面向对象变化检测技术在林地分析中的应用

熊 静

(辽宁省林业调查规划监测院，辽宁 沈阳 110122)

森林资源的变化对于生态环境、气候变化和生物多样性等都有重要影响。全面、精确、迅速地掌握森林资源的种类、数量以及生长情况等信息，能够为国家及林业部门科学合理地经营管理森林资源提供数据基础，对森林的可持续发展具有重要意义[1]。随着遥感技术的发展，遥感影像以其覆盖范围广、快速性及可重复性等特点，在森林资源监测中得到广泛应用[2]。本文提出了采用面向对象的遥感变化检测技术来自动识别和提取森林资源变化信息，实现森林资源监测的目的。

1 变化检测概述

遥感变化检测是指利用不同时间段的遥感数据来定性或定量地分析地表覆盖变化。基于遥感变化检测方法大致归纳总结为目视解译法、直接提取信息法和分类后比较法。分类后比较法是对每一时相影像单独分类，然后对分类结果进行比较，若比较目标的类别属性相同，则认为该目标没有发生变化，否则判断为变化，是运用最为广泛的一种检测手段。

2 技术路线

面向对象的分类后变化检测具体方法为：第一步对影像进行预处理，使得两期影像的地理位置一致，保证数据的空间可比性；第二步对两期影像分别进行多尺度分割，获取影像对象；第三步分析不同地物的光谱特征、纹理特征、专题指数特征等，选取有利于地物分类提取的特征指标，对影像对象选择样本进行训练或者特征提取建立分类规则进行分类及精度评价；最后根据两期影像的分类结果利用叠加分析的原理，提取出变化信息进行结果分析。具体流程如图1所示。

图1 分类后变化检测流程图

3 变化监测实例

3.1 数据源与试验平台

试验数据是铁岭市清河林场的高分一号影像，由国家林业和草原局提供的经过辐射校正、大气校正、图像融合等处理之后的标准假彩色影像，季节为秋季，时相分别为2015年9月和2017年9月。

研究的内容主要以eCognition软件为依托，自主定制算法，同时结合ENVI、ARCGIS等3S软件。eCognition Developer是由德国Definiens Imaging公司开发的一个强大的面向对象的影像分析软件，主要用于地物目标的信息提取，提出了多尺度分割的算法和面向对象的分类方法，充分挖掘对象的影像特征，在很大程度上提高了高分辨率遥感影像信息提取的精度和自动化程度。

3.2 影像预处理

以2015年影像为参考影像，对2017年影像进行配准，保证两幅影像的地理位置保持一致，不会出现“双眼皮”，为后续变化检测提供更准确的数据基础。

3.3 影像分割与分类

观察两期影像，将试验区的地物主要分为森林、非森林、水体、非林地4大类。其具体的分割和分类层次如下：

Level 1层：主要区分植被与非植被。植被指数是区分植被与非植被最典型的特征，因此仅用植被指数特征就可以将两者区分开，因此采用隶属度函数分类。

Level 2层：主要区分植被里的森林和非森林，非植被里的水体和非水体。而对于森林与非森林，森林在影像上颗粒感比较明显，非森林比较平滑，纹理特征能很好地将二者区分开，且纹理的同质性越小，森林的可能性就大，因此隶属度函数采用小于。

Level 3层：主要区分非森林里的非林地和无林地。裸地和林业中的无林地在光谱和纹理方面具有相似性，因此采用最邻近分类法。

Level 4层：将Level1、Level2、Level3的分层分类结果进行融合。

在eCognition软件中，设置好分割分类参数和分类方法，对2015年和2017年研究区影像进行分层分类，得到的分类结果和精度评价结果如图2所示。

图2 两期影像分类结果

3.4 变化检测与分析

两期影像分类完成且满足精度条件后，就可以进行变化检测。

检测完成后，分别选取变化样本25个，未变化样本120个，与人工解译和现地核实调查的结果对比。精度评价结果见表1。

表1 变化检测精度评价

将变化检测结果中面积小于667 m2的删掉，得到最终检测结果。与两期林地一张图变化图斑进行叠加，效果见图3。

图3 分类后变化检测与林地一张图林地变化结果叠加图

从图3可以看出，检测结果和林地一张图变化存在差异，经过实地调查，发现前期年度变更工作不彻底，因此变化检测结果可作为林地变更工作的检查手段之一。其次根据变化检测的变化类型，发现林地变成非林地的，一张图却误判为林地变成无林地，因此检测结果可作为乱砍滥伐和违法占地的检测手段之一。

4 小 结

遥感技术在森林资源变化监测方面已有很长历史，但在实际工作中大多还是基于人工解译，本文采用面向对象的分类后变化监测方法，能将森林资源变化信息自动提取出来，节省了大量野外调查成本以及人力物力；检测结果直观显示了森林资源变化的情况，为森林督查暨森林资源管理“一张图”年度变更提供依据。