基于集成学习的海岸带变化检测方法研究

王娟,赵吉祥,单春芝,高晓慧

(1.国家海洋局北海环境监测中心 青岛 266000;2.中国石油大学(华东)海洋与空间信息学院 青岛 266000)

0 引言

海岸带地区资源丰富,区位优势明显,人类生产生活和经济活动相对密集,但该地域海陆相互作用复杂,生态环境脆弱。随着经济的快速发展,海岸带地区的各类生产建设活动日益频繁,对资源环境造成了巨大压力[1]。随着全国海岸带监督管理的不断加强,各省市分别出台相应的海岸带开发利用及保护等条例,海岸带及海域使用监管空前严格。在我国自主研发的卫星组网不断完善的背景下,高时空分辨率的海岸带及海域使用动态变化监测已成为高效的监管手段[2]。现有的业务体系大多采用目视解译方法,亟须开展相关的自动化变化监测来提高工作效率和准确度。

变化检测能够从不同时期的遥感影像中确定地表的变化,自遥感技术诞生以来一直是众多学者研究的焦点问题之一。李德仁[3]对比分析了7种变化检测常用的手段,指出自动变化检测是未来发展的方向。国内外学者提出了大量的算法模型,从变化信息提取的角度主要分为阈值法、机器学习和深度学习3种方式。阈值法是指直接利用阈值分割差异影像从而提取变化信息,如魏立飞等[4]基于融合后的影像进行自适应阈值确定,提取变化信息。Chehata N等[5]利用均值漂移分割算法提取风暴后的受灾信息。阈值法简单易行,但是在复杂情况下难以用一个单一的阈值提取变化信息,精度受限。……