韩鹏.厦门市土地利用/覆盖动态变化的遥感检测与分析［J］.地理科学，2001，21 （6）：537～544
［5］村井俊治等.遥感精解［M］.北京.测绘出版社，1993，12：194～196
［6］王秀兰，包玉海.土地利用动态变化研究方法探讨［J］.地理科学进展，1999，18 （1）：81～87
［7］李忠峰，王一谋，王建华等.基于RS与GIS的榆林地区土地利用变化分析.水土保持学报，2003，6：97～99
Ⅱ 遥感新手，我有两幅快鸟影像和城市总规图，如何做城市规划动态监测
做用地类型的话，首先几何校正配准，一种方法是对影像进行数字化得到城市的土地利用类型的矢量图，然后对其做面积统计、变化统计的数据统计完成量上面的监测，及图幅上利用分层设色完成直观的图像监测；另一种就是利用遥感影像处理软件对影像解译得到土地利用类型的栅格图，然后再利用遥感影像处理软件中的变化监测，比如归纳分析、矩阵分析等，以上只是简单的过程，在实际中还有许多工作要做，比如影像的预处理包括格式转换，波段融合、直方图匹配等。最后像第一种方法一样也要完成量上面的监测，及图幅上直观的图像动态监测。
Ⅲ 基于不同数据源的土地利用变化遥感动态监测方法
李翔宇 樊彦国
（中国石油大学地球资源与信息学院，山东东营，257061）
摘要：本文从所拥有的遥感数据源的可能情况出发，分别介绍了各种情况下利用遥感进行土地利用变化动态监测的方法，分析了其优势和劣势。
关键词：遥感；土地利用变化；动态监测；方法
1 引言
我国是一个人多地少的国家，土地是我们赖以生存的资源。建立土地动态监测系统以快速准确地提供各类土地资源面积及其分布、土地资源动态变化状况及土地资源生态环境信息是十分必要的，这样可以保证我国在科学翔实的资料基础上对土地资源进行科学的规划及合理的利用，实现土地资源的可持续健康发展。可是传统的统计或实地调查方式，耗时耗力，劳民伤财，并且难以适应土地利用的快速变化，而遥感可以提供及时准确且覆盖面广的地面影像资料，并且周期短、信息量大，通过后期的分析、处理、比较，可以使人们迅速准确地掌握土地利用变化的详细信息，即实现土地利用的动态监测。现在，遥感技术已成为进行土地利用变化动态监测的重要手段。
基于遥感影像的土地利用变化监测方法大致可分为两类：光谱直接比较法和分类结果比较法。多数变化提取算法属于前一种，主要包括影像差值法、比值法、主成分分析法和变化矢量分析法等，这些算法直接通过两时相数据的光谱差异确定变化发生的区域，但不能得出变化图斑的类型；后一种方法通过对各自时相的数据进行土地利用分类，通过对两个分类结果的比较提取变化信息，但其精度受两时相数据分类精度的制约。实际操作中可以根据所持有数据源的不同而采用相应的方法。
2 基于单一传感器的土地利用变化监测方法
2.1 基于单一传感器多时相遥感影像
当遥感数据源为单一传感器但可以获得多时相遥感影像时，可以考虑以下几种方法。
2.1.1 单变量图像差值法［1］
单变量图像差值法比较简单，是使用最广泛的一种探测方法。它是将两个时相的遥感图像按波段进行逐像元相减，从而生成一幅新的代表二时相间光谱变化的差值图像。辐射值的显着变化代表了土地覆盖变化，在差值图像中接近于零的像元就被看做是未变化的，而那些大于或小于零的像元表示其覆盖状况发生了某种变化，从而设定适当的阈值就可以把变化信息提取出来。
2.1.2 图像比值法［1，2］
比值处理被认为是辨识变化区域相对较快的手段。它是对于两个时相多谱段数据中同名像元的光谱灰度值施以除法运算。显然，经过辐射配准后，在图像中未发生变化的像元其比值应近似为1，而对于变化像元而言，比值将明显高于或低于1。比值法可以部分地消除阴影影响，突出某些地物间的反差，具有一定的图像增强作用。
