结合相关系数和特征分析的植被区域自动变化检测研发

doi:10.6046/zrzyyg.2021001

摘要
图/表
参考文献
相关文章
Metrics

全文: PDF(6304 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

地表变化检测是遥感大数据应用的重要内容,为此以植被区域为研究对象,结合相关系数和特征分析提出图斑级自动变化检测应用方法并研发软件。该方法结合光谱和纹理特征构建地物相关系数,采用相似性度量方式进行植被区域的变化检测; 然后通过分析植被与其他地物类型之间的光谱差异,选择红光波段比值进行伪变化去除; 最后基于.NET框架和ArcGIS Engine二次开发组件库,设计研发了一款变化检测工具软件。导入实验数据进行变化检测,实验结果表明软件的变化检测达到94.3%的正确率和8.5%的漏检率,相对人工交互解译,软件自动化水平较高。研究结果表明所提方法和软件具有良好的应用价值。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	潘建平
	徐永杰
	李明明
	胡勇
	王春晓

关键词 ：变化检测, 相关系数, 植被, 图斑, 特征分析

Abstract：

Surface change detection is an important component of the applications of remote sensing big data. However, it is essentially subject to manual interactive interpretation in actual production. With this regard, this paper developed an application method and software for the automatic detection of changes in vegetation regions on a polygon scale using correlation coefficients and feature analysis. The details are as follows. Correlation coefficients of surface features were constructed using spectral and textural features, and then the changes in vegetation regions were detected using the similarity measurement method. According to the analysis of spectral differences between the vegetation and other types of surface features, the red band ratio was selected to remove spurious changes. Finally, the change detection software was designed and developed using the.NET framework and the ArcGIS Engine component library for secondary development. Test data were imported into the software for change detection. The test results show the accuracy rate and omission rate of the software in the change detection were 94.3% and 8.5%, respectively. Furthermore, the software has a higher automatic level compared to manual interactive interpretation. In conclusion, the method and software developed in this study can be widely applied.

Key words： change detection correlation coefficient vegetation patch feature analysis

收稿日期: 2021-01-05 出版日期: 2022-03-14

ZTFLH:

TP79

基金资助:国家自然科学基金项目“智能手机辅助的多测站地面激光扫描森林调查方法研究”编号(41801394);重庆市规划和自然资源局科技项目“面向城镇新增建设用地的遥感智能变化发现研究与应用”编号(KJ-2020010);贵州省地矿局2019年局管科研项目“山水林田湖草生态环境监测关键技术研究与应用——以百里杜鹃为例”共同资助编号(黔地矿科合201909)

通讯作者: 徐永杰

作者简介: 潘建平(1976-),男,博士,教授,主要研究方向为摄影测量与遥感。Email: 6370554@qq.com。

引用本文:

潘建平, 徐永杰, 李明明, 胡勇, 王春晓. 结合相关系数和特征分析的植被区域自动变化检测研发[J]. 自然资源遥感, 2022, 34(1): 67-75.
PAN Jianping, XU Yongjie, LI Mingming, HU Yong, WANG Chunxiao. Research and development of automatic detection technologies for changes in vegetation regions based on correlation coefficients and feature analysis. Remote Sensing for Natural Resources, 2022, 34(1): 67-75.

链接本文:

https://www.gtzyyg.com/CN/10.6046/zrzyyg.2021001 或 https://www.gtzyyg.com/CN/Y2022/V34/I1/67

