基于遥感的湖泊水域动态变化监测研究进展
收稿日期:2009204207;修订日期:2009209203
基金项目:中国科学院西部行动计划(二期)项目(KZCX22XB2209203)及国家自然科学基金面上项目(40871190)中国科学院西部之光人才
计划项目联合资助。
作者简介:王海波(1986-),男,硕士研究生,主要从事生态遥感研究。E 2mail :wanghaibokm @https://www.wendangku.net/doc/4b7670916.html, 。
基于遥感的湖泊水域动态变化监测研究进展
王海波1,2,马明国1
(1.中国科学院寒区旱区环境与工程研究所,甘肃兰州 730000;
2.中国科学院研究生院,北京 100049)
摘要:湖泊动态变化作为人类面临的三大湖泊环境问题之一,成为湖泊研究的重点。遥感技术作为
科学、快速、大面积的调查监测手段,在湖泊动态变化研究中应用广泛。从湖泊动态变化研究的基本原理和数据源、湖泊信息提取方法和遥感动态监测方法等几方面介绍了国内外遥感技术在湖泊动态变化研究的主要进展情况,并深入分析了各种数据源和分析方法的优缺点,同时讨论了当前湖泊遥感动态变化研究中存在的一些问题和发展的趋势。
关 键 词:遥感;湖泊;水域;动态变化监测中图分类号:TP 79 文献标志码:A 文章编号:100420323(2009)0520674211
1 引 言
全球变化与可持续发展研究是当今地学研究的两大主题,湖泊萎缩是人类目前面临的主要环境问题之一
[123]
。在区域生态系统中,湖泊具有重要的生
态意义。湖泊作为区域陆地水循环中的一个重要载体,对区域的水量平衡发挥重要作用。湖泊水量平衡分析计算是湖泊水文研究的基础,它为湖泊水资源开发利用、湖泊及流域的生态平衡提供重要依据[4]。因此,研究湖泊水域动态变化,及时掌握区域水量平衡状况,可以为区域水资源可持续利用提供依据。同时,湖泊和河流紧密关联,它对河流流量具有调蓄作用。研究湖泊的动态变化规律对于洪涝灾害预报、监测、减灾及灾情评估等具有指导意义,同时为农业灌溉、区域水管理等农业规划提供依据。此外,湖泊作为一个生态系统,具有一定的生态功能,通过和陆地生态系统之间进行物质循环、能量流动和信息传递,可以形成局部小气候,调节区域气候。湖泊水域的变化是其所在流域水量平衡的综合结果,对气候变化和人类活动影响具有高度敏感性[5]。湖泊变化是气候变化敏感的指示器[6]。湖泊的形成与消失、扩张与收缩及其引起的生态环境变化都反映了一定地域乃至全球的构造和气候事
件[7]。因此,精确迅速地监测湖泊动态,揭示自然因素及人类活动对湖泊水域的影响规律,对合理开发、利用和保护湖泊水域有着极其重要的意义[8]。
遥感技术的诞生,使得人类对地球表层的理解推进到一个新的阶段,同时也给大范围的湖泊水域动态变化监测和相关参数的反演研究带来了便利。遥感技术能够大范围、及时快速地监测地表环境的动态变化,与传统的湖泊调查方法相比有着明显的优势,它能利用多种手段快速获得大量的地表变化信息,成为湖泊研究强有力的技术手段。
湖泊水域的研究是湖泊水文相关研究的基础。遥感数据除对湖泊水域各个特征进行直接估测外,还可作为模拟湖泊水位水文模型的输入参数,从而对区域水文进行模拟。湖泊水域面积是湖泊平面形态的一个重要参数,它的时间序列能提供气候变化的记录,特别对封闭湖泊而言更能显示出这种显著的变化[9]。湖泊作为一种土地覆盖类型,它的动态变化研究成为全球环境变化研究的重要组成部分。本文主要针对湖泊水域动态变化,从湖泊动态研究的原理和数据源、湖泊信息提取方法和遥感动态监测方法等几方面对湖泊动态变化研究的最新进展进行论述,并讨论了当前湖泊水域动态变化研究中存在的一些问题和发展的趋势。
第24卷 第5期2009年10月
遥 感 技 术 与 应 用
REMOTE SENSIN G TECHNOLOGY AND APPLICATION
V ol.24 N o.5Oct.2009
2 湖泊水域动态变化遥感监测的原理和数据源
2.1 湖泊动态变化遥感监测研究的基本原理
湖泊动态变化监测的主要任务是监测湖泊水域是否发生变化及其变化的具体状况,它包括对湖泊信息的识别与提取和对湖泊动态变化信息的检测两方面内容。前者实质是将湖泊信息与其它信息区分开来。由于水体和陆地接受太阳辐射相互作用以后,对太阳辐射的反射、吸收、散射、透射的特征差异很大,从而使其在遥感图像上的反映也迥然不同,成为区分水体和其它地物的重要基础。
在可见光和近红外波段内,水体识别主要基于水体、植被、土壤等地物的光谱反射差异。水对近红外和中红外波长的能量吸收最多,该波段内的能量很少被反射,而植被和土壤对可见光波段反射极少,但对近红外反射却很高。因此,用遥感数据中的近红外和可见光波段可以方便地解决地表水域定位和边界确定等问题[9]。微波遥感对水体鉴别也有很高的灵敏度[9],陆地的地表覆盖和起伏的地形,使入射微波产生较强的后向散射,被雷达天线接收,形成较明亮的影像;而水体强烈吸收微波,形成暗黑色的影像,故水陆界限分明,可以清晰地得到水面覆盖信息[10]。地物后向散射特性的差异是主动微波遥感观测水体的基本原理。
2.2 湖泊动态变化遥感监测的数据源及其选择
湖泊动态研究数据源的选择是根据不同时代技术条件、研究资料的可获得性以及研究区域的尺度和地表特征等决定的。在遥感技术广泛应用前,可供研究应用的数据源主要是地形图等地图数据;在航空摄影阶段,航空摄影图片成为主要的数据源;而在卫星遥感阶段,高分辨率的陆地卫星数据则是最为常用的遥感数据源[11]。多时相遥感数据是实现湖泊动态变化监测的重要资料,近年来高分辨率陆地卫星的应用以及高光谱遥感技术的发展为动态监测湖泊变化的发展提供了机遇。从遥感利用波段来看,湖泊动态监测的数据源可分为可见光和微波遥感数据。常用的可见光卫星传感器有NOAA2A V HRR、SPO T V GT、MODIS、LandSat TM和ETM+等,此外,一些主动微波传感器如ERS21、ERS22和J ERS21及Radarsat也是湖泊水域监测的重要数据源。以下主要分析几种常用数据源的特点及数据源的选择。
AV HRR具有覆盖面大和观测周期短等特点,常用于建立长时间序列数据,是长时间序列湖泊动态变化研究的重要数据源[12215]。胡东生[16]等利用Land2 sat MSS和TM遥感影像资料对比分析,发现NOAA A V HRR遥感数据在识别盐湖潜伏或半潜伏状况的水动态变化方面优于前者,在盐湖动态变化信息提取中表现出提取密度大、可选择性强的特点。
多波段卫星影像数据是湖泊动态变化研究的最常用的数据源。MSS、TM、ETM和CB ERS等多波段信息源不仅分辨率较高,而且逐渐面向大众用户免费开放,从而加大了其应用面,成为最主要的数据源。多波段影像在湖泊动态研究中的应用案例有很多,如马明国[11]等利用多时相的Landsat MSS、TM、ETM+以及中巴资源卫星等高分辨数据和MODIS数据监测了若羌湖泊群的动态变化特征; Jiang Li[15]选取连续的多时相的Nebraska地区Landsat MSS和TM数据,建立了基于空间模型边界形状提取的湖泊变迁分析方法。
微波遥感技术的发展及在湖泊动态监测中的应用,促进了湖泊动态监测的发展。微波遥感不仅可显著区分湖泊水体及周围地物,而且具有全天候全天时的探测能力,它穿云透雾的本领在水体监测尤其是洪水期阴雨天气下的湖泊水域监测具有特殊优势[17,18]。主动微波传感器如ERS21、ERS22、J ERS21及Radarsat等,已显示出估测湖泊水域的潜力[9]。
以上数据源各有特点,在湖泊研究中一般根据研究区域特点和研究尺度来选择相应数据。A V HRR 数据是目前研究大尺度区域湖泊动态研究的主要数据,同时也是、进行长时间序列变化研究的常用数据源;而MODIS则是中等尺度湖泊动态研究的重要数据源;对于小尺度范围的湖泊遥感研究,常选用分辨率较高的TM、ETM+、SPO T和IKONOS等数据。随着遥感分类技术的发展和混合像元分解技术的出现,AV HRR及MODIS等中低分辨率数据的解译精度也在不断提高,从而使其适用的尺度范围更加广泛,愈加受到人们重视。此外,针对特殊天气、特殊地域环境下光学遥感的局限,可以充分发挥微波遥感的优势,选择ERS系列、J ERS21及Radarsat等数据,为湖泊动态监测提供新的数据支持。
在实际研究中,为了充分发挥各种遥感数据的优势,常常综合利用多种数据,这样既可以对比分析结果,提高解译精度,同时提高空间、时间分辨率。
3 湖泊水域动态变化遥感监测研究的分类方法
湖泊水域信息的识别与提取是湖泊动态变化监
576
第5期 王海波等:基于遥感的湖泊水域动态变化监测研究进展
测的基础。由于湖泊水体及周边地物和太阳辐射以及大气的相互作用过程复杂,混合像元的存在及山体阴影等各种噪声的多重干扰使得遥感成像解译判读的不确定性增加。因此,要准确判定湖泊水域边界及其变化状况极为复杂,有必要对湖泊水体信息的提取方法进行专门研究。关于湖泊水体信息的提取,国内外已有很多相关的研究成果。由于可见光—近红外遥感和微波遥感成像原理的差异,故将湖泊水域信息提取方法分为光学遥感提取方法以及微波遥感提取方法。
3.1 湖泊信息提取的光学遥感提取方法
在可见光和近红外波段内,水体和其它地物的光谱反射差异是遥感技术提取水体的基本依据。最常规也是最准确的水体识别方法是目视解译法,但它在水体信息分布状态的描述和时间效率方面存在局限性。在此主要讨论湖泊水体信息的计算机自动提取方法,较为传统的方法包括:阈值法、色度判别法、谱间关系法、光谱混合分析法、彩色空间转化法等;随着技术的发展,近年来又有一些新的技术涌现。如神经网络、小波分析等。
3.1.1 湖泊水体信息提取的传统光学遥感提取方法
(1)单波段阈值法
单波段阈值法基本原理是利用水体在近红外波段反射率较低,易与其它地物区分的特点,选取单一的红外波段,确定一个区分水体与其它地物的分类阈值。阈值法识别水体的优点是简便迅速,易于实现;但它只注意水体在某些波段的光谱特征,而忽略了水体在其它波段上存在的独特光谱特征。同时,该法无法将水体与山区阴影区分开来,一般只能满足4000m2以上水体的要求[19]。采用阈值法的提取水体关键是阈值的确定,为提高水体判识的精度,对不同地区和时相的影像应采用不同的阈值。
(2)谱间关系法
谱间关系法又叫波段组合法。对波段进行组合运算的目的是为了增强水陆反差,从而找出组合图像上水陆分界非常明显的影像。谱间关系法模型精度高、应用广,它可以解决阈值法无法得到理想的解译效果的问题,是水体信息提取较为理想的方法。利用谱间关系可建立的模型很多,已有不少学者对谱间关系法进行了修改和补充[20224],取得了较为理想的结果。
(3)多光谱波段运算法
多光谱波段运算法是在对目标及其周围典型地物进行分析的基础上,确定它们在各波段上光谱亮度值的异同,通过对各波段进行算术运算,找出水体提取满足的关系,从而构建水体提取模型的一种方法[25]。进行各波段间可以减小地形及山体阴影等环境因素的影响,从而使解译者能准确提取水体。常见的有比值法、差值法、水体指数法等。利用多光谱波段运算法提取湖泊水体的关键是水体信息提取的最佳波段组合的选择与指数的确定。最常用水体提取指数为归一化水体指数NDWI[26],此外,Xu Hanqiu[27]和曹荣龙[28]分别对NDWI进行了优化改进,从而提高了水体提取的精度。M.MA[29]等基于SPO T V EGETA TION影像序列,综合应用NDV I 和NDWI识别艾比湖水体,取得了良好的效果。
(4)色度判别法
为了提高对水体识别的效果,Alfoldi等人于1978年提出了色度判读法,后经多人研究,得到了进一步的完善和发展。其基本原理是[21],利用卫星资料绿、红和红外波段的综合信息来求得绿色系数和红色系数,从而确定水体位置。色度判别法可以改善部分小水体的识别效果,然而对于更小的水体,特别是那些众多的接近或小于像元面积的水体,还是无法识别。
(5)彩色空间转化法
由于遥感影像分辨率的限制,地物在影像上常以混合像元存在。对于一些细小水体或分类精度要求较高时,其它提取方法都有一定的局限性。对此,可通过彩色空间转化,转换到H IS空间(H IS变换),实现3个分量的重新分配,再返回到R G B空间(R G B变换)达到理想的彩色合成效果,从而减少山体阴影影响,突出了水体差别,有利于提高监督分类的精度[30,31]。
3.1.2 湖泊水体信息光学遥感提取方法的新发展