2.1.3 图像回归法［1］
图像回归法是首先假定时相Ⅰ的像元值是另一时相Ⅱ像元值的一个线性函数，通过最小二乘法来进行回归，然后再用回归方程计算出的预测值来减去时相Ⅰ的原始像元值，从而获得两时相的回归残差图像。
2.1.4 植被指数差值法［2］
植被指数差值法是用近红外与红光波段间的比值（植被指数）代替原始波段作为输入数据进行差值运算来生成变化图像。由于植物普遍对红光强烈吸收和对近红外光强烈反射，因此红光和近红外波段之间的比值有利于提高光谱差异。
2.1.5 主成分分析法［3］
（1）差异主成分法 两时相的影像经纠正、配准之后，先对影像作相差取绝对值处理，从而得到一个差值影像。差值影像作主成分变换之后的第一分量应该集中了该影像的主要信息，即原两时相影像的主要差异信息。这个分量可以被认为是变化信息而被提取出来，从而生成变化模板，作为指导下一步变化类型确认和边界确定的参考信息。
（2）多波段主成分变换 由遥感理论可得知，地物属性发生变化，必将导致其在影像某几个波段上的值发生变化，所以只要找出两时相影像中对应波段上值的差别并确定这些差别的范围，便可发现土地利用变化信息。在具体试验中将两时相的影像各波段进行组合，成一个两倍于原影像波段数的新影像，对该影像作主成分变换。由于变换结果前几个分量上集中了两个影像的主要信息，而后几个分量则反映出了两影像的差别信息，因此可以抽取后几个分量进行波段组合来产生出变化信息。一般说来，在上述多波段主成分变换之后，采用0、1、2分量进行波段组合能较好地反映出新旧时相影像的变化部分。
（3）主成分差异法 本方法和差异主成分方法所不同之处在于影像作主成分变换与差值处理的顺序不一样。要求先对两时相的影像作主成分变换，然后对变换结果作差值，取差值的绝对值为处理结果。在实际的试验中，两时相影像作主成分变换后相差的第一分量已经涵盖了几乎所有的变化信息。因此，可以认为这一分量属于影像的变化信息。
2.1.6 变化向量分析法［1］
由于多时相遥感数据中任一像元矢量都可用多维测量空间中的一个点来表示（空间的维数等于原始波段数），通过对不同时相下的同名像元矢量进行相减所得到的变化矢量就可以用于描述该像元第一时相 t1 到第二时相 t2 期间在多维空间中所发生的位置变化。其中变化矢量的模代表了变化的强度，而方向则指示了发生变化的类型。设时相 t1、t2 图像的像元灰度矢量分别为 G＝（g1，g2，…，gk）T 和H＝（h1，h2，…，hk）T，则变化矢量为：ΔG＝G －H。ΔG 包含了两幅图像中所有变化信息。变化强度由变化矢量的模||ΔG||决定，||ΔG||越大，表明图像的差异越大，变化发生的可能性越大。因此，提取变化和非变化像元，可根据变化强度||ΔG||的大小设定阈值来实现，即像元||ΔG||超过某一阈值时，即可判定为土地利用类型发生变化的像元；而变化的类型，可由ΔG的指向确定。
这种方法利用多频段信息，在提取变化位置的同时可以得到变化类型信息，是一种较理想的算法。当然，要用好变化向量分析法还取决于分析过程中变化/未变化阈值是否取值合理以及相关分类方法是否适当。
2.1.7 分类后比较法
分类后比较法是对两期遥感影像进行监督或非监督分类，然后比较在各图像系列同一位置上的分类结果，进而确定土地利用类型变化的位置和所属类型。该方法可直接获得变化类型信息，但如何选择合适的分类方法提高分类精度是准确获得变化信息类型的关键。