Fig.1 技术路线

Fig.2 伪变化区域

Tab.1 各地物像元统计特征

Fig.3 功能设计

Fig.4 软件主界面

Fig.5 原始数据

Fig.6 不同变化阈值检测结果

Fig.7 伪变化去除检测结果

Fig.8 阈值组合检测结果

Fig.9 漏检图斑对比

Fig.10 β=0.9时阈值组合分析

Fig.11 β=1.0时阈值组合分析

Fig.12 β=1.1时阈值组合分析

Tab.2 变化检测结果精度评价

[1]	李亮, 舒宁, 王凯, 等. 融合多特征的遥感影像变化检测方法[J]. 测绘学报, 2014, 43(9):945-953.
	Li L, Shu N, Wang K, et al. Change dectection method for remote sensing images based on multi-features fusion[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(9):945-953.
[2]	徐锐, 余小于, 张驰, 等. 融合Unet网络和IR-MAD的建筑物变化检测方法[J]. 自然资源遥感, 2020, 32(4):90-96.doi: 10.6046/gtzyyg.2020.04.13. doi: 10.6046/gtzyyg.2020.04.13
	Xu R, Yu X Y, Zhang C, et al. Building change detection method combining Unet and IR-MAD[J]. Remote Sensing for Land and Resources, 2020, 32(4):90-96.doi: 10.6046/gtzyyg.2020.04.13. doi: 10.6046/gtzyyg.2020.04.13
[3]	航天宏图. 耕地保护“非农化”“非粮化”——政策篇[EB/OL].(2020-12-18). http://www.piesat.cn/news/dongtai/1801.html.
	PIESAT. Cultivated land protection “non-agriculturalization” and “non-graining”-policy chapter[EB/OL].(2020-12-18). http://www.piesat.cn/news/dongtai/1801.html.
[4]	王晓东, 何浩, 侯东, 等. 基于TM图像的农业区域植被覆盖变化检测[J]. 自然资源遥感, 2012, 93(2):92-97.doi: 10.6046/gtzyyg.2012.02.17. doi: 10.6046/gtzyyg.2012.02.17
	Wang X D, He H, Hou D, et al. Vegetation cover change detection in the cropping area based on TM image[J]. Remote Sensing for Land and Resources, 2012, 93(2):92-97.doi: 10.6046/gtzyyg.2012.02.17. doi: 10.6046/gtzyyg.2012.02.17
[5]	梅树红, 范城城, 廖永生, 等. 结合光谱和纹理特征的林地变更检测[J]. 测绘通报, 2019(8):140-143.
	Mei S H, Fan C C, Liao Y S, et al. Forestland change detection based on spectral and texture features[J]. Bulletin of Surveying and Mapping, 2019(8):140-143.
[6]	Nielsen A A, Conradsen K, Simpson J J. Multivariate alteration detection (MAD) and MAF postprocessing in multispectral,bitemporal image data:New approaches to change detection studies[J]. Remote Sensing of Environment, 1998, 64(1):1-19. doi: 10.1016/S0034-4257(97)00162-4
[7]	Nielsen A A. The regularized iteratively reweighted MAD method for change detection in multi- and hyperspectral data[J]. IEEE Transactions on Image Processing, 2007, 16(2):463-478. doi: 10.1109/TIP.2006.888195
[8]	黄恺, 毛政元. 基于时空自相关的植被变化检测[J]. 遥感信息, 2016, 31(3):37-44.
	Huang K, Mao Z Y. Vegetation change detection using spatiotemporal autocorrelation index[J]. Remote Sensing Information, 2016, 31(3):37-44.
[9]	李雪, 舒宁, 王琰. 利用向量相似性进行基于像斑的土地利用变化检测[J]. 遥感信息, 2009(6):7-10,19.
	Li X, Shu N, Wang Y. Segment-based land use change detection using the similarity of vector[J]. Remote Sensing Information, 2009(6):7-10,19.
[10]	冯林艳, 谭炳香, 王晓慧, 等. 基于分布函数的对象级森林变化快速检测[J]. 自然资源遥感, 2020, 32(2):73-80.doi: 10.6046/gtzyyg.2020.02.10. doi: 10.6046/gtzyyg.2020.02.10
	Feng L Y, Tan B X, Wang X H, et al. Object-oriented rapid forest change detection based on distribution function[J]. Remote Sensing for Land and Resources, 2020, 32(2):73-80.doi: 10.6046/gtzyyg.2020.02.10. doi: 10.6046/gtzyyg.2020.02.10
[11]	张春森, 吴蓉蓉, 李国君, 等. 面向对象的高空间分辨率遥感影像箱线图变化检测方法[J]. 自然资源遥感, 2020, 32(2):19-25.doi: 10.6046/gtzyyg.2020.02.03. doi: 10.6046/gtzyyg.2020.02.03
	Zhang C S, Wu R R, Li G J, et al. High resolution remote sensing image object change detection based on box-plot method[J]. Remote Sensing for Land and Resources, 2020, 32(2):19-25.doi: 10.6046/gtzyyg.2020.02.03. doi: 10.6046/gtzyyg.2020.02.03