传统的光学遥感提取水体的方法都存在一定的局限性,近年来,随着遥感分类技术的发展,湖泊水体信息的检测技术也在不断发展。水体识别的新方法包括神经网络分类法、决策树分类法、小波分析法、数学形态学方法、混合像元分解法等。
(1)神经网络分类法
近年来迅速发展起来的人工神经网络理论为湖泊水体遥感识别提供了新途径。神经网络是模拟生物神经网络的人工智能技术,具有并行处理、非线性、容错性、自适应和自学习的特点,因而广泛应用于模式识别、信号处理和遥感分类。梁益同[32]等应用神经网络基于NOAA图像对水体信息进行识别,表明神经网络法比阈值法具有更高的精度和效率。
676 遥 感 技 术 与 应 用 第24卷
(2)决策树分类法
决策树分类法是在充分分析水体信息和其它地物直接光谱特征差异的基础上,建立分层分类树,基于知识先分类后提取的方法。决策树分类法充分利用了水体和其它地物的光谱特性差异,可以有效地提取了水体信息,但此方法需要一定的先验知识,比如同时知道水体的大小、形状、位置和纹理特征[22]。
(3)数学形态学方法
形状描述是图像分析中重要内容之一。目标的形状可以用一些独立的参数或参数组合进行描述,也可以借助于其边界进行描述。数学形态学的基本运算是腐蚀和膨胀,利用这两种运算可以组合成多种算子,如开、闭、高帽、低帽、边缘提取等算子,达到研究所期望的结果。已有学者[33]利用数学形态学算法实现遥感影像中水体信息的提取,并取得良好效果。
(4)小波分析方法
小波变换分析具有变焦性、信息保真性和小波基选择的灵活性等优点[25],常用于噪声去除、数据压缩、数据融合等方面。何智勇[34]等针对高分辨率影像水体信息提取,利用小波技术对图像进行膨胀和去噪处理,并提出了一种多窗口线性保持技术对线性水体进行保持,最后利用水体信息的地学特征,对图像进行联合特征去噪,获取最终的水体影像信息。
(5)混合像元分解
由于影像分辨率的存在以及客观世界的复杂性,使得遥感图像中的像元常常是多种地物光谱特性的综合反映。随着遥感技术的发展,湖泊水体信息的提取逐渐由像元过渡到亚像元。混合像元分解方法可以提供较高精度的软分类结果,具有很大的应用潜力[8]。混合像元的分解最常用也是最简单的模型是线性光谱分解模型。很多学者发展了各种混合像元分解方法提取湖泊水域信息,Y ouichi[35]等基于线性混合光谱分解模型,发展了一种光谱分解算法。发现该法比常规的经验方法(如单波段阈值法、比值法、波段算术运算法等)在精确估算水域参数方面更优。张洪恩[8]等根据湖泊水体的遥感特性,发展了使用中低分辨率卫星遥感数据的混合像元分解算法,应用线性多端元混合像元分解技术,自动、快速地进行湖泊亚像元填图。胡争光[7]等提出了一种结合双边界提取和混合象元分解的高效算法,对内蒙古地区的湖泊面积变化进行遥感监测,验证了算法的高精度和可行性。
3.2 湖泊水体提取的微波遥感提取方法
利用微波遥感技术进行湖泊水体的提取,其中主动式合成孔径雷达(SAR)是主要形式。其原理是利用湖泊水体和其它地物之间后向散射特性差异来识别水体。合成孔径雷达具有高分辨率、全天候、全天时等优点,其图像的应用研究已成为该领域的研究热点。以下总结了湖泊水体提取的微波遥感方法。
3.2.1 传统的微波遥感水体提取方法
传统SA R图像水体检测方法往往是基于灰度的单一阈值分割方法。它是主动式微波遥感提取水体信息的一种最为常用的技术,常用于洪水区域的提取[18]。通常,通过一个二值算法设置一个雷达后向散射阈值,来计算确定每个像元是否是水体。雷达后向散射是传感器入射角和DN值的函数。阈值的设置依据研究区域和影像的总体光谱特征决定。
阈值法对某些低噪声、图幅较小的SAR图像的水体检测有较好效果,然而由于雷达反射回波信号的影响,SAR图像中通常都存在大量乘性噪声,因此单纯采用基于灰度的方法会由于噪声而影响水体目标检测的效果。另外,对于较大范围的SA R图像,图像中的灰度分布十分复杂,采用阈值分割方法的错分概率很大[36]。为克服这些困难,需要发展新的提取方法,并结合其它数据源来进行分析。
3.2.2 基于微波遥感的水体信息综合提取方法
利用主动微波遥感提取湖泊水体信息的关键技术是SAR影像中阴影以及斑块噪声的去除。由于阴影与水体的混淆,加上雷达图像独有的斑块噪声的干扰,使得从雷达图像上准确提取水体较为困难。由于传统的单纯依靠阈值法进行湖泊水体信息提取误差较大,因此实际应用中,需要发展新的提取技术,同时结合其它数据,对研究区水体信息进行综合提取。主要解决方法总结如下4个方面。
(1)发展新的噪声抑制方法,减少斑噪影响
由于SAR图像中固有斑点噪声的影响,某些对于光学图像有很好效果的目标提取区域分割的方法对于SAR图像来说效果并不好。为了在保持尽量多的图像细节信息同时达到最好的斑点抑制,发展了多种噪声抑制的方法。一般有多视处理和滤波技术。多视处理以牺牲系统分辨率为代价。而传统的简单滤波,如均值滤波和中值滤波又使图像模糊。目前常用的是针对SAR图像噪声特性而发展的自适应局域统计特性的滤波方法,如Lee滤波,Kuan 滤波和Frost滤波,以及Gamma2MA P滤波等。同时,新的方法不断涌现。如窦建方[37]等针对水体目标的亮度及形状分布特征,采用序列非线性滤波处理方法,快速有效地实现SAR影像水体目标的自动
776
第5期 王海波等:基于遥感的湖泊水域动态变化监测研究进展
提取识别。此外,小波分析方法也是一种有效的抑制噪声的方法,应用在水体信息提取中。如朱俊杰[38]等在利用高分辨率SA R图像提取水体边缘信息时,采用了具有保持边缘特性的小波变换对图像进行噪声压制,有效地提取了水体信息。
(2)发展新的水体信息提取方法,采用多种方法相结合,实现优势互补
为了克服采用传统阈值法的局限,发展了基于SAR图像中的纹理特征分析方法[36,39]、机器学习分类法[36]、数学形态学法[40]、图像分割算法[38]、决策树分类[41]等多种方法,并综合应用多种分类法,实现优势互补。
通过对SAR图像中的纹理特征等非灰度信息加以分析研究,并运用机器学习方法分类,可以优化SAR图像中水体目标检测效果[36]。程明跃[38]等采用了一种树型小波对SA R图像进行纹理分析,提高了纹理分析效率的同时尽量多地保留了原图像信息。并利用模糊加权支持向量机来检测水域信息。该方法结合了图像的灰度与纹理信息,减少了SAR 图像中的噪声影响,能够适用于大幅面范围的SAR 图像水体自动检测。朱俊杰[39]等综合使用了阈值法、小波纹理分析法进行了水体信息提取的尝试,取得了较好的效果。
针对SA R图像水域的检测问题,张怀利[40]等提出了一种利用形态学和信息跟踪双模式相结合的检测方法。采用形态学的开运算,提取基本的水域轮廓,再结合改进的信息编码,进行跟踪检测,进一步精确定位水域区域。采用双模式结合的水域检测方法,可以较准确的提取SA R图像的水域区域,效果要优于单一模式的检测方法,而且跟信息熵方法相比较还提高了运算效率。
此外,利用图像分割算法对水域进行提取也是一种有效的水体提取方法。朱俊杰[38]等综合使用了块跟踪算法和蛇算法对小波噪声抑制后的平滑图像进行了水体边缘提取。先用块跟踪方法对水体边缘进行了粗提取,最后使用了蛇算法对粗边缘进行了精确的定位,实现了水体边缘的快速、自动、精确的检测,得到了很好的检测效果,是一种理想的高分辨率SAR边缘检测方法。
(3)引入地形因子,结合GIS技术,去除阴影的影响
由于SA R为侧视成像,根据象素灰度值很难将地物阴影和水体分开,因此有学者[42]采用DEM来模拟雷达图像,从中获取山体的阴影,将水体和山体阴影分开,实现水体的检测。
(4)多源数据的融合
光学遥感利用地物对太阳辐射的光谱反射差异来对水体和其它地物进行识别,而SAR图像依据水体和其它地物后向散射的差异成像。SA R图像独特的阴影和斑噪成为水体提取的主要障碍。有些学者利用SAR和光学影像上信息的互补,对各自图像上的水体和阴影进行复合处理,从而从SAR图像上准确而准确地提取出水体范围[43,44]。利用光学图像和SAR图像进行洪水区域确定,洪涝灾害评估非常有效[45]。
3.3 基于遥感的湖泊水体提取技术的发展趋势
近年来,随着遥感分类技术和模式识别技术的发展,湖泊水体信息的提取技术也在不断地发展,并呈现出新的特点。总体来说,基于遥感的湖泊水体提取技术呈现如下发展趋势:
3.3.1 多种提取技术综合应用
以往常见的目视判读和阈值法提取湖泊水体的方法逐渐淘汰,取代的多为遥感图像增强处理多种方法的综合应用,这将比利用单一方法提取水体效果更佳。这在基于SAR图像提取湖泊水域信息中尤为常见[36,38240]。此外,随着模式识别和图像分类技术的发展,各种数学方法、非线性理论等引入到水体提取中。如数学形态学方法、神经网络、小波分析等。
3.3.2 光学遥感和微波遥感综合应用
SAR图像和光学图像成像原理迥异、特点鲜明,这使得它们对水体提取而言各有优势。为了实现图像中信息的互补,常常进行SA R图像和光学图像的融合,进而准确而准确地提取出湖泊水域信息。
3.3.3 RS和GIS综合应用
GIS的技术优势主要在于它的地图显示、数据管理和空间分析功能。GIS数据及空间分析技术的引入无疑为湖泊水域信息提取增加了便利。利用各种地形图数据及其它测绘数据的加入,无疑使水体提取精度更高。此外,根据雷达图像的成像参数和DEM生成相应的模拟雷达图像,还可以剔除阴影,从而实现水体的准确提取[42]。
3.3.4 分析尺度进入亚像元
混合像元分解技术的发展,使得湖泊水域信息提取由像元尺度进入亚像元,提取精度将更高。对于中低分辨率遥感影像提取大范围的湖泊水域而言意义更为重大。
4 湖泊动态变化研究的遥感动态监测方法利用遥感影像数据进行地表信息变化监测有多
876 遥 感 技 术 与 应 用 第24卷
种方法,一般可分为先分类后比较和先比较后分类两种方法[47]。实际应用中,湖泊动态变化信息的检测方法有多种。本文将这些方法概括为两大类:①不同时相的图像经独立分类后的复合比较分析方法,即为分类后比较法;②多时相图像数据经变换处理后提取变化信息的方法,又称光谱变换比较法。包括图像差值法、比值差值法、主成分分析法(PCA)以及变化向量法(CVA)等。一般应用此方法时,要结合分类方法,对变化信息的类型进行判定。因此,二者结合可称之为先比较后分类法。
4.1 湖泊动态变化遥感监测方法
4.1.1 分类后比较法
该法针对同一地区不同时期的影像先分别进行分类,然后对这些不同时期的影像的相同区域进行比较,以确定变化的类别和区域[48]。它不仅能检测出可能的变化,而且可以给出水域动态变化的定量信息和变化类型的转化信息;同时它没有不同时序影像时相一致的条件以及影像间辐射校正、空间匹配等问题,适用于不同传感器不同季相的数据的比较。但该法必须进行多次图像分类,变化分析的精度依赖于各图像分类的精度。不同时相图像分类误差将以乘积效应传递,因此该监测方法常会夸大变化的结果[47]。
分类后比较法一般通过各种分类方法对各个时相图像分类后转化为矢量图形并在GIS技术的支持下进行叠加分析,比较识别湖泊水域变化的范围和变化的类型等信息。它在湖泊动态变化研究中应用最为广泛[48251]。
4.1.2 多时相图像叠加方法
该法的思路是在图像处理系统中将不同时相遥感图像的各波段数据分别以红绿蓝图像存储,从而对相对变化的区域进行显示与识别[21]。在湖泊动态监测中,选择不同时相的遥感图像的特定波段分别赋予红、绿、蓝色,发生变化的湖泊水域在不同时相的图像中其亮度值会有所变化,可在叠合图像上得到清晰的显示。这种叠合分析方法可以直观地显示两到三个不同时相的变化区域,而且可支持多种数据源,增加了遥感信息量,便于变化区域的自动提取,但它无法定量确定变化的类型和大小。该法在湖泊水域动态变化研究中应用较多[52254],在洪水灾害监测应用中同样广泛[45,55]。
4.1.3 图像代数运算检测法
该法通过对多幅同地区相同坐标系统和辐射标准的不同期影像对应像元进行代数运算,并将其与设定阈值进行比较,从而达到变化检测的目的[25]。算法简单、方便易行,对变化比较敏感,可以避免分类过程导致的误差,并且可以直接体现变化信息。但该法只注重变化像元的提取,而不能提供各时期变化的类别信息;且容易受遥感数据成图质量、波谱特征差异等客观条件的影响。因此只能通过选择同传感器同季相数据来尽量减小噪声。