2.1.1至2.1.6均属于光谱直接比较法，此方法对变化比较敏感，可以避免分类过程所导致的误差，但需要进行严格的辐射标准化，排除大气状况、太阳高度角、土壤湿度、物候等“噪声”因素对图像光谱的影响，由于目前对各种干扰（尤其是物候）导致的辐射差异的校正方法仍不成熟，因此，只能通过选择同一传感器、同一季相的数据来尽可能减小“噪声”。同时光谱直接比较法只注重变化像元的提取，而不能提供变化中土地类型的转化信息（如地类属性）。与之相对照，分类后比较法对辐射纠正要求相对较低，适用于不同传感器、不同季相的数据的比较，同时该方法不仅可以提供变化信息，而且还能够给出各时期的土地利用类型信息。但这种方法的最终精度受到影像分类精度的限制，而且它对影像的全部范围都要进行分类计算而不管它们是否已经发生变化，这样无疑大大增加了变化信息检测的计算量。
在目前的土地利用遥感监测研究中，结合光谱直接比较法和分类后比较法的混合动态监测方法逐渐受到重视，并有了一些成功的案例研究。Jenson 通过对湿地变化的动态监测研究表明：先利用光谱直接比较探测变化区，再进行图像分类确定变化类型的混合法是一种非常有效的变化检测方法［4］；Macleod和Congalton的研究也表明以差值法为基础的混合动态监测法优于传统分类后比较法［5］。这样可以集两者之所长，取得更好的监测效果。
2.2 基于单一传感器单时相遥感影像
无论是光谱直接比较法还是分类后比较法都是基于多个时相的遥感影像来进行土地利用变化监测。而当前期遥感影像无法或者难以获得的情况下，依靠后期的单时相遥感影像与前期的土地利用现状图也可以进行动态监测，这就是采用将土地利用现状图叠加在遥感图像上的方法来监测土地利用变化情况［6］。具体说来，是利用土地利用现状图中不变的明显地物标志（如线状地物交叉点）作为控制点对遥感图像进行配准，然后将土地现状图叠加再校正后的遥感图像上，检查各图斑是否吻合，若图斑的角点有偏移，则发生变化。可通过遥感图像辨识当前的土地利用类型，而土地利用现状图含有先期的土地利用类型信息，所以可以比较容易地辨识土地利用类型的变更情况，并可测算出变化图斑的面积。若其中有不能确定的图斑，可以辅以外业调查，以提高监测精度。
3 基于多源遥感的土地利用变化信息监测方法
不同传感器都具有各自的优势，获得的图像各有所长，如美国陆地卫星（Landsat）TM图像光谱信息丰富；法国SPOT卫星图像具有全色通道而空间分辨率高；SAR图像不受光照条件的影响而且几乎不受大气和云层的干涉，可用于探测地物的复介电常数和表面的粗糙度等等。利用不同传感器的多源遥感影像进行融合，可以使其优势互补，在此基础上的土地利用变化动态监测已成为国际遥感界研究的主题之一。以TM影像和SPOT影像为例，目前应用多光谱TM和全色SPOT数据融合的方法主要有LAB变换、HIS变换、线性复合与乘积运算、比值运算、BROVEY 变换、高通滤波变换（HPH）和主成分分析（PCA）等方法［7］，经上述算法融合后的图像可以有效地同时保留SPOT高分辨率图像的精细纹理和TM多光谱图像的丰富色彩信息，从而有利于提高图像的空间分辨率和光谱分辨率，为发生变化的地类图斑的提取提供良好的数据源基础。
3.1 光谱特征变异法［8］
针对基于多源遥感的土地利用变化监测，变化信息的提取方法除了2.1所述方法之外还可以选择光谱特征变异法。
同一地物反映在SPOT影像上的信息是与其反映在TM影像上的光谱信息一一对应的。因此作TM和SPOT影像融合时，才能如实地显示出地物的正确光谱属性。但如果两者信息表现为不一致时，那么融合后影像的光谱就表现得与正常地物有所差别，此时就称地物发生了光谱特征变异（例如同一位置，前期在遥感影像上呈现为绿色的麦地，后期新修道路在影像上呈现较亮的灰度，那么叠加之后会呈现一条绿色的道路，与正常地物相异），这部分影像在整个的影像范围内是不正常和不协调的，这些地物可以通过影像判读的方法勾绘出来，这种变化信息提取的方法具有物理意义明显、简洁的特点。但是经过试验发现，发生光谱特征变异的地物在几何尺寸上要足够的大才能被人工目视发现。此外，该方法的效率还受到被监测区地物光谱特性的限制。