[12]	Walter V. Object-based classification of remote sensing data for change detection[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2004:225-238.
[13]	Zomeni M, Tzanopoulos J, Pantis J D. Historical analysis of landscape change using remote sensing techniques:An explanatory tool for agricultural transformation in Greek rural areas[J]. Landscape and Urban Planning, 2008, 86(1):38-46. doi: 10.1016/j.landurbplan.2007.12.006
[14]	王琰, 舒宁, 龚龑. 高分辨率遥感影像土地利用变化检测方法研究[J]. 自然资源遥感, 2012, 92(1):43-47.doi: 10.6046/gtzyyg.2012.01.08. doi: 10.6046/gtzyyg.2012.01.08
	Wang Y, Shu N, Gong Y. A study of land use change detection based on high resolution remote sensing images[J]. Remote Sensing for Land and Resources, 2012, 92(1):43-47.doi: 10.6046/gtzyyg.2012.01.08. doi: 10.6046/gtzyyg.2012.01.08
[15]	佃袁勇, 方圣辉, 姚崇怀. 多尺度分割的高分辨率遥感影像变化检测[J]. 遥感学报, 2016, 20(1):129-137.
	Dian Y Y, Fang S H, Yao C H. Change detection for high-resolution images using multilevel segment method[J]. Journal of Remote Sensing, 2016, 20(1):129-137.
[16]	眭海刚, 冯文卿, 李文卓, 等. 多时相遥感影像变化检测方法综述[J]. 武汉大学学报(信息科学版), 2018, 43(12):1885-1898.
	Sui H G, Feng W Q, Li W Z, et al. Review of change detection methods for multi-temporal remote sensing imagery[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12):1885-1898.
[17]	王佳. 基于时空自相关的建筑物变化检测[J]. 测绘与空间地理信息, 2020, 43(2):44-48.
	Wang J. Building change detection based on spatio-temporal autocorrelation[J]. Geomatics and Spatial Information Technology, 2020, 43(2):44-48.
[18]	王晓慧, 谭炳香, 李世明, 等. 基于面向对象多特征变化向量分析法的森林资源变化检测[J]. 林业科学研究, 2021, 34(1):98-105.
	Wang X H, Tan B X, Li S M, et al. Object-oriented forest change detection based on multi-featurechange vector analysis[J]. Forest Research, 2021, 34(1):98-105.
[19]	佟国峰, 李勇, 丁伟利, 等. 遥感影像变化检测算法综述[J]. 中国图象图形学报, 2015, 20(12):1561-1571.
	Tong G F, Li Y, Ding W L, et al. Review of remote sensing image change detection[J]. Journal of Image and Graphics, 2015, 20(12):1561-1571.
[20]	宋翔, 颜长珍. 基于知识库的像斑光谱向量相似度土地覆盖变化检测方法[J]. 生态学报, 2014, 34(24):7175-7180.
	Song X, Yan C Z. Land cover change detection using segment similarity of spectrum vector based on knowledge base[J]. Acta Ecologica Sinica, 2014, 34(24):7175-7180.
[21]	潘建平, 张定凯, 徐正宣, 等. 面向地理国情监测的植被区域变化发现研究——以重庆市璧山区为例[J]. 计算机应用与软件, 2020, 37(6):114-118,141.
	Pan J P, Zhang D K, Xu Z X, et al. Vegetation region change discovery for national geographical conditions monitoring:Taking Bishan District in Chongqing as an example[J]. Computer Applications and Software, 2020, 37(6):114-118,141.
[22]	杨晟, 李学军, 刘涛, 等. 高分辨率遥感影像匹配中的相似性度量综述[J]. 测绘与空间地理信息, 2013, 36(5):16-21,25,28.
	Yang S, Li X J, Liu T, et al. A review on matching and similarity measures for high resolution remote sensing imagery[J]. Geomatics and Spatial Information Technology, 2013, 36(5):16-21,25, 28.
[23]	Shabnam J, Mohammad R, Fatemeh F, et al. Multispectral change detection using multivariate Kullback-Leibler distance[J]. Photogrammetry and Remote Sensing, 2019(147):163-177.
[24]	韩鹏鹏, 黄进良, 王立辉, 等. 长汀县土地覆被变化检测及植被演替趋势监测[J]. 测绘科学, 2014, 39(4):55-60.
	Han P P, Huang J L, Wang L H, et al. Change detection of land cover and trend monitoring of vegetation succession for Changting County[J]. Science of Surveying and Mapping, 2014, 39(4):55-60.
[25]	金靖. 基于ArcGIS_Engine的地理信息系统二次开发原理和方法[J]. 测绘与空间地理信息, 2012, 35(3):46-49.
	Jin J. The principle and method of secondary developmentof GIS based on ArcGIS Engine[J]. Geomatics and Spatial Information Technology, 2012, 35(3):46-49.