利用图像代数运算检测法进行湖泊变化检测,其基础是要进行图像的几何配准和辐射标准化处理,关键是选择合适的运算波段组合和确定图像运算的阈值。几何配准图像与图像间的几何配准精度对动态监测的最终结果有着直接影响,是影响动态监测成败的重要因素。申邵洪[56]等提出一种基于KI算法的多时相ASAR影像水面信息变化检测方法。该法采用对数—比率算子生成前后时相差异影像,同时采用基于GG分布KI直方图单阈值分割算法进行水面信息自动变化检测,具有自动、快速、精确的特点。
4.1.4 主成分分析法
主成分分析法可以将众多的信息压缩到少数几个特征向量上,并使信息损失达到最小;它还可以很好地消除图像内部各波段间的相关性,抑制因图像内部相关性引起的噪声。主成分分析法的缺点是比较复杂,并且得出的结果只能反映变化的分布和大小,没有地物的分类信息,难以解释其实际意义。该法在湖泊动态变化研究中已有成功的案例[57]。
4.1.5 时间序列分析法
时间序列分析主要是指对一个区域进行一定时间段内的连续遥感观测,提取图像有关特征并分析其变化过程与发展规律。首先要根据检测对象的时相变化特点来确定遥感检测的周期,从而选取合适的遥感数据[25]。以往基于遥感传感器数据的时间序列数据分析主要集中于使用粗分辨率的AV HRR,而随着中等分辨率的MODIS的出现,时间序列分析得以在较高分辨率的遥感图像中应用[46]。这些数据一般具有较高的时间分辨率。根据湖泊水域信息可以建立其随时间变化的序列,从而分析湖泊动态变化信息,甚至还可以用回归分析等数学方法对其动态变化状况进行数学模拟。
时间序列分析可以很好地分析湖泊水域的动态变化过程,还能预测其变化的发展趋势。但实现时间序列分析,要求遥感监测数据有一定的积累。一般要数十年的遥感数据,才能获得有价值的连续变化信息。时间序列法在湖泊动态变化研究已有成功
976
第5期 王海波等:基于遥感的湖泊水域动态变化监测研究进展
的应用案例[11,29,58]。
4.2 湖泊动态变化监测方法的发展
在目前的湖泊动态变化研究中,分类后比较法仍然是当前湖泊动态变化监测中主要应用的方法。但由于分类后比较法对各个时相序列的图像的分类精度过分依赖,为了提高监测的精度,不得不应用各种新的方法。随着遥感动态检测方法的发展和高分辨率遥感的进步,当前湖泊动态变化监测有了新的发展。
4.2.1 多种方法的综合使用
当前的动态监测方法不再局限于单一方法的应用,其中“光谱变换比较”和“分类后比较”相结合的混合监测方法得到了广泛地应用。由于多时相数据经图像变换处理后提取变化信息的方法一般不能获得变化类型信息,因此,常需结合分类方法,对变化信息的类型进行判定。这就使得这种“先利用光谱变换比较探测变化区域,再进行图像分类确定变化类型”的方法得到广泛应用。
4.2.2 新的动态监测方法不断涌现
为了解决多时相图像光谱变比较法不能获得变化类型信息的问题,出现了一些新的动态监测方法。其中,变化向量分析方法被认为是一种极具潜力的分析方法,正越来越受到人们的重视。光谱变化向量分析法是基于不同时间图像之间的辐射变化,着重对各波段的差异进行分析,确定变化的强度与方向特征[47]。变化向量法不仅可以避免分类后比较法多次分类费时费力,误差累积等缺陷,而且与其它像元光谱的直接变换比较方法相比,可以利用较多甚至全部的波段来探测变化像元,并提供变化像元的类型信息。但由于其存在变化阀值较难确定、缺乏有效的变化类型识别方法等不成熟的地方,因此,目前它主要应用于土地利用动态变化监测中,而在湖泊动态变化研究中应用较少,但其发展潜力是巨大的。
4.2.3 基于长时间序列数据的湖泊动态变化数学
模拟开始出现
近年来,15～30m高分辨率的卫星数据逐步免费开放,为湖泊的动态研究提供了便利的数据源保障,使得长时间湖泊变化序列的重建更加容易,从而也使得时间序列分析法得到了更多地使用。相应地,出现了应用回归分析等数理统计方法来对湖泊动态变化及其变化原因进行数学模拟分析的研究。
4.2.4 GIS得到了更多的应用
GIS中根据等深线和高程数据建立的DEM数据作为辅助信息可以方便湖泊水体信息的提取,提高水体的解译精度;同时GIS的空间分析功能为提取湖泊动态变化信息的提供帮助,例如GIS的叠加分析功能常用于湖泊动态变化信息的提取。
5 当前湖泊动态变化遥感研究中存在的问题与发展的方向
目前,遥感在内陆湖泊动态变化研究中的应用有了长足的发展,形成了一定的理论方法体系。但它仍存在一些问题,对这些问题的解决,也是今后研究的方向和热点。
5.1 湖泊研究常为区域性的,缺少全球性湖泊数据
资料;长时间序列数据源少而杂
由于多波段遥感源出现于20世纪70年代,因此,在此之前的遥感资料主要是机载遥感数据,其它的湖泊研究数据资料主要是地形图等测绘数据。机载遥感数据一般是根据特定的调查目的而获得的,而地形图的更新时间间隔也较长。因此,完整而详细的湖泊时间序列数据较难获得。同时,这些数据源以多种数据形式存在,其空间分辨率常不一致,有些数据存在分辨率较低的问题。针对这些问题,一方面需要涉及多源数据的集成问题,包括多源遥感数据的融合和遥感与非遥感数据的集成问题;另一方面有必要建立一个完整的全球湖泊变化数据库,对湖泊资源进行统一的管理。
当前的湖泊数据库大多是基于区域性的,数据源复杂多样且不完整,很少存在包含位置、范围及其它属性信息和空间信息且基于全球尺度的开放水体数据集[59,60]。对此,Charon[59]通过对里海的遥感研究,建立起了这些地区季节与年季变化的时间序列遥感数据库,并进一步提出要用遥感技术对全球的湖泊、湿地和河流的水文与气候进行研究的设想。Bernhard Lehnera[61]等也提出了开发包含空间数据和属性数据的基于全球尺度的湖泊数据库的构想。
目前我国现有的湖泊数据库主要为中科院南京湖泊所建立的中国湖泊数据库。然而该库的数据源年代久远,数据缺失严重,只涉及到了面积较大的1000个湖泊,同时没有实现空间和属性库的统一。因此基于一个较大尺度,如全国尺度、全球尺度上的湖泊水域信息调查,调查湖泊的最新大小、数量、位置分布等状况,并对其动态变化进行监测和研究是很有必要的。同时可以建立全球湖泊动态变化数据库作为全球环境动态变化数据库的一部分,结合全球气候变暖、全球环境变化等问题,分析湖泊环境变化的气候效应,研究全球性气候、环境等问题。
086 遥 感 技 术 与 应 用 第24卷
5.2 湖泊信息的提取方法和动态监测方法的改进
是湖泊研究的永恒的主题
遥感解译的精度和该地物周边背景信息的差异程度有一定关系;同时,遥感数据一般都具有一定的空间分辨率,研究区地物具有一定的尺度效应,这就意味着混合像元的存在;此外,传感器接收到的信息中还存在山体阴影、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,使得“同物异谱”、
“同谱异物”的情况时常发生,影响了图像的分类精度。因此,要准确地判定湖泊的相对准确的水域边界和其变化的状况,其实是一个较为复杂的过程。现有的湖泊信息的提取方法和动态监测方法都存在一定的局限性,因此,需要不断地探索新的更好的信息提取方法和动态监测方法。同时,由于目前对各种干扰导致的辐射差异的校正方法仍不成熟,因此,对数据的预处理技术也需不断创新。
当前,随着混合像元分解技术的发展,湖泊水域信息提取进入亚像元。发展更为简单实用的光谱混合像元分解模型,同时发展新的去噪方法和信息提取方法,将是今后研究的重点。
5.3 RS与GIS的集成问题
近年来RS和GIS的结合已应用到越来越多的领域并体现出很大的优势。GIS在湖泊动态研究中的作用主要体现在数据源的补充、空间分析功能的增强、数据管理功能和可视化功能等方面。一方面在GIS的支持下,可以补充一些非遥感信息参与遥感分类,例如根据湖泊等深线建立湖泊D EM辅助解译,以提高分类精度;同时,还可以利用GIS提供的非遥感信息参与遥感信息的各种定性、定量分析,加大信息挖掘的深度,提高遥感信息的适用效率; GIS强大的数据库管理功能,对大区域多数据源的湖泊动态研究而言意义重大;此外,还可以建立湖泊三维虚拟地理环境对湖泊进行动态模拟,对湖泊的动态变化进行可视化表现。
利用水深水位数据信息,对湖泊水域进行三维动态模拟,研究湖泊三维动态变化信息应该成为将来发展的趋势。建立湖泊水域三维模型,充分发挥遥感和GIS的优势可以获得湖底地形、湖泊水位变化,湖泊储水量等的动态变化规律,为湖泊生态环境的变化、湖泊资源的管理和规划决策服务。
5.4 利用长时间湖泊数据序列对湖泊动态变化进
行模拟,并对其原因和环境效应进行分析
由于长时间湖泊数据源较难获得,因此,当前缺少利用数学分析模型对湖泊动态变化进行长时间序列的数值模拟研究。建立数学分析模型,对其发展趋势进行预测,并进一步对其原因和效应进行分析意义重大。湖泊作为水文生态水体循环中的必要组成部分,湖泊的变化受到自然、经济、人文诸方面因素影响;同时,湖泊的动态变化对气候变化和更大尺度的环境变化和生物多样性变化、农业适宜性程度的评定等意义重大。当前,已有学者在进行湖泊水域变化与气候变化关系分析[5,6,62,63]。但对湖泊动态研究多通过与降水、气温等气象因素进行相关关系分析湖泊变化的气候原因,而缺少湖泊的环境效应研究,特别是它对局域气候变化的反馈作用。湖泊水位波动可以从多方面影响湖泊的生态过程和格局。当前,水位波动现象及其响应已在很多河流流域开展,但在湖泊中的研究却极少。因此,Karl[64]等认为对湖泊水位动态的生态效应研究相当紧迫。在全球气候变暖的局势下,冰川的消融影响深远,特别是对于以冰川融水为主要来源的高寒湖泊而言,影响更甚。研究长时间序列下的气候—冰川—湖泊动态之间的关系将成为寒区、旱区遥感监测湖泊动态研究的一个重要主题。
参考文献:
[1] Ke Changqing.A Review of Monitoring Lake Environment
Change by Mass of Remote Sensing[J].Transactions of Oce2
anology and Limnology,2004,23(4):81286.[柯长青.湖泊遥
感研究进展[J].海洋湖泊通报,2004,23(4):81286.]
[2] L u Anxin,Yao Tandong,Wang Lihong,et al.Study on t he
Fluctuations of Typical G laciers and Lakes in t he Tibetan
Plateau Using Remote Sensing[J]Journal of G laciology and
Geocryology,2005,27(6):7832792.[鲁安新,姚檀栋,王丽
红,等.青藏高原典型冰川和湖泊变化遥感研究[J].冰川冻
土,2005,27(6):7832792.]
[3] Lu Anxin,Wang Lihong,Yao Tandong.The Study of Yamzho
Lake and Chencuo Lake Variation Using Remote Sensing in
Tibet Plateau from1970to2000[J].Remote Sensing Tech2
nology and Application,2006,21(3):1732177.[鲁安新,王丽
红,姚檀栋.青藏高原湖泊现代变化遥感方法研究[J].遥感技
术与应用,2006,21(3):1732177.]
[4] Zhang Hongya,Lv Minghui.Introduction of Hydrology[M].Bei2
jing:Peking University Press,2007,1102115.[张红亚,吕明辉.
水文学概论[M].北京:北京大学出版社,2007,1102115.]
[5] Ding Y ongjian,Liu Shiyin,Ye Baisheng,et al.Climatic Impli2
cations on Variations of Lakes in t he Cold and Arid Regions
of China during t he Recent50Years[J].Journal of G laciology
and Geocryology,2006,28(5):6232632.[丁永建,刘时银,叶
柏生,等.近50a中国寒区与旱区湖泊变化的气候因素分析
[J].冰川冻土,2006,28(5):6232632.]