3.2 变化信息提取方法的选择
根据土地利用动态监测项目所获取的数据源，可将遥感数据组合分为下述几种类型，针对不同的类型要采取相应的方法以获取较好的效果。
3.2.1 具有两时相的 TM 和 SPOT 数据
这种情况是最好的。在该条件下，先对两时相的数据以某一纠正后的TM或SPOT影像（首先处理TM还是SPOT视数据的具体情况而定，原则是利于TM和SPOT数据的配准融合处理）为参考分别作纠正和配准处理，为保留并结合原始数据中纹理信息和光谱信息要融合相对应的TM和SPOT影像，在两时相融合影像的基础上采用主成分差异的方法来提取变化信息。另外还可以用新时相的 SPOT 影像与旧时相的 TM 影像进行融合生成光谱特征变异影像来指导发现变化的区域。
3.2.2 具有两时相的 TM 和一个时相的 SPOT 数据
在此数据源的基础上，首先仍对某一时相的TM或SPOT数据作纠正处理，然后将其他时相的TM和SPOT数据都统一以这个纠正后的TM （SPOT）为参考影像作影像到影像的纠正和配准。之后，选择光谱特征变异的方法来寻找大部分的变化信息，借助于两时相的TM影像确认变化；此外，利用主成分分析的办法对两时相的TM数据进行处理，得到变化信息模板，将模板叠置在判读影像上补充单一方法进行变化提取的遗漏。
3.2.3 具有两时相的 SPOT 和一个时相的 TM 数据
通常，前面的数据预处理纠正配准部分同3.2.2相同，然后对其中交错时相的TM和SPOT数据进行融合得到光谱特征变异影像，借助于两时相的SPOT数据发现影像中纹理信息的变化，从而辅助提取影像中的变化信息部分。除此之外，两时相的SPOT影像数据理论上说，可以直接作比较得到变化的部分，但是由于成像条件的不同，这样直接比较的方法会导致产生很多伪变化信息，干扰了真正变化部分的提取。因此，首先要对原始SPOT影像进行去噪及辐射校正等预处理，然后才能用来提取变化的信息。
3.2.4 具有单时相的 SPOT 影像和另一时相 TM 影像的数据
首先要对SPOT和TM数据进行纠正处理，然后利用纠正后的SPOT和另一时相TM影像融合得到光谱特征变异影像，并以此作为判读变化信息的主要参考数据。此外，单时相的SPOT数据可以作为新增波段加入到原始的 TM 数据中去进行主成分分析来提取变化的信息，辅助发现漏判的变化图斑。
利用遥感进行土地利用动态监测的方法非常多，这些方法各有自己的优势和劣势，实际工作中，要针对所拥有的数据源的情况，综合各方面要求来选择合适的方法，也可以综合几种方法取长补短以达到更好的监测效果。至于如何更有效地识别土地变化的类型以及如何提高分类的精度仍有很大的研究空间。
参考文献
［1］卢珏.土地利用动态监测变化信息提取算法评估［J］.湖北农学院学报，2002，22 （5）：394～396
［2］张银辉，赵庚星.试论土地利用遥感动态监测技术方法［J］.国土资源管理，2001，18 （3）：15～18
［3］杨贵军，武文波，陈步尚，夏春林.土地利用动态遥感监测中变化信息的提取方法［J］.东北测绘，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］吴连喜，严泰来，张玮，薛天民，程昌秀.土地利用现状图与遥感图像叠加进行土地利用变更监测［J］.农业工程学报，2001，17 （6）：156～160
［7］张炳智，张继闲，张丽.土地利用动态遥感监测中变化信息提取方法的研究［J］.测绘科学，2000，25 （3）：46～50