[1]	董婷, 符潍奇, 邵攀, 高利鹏, 武昌东. 基于改进全连接条件随机场的SAR影像变化检测[J]. 自然资源遥感, 2023, 35(3): 134-144.
[2]	方贺, 张育慧, 何月, 李正泉, 樊高峰, 徐栋, 张春阳, 贺忠华. 浙江省植被生态质量时空变化及其驱动因素分析[J]. 自然资源遥感, 2023, 35(2): 245-254.
[3]	闫涵, 张毅. 利用GF-6影像结合国土“三调”开展西部地区县域自然资源调查[J]. 自然资源遥感, 2023, 35(2): 277-286.
[4]	庞鑫, 刘珺. 气候变化对亚洲地区植被NDVI变化的影响[J]. 自然资源遥感, 2023, 35(2): 295-305.
[5]	秦乐, 何鹏, 马玉忠, 刘建强, 杨彬. 基于时空谱特征的遥感影像时间序列变化检测[J]. 自然资源遥感, 2022, 34(4): 105-112.
[6]	孟琮棠, 赵银娣, 韩文泉, 何晨阳, 陈锡秋. 基于RandLA-Net的机载激光雷达点云城市建筑物变化检测[J]. 自然资源遥感, 2022, 34(4): 113-121.
[7]	张思源, 岳楚, 袁国礼, 袁帅, 庞文强, 李俊. 基于ENDVI-SI3特征空间的盐渍化反演模型及风险评估[J]. 自然资源遥感, 2022, 34(4): 136-143.
[8]	王雅婷, 朱长明, 张涛, 张新, 石智宇. 2002—2020年秦岭—黄淮平原交界带植被物候特征遥感监测分析[J]. 自然资源遥感, 2022, 34(4): 225-234.
[9]	陈艳英, 马鑫程, 徐彦平, 王颖, 汪艳波. 地形及NDVI在林火遥感监测二次识别中应用的方法探讨[J]. 自然资源遥感, 2022, 34(3): 88-96.
[10]	曾晖, 任华忠, 朱金顺, 郭金鑫, 叶昕, 滕沅建, 聂婧, 秦其明. 叙利亚战争对植被的影响[J]. 自然资源遥感, 2022, 34(3): 121-128.
[11]	朱思佳, 冯徽徽, 邹滨, 叶书朝. 2000—2019年洞庭湖流域植被NPP时空特征及驱动因素分析[J]. 自然资源遥感, 2022, 34(3): 196-206.
[12]	王界, 王光辉, 刘宇, 齐建伟, 张涛. 基于PROSPECT-VISIR模型构建新植被水分指数[J]. 自然资源遥感, 2022, 34(2): 56-62.
[13]	黄佩, 普军伟, 赵巧巧, 李忠杰, 宋浩昆, 赵筱青. 植被遥感信息提取方法研究进展及发展趋势[J]. 自然资源遥感, 2022, 34(2): 10-19.
[14]	薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[15]	李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.

Viewed

Full text

Abstract

Cited

Shared

Discussed