[6] Guo Ni,Zhang Jie,Liang Yun.Climate Change Indicated by
186
第5期 王海波等:基于遥感的湖泊水域动态变化监测研究进展
t he Recent Change of Inland Lakes in Nort Hwest China[J].
Journal of G laciology and Geocryology,2003,25(2):2112214.
[郭铌,张杰,梁芸.西北地区近年来内陆湖泊变化反映的气候
问题[J].冰川冻土,2003,25(2):2112214.]
[7] Hu Zhengguang,Wang Y iting,Chi Tianhe,et al.Monitoring Lake
Areas Based on Mixed Pixel Decomposition C ombined with Doub2
le2edge Extraction[J]Remote Sensing Information,2007,3:34238.
[胡争光,王祎婷,池天河,等.基于混合像元分解和双边界提取
的湖泊面积变化监测[J].遥感信息,2007,3:34238.]
[8] Zhang Hongen,Shi Jiancheng,Liu Suhong.Sub2pixel Lakes
Mapping in Tibetan Plateau[J].Advances in Water Science,
2006,17(3):3762382.[张洪恩,施建成,刘素红.湖泊亚像元
填图算法研究[J].水科学进展,2006,17(3):3762382.] [9] Schultz G A,Engman E T.T ranslator:Han Min.Remote Sensing
in Hydrology and Water Management[M].Beijing:Chinese Water
C onservancy and Hydropower Press,2006:2062208[Schultz G A,
Engman E T,韩敏(译).水文与水管理里中的遥感技术[M].北
京:中国水利水电出版社,2006:2062208.]
[10] Dai Changda.Applications,Processing and Analysis of Re2
mote Sensing Images[M].Beijing:TSinghua University
Press,2004.[戴昌达.遥感图像应用处理与分析[M].北京:
清华大学出版社,2004.]
[11] Ma Mingguo,Song Y i,Wang Xuemei.Dynamically Monito2
ring t he Lake Group in Ruoqiang County,Xinjiang Region
[J].Journal of G laciology and Geocryology,2008,30(2):1892
195.[马明国,宋怡,王雪梅.新疆若羌湖泊群遥感动态监测研
究[J].冰川冻土,2008,30(2):1892195.]
[12] Liu Ruixia,Liu Yujie,Zheng Zhaojun.Quantitative Detection
of BoSi Teng Lake Area wit h Remote Sensing Data[J].Jour2
nal of Applied Meteorological Science,2006,17(1):1002106.
[刘瑞霞,刘玉洁,郑照军.博斯腾湖面积定量遥感[J].应用气
象学报,2006,17(1):1002106.]
[13] Harris A R.Time Series Remote Sensing of Climatically Sensitive
Lake[J].Remote Sensing of Envirnment,1994,50(2):83294. [14] Birkett C M.Synergistic Remote Sensing of Lake Chad:Vari2
ability of Basin Inundation[J].Remote Sensing of Environ2
ment,2000(72):2182236.
[15] Jiang Li,Narayanan R M.A Shape2based Approach to Change
Detection of Lakes Using Time Series Remote Sensing Images
[J].Transactions on Geosciences and Remote Sensing No2
vember,2003,41(11):246622477.
[16] Hu Dongsheng,Lin Changgong,Zheng Y ipo.Research on t he
Application of NOAA in t he Dynamics Change of Soil Lake
[J].Chinese Science Bulletin,2001,(4):16221.[胡东生,赁常
恭,郑一泊.气象卫星NOAA遥感数据在盐湖动态变化中的
应用研究[J].科学通报,2001,(4):16221.]
[17] Tang Lingli.Effect s of Radarsat on Flood2fighting and Disas2
ter2minimizing in1998[J].Remote Sensing Technology and
Application,1998,13(4):224.[唐伶俐.雷达卫星在1998年
抗洪减灾中的作用[J].遥感技术与应用,1998,13(4):224.] [18] Sanyal J,Lu X X.Application of Remote Sensing in Flood
Management wit h Special Reference to Monsoon Asia:A Re2
view[J].Natural Hazards,2004,33:2832301.
[19] Wu Sai,Zhang Qiuwen.Met hod and Model of Water Body
Extraction Based On Remote Sensing Data of MODIS[J].
Computer and Data Engineering,2005,22(7):124.[吴赛,张
秋文.基于MODIS遥感数据的水体提取方法及模型研究
[J].计算机与数字工程,2005,22(7):124.]
[20] Yang Y inglian,Y in Qingjun.Study of Qing Hai Lake wit h Re2
mote Sensing Detection[J].Journal of Qinghai Meteororlogy,
2003,(4):37241.[杨英莲,殷青军.青海省湖泊遥感监测研究
[J].青海气象,2003,(4):37241.]
[21] Lu Jiaju,Li Shihong.Improvement of t he Techniques for Dis2
tinguishing Water Bodies from TM Data[J].Remote Sensing
of Environment,1992,7(1):17223.[陆家驹,李士鸿.TM资
料水体识别技术的改进[J].环境遥感,1992,7(1):17223.] [22] Du Jinkang.Hu Y ongsheng.Feng Xuezhi,et al.St udy on Wa2
ter Bodies Extraction and Classification from SPO T Image
[J].Journal of Remote Sensing,2001,5(3):2142219.[都金
康,黄永胜,冯学智,等.SPO T卫星影像的水体提取方法及分
类研究[J].遥感学报,2001,5(3):2142219.]
[23] Zhang Jinhua,Zhang Y ongbin,K ong Gaihong.The Relation2
ship Between t he Spectrum of Water Bodies in t he Feature
Extraction[J].Mine Surveying,2004,4:30232.[汪金花,张永
彬,孔改红.谱间关系法在水体特征提取中的应用[J].矿山测
量,2004,4:30232.]
[24] Zhang Minghua.Extracting Water2Body Information wit h Im2
proved Model of Spectal Relationship in a Higher Mountain
Area[J].Geography and Geo2Information Science,2008,24
(2):14216.[张明华.用改进的谱间关系模型提取极高山地区
水体信息[J].地理与地理信息科学,2008,24(2):14216.] [25] Zhao Y ingshi.The Principles and Met hods in Application and
Analysis of Remote Sensing[M].Beijing:China Sciences and
Technology Press,2003.[赵英时.遥感应用分析原理与方法
[M].北京:科学出版社,2003.]
[26] Bo2Cai Gao.NDWI2A Normalized Difference Water Index for
Remote Sensing of Vegetation liquid Water From Space[J].
Remote Sensing of Environment,1996,(58):2572266. [27] Xu Hanqiu.Modification of Normalized Difference Water In2
dex(NDWI)to Enhance Open water Features in Remotely
Sensed Imagery[J].International Journal of Remote Sensing,
2006,27(14),302523033.
[28] Cao Ronglong,Li Cunjun,Liu Liangyun.Extracting Miyun
Reservoir’s Water Area and Monitoring It s Change Based on a
Revised Normalized Different Water Index[J].Science of Sur2
veying and Mapping,2008,33(2):1582160.[曹荣龙,李存军,
刘良云.基于水体指数的密云水库面积提取及变化监测[J].
测绘科学,2008,33(2):1582160.]
[29] Ma M.Change in Area of Ebinur Lake During t he199822005
Period[J].International Journal of Remote Sensing,2007,28
(24):552325533.
[30] Jia Weihua,Hou Peng,Yang Fengjie.Dynamically Monitoring
of Dongping Lake Water Area Based on RS[J].
Geomatics&Spatial Information Technology,2005,28(1):522
286 遥 感 技 术 与 应 用 第24卷
55.[贾维花,候鹏,杨锋杰.基于遥感方法的东平湖水域动态
监测[J].测绘与空间地理信息,2005,28(1):52255.]
[31] Li Xiaoman,Wang Gang,Tian Jie.Study of t he Met hod of
Picking2up Small Water2bodies in Landasat TM Remote Sens2 ing Image[J].Journal of Sout hwest Agricultural University
(Nat ural Sciences),2006,28(4):5802581.[李小曼,王刚,田
杰.TM影像中水体提取方法研究[J].西南农业大学学报,
2006,28(4):5802581.]
[32] Liang Y itong,Hu Jianglin.A Discussion on Application of
Neural Network Technique in Identification of Water Body
From NOAA Satellite Images[J].Quarterly Journal of Ap2
plied Meteorology,2001,12(1):85290.[梁益同,胡江林.NO2
AA卫星图像水体信息神经网络识别方法的探讨[J].应用气
象学报,2001,12(1):85290.]
[33] Zhai Huiqin.A New Algorit hm for Water Area Extracting
from t he Remote Sensing Image Based on Morphologic Met h2 od[J].Science of Surveying and Mapping,2006,31(1):22224.
[翟辉琴.基于数学形态学的遥感影像水域提取方法[J].测绘
科学,2006,31(1):22224.]
[34] He Zhiyong,Zhang Xiaocan,Huang Zhicai,et al.A Water Ex2
traction Technique Based on High2spatial Remote Sensing Im2
ages[J].Journal of Zhejiang University(Science Edition),
2004,31(6):7012707.[何智勇,章孝灿,黄智才,等.一种高分
辨率遥感影像水体提取技术[J].浙江大学学报(理学版),
2004,31(6):7012707.]
[35] Oyamaa Y,Mat sushita B,Fukushimaa T,et al.Application of
Spectral Decomposition Algorit hm for Mapping Water Quali2
ty in a Turbid Lake(Lake Kasumigaura,Japan)from Landsat
TM data[J].Journal of Photogrammetry and Remote Sens2 ing,2008,(64):73285.
[36] Cheng Mingyue,Ye Qin,Zhang Shaoming,et al.Water2
Automatic Detection fromSAR Image Based on Fuzzy Weigh2
ted SVM[J].Computer Engineering,2009,35(2):2192221.
[程明跃,叶勤,张绍明,等.基于模糊加权SVM的SAR图像
水体自动检测[J].计算机工程,2009,35(2):2192221.] [37] Dou Jianfang,Chen Y ing,Weng Yukun.Automatic Water
Body Extraction from SAR Images Based on Sequence Non2
linear Filter[J].Bulletin of Surveying and Mapping,2008,
(9):37239.[窦建方,陈鹰,翁玉坤.基于序列非线性滤波
SAR影像水体自动提取[J].测绘通报,2008,(9):37239.] [38] Zhu J unjie,Guo Huadong,Fan Xiangtao.Automatic and Fast
Detection of Edges Between Land and Water in High2resolu2
tion SAR Images[J].Remote Sensing Information,2005,5:
29231.[朱俊杰,郭华东,范湘涛.高分辨率SAR图像的水体
边缘快速自动与精确检测[J].遥感信息,2005,5:29231] [39] Zhu J unjie,Guo Huadong,Fan Xiang2tao,et al.Water Detec2
tion wit h High2resolution SAR Image Based on Texture and
Imaging Knowledge[J].Advances in Water Science,2006,17
(4):5252530.[朱俊杰,郭华东,范湘涛,等.基于纹理与成像
知识的高分辨率SAR图像水体检测[J].水科学进展,2006,
17(4):5252530.]
[40] Zhang Huaili,Ni Guoqiang,Xu Tingfa,et al.A Two Pattern
Combined Met hod to Detect Water Area from SAR Remote
Image[J].Optical Technique,2009,1:77279.[张怀利,倪国
强,许廷发.从SAR遥感图像中提取水域的一种双模式结合
方法[J]光学技术,2009,1:77279.]
[41] Peng Shunfeng,Li Fengsheng,Huang Yun.A Flood and Wa2
ter2logging Assessment Met hod Based on RADARSA T21Im2
age[J].Journal of China Hydrology,2008,28(2):34237.[彭
顺风,李凤生,黄云.基于RADARSA T21影像的洪涝评估方
法[J].水文,2008,28(2):34237.]
[42] Yang Cunjian,Wei Y iming,Wang Siyuan,et al.Extracting t he
Flood Extent from SAR Imagery on Basis of DEM[J].Journal
of Natural Disasters,2002,(11):1212124.[杨存建,魏一鸣,
王思远,等.基于DEM的SAR图像洪水水体的提取[J].自
然灾害学报,2002,(11):1212124.]
[43] Yang Cunjian,Zhou Chenghu.Application of Complementary
Information of RADARSA T SWA SAR and L ANDSA T TM
in Deciding t he Flood Extent[J].Journal of Natural Disas2
ters,2001,10(2):79283.[杨存建,周成虎.利用RADARSA T
SWA SAR和L ANDSA T TM的互补信息确定洪水水体范围
[J].自然灾害学报,2001,10(2):79283.]
[44] Zheng Wei,Liu Chuang,Cao Yungang,et al.Extracting t he
Flood Inundated Area based on Asar and TM Image[J].Sci2
ence of Surveying and Mapping,2007,32(5):1802182.[郑伟,
刘闯,曹云刚,等.基于Asar与TM图像的洪水淹没范围提取
[J].测绘科学,2007,32(5):1802182.]