Ⅳ 卫星遥感探测
（一）主要卫星数据简介
1.美国陆地卫星数据
用Landsat系列卫星的热红外第6波段进行地下煤火区地表热异常信息的提取、确定火区的位置是比较准确的，费用相对于使用夜航航空热红外扫描图像来说大为降低。它是地下煤火探测的常用数据源。
Landsat的重访周期为16天，这使得其白天和夜间成像的TM6（ETM+6）数据对于地下煤火动态探测、检查灭火效果和指导灭火行动的开展而言是理想的数据源。然而，因为TM6 的空间分辨率是120m，面积较小的或深层的煤火不能探测出来。60m热空间分辨率的Landsat-7、ETM+6的探测煤火应用使得状况有改善，但该数据现在已经无法获取。
2.地球观测系统EOS卫星数据
（1）ASTER。ASTER热红外谱区的波段数达到了5个，分辨率仅为90m，但其量化值为12bit；因此，热图像像元值的动态范围更大，温度信息更丰富，更有利于热信息分析提取。故用其进行地表温度反演比较合适。在地下煤火的探测中，越来越倾向于使用ASTER数据进行大规模火区的初步定位和地表温度反演。
（2）MODIS。尽管MODIS数据的温度反演精度比较高，基本上可以实现免费提供；但是在地下煤火的研究中，一般而言煤火区的面积有限，而其空间分辨率又相对太低，故而应用效果和前景不是很好。
3.高空间分辨率卫星数据
（1）QuickBird。QuickBird影像产品分基本影像、标准影像、正射影像、立体像对等不同类型，从波段组成上分全色波段影像数据、多光谱影像数据、全色波段影像数据与多光谱影像数据产品包、融合影像数据（真彩色或假彩色）等多种类型。
（2）IKONOS。IKONOS卫星数据具有高精度、高分辨率的特点，可广泛用于城市、港口、土地、森林、环境、灾害调查和军事目标动态探测。尤其在土地利用调查中更能发挥优势、提高调查的实效性，节省人力、物力，基本实现土地利用管理的高技术化。
（3）SPOT系列。SPOT4图像最突出的优点是它具有比TM图像更高的空间分辨率，并且可以组成立体像对，生成数字高程模型。TM和SPOT4图像可以组合成分辨率为1：50000的图像。SPOT5图像的空间分辨率又有显着提高，使得遥感技术向精确化迈进了一大步，可以在地下煤火动态探测中发挥更重要的作用。
利用SPOT、IKONOS和QuirkBird卫星图像，可直接获得与地下煤层自燃有关的燃烧系统大小、位置、性质及环境相互关系等精细特征信息。
（4）其他高空间分辨率卫星。除这三种常见的高空间分辨率卫星影像数据外，还有以色列的EROS⁃1A和印度的IRS⁃1D等。这些高空间分辨率的卫星数据，一般都覆盖可见光波段，对地表物体的探测比较精细，适合于大比例尺成图。利用其提供的立体测图能力，还可以制作DEM，在地下煤火区地表裂隙的探测和煤火工程的设计施工中可发挥其重要作用。
4.雷达遥感数据
（1）欧空局的ERS⁃1、2。欧洲地球资源卫星ERS⁃1、2为欧空局所属卫星，主要用于科学研究与应用。ERS⁃1、2工作于C波段，采用VV极化。这些参数使ERS⁃1、2 适于中等或大范围地形测绘和林草探测。
（2）加拿大RADARSAT。RADARSAT是加拿大的遥感卫星系统，于1996年发射使用。该系统提供可靠的、成本低的环境和资源数据。RADARSAT 是第一颗真正满足商业化运营的雷达遥感卫星。RADARSAT独特的机动能力使它的探测范围几乎达整个南极地区。RADARSAT有多种工作方式，包括宽幅测绘、良好的分辨力和标准的波束宽度，还可选择入射角。