[45] Tang Lingli,Dai Changda,Li Chuanrong.On Quick Response
to Flood in t he Year of1998wit h Fusion of SAR and TM[J].
Remote Sensing Information,1998,(4):14215.[唐伶俐,戴昌
达,李传荣.雷达卫星图像与TM复合快速反应’98洪涝灾情
[J].遥感信息,1998,(4):14215.]
[46] Lunetta R https://www.wendangku.net/doc/4b7670916.html,nd2scover Change Detection U sing Multi2tem2
poral MODIS NDVI Data[J].Remote Sensing of Environ2
ment,2006,105:1422154.
[47] Li Jing,Wu Lianxi,Zhou J ue.Review of The Development of
Remote Sensing Change Detection Technology[J].Water
Conservancy Science and Technology and Economy,2007,13
(3):1532155.[李静,吴连喜,周珏.遥感变化检测技术发展综
述[J].水利科技与经济,2007,13(3):1532155.]
[48] Ke Changqing.Study on Recent Water Area Change of DA2
ZON G L A KE Based on Topographical and Remotely Sensed
Information[J].Transaction of Oceanology and Limnology,
2001,(2):16222.[柯长青.基于地图与遥感信息的大纵湖近
期水域变化研究[J].海洋湖沼通报,2001,(2):16222.] [49] Yu Lizhong,Xu Yu.A GIS2based Study on Recent Environmental
Change in HongHu Lake[J]Journal of Lake Scinences,1993,5
(4):3502357.[俞立中,许羽.GIS技术在洪湖近期水域动态变
化研究中的应用[J].湖泊科学,1993,5(4):3502357.]
[50] Wu Huizhi,Jiang Qigang,Cheng Bin.Study of Dynamic Chan2
ges of Lakes in Qinghai2Tibet Plateau Based on Remote Sens2 ing and GIS[J].G lobal Geology,2007,26(1):66270.[武慧
智,姜琦刚,程彬.基于RS和GIS技术青藏高原湖泊动态变
化研究[J].世界地质,2007,26(1):66270.]
386
第5期 王海波等:基于遥感的湖泊水域动态变化监测研究进展
[51] Duane Nellis M.Remote Sensing of Temporal and Spatial
Variations in Poor Size,Suspended Sediment,Turbidity,and
Secchi Dept h in Tuttle Creek Reseervoir,Kansas:1993[J].
Geomorphology,1998,(21):2812293.
[52] Zhu Xuanqing,He Naihua.The Remote Sensing Analysis of
Recent and Historical Evolution of Water Area of Baiyangdian
Lake[J].Geographical Sciences,1992,12(4):3712378.[朱宣
清.白洋淀水域动态与演变的遥感研究[J].地理科学,1992,
12(4):3712378.]
[53] Zou Shanghui.Study of Modern Vicissitudes of t he Jianghan
Lake Group by Using Remote Sensing Techniques[J].Oeno2 logical Et Limnology Sinica,1997,18(5):4692478.[邹尚辉.
应用遥感技术研究江汉湖群的近代变迁[J].海洋与湖泊,
1997,18(5):4692478.]
[54] Shen Fang,Kuang Dingbo.Remote Sensing Investigation and Sur2
vey of Qinghai Lake in the Past25Y ears[J].Journal of Lake Sci2 ences,2003,(4):2892296.[沈芳,匡定波.青海湖最近25年变化
的遥感调查与研究[J].湖泊科学,2003,(4):2892296.]
[55] Chen Guihong,Tang Lingli,Dai Changda.On Quick Response
to Flood wit h Fusion of SAR and TM Data[J].Geo2informa2
tion Science,2003,5(1):1032109.[陈桂红,唐伶俐,戴昌达.
洪涝灾情快速反应的星载SAR与TM数据的融合处理[J].
地球信息科学,2003,5(1):1032109.]
[56] Shen Shaohong,Tan Debao,Chen Beiqing.Change Detection
of Water Surface in Multitemporal ASAR Images Based on KI
Algorit hm[J].Journal of Yangtze River Scientific Research
Institute,2008,25(2):29232.[申邵洪,谭德宝,陈蓓青.基于
KI算法的多时相ASAR影像水面信息变化检测[J].长江科
学院院报,2008,25(2):29232.]
[57] Guirguis S K.Multi2temporal Change of Lake Brullus,Egypt,
from1983to1991[J].Remote Sensing,1996,17(15):29152
2921.
[58] Charon B.The G lobal Remote Sensing of Lakes,Wetlands
and Rivers for Hydrological and Climate Research[J].
IGARSS,1995,(3):197921981.
[59] Birkett C M,Mason I M.A New G lobal Lakes Database for a
Remote Sensing Program Studying Climatically Sensitive
Large Lakes[J].Great Lakes Res,1995,21(3):3072318.
[60] Meybeck M.G lobal Distribution of Lakes[C].In:Lerman,
A.,Imboden,D.M.,Gat,J.R.(Eds.),Physics and Chemis2
try of Lakes,Springer,Berlin,1995,1236.
[61] Lehner B,Doll P.Development and Validation of a G lobal Da2
tabase of Lakes,Reservoirs and Wetlands[J].Journal of Hy2
drology,2004,(296):1222.
[62] Niu Y ifang,Li Caixing,X i X iaohuan,et al.Plateau Lake Variation
Monitored by Satellite Remote Sensing and the Relation to Cli2
mate Change[J].Arid Land G eography,2008,31(2):2842290.
[牛沂芳,李才兴,习晓环,等.卫星遥感检测高原湖泊水面变化
及与气候变化分析[J].干旱区地理,2008,31(2):2842290.] [63] Pasquini A I,Lecomte K L,Depetris P J.Climate Change and
Recent Water Level Variability in Patagonian Proglacial
Lakes,Argentina[J].G lobal and Planetary Change,2008,63:
2902298.
[64] Karl M,Karl2Otto W,Martin Mortl R,et al.Ecological Eff2
ect s of Water2level Fluctuations in Lakes:An Urgent Issue
[J].Hydrobiologia,2008,613:124.
A R eview of Monitoring Change in Lake W ater Areas
B ased on R emote Sensing
WAN G Hai2bo1,2,MA Ming2guo1
(1.Col d and A ri d Regions Envi ronment al Engi neeri ng Research I nstit ute,Chi nese A cadem y of S ciences, L anz hou730000,Chi na;2.Grad uate Uni versit y of Chi nese A ca dem y of S ciences,B ei j i ng100049,Chi na)
Abstract:The global environment change has become one of t he t hree global environmental issues wit h t he greatest global https://www.wendangku.net/doc/4b7670916.html,ke is of great ecological significance in regional ecosystem st udy.Dynamic change as one of t hree main lake environmental problems of lakes has became t he key point of t he research area. Remote sensing techniques,as scientific tools of rapid investigation and monitoring,have been widely ap2 plied in t he research of dynamic change in lakes.Main p rogress aro und of t he world in areas of lake dynamic change research by means of remote sensing techniques are int roduced in t he aspect s of basic p rinciples and remote sensing data sources,remote sensing classification and dynamic change monitoring met hods of lake information;especially,t he advantages and disadvantages of remote sensing data source and dynamic analy2 sis met hods are analyzed deeply.In addition,some existing problems and t he develop ment t rends of t he re2 cent lake dynamic change research are discussed.
K ey w ords:Remote sensing;Lake;Water areas;Dynamically change monitoring
486 遥 感 技 术 与 应 用 第24卷
12-遥感动态监测
第12章遥感动态监测 本章主要介绍以下内容： （1）遥感动态监测技术 （2）图像直接比较法工具 （3）分类后比较法工具 （4）林冠状态遥感状态监测实例 （5）农业用地变化监测实例 12.1 遥感动态监测技术 遥感动态监测过程一般可分为三个步骤， 1.数据预处理 （1）在进行变化信息检测前，需要考虑以下因素对不同时相图像产生的差异信息。 ●传感器类型的差异： ●采集日期和时间的差异： ●图像像元单位的差异： ●像素分辨率的差异： ●大气条件的差异： ●图像配准的精度： 2.变化信息检测 根据处理过程可分为以下三类： （1）图像直接比较法 （2）分类后比较法 （3）直接分类法 3.变化信息提取 变化信息提取可以归纳为从图像上提取信息，有以下方法供选择： ●手工数字化法 ●图像自动分类 ●监督分类 ●非监督分类 ●基于专家知识的决策树分类 ●面向对象的特征提取法 ●图像分割
12.2 图像直接比较法工具 ENVI中的图像直接比较法工具包括Compute Different Map工具和Image Difference工具。 12.2.1 Compute Different Map工具 Compute Different Map工具对两个时相的图像作波段相减或者相除，设定的阈值对相减或相除的结果进行分类。 这个工具的详细操作过程如下： 在ENVI主菜单中，选择Basic Tools→Change Detection-→Compute Difference Map。在Select the Initial State Image文件选择对话框中，从前一时相图像中选择一个波段，单击OK 按钮；在Select the Final State Image文件选择对话框中，从后一时相图像中选择一个与前面 12.2.2 Image Different工具 Image Different工具可以检测两个时相图像中增加和减少两种变化信息，适合获取地表绝对变化信息。它集成在ENVI EX视图下，采用流程化操作方式。首先通过以下方式启动ENVI Zoom视图。 第一步启动Image Difference (1)在ENVI Zoom中，选择File→Open打开july_00_quac.img和 july_06_quac.img图像。 (2)在工具栏中，单击按钮，利用Portal功能浏览这两个图像相同区域地表变化 情况。 (3)在Toolbox列表中，双击Image Difference 选项，打开File Selection 对话框，分 别为Time 1 File选择july_00_quac.img和Time 2 File选择july_06_quac.img。单 击Next按钮，打开Image Difference对话框。
遥感变化监测 流程
多时相土地利用/覆盖变化监测研究 方法及数据选取 土地是一个综合的自然地理概念，它处于地圈-生物圈-大气圈相互作用的界面，是各种自然过程和人类活动最为活跃的场所。地球表层系统最突出的景观标志就是土地利用和土地覆盖( Land Use and Land Cover)。由于土地利用和土地覆盖与人类的生活、生产息息相关，而人类活动正以空前的速度、幅度和空前规模改变着陆地环境。人类对土地资源的利用引起的土地利用和土地覆盖的变化是全球环境变化的重要因素之一，也是地球表面科学研究领域中的一个重要分支。因此，土地利用和土地覆盖的动态监测（Land Use and Land Cover Monitoring）是国内外研究的热点，也是当前全球变化研究计划的重要组成部分。 由多时相遥感数据分析地表变化过程需要进行一系列图像处理工作，大致包括：一、数据源选择，二、几何配准处理，三、辐射处理与归一化，四、变化监测算法及应用等。 一、遥感数据源的选取 不同遥感系统的时间分辨率、空间分辨率、光谱分辨率和辐射分辨率不同，选择合适的遥感数据是变化监测能否成功的前提。因此，在变化监测之前需要对监测区域内的主要问题进行调查，分析监测对象的空间分布特点、光谱特性及时相变化的情况，目的是为分析任务选择合适的遥感数据。同时，考虑到环境因素的影响，用于变化监测的图像最好是由同一个遥感系统获得，如果由于某种原因无法获得同一种遥感系统在不同时段的数据，则需要选择俯视角与光谱波段相近的遥感系统数据。 1时间分辨率 这里需要根据监测对象的时相变化特点来确定遥感监测的频率，如需要一年一次、一季度一次还是一月一次等。同时，在选择多时相遥感数据进行变化监测时需要考虑两个时间条件。首先，应当尽可能选择用每天同一时刻或者相近时间的遥感图像，以消除因太阳高度角不同引起的图像反射特性差异；其次，应尽可能选用年间同一季节，甚至同一日期的遥感数据，以消除因季节性太阳高度角不同和植物物候差异的影响。 2空间分辨率 首先要考虑监测对象的空间尺度及空间变异的情况，以确定其对于遥感数据的空间分辨率的要求。变化监测还要求保证不同时段遥感图像之间的精确配准。因此，最好是采用具有相同瞬时视场（IFOV）的遥感数据，如具有同样空间分辨率的TM图像之间就比较容易配准在一起。当然也可以使用不同瞬时视场遥感系统获取的数据，如某一日期的TM图像（30m ×30m）与另一日期的SPOT图像（20m×20m），来进行变化监测，在这种情况下需要确定一个最小制图单元20m×20m，并对这两个图像数据重采样使之具有一致的像元大小。 一些遥感系统按不同的视场角拍摄地面图像，如SPOT的视场角能达到±27°，在变化监测中如果简单采用俯视角明显不同的两幅遥感图像，就有可能导致错误的分析结果。例如，对一个林区，不均匀地分布着一些大树，以观测天顶角0°拍摄的SPOT图像是直接从上向下观测到树冠顶，而对于一幅以20°观测角拍摄的SPOT图像所记录的是树冠侧面的光谱反射信息。因此，在变化监测分析中必须考虑到所用遥感图像观测角度的影响，而且应当尽可能采用具有相同或相近的俯视角的数据。 3光谱分辨率 应当根据监测对象的类型与相应的光谱特性选择合适的遥感数据类型及相应波段。变化监测分析的一个基本假设是，如果在两个不同时段之间瞬时视场内地面物质发生了变化，则不同时段图像对应像元的光谱响应也就会存在差别。所选择的遥感系统的光谱分辨率应当足
ENVI遥感影像变化检测
1.森林开采监测 打开实习数据0-森林开采监测下的实习数据。 ?Compute Difference Map 选择basic tools/change detection/ Compute Difference Map，分别选择原始的影像july_06与july_00，在弹出的Compute Difference Map input parameters窗口下，查看define class thresholds，no change表示没有变化， change（-1）表示减少，change（+1）表示增加；其他默认选项不变， 勾选normalize data range[0-1]，选择输出路径与文件名为com_diff。 选择classification/post classification/classification to vector，在输入图层中选择上一步生成的结果，弹出窗口中选择全部，保存路径生成结果， 转化为矢量。（由于耗时过多，故可以不做） ?Image Difference 打开ENVI Zoom 4.8，将原始的影像导入到其中，在ENVI Zoom窗口下的toolbox 中选择image change，弹出image change detection的对话框，将time 1classification image file选择为00年影像，点击OK，time2 classification image file中选择06年影像数据，点击OK，选择下一步，保持默认设置，选择下一步，选择image difference，选择下一步，选择difference of
遥感影像变化检测
遥感影像变化检测报告 学院： 专业： 指导老师： 小组成员： 2013年5月
1、遥感影像变化检测的概念 遥感影像变化检测指利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据 来确定和分析地表变化。它利用计算机图像处理系统，对不同时段目标或现象状态的变化进行识别、分析；它能确定一定时间间隔内地物或现象的变化，并提供地物的空间分布及其变化的定性与定量信息。 由此可知，遥感影像变化检测是从不同时期的遥感图像中，定量地分析和确定地物变化的特征和过程。它涉及到变化的类型、分布状况及变化信息的描述，即需要确定变化前后的地物类型、界限和分析变化的属性。变化检测的研究对象为地物，包括自然地物和人造地物，其中人造地物在军事上常被称为目标。描述地物的特性包括：空间分布特性、波谱反射与辐射特性、时相变化特性。遥感影像的变化检测在土地覆盖变化监测、环境变迁动态监测、自然灾害监测、违章建筑物查处、军事目标打击效果分析以及国土资源调查等方面拥有广泛的应用价值和商业价值。 变化检测通常包括以下4个方面的内容： (1)判断是否发生了变化，即确定研究区域内地物是否发生了变化； (2)标定变化发生的区域，即确定在何处发生了变化，将变化像元与未变化像元区分开来； (3)鉴别变化的性质，给出在每个变化像元上所发生变化的类型，即确定变化前后该像元处的地物类型； (4)评估变化的时间和空间分布模式。 其中，前两个方面是变化检测所要解决的基本问题，而后两个方面则根据应用要求决定是否需要做。 2、遥感影像变化检测的三个层次 遥感图像分析过程中通常包括数据层处理、特征层处理和目标层处理三个过程。依据这三个层次划分，可将变化检测分为：像元级变化检测、特征级变化检测和目标级变化检测。 (1)像元级变化检测是指直接在采集的原始图像上进行变化检测。尽管基于像元的变化检测有它一定的局限性，但由于它是基于最原始的图像数据，能更多地保留图像原有的真实感，提供其它变化检测层次所不能提供的细微信息，因而目前绝大多数的变化检测方法都是像元级变化检测。 (2)特征级变化检测是采用一定的算法先从原始图像中提取特征信息，如边缘、形状、轮廓、纹理等，然后对这些特征信息进行综合分析与变化检测。由于特征级的变化检测对特征进行关联处理，把特征分类成有意义的组合，因而它对特征属性的判断具有更高的可信度和准确性。但它不是基于原始数据而是特征，所以在特征提取过程中不可避免地会出现信息的部分丢失，难以提供细微信息。 (3)目标级变化检测主要检测某些特定对象(比如道路、房屋等具有明确含义的目标)，是在图像理解和图像识别的基础上进行的变化检测，它是一种基于目标模型的高层分析方法。 变化检测的三个层次在实现上各有优缺点，在具体的变化检测中究竟检测到哪个层次是根据任务的需要确定的。像元级的变化检测保持了尽可能多的原始信息，具有特征级和目标级层次上所不具备的细节信息，但像元级变化检测仅考虑像素属性的变化，而未考虑其空间等特征属性的变化；特征级变化检测不仅考虑到空间形状的变化，而且还要考虑特征属性的变化，但特征级的变化检测依赖于特征提取的结果，但特征提取本身比较困难；目标级的变化检测最大的优点是它接近用户的需求，检测的结果可直接应用，但它的不足之处在于目标提取的困难性。
基于遥感技术的土地利用动态监测
基于遥感技术的土地利用动态监测 刘 义,于克蛟,于凤荣 (黑龙江省农垦科学院科技情报研究所,哈尔滨150036) 摘要:遥感技术是以航空摄影技术为基础,在20世纪60年代初兴起的一门新兴技术。分析了利用遥感技术进行土地利用动态监测的优势,简述了利用遥感技术进行土地利用动态监测的技术路线以及数据与特点,并阐述了利用遥感技术进行土地利用动态监测的主要方法。 关键词:遥感技术;土地利用;动态监测 1 引言 遥感(Remote Sensing,简称RS)技术在我国农业领域的应用始于20世纪70年代末。根据当时全国农业资源区划工作的要求,在国家原计委、财政部和联合国粮农组织、联合国开发计划署等的支持下,我国农业领域的RS技术应用工作经历了“六五”期间的技术与设备引进和人才培养,“七五”、 “八五”期间的技术攻关、实验研究,到“九五”期间的实用化、运行服务系统的基本建立,已经成为初具规模,能够承担农业资源调查及动态监测、农业灾害监测等多种任务的农业RS应用主力军之一。多年来,RS技术在农业领域的应用越来越广泛,完成了大量的基础性工作,取得了很大的进展。1993～1996年,全国农业资源区划办公室组织相关技术单位,利用美国最新陆地卫星影像连续4年开展了全国耕地变化RS监测工作;“十五”期间农业RS应用领域重点建设主要是农作物RS监测系统、国家农业资源监测系统、数字农业和精确农业示范系统,通过这些系统可以为建立农产品预警系统、农业结构战略性调整、农业资源区域优势分析和优势农产品区域布局规划提供基础性和支持性信息。土地利用动态监测内容主要包括耕地、林地、草地、水面、交通、城市用地等各类生产建设用地面积的变化和各种自然灾害对土地利用所造成的破坏和影响。 2 应用卫星RS技术进行土地利用动态监测的优势 a.卫星的轨道一般在距离地面150～3000km 广阔的空间领域,能在太空俯视地面很大的范围,并将大范围的地面物的形态和特征囊括在一张很小的RS影像上。通过影像可以覆盖400多km长、40多km宽的广袤区域。在影像上可以找到这个地区的详收稿日期:2007208210细地物,方便快捷地观察地物的变化情况。 b.利用卫星RS技术克服了因地形复杂和气候条件极度恶化给人类实地调查监测造成的困难。 c.卫星RS技术采用的是信息自动采集汇总分析系统,大大提高了监测的精度。那是因为其中有大量的数据处理工作在计算机中进行,减少了很多的调查环节,消除了大量的因测量工具和各种人为技术等因素造成的误差。 d.计算机应用技术、解译分析、影像融合和影像增强处理技术的发展利用,使人们可以在很短的时间和较少投入的情况下,得到大量丰富、珍贵的信息资料,配合完成各种动态监测任务。 e.利用卫星RS技术进行土地利用监测既节约了时间,又提高了效率。 3 土地利用动态监测的技术路线 土地利用动态RS监测利用最新时相的卫星RS资料和3S技术对土地变化情况进行动态监督分类。RS技术在土地利用动态监测的应用通过与地理信息系统的有机集成,将推向一个向多时相和多数据源的最佳融合技术、计算机辅助的定量自动制图、分析和计量探索等方面的技术突破。土地利用动态RS监测是以土地变更调查数据、图为本底,利用地理信息系统的空间数据处理和RS影像处理分析等技术,从RS影像上利用处理分析软件提取变化信息。其工作流程是,以RS技术获得的多光谱多时相的RS数据为依据,借助地理信息系统的相关软件(如MA P GIS、SU PERMA P、ENV I、ER2 DAS等)进行影像纠正、配准、镶嵌、多源数据融合、变化信息的取得,与以前的土地变更调查资料进行对比分析,再通过全球定位系统引导外业实地调查,进行样方验证和数据核查,最后完成土地利用的动态监测工作。 4 土地利用动态监测的数据和特点
矿山遥感动态监测系统