（3）欧空局的ENVISAT⁃1。ENVISAT⁃1属极轨对地观测卫星系列之一，该卫星是欧洲迄今建造的最大的环境卫星。作为ERS⁃1/2合成孔径雷达卫星的延续，ENVISAT⁃1数据主要用于监视环境，即对地球表面和大气层进行连续的观测，供制图、资源勘查、气象预报及灾害判断运用。
干涉雷达（INSAR）技术是雷达遥感的热点研究领域。当前，INSAR的主要应用除进行地形制图，生成大范围高精度的数字高程模型（DEM）及坡度测量外，基于干涉雷达基础上发展起来的雷达差分干涉测量技术在地表下陷、山体滑坡探测和地震形变探测等方面具有重要的作用。
5.中巴资源卫星数据
中巴卫星遥感数据用途广泛，可用于土地利用、水资源调查、农作物估产、探矿、地质测绘、城市规划、环境保护、海岸带探测等地球资源与环境调查的各个方面。IRMSS热红外B9波段的空间分辨率比较低，数据的质量不是很稳定。对于地下煤火的遥感探测而言，其利用效果还有待进一步验证和提高。
6.微小卫星BIRD数据
双波段热红外探测仪（BIRD，Bi⁃Spectral InfraRed Detection）是德国宇航中心所属的新型科学实验小卫星，于2001年10月发射升空，其目的是识别和定量描述地球表面的高温事件。BIRD卫星数据的应用领域主要是森林草原火灾、火山爆发、煤火等较大面积火情的探测。已有研究资料表明，其夜间热红外影像可探测地下煤火，不容易准确定位。
（二）卫星遥感数据组合与探测目标优化
卫星遥感方法具有周期短、覆盖面积广和效益高的特点。由于其空间分辨率的限制，目前作为一种区域性煤层自燃的探测方法。
卫星遥感探测方法应用的关键是必须以合适的地下煤火调查和应用目标为前提，以地下煤火热辐射特征及光谱特征为依据，选择经济、技术指标均较为合理的遥感数据源或数据源组合。
中分辨率卫星遥感。以ASTER、ETM、中巴资源卫星为代表，热红外波段空间分辨率60～156m，灵敏度1℃，夜间的热红外信息经过大气校正、辐射校正、几何校正、阈值分析、图像变换和彩色增强等处理后，可提取地下煤火产生的地面热辐射异常信息，确定与煤火区有关的热异常区域。主要用于中比例尺的煤火区普查，初步圈定具有一定规模的煤田燃烧活火区的范围和煤火探测靶区。通过不同时相的热异常区域对比，用于探测煤火区及周边区域的热场动态变化。可见光波段空间分辨率15～30m，利用地下煤火作用下地面岩石和植被等光谱特征的变化，采用图像信息处理方法提取与煤火有关的环境变化信息，确定煤田构造、煤系地层及燃烧环境；用于探测煤火区及周边区域的环境、灾害动态变化。星载热红外遥感用于火灾探测的优越性表现在其可重复性、数据获取费用比较便宜、加上多波段操作比较容易等，缺点是空间分辨率相对比较低。
高分辨率卫星遥感。以SPOT、IRS、QuickBird、IKONOS为代表，空间分辨率可以达到0.61～5.8m。利用高分辨率卫星遥感结构信息，分析地下煤火作用下地面物质色调和结构特征的变化，提取地下煤火燃烧中心、燃烧裂隙、燃烧系统、采空燃烧区、烧变岩、燃烧塌陷和煤田内非煤火区的燃烧信息等。
ASTER、TM与QuickBird数据结合使用，是研究地下煤火比较合适的技术组合。QuickBird等高分辨率卫星数据价格相对比较昂贵，且单幅覆盖范围有限，仅仅适合单个煤火区的高精度燃烧裂隙系统等煤火信息探测。
卫星数据时相的选择也是煤火探测的一个重要因素。由于中国北方煤田分布区冬季植被普遍稀少，TM图像能较准确地反映地质体的波谱特征；夏季植被相对发育，对地质体的谱特征干扰较大。因此，冬季数据具有一定的优势。
a.成像时太阳高度角小，对地貌起伏和地质构造反映显着，便于分析煤层自燃和地质构造的潜在关系。
b.冬季地表常有积雪，对解译和识别火区有特殊的帮助。这是由于煤自燃释放的热量融化了积雪，使深色煤系出露，与白色雪景形成强烈反差，使得活火区一览无余。