矿山遥感动态监测系统 内蒙古阿拉善盟是一个矿产资源较为丰富的地区，矿产资源开发给当地经济带来了繁荣，同时也对生态环境造成一定的破坏，特别是一些地区特定的矿产资源乱采滥挖引起环境污染、资源破坏等一系列问题。如何及时发现这些问题，并对其实施有效监管，是当前进行矿产资源开发管理所面临的重要课题。 国遥万维公司应用遥感技术、地理信息技术和全球定位技术搭建可视化平台，以矿产资源的非法开采监测为主题，利用遥感技术手段，采用形象的图形图像语言和简便的计算机表达方式，可以为阿拉善盟市国土资源部门进行矿产资源的开发管理、低成本快速高效地打击非法采矿行为提供科学执法依据。 利用多种遥感平台获取的多种类、多时相遥感数据，或者是高分辨率的无人机航拍数据，采用多种遥感图像处理方法，通过室内对比，提取出矿产资源开发地采矿活动痕迹的影像信息，发现其不同时段采矿活动痕迹的变化信息。然后在野外实地建立采矿活动痕迹遥感解译标志，再对影像进行全面解译分析。以采矿权登记信息为合理开发依据，将采矿活动痕迹解译成果与采矿权登记范围进行叠合分析，以便筛选、界定出非法盗采区域。最终形成监测成果图像、图件、统计分析成果，提供进一步执法检查，并能通过矿产遥感动态监测系统展示给相关管理部门。 “阿拉善盟市矿产资源开采状况遥感动态监测系统”是以由图形、图像、统计数据及调查研究成果等数据所构成的数据库为基础，在地理信息系统的平台上建立的可视化监测系统。该系统的基础数据主要包括地形数据、多时相和多比例尺的遥感数据（航飞、卫星遥感）、基础地质矿产图、矿产开发利用现状图、矿产资源规划图、探矿权和采矿权登记范围图和登记表等。主要功能包括系统初始化、查询浏览、对比监测、专题制图、滥采预警、虚拟现实、系统维护等功能。 1、矿山属性查询 在遥感解译结果的基础上，采用面向对象方法，以矿井（坑）为对象建立数据库属性表包括采矿范围、采矿许可证号、矿产种类、矿山建筑名称及尾矿种类等内容，以用户的采矿许可证为主键，把其它解译内容的采矿许可证字段作为外键关联到矿山数据库中。在矿山遥感监测信息系统中就可以通过点查询、多边形
遥感图像的分类与变化监测最终版
遥感图像的分类与变化监测 1.数据准备 1.1研究区域概况 向10度至30度长有210公里，东西宽有15公里至20公里，是川西断陷带和川东隆起带 泉驿区总面积的39.07%、3.86%、57.07%。2009年，龙泉驿区土地总面积5.5698万公顷，其中耕地7367.83公顷，占土地总面积的13.23%;园地2.5295万公顷，占土地总面积的45.42%;林地7628.2公顷，占土地总面积的13.70 %;其他农用地3295.85公顷，占土地总面积的5.92%;居民点及工矿用地1.0742万公顷，占土地总面积的19.29%;交通运输用地539.83公顷，占土地总面积的0. 97%;水利设施用地553.30公顷，占土地总面积的0.99 %;未利用地274.93公顷，占土地总面积的0.49%。 1.2数据下载 在地理空间数据云中先搜索2000年---2005年的数据，选择云量较少，图像 质量高的进行下载；搜索2009年---2015年图像选择质量高的下载，最终选定2001年和2009年龙泉驿区的图像（landsat4--5）。 两期影像的像元信息： 影像 数据 类型 卫星名称 传感 器 条带 号 太阳 高度角 太阳 方位角 平均 云量 数据标示 2001 TM landsat4--5 TM 129 37.5708 141.1516 5.45 LT5129039200104 2009 TM landsat4--5 TM 129 51.3982 133.2621 0 LT5129039200908 2001年影像
2009年图像 2.数据处理 2.1图像格式的转换 2.1.1格式转换 利用Import工具，将下载的TIFF影像转换为后缀为img图像，并选择存储的路径。 2.1.2多波段图像的融合 在interpreter工具中利用image interpreter中的layer stack进行1--7图像的融合， 为后面的处理提供基础。
最新12-遥感动态监测汇总
12-遥感动态监测
第12章遥感动态监测 本章主要介绍以下内容： （1）遥感动态监测技术 （2）图像直接比较法工具 （3）分类后比较法工具 （4）林冠状态遥感状态监测实例 （5）农业用地变化监测实例 12.1 遥感动态监测技术 遥感动态监测过程一般可分为三个步骤， 1.数据预处理 （1）在进行变化信息检测前，需要考虑以下因素对不同时相图像产生的差异信息。 ●传感器类型的差异： ●采集日期和时间的差异： ●图像像元单位的差异： ●像素分辨率的差异： ●大气条件的差异： ●图像配准的精度： 2.变化信息检测 根据处理过程可分为以下三类： （1）图像直接比较法 （2）分类后比较法 （3）直接分类法 3.变化信息提取 变化信息提取可以归纳为从图像上提取信息，有以下方法供选择： ●手工数字化法 ●图像自动分类 ●监督分类 ●非监督分类
●基于专家知识的决策树分类 ●面向对象的特征提取法 ●图像分割 12.2 图像直接比较法工具 ENVI中的图像直接比较法工具包括Compute Different Map工具和Image Difference工具。 12.2.1 Compute Different Map工具 Compute Different Map工具对两个时相的图像作波段相减或者相除，设定的阈值对相减或相除的结果进行分类。 这个工具的详细操作过程如下： 在ENVI主菜单中，选择Basic Tools→Change Detection-→Compute Difference Map。在Select the Initial State Image文件选择对话框中，从前一时相图像中选择一个波段，单击OK按钮；在Select the Final State Image文件选择对话框中，从后一时相图像中选择一个与前面相同的波段，单击OK按钮，打开Compute Difference Map Input Parameters对话框。 图12.1 Compute Difference Map Input Parameters
遥感图像变化检测
遥感图像变化检测方法(简称变化检测)根据处理目标要求可以分为三类:特定类目标的变化检测,如机场、桥梁、港口、导弹基地等目标的变化检测;线性体目标的变化检测,如道路、机场、桥梁和一般建筑物等目标的变化检测;大面积目标的变化检测,如某地域的植被变化、城市的发展、洪水灾害评估等。本文系统地研究了基于模式识别知识检测特定类目标、线性体目标和大面积目标变化的变化检测方法。 为了实现对特定类目标的变化检测,本文提出了一种基于目标检测的变化检测方法。该变化检测法的工作流程为:多时相图像配准、特定类目标建模、检测特定类目标、确定特定类目标的位置、比较特定类目标在参考图像和检测图像中的位置、报告变化情况。本文提到的特定类目标建模,是对某类特定目标的共同属性进行建模,即一般模型,而不是针对某个具体目标进行详细的状态描述。本论文提出的机场检测法在试验中达到了100%的正确检测率。确定了检测图像中的机场位置后,就可以将检测结果与参考图像中的机场位置进行比较,从而实现机场位置变化的检测。 对于检测线性体目标的变化,本论文提出了一种基于边缘检测的变化检测方法。该变化检测法的工作流程为:多时相图像配准、图像标准化、提取参考图像及检测图像的边缘、匹配边缘图像中的边缘并获得边缘差分图像、标注变化情况。边缘检测算子的性能直接影响变化检测结果。本论文提出了一种全新的边缘检测算子—正弦算子。本论文详细分析了边缘算子的三个性能准则:检测性能、定位性能和响应唯一性,在此基础上提出了正弦算子。正弦算子不但具有较好的容噪能力,并且能够检测到灰度变化较小的边缘。理论结果和试验结果都证明正弦算子是一个性能卓越的边缘检测算子。 本文提出了一种中高分辨率遥感图像的聚类方法。该聚类方法的过程分为两部分:学习过程和识别过程。学习过程为:选取图像特征、使用已知类别的特征训练BPC网络;识别过程为:输入待分类图像、预处理滑动窗口中图像、计算滑动窗口的图像特征、使用BPC网络判断滑动窗口中心像素的类别、在图像中逐点移动滑动窗口、完成整个图像的分类。试验结果表明,本文的特征提取法和图像聚类法能获得较好的图像聚类精度。 遥感图像数据获取系统近期发展的主要方向是提高空间和时间分辨率,这使遥感图像数据量有了巨大的增加。大量的数据和有限的人工分析员必将导致有很多图像无法被浏览。而在实际中,我们却非常需要分析员浏览相关图像。如果我们知道需要浏览的具体图像和图像中的具体目标,这个问题就很容易解决了。然而,大多数情况下,我们并不知道哪个图像中包含了我们需要寻找的信息。但是,我们可以利用数字图像的许多性质,通过计算机浏览所有的图像并把我们的注意力引导至相关的图像。实现这一目的主要有两个方法:使用计算机对图
遥感动态监测实践探讨及研究
遥感动态监测实践探讨及研究 摘要：利用卫星遥感技术辅助城乡规划督查，通过不同时期遥感影像，辅以违法建设动态监测系统，定期对城乡规划实施情况进行遥感监测，是现代科学技术应用日常工作的典范，是提高城乡规划管理水平和行政监管效能的有效措施，本文总结查违监测的工作流程、分析动态监测系统的实际成效及探讨后期的发展方向。关键词：城乡规划;遥感;动态监测;违法建设 1 前言 近年来，随着城市飞速发展，区位优势凸显，城市化水平不断提高，城市影响力进一步提升的同时，违法建设与城市规划矛盾也呈现井喷式增长，对新的规划观念、管理方法及工作方式产生诉求。 规划监察主要采取城市网格化管理，常规的手段是人工巡查，发现规划违法行为，获取与分析，耗时费力，效率低且不能保障全覆盖，建立违法建设动态监测系统，基于遥感和地理信息系统技术辅助城乡规划督察具有全面及时准确，同时可进行空间定位和定量分析，做到“监测有手段、执行有依据、事后有跟踪”，达到违法建设“早发现、早制止、早处理”的工作目标[1]。维护了城乡规划的严肃性、权威性。 建立违法建设遥感动态监测系统，采用不同时期的高分辨率卫星遥感影像进行城市建设变化监测，并且与GIS、GPS、移动技术相集成，利用基础空间数据、总规、历史及最新不同时相的遥感影像数据，通过检测变化、自动和半自动人工比对、空间分析等技术实现对城市建设的监控，第一时间为城乡规划管理部门提供精确的辅助决策。既可掌握被督察城市规划的总体情况，如规划管理水平、规划审批情况、违法建设的类型及规模，还可以监督风景名胜区、历史文化街区和历史文化风貌区、城市绿地、水源保护区等敏感地区的规划执行情况。是规划研究和管理手段从定性转变为定性与定量相结合的综合体现。是城市规划不可或缺的重要组成部分和技术支撑。 2 违法建设遥感动态监测工作流程 2.1 遥感监测目标 遥感监测目标主要是城市用地类型及变化、城市规划强制性内容等。 1、城市用地变化重点监测目标：建设工程监测，如建筑物、构筑物和基础设施等建设用地监测，包括用地范围、用地布局和用地性质与总规是否一致。 2、城市规划强制性内容：城市绿线、蓝线、紫线、黄线、道路红线的保护情况，例如城市绿地资源监测、城市水系监测，城市水厂规模和布局及水源保护区范围等是否侵占保护线、城市禁建区的保护情况等。
遥感变化检测实验报告
遥感影像变化检测实验报告 目录 1 遥感影像变化检测概述 (2) 1.1 遥感影像变化检测的内容 (2) 1.2 影响变化检测的因素 (2) 1.3 遥感影像变化检测步骤 (3) 1.4 评判遥感影像检测方法优劣的标准 (3) 2 实验过程（基于ERDAS软件） (3) 2.1 影像数据 (3) 2.2 处理步骤 (3) 2.3 ERDAS操作步骤 (3) 2.3.1 2003年影像配准 (3) 2.3.2 2005年影像配准 (10) 2.3.3 相对大气校正 (11) 2.3.4 差分检测 (15) 3 结语 (16)
1 遥感影像变化检测概述 遥感影像变化检测就是对目标或现象在不同时间观测到的状态的差异的识别过程。常用用于遥感影像变化检测的领域有：土地利用/土地覆被变化；森林或植被变化；森林死亡、落叶和灾害评价；森林采伐、再生和选择性砍伐；湿地变化；森林火灾以及林火影响区域检测；地表景观变化；城市变化；环境变化；如农作物检测、轮垦检测、道路分段、冰川总量平衡和表面变化等。 1.1 遥感影像变化检测的内容 遥感影像变化检测的内容为： （1）检测并判断某一研究区域内感兴趣的目标或现象在所研究的时间段内是否发生了变化； （2）确定发生变化区域的位置； （3）遥感影像变化检测结果精度评估； （4）分析、鉴别变化类型，确定变化前后地物类型； （5）分析、评估变化在时间和空间上的分布模式，对其变化规律进行描述和解释； （6）对未来的变化进行预测，为科学决策提供依据。 1.2 影响变化检测的因素 一般来说，影像遥感影像变化检测的因素主要有： （1）多时相影像间的精确几何配准； （2）多时相影像间的定标或规一化； （3）高质量地面真实数据的获取； （4）研究区地面景观和环境的复杂度； （5）变化检测的方法和算法； （6）分类和变化检测的主题（目标）； （7）分析人员的技术水平和经验； （8）对研究区的认知和熟悉程度； （9）时间和成本限制。 为此，数据选择时，尽量选择同一传感器、相同辐射和光谱分辨率，并在时间周期上相同或相近的数据，目的是为了能消除外部环境的影响，如太阳高度角、季节和物侯的差异等。在进行变化检测前我们应进行的准备工作主要有： （1）多时相影像必须精确配准； （2）多时相影像间必须精确辐射定标和大气校正或规一化； （3）多时相影像间要有相似的物候状态；
遥感动态监测在土地利用方面作用
遥感动态监测学习体会 ------ 在土地利用方面遥感动态监测是很深奥的一门课，同时也是广泛应用的一门课，它包含的东西，它要求的基础，一度让我有些害怕，深深地体会得自己有限的基础知识可能学好这门课有些难。好在教员的细心教授，我还是了解了不少的知识的。谢谢教员。 因为能力有限，也只能听懂部分内容，所以写起感受也不怎么有理论性，大部分是查资料所得。 我国土地利用遥感动态监测状况方法及特点 1、我国土地利用遥感动态监测状况 我国应用遥感技术开始于20 世纪70 年代。20世纪80 年代初,首次利用美国陆地卫星MSS 数据进行了全国范围的土地利用现状调查,并按1 ∶50万比例尺成图,客观地反映了我国土地资源的基本状况。此后,遥感技术在我国土地利用动态监测中的应用日趋广泛。如80 年代中期,我国利用美国的Landsat 资料进行了土壤侵蚀分区、分类、分级制图;1989 —1993 年,实施了中国北方草原草畜动态平衡监测;1993 —1996 年,连续 4 年开展了全国耕地变化遥感监测工作;1996 和1997 年,运用TM 和SPOT 等卫星遥感资料,分别对19 个城市和100 个城市的扩展与耕地变化进行了动态监测; 1999 和2000 年,又对全国66 个城市的建设用地和耕地变化进行了动态监测。近10 年来随着全球变化研究的深入开展,土地利用变化研究受到越来越高的重视。为配合“国际地圈与生物圈计划”( IGBP) 和“全球环境变化人文计划”( HDP)的工作“九五”期间,我国开展涉及全
球变化的研究项目,其中有多项是土地利用变化研 究,如应用“3S”技术进行土地利用变化的监测。目前,国土资源部已将遥感监测纳入土地管理业务化运行体系。 2、我国土地利用遥感监测的主要方法 (1) 目视解译方法。如常庆瑞、魏永胜等利用乾县枣子沟流域不同时期的航空遥感影像进行了区域土地资源动态监测实验研究;孙依斌采用航空和资源卫星遥感图像资料,对土地利用变化率极高的福州市区进行了长达20年的环境与土地利用动态监测实验;张松岭、杨邦杰等研究了应用GIS的人机交互解译成图系统,为大面积耕地解译提供了较为实用、快捷的方法。 (2) 计算机动态信息提取自动分类方法。如王杰生、戴昌达等利用1986 年SPOT多光谱数据图像和1987年TM数据,通过建立“亮度指数—垂直植被指数平面”,输出变化分类图;郑兴年等设了一个分级结构的遥感图像分类系统,在GIS支持下,对得到的TM分类图像进行了土地利用动态监测分析;黎夏、叶嘉安在珠江三角洲的东莞市,利用TM 图像进行了城市扩展的监测研究,并采用主成分分析方法改善了监测精度。 (3) 目视解译与计算机图像处理相结合的方法。如莫虹采用1994 年的1 ∶1 万土地详查图、1996 年5 月26 日的TM图像及1996 年8 月30 日的光盘数据,监测分析了黑龙江省阿城市土地动态变化;黄敬峰等采用TM CCT 资料,在GIS技术支持下,对新疆干旱区进行了土地利用类型识别和土地利用变化监测研究。在近期的土地遥感监测中,国土资源部主要是利用不同时相TM 和SPOT数据融合所显示的光谱特征变异来提取变化信息,并针对各监测区内的地形地类特征,分别采用了HIS 变换法、主分量变换法、加法和加权相乘等融合方法。随着
关于地质灾害调查与监测中遥感技术的应用
关于地质灾害调查与监测中遥感技术的应用 摘要：遥感技术是一门新兴技术，在地质灾害方面的预测和治理方面是有效的，而且是可行的。遥感技术可以贯穿于地质灾害调查、监测、预警、评估的全过程。而今，随着遥感技术理论的逐步完善，以及遥感图像空间分辨率、时间分辨率与 波谱分辨率的不断提高，遥感技术必将成为地质灾害及其孕灾环境宏观调查以及 灾体动态监测和灾情损失评估中不可缺少的手段之一。但是要全面推广遥感技术 在地质灾害中的应用，目前尚存在一定的困难和技术缺陷，有待于广大遥感工作 者和地质灾害工作者不断完善。 关键词：遥感技术；地质灾害调查；监测 1地质灾害遥感监测主要内容 地质灾害遥感监测关键内容归纳起来有下面几点： （1）分析映射地质环境和地质灾害体的电磁数据，探明它们在现有多种高光谱或多光谱 遥感图像上的表现。（2）对多种地质环境与地质灾害体的电磁信息分类，查询最好的特征 信息，给灾害分析、遥感监测提供依据。（3）选用粗、细、精空间分辨率及长、中、短时 间分辨率的遥感数据与非遥感数据的融合，构建遥感动态监测系统。（4）选用“多S”集成科技，研究以主题数据库为重心的地质灾害遥感监测信息系统。（5）编写土地利用图、植被 和别的覆盖分布图、并对地质灾害危害性作出预评估处理。（6）参考地质灾害调查资料， 经由遥感解译，参考必要的地面调查，编写1：10000灾害地质图，并构建灾害地质空间数 据库对其管理。（7）对可能出现的新的地质灾害体依次识别、预测、评价，编写示范区 1：10000 灾害点分布及别的相关图件。 2 遥感技术调查地质灾害的内容 2.1遥感技术在地质灾害现状调查与区划方面的作用 地质灾害作为一种特殊的不良地质现象，无论是滑坡、崩塌、泥石流等灾害个体，还是 由它们组合形成的灾害群体，在遥感图像上呈现的形态、色调、影纹结构等均与周围背景存 在一定的区别。因此，对崩、滑、泥等地质灾害的规模、形态特征及孕育特征，均能从遥感 影像上直接判读圈定。在此基础上进行地质灾害区划，划分地质灾害易发区域，评价易发程度，为防治地质灾害隐患，建立地质灾害监测网络提供基础资料。 2.2 遥感技术能够调查与研究的孕灾背景 利用遥感技术有效地调查研究地质灾害孕灾背景，是地质灾害调查中最基础而又最重要 的工作内容：①时日降水量；②多年平均降水量；③地面坡度；④松散堆积物的厚度及分布；⑤构造发育程度（控制岩石破碎程度和稳定性）；⑥植被发育状况；⑦岩土体结构 （反映岩土体抗侵蚀、破碎的能力）；⑧人类工程活动程度。由于气象卫星可以实时监测降 雨强度与降水量，陆地资源卫星不仅具有全面系统的调查地表地物的能力，其红外波段及微 波波段还具有调查分析地下浅部地物特征的作用。因此，在上述8种孕灾背景中，第①与第②种可通过气象卫星与地面水文观测站调查统计，其它因子可通过陆地资源卫星并结合适当 的实地踏勘资料得以查明。 2.3 遥感技术对灾情实时调查与损失评估提供可靠的技术手段 地质灾害的破坏包括人员与牲畜伤亡。村庄、工矿、交通下线、桥梁、水工建筑等财产 损失以及土地、森林、水域等自然资源的毁坏。利用遥感技术进行地质灾害调查，除人员与 牲畜伤亡难以统计外，高分辨率的遥感影像对工程设施和自然资源的毁坏情况均可进行实时 或准实时的调查与评估，为抢灾救灾工作提供准确依据。 2.4 遥感技术对地质灾害动态监测与预警 地质灾害的发生是缓慢蠕动的地质体（如滑坡体等）从量变到质变的过程。一般情况下，地质灾害体的蠕动速率是很小而且稳定的，当突然增大时预示着灾害的即将到来。由于全球 卫星定位系统（GPS）的差分精度达毫米级，可以满足对蠕动灾体测的精度要求。因此，利 用卫星定位系统可以全过程地进行地质灾害动态监测，在此基础上有效地行地质灾害的预测、预报甚至临报和警报。 3 遥感技术在地质灾害中的应用
探讨基于遥感技术的城市建设变迁动态监测
探讨基于遥感技术的城市建设变迁动态监测 摘要该文探讨在城市建设中如何运用遥感和GIS技术对城市建设情况进行监测，基本出发点是：以RS、GIS、数据库、技术为支撑，基于高分辨率卫星遥感影像数据图像处理技术为基础，获取城市扩张用地信息，通过对比分析不同时期的城市用地的变化情况，对城市建设实施监测，为有关部门提供及时、准确、有效和权威的基于城市建成区的监测管理和决策支持，同时也可为社会和公众提供必要的信息服务。 关键词遥感；地理信息系统；城市建设；动态监测 近年来，随着黑龙江某市持续快速增长，城市化进程的加快，旧城改造、新城建设的浪潮席卷全市域，城市规模迅速膨胀，随着城市建设用地量逐年增大，城市急速扩张导致城市用地结构发生明显变化。为了监测和整治城市化过程中带来的一系列环境问题，及时、准确地掌握城市建成建设的范围、质量、分布及其变化趋势，直接关系到国民经济的持续发展与规划。遥感技术在城市动态监测过程中的应用，不仅为政府部门提供相对完整、全面、具体的城市变化信息，也为政府的管理提供事实依据[1-5]。 1 监测目标范围 城市建设建成区范围的定义：建成区概念是指城市行政范围内，实际建成或正在建设的、相对集中分布的地区，包括市区集中连片的部分，以及分散到近郊区内、但与城市有着密切联系的其他城市建设用地，城市近郊的一些建成地段，尽管未同市区连成一片，但同市区的联系十分密切，已成为城市不可分割的一部分，也可视作城市建成区[6-7]。 该文监测具体时间段和范围：针对城市规划标准（GB/T50280）对城市建成区和开发区分的定义，确保调查结果的真实可靠，特利用遥感影像对该市市内6区、环城4区的中心城区以及各类开发区等区域的范围和面积进行统计核定。监测时间为2008年至2012年的变化。 2 遥感监测所用的资料 监测用的遥感影像数据的是2012年和2016年的8月SPOT-5卫星遥感影像，需要先期对遥感影像做处理，遥感影像数据处理工作包括纠正、融合、配准、镶嵌、分类等处理。SPOT5的数据参数如下表[8]。 3 遥感技术进行城市建设变化监测方法 城市遥感动态变化监测一般有2种方法。第一种是目视解译：直接在遥感影像判读，可以叠加地形图等辅助信息进行精确判读。第二种是计算机信息提取：这里主要是运用遥感图像的计算机分类技术（监督和非监督分类）进行计算机自
土地动态监测中遥感信息技术与地理信息系统
土地动态监测中遥感信息技术与地理信息系统 发表时间：2018-08-21T12:06:46.703Z 来源：《建筑学研究前沿》2018年第6期作者：关国银 [导读] 本文就从土地动态监测中遥感信息技术与地理信息系统的应用展开分析。 广东省国土资源测绘院 510630 摘要：在我国土地资源保护和合理利用的国策引领和规划之下，我们要充分运用遥感信息技术和地理信息系统，实现对土地资源动态变化的实时监测，以及时地掌握土地资源的变更信息，合理地评价土地资源变化在空间上的分布，在先进科技技术的充分、全面运用条件下，快速、准确地获取土地资源的动态变化信息，从而为土地管理部门提供有益的参考和依据，为区域经济的可持续发展提供现实效用。基于此，本文就从土地动态监测中遥感信息技术与地理信息系统的应用展开分析。 关键词：土地动态监测；遥感信息技术；地理信息系统 1、地理信息系统及遥感信息技术概述 遥感信息技术主要是运用遥感器装置，实现由空中对地面物体的探测，它可以基于不同物体对波谱的不同的响应原理，实现对地面不同物体的辨识和区分，从而可以获得遥远感知事物的能力，如图1所示。具体来说，遥感信息技术是利用遥感器装置对地面物体自身的电磁波、可见光、红外线等目标物体，实现测控和辨识，它主要是通过对遥感信息的获取、传输、存储和处理，实现远距离的感知。其应用装置有照相机、电视摄像机、多光谱扫描仪、成象光谱仪、微波辐射计、合成孔径雷达等。这项技术可以广泛应用于军用和民用领域，可以极大提升遥感器的分辨率，实现全天候的作业，在极强的抗干扰能力下实现遥感。地理信息系统也称GIS系统，它是以计算机网络技术为依托，对地理分布数据实现有效的、实时的采集、存储、运算、分析和显示，它以地理数据库为核心，实现数据管理的规范化和标准化。在这个GIS系统之中，主要的装置设备包括有：数据采集装置、人机图形交互装置、中央处理装置、数据存储装置、图形输出装置等。地理信息系统广泛地应用于房地产、公共卫生、军事、景观建筑、物流等领域，并在与移动电子装置整合的条件下，具有极为广阔的发展前景。 2、研究现状分析 2.1国外研究现状 在二十世纪六十年代，加拿大就提出了数字计算机处理土地数据的理念，并运用遥感信息技术和地理信息系统，实现对土地利用地图的叠加和面积的测量、计算。到了九十年代，运用计算机遥感信息技术和地理信息系统建构了土地利用变化模型，用于对土地利用变化的预测和分析，并逐渐认识到土地利用变化模型是遥感信息技术的应用方向之一，基于这一认识的不断深入，土地利用变化项目及科学规划开始突显出其国际性的影响力量。随后，土地利用变化模型又深入建构了不同尺度、不同内容的分析模型，使之更为规模化和综合化。联合国环境规划署随后开启了“欧洲和北亚土地利用变化模拟”研究项目。美国也将土地利用变化作为研究的重要领域。日本也运用遥感信息技术开启了土地利用灌溉变化核心项目。由此可见，在国际范围内的遥感信息技术与地理信息系统的启动项目，极大地推动了土地动态监测的发展。在对土地利用变化的研究进程中，研究学者从不同的角度对其加以了分析，并提出了预测模型和方法学，使之能够更好地实现对数学模型和数据系统的整合。 2.2国内研究现状 我国在“八五”和“九五”期间，通过对遥感信息技术和地理信息系统的科学研究，积累了相当丰富的经验，并实现了对全国范围内的土地资源的遥感预测。在近些年以来，我国重点对一些热点地区的土地利用变化情况进行了更新研究，并对土地利用的驱动转换机制加以深入的研究，通过遥感信息技术和地理信息系统的预测，更好地分析我国土地利用变化对生态环境的影响，从而更好地为我国社会经济的可持续发展提供有益的参考和依据。在我国不断深入研究土地动态监测的过程中，对全国范畴内的土地利用变化研究现状如下：2000年，运用遥感影像预测和分析宁夏回族自治区的土地动态变化；2004年，运用遥感信息技术对青岛市、苏州市的土地动态变化进行了分析等。
eCognition遥感信息变化监测
eCognition产品 eCognition套件提供了三种不同的组件，它们可以单独或结合起来解决影像分析任务。特点与优点 1.优良的基于对象的影像分析工具和算法集合 2.针对特定的用户的不同客户端版本 3.直观的开发环境 4.现有的工作流程的完全整合 5.从单一的桌面版扩展到企业产品工作流程 6.软件开发工具包(SDK) 7.在线访问规则集资源 8.易于使用的工作流程向导 9.全面的管理工具集 eCognition Developer eCognition的基础 eCognition Developer是一个强大的面向对象的影像分析开发环境。它用来在地球科学领域开发规则集(或为eCognition Architect开发应用程序)以做到遥感数据的自动分析。 特点与优点 1.优良的面向对象的影像分析工具和算法的集合 2.分析栅格、矢量和点云数据 3.两种启动模式——快速使用的QuickMap模式与传统的Developer模式
4.直观的开发环境 5.从单一的桌面版扩展到企业产品工作流程 6.软件开发工具包(SDK) 7.在线访问规则集资源 产品亮点 优良的面向对象的影像分析工具和算法 针对图像分析的不同方面，Definiens Developer提供了一个全面的算法集合。用户能从各种分割算法中进行选择，如多分辨率分割、四义树分割或棋盘分割。分类算法的范围包括基于采样的最邻近法、模糊逻辑隶属函数或专门上下文驱动分析。层操作算法允许应用面对象元的过滤器，如坡度、坡向、边缘提取或用户自定义的层计数。 直观的开发环境 图形用户界面灵活地显示了任何影像数据源。简单的拖放功能，能够让那些没有任何编程技能的用户为标准化分析进行快速开发规则集和应用软件。即使是最高级的任务，高级用户也能利用强大的工具来解决。 自动化和生产 在eCognition Architect中建立一个应用程序后，它可以被存储，并能扩展eCognition