利用合成孔径雷达的干涉测量可以获得地下煤火区地面沉降量，探测地表塌陷的变化，卫星高光谱遥感可以探测煤火区的岩石矿物、土壤和植被的物理化学成分的变化。目前在煤火探测中的这方面应用研究还很少，它的应用对煤火探测有很大的作用。
Ⅳ 地面遥感探测
煤火的地面遥感探测主要包括热红外成像和热红外测温两种测量方式。其中使用的DL⁃700A红外成像仪，波长范围：8～14μm，热灵敏度为0.1℃，空间分辨率可达1m×1m，视场角为11°。利用地面热红外测温和热红外成像数据，可以验证煤层自燃异常区的真实性，区分煤层自燃异常与非煤层自燃异常，检验信息提取方法效果，确定煤层自燃的范围及其程度，探测燃烧点和燃烧中心。
地面热红外测温是探测地面热场和喷射场温度的重要方法。根据2004年6 月实地观测结果：乌达煤田地表热场正常温度在14～35℃之间，火区地面温度在40～60℃之间。因地下煤层燃烧和上覆地层、岩性、裂隙发育不一，又分为隔温聚热高温带和低温辐射带。其中低温辐射带构成地表热异常场，地下煤火的地面喷射构成喷射场，喷射场地表喷射温度在100～800℃之间。
热红外扫描成像测量是野外获取温度异常分布数据的最有效的方法。热红外成像测温可以快速获取地表瞬时的面辐射温度，从而非常便于圈定单个煤火区范围。通过对地下煤火区实行定期的热红外成像测温和地下煤火热异常定量提取，可以掌握地下煤火的发生、发展和演变趋势，摸清其变化规律，从而为地下煤层自燃动态探测、防灭火工程的有效开展提供实验观测依据。
图3⁃1⁃2是2004年6月15日获取的苏海图矿Ⅵ号火区的热红外成像图。由测温剖面可以看出：煤层露头在该图幅中温度最高，并发育有红色烧变岩。实地观测发现露头处已经烧过，内部也已开始自燃，并已经沿倾向向下蔓延。在剖面中部靠山坡顶部发现团块状黄色异常物，在山顶面上发现煤焦油、硫磺、芒硝等溢出物。
图3-1-2 苏海图矿Ⅵ号火区热红外成像与温度剖面图
基于高分辨率地面热红外成像方法，可以实现定区域、定周期、多角度的快速测量。同时在观测时间和地点的选择上具有较大的灵活性，不受气候的限制，可以随时进行观测。仪器灵敏度较高（0.1℃），因此，探测较小的具有弱热异常特征的火区比较有效。
由于该仪器尚不具备配套的空间定位系统，因此，观测结果空间上具有不可测量性。
Ⅵ 什么是土地动态遥感监测
土地动态遥感监测，是指采用遥感技术，对土地利用变化情况进行动态监测调查。
为什么土地利用现状调查成果需要经过检查验收和确认？
基于如下 三个理由，土地利用现状调查成果必须经过检查验收和确认：
（1）在技术上确保土地利用现状调查的精度及调查成果的准确性；
（2）保证土地调查成果的客观性，真正做到“实地、图件、数据”三者相一致；
（3）为了依法进行土地统计，保证土地利用现状调查成果具有法定数据的地位。
Ⅶ 什么是遥感监测
遥感监测是利用遥感技术进行监测的技术方法。监测对象主要是地面覆盖、大气、海洋和近地表状况等。遥感广泛用于气象、土地、海洋、农业、地质、和军事等领域。
上面那段是网络的。根据我个人的理解，遥感监测就是利用遥感的手段，通过对被测地物的辐射状况进行分析，从而反演出探测目标的物理的或生物的性状，进而进行特定领域的监测。
例如，最常见的可以用遥感影像近红外和红光波段的反射值通过特定的方法对植被覆盖状况进行监测；利用热红外数据监测地表温度；利用可见光、近红外监测土地覆盖状况。
监测强调变化，因此，需要有多个时相的数据。
Ⅷ 遥感动态监测常用的方法有哪些以土地利用/覆盖变化为例简述遥感动态监测的工作流程
变化监测。使用ERDAS 的DeltaCue，效果很好。