摘要 近几十年来，土地覆盖变化检测一直是3S领 域一个较为活跃的研究方向，虽然得到过很 多成功应用，但仍面临诸多挑战。本文从变 化检测的五个基本步骤出发总结了变化检测 技术的发展现状，重点对比分析了目前常用 的变化检测方法。为促进土地覆盖变化检测 的深入研究，本文还探讨了变化检测所面临 的困难和发展趋势。 关键词 土地覆盖；变化检测；多源数据；面向对象 影像分析
引言
土地覆盖变化检测，简言之，就是根据 对同一物体或现象不同时间的观测来确定地 表覆盖变化的处理过程[1]。
随着社会、经济和科学技术的快速发 展，人类对地表景观的开发、利用以及引 起的土地覆盖变化已经成为全球环境变化 的主要原因。为此，国际地圈/生物圈计划 （IGBP）和全球环境变化中的人文领域计 划（HDP）于1995年联合提出“土地利用 与土地覆盖变化”（Land use and land cover change，LUCC）研究计划。时至今 日，土地覆盖变化仍是全球变化研究的前沿 和热点。
从方法策略的角度来看，有学者发现 [11,12,13]：在不同尺度、特征和方法下得出的 检测结果之间通常具有互补性，用一种策略 检测不到的变化往往可以用另一种策略检测 出来。在吸收模式识别理论和数据挖掘技术 精华的基础上研究多尺度、多特征、多方法 变化检测的融合策略，对于提高变化检测结 果的可靠性与实现变化检测的自动化智能化 具有深远意义。
International Journal of Remote Sensing，2004， 25(12)：2365-2407. [8]邸凤萍.基于面向对象的支持向量机高分辨 率遥感影像变化检测方法研究[D].中国科学院 遥感应用研究所,2008. [9]张雨霁,李海涛,顾海燕等.基于决策树 的面向对象变化信息自动提取研究[J].遥 感信息,2011,(2):91-94,97.DOI:10.3969/ j.issn.1000-3177.2011.02.016. [10]李德仁.利用遥感影像进行变化检测[C]， 2004. [11]霍春雷,程健,卢汉清等.基于多尺度 融合的对象级变化检测新方法[J].自动化 学报,2008,34(3):251-257.DOI:10.3724/ SP.J.1004.2008.00251. [12]王文杰,赵忠明,朱海青等.面向对象特征 融合的高分辨率遥感图像变化检测方法[J]. 计算机应用研究,2009,26(8):3149-3151. DOI:10.3969/j.issn.1001-3695.2009.08.102. [13]申邵洪,赖祖龙,万幼川等.基于融合 的高分辨率遥感影像变化检测[J].测绘通 报,2009,(3):16-19,23. [14]Benz U;Hoffman P;Willhauck G.Multiresolution,object-oriented fuzzy analysis of remote sensing data for GIS-ready information[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2004,58(3/4):239-258.DOI:10.1016/ j.isprsjprs.2003.10.002. [15]王文杰.面向对象的高分辨率遥感图像变 化检测方法研究[D].中国科学院遥感应用研究 所,2009.
参考文献 [1]DEER P. Digital Change Detection Techniques: Civilian and Military Application[M]. London: Taylar&Francis,1999. [2]WEBER，P. Initial performance validation for the multispectral thermal imager[C]//Proceedings of SPIE，2000,4030:2-9. [3]周启鸣.多时相遥感影像变化检测综述[J].地 理信息世界,2011,09(2):28-33. [4]万里红,施艳丽,杨武年等.基于AutoSync的 快速影像配准研究[J].测绘,2010,33(3):103105,132. [5]ELVIDGE，C.D.，YUAN，D.，WEERACKOON， R.D. and LUNETTA，R.S. Relative radiometric normalization of Landsat Multispectral Scanner(MSS) data using an automatic scattergram-controlled regression[J].Photogrammetric Engineering and Remote Sensing，1995，61：1255-1260. [6]SINGH，A. Digital change detection techniques using remotely-sensed data[J].International Journal of Remote Sensing，1989,10(6)：989-1003. [7]LU D.，MAUSEL.，P.，BRONDIZIO，E. and MORAN，E. Change detection techniques[J].
3 土地覆盖变化检测的发展趋势
变化检测的困难主要体现在两个方面： 从理论上看，变化检测是一个不完备的信息 反演问题，目前仍缺乏系统的理论基础研 究。从实践上看，现有的变化检测方法主要 是面向具体应用提出来的，其中的许多步骤 和参数需要依靠经验指导，自动化程度偏 低。
针对这些问题，未来的土地覆盖变化检 测应具有以下特点：
表1 变化检测方法分类与比较
面向对象影像分析技术早在20世纪70年 代就应用于遥感影像的解译中，它是结合了 GIS和遥感两大工具的一种新型地学分析工 具。近年来的研究与应用已经证明[8,9,11,12]： 面向对象影像分析能很好的与传统变化检测 方法以及多源数据相结合，基于面向对象的
-36-
变化检测方法明显优于传统的像素级变化检 测方法（检测精度更高，方法更自动化且能 有效抑制“椒盐”现象），其结果可直接进 行变化检测的定量分析。
本文在归纳总结变化检测技术现状的基 础上，分析了变化检测的基本流程，重点对 比分析了目前常用的变化检测方法，并针对 变化检测面临的困难探讨了未来变化检测的 发展趋势。
1 土地覆盖变化检测的基本流程
变化检测的工作流程一般包含数据输 入、数据预处理、特征提取、变化检测和精 度评估5个ห้องสมุดไป่ตู้本步骤（如图1所示）。
1.4 变化检测 目前提出的变化检测方法很多，各国学 者从不同的角度进行了总结归类。 早期的学者将变化检测分为图像直接比 较法和分类后比较法[6]。其后有学者根据变 化检测的信息层次把变化检测分为像素级、 特征级和决策级。目前采用最多的是根据变 化检测所采用的数学方法种类而提出的7类 划分法[7]。国内学者周启鸣（2011）从变化 检测的本质策略出发将变化检测方法归类 为：直接比较法、分类比较法、面向对象比 较法、模型法、时间序列分析法、可视化法
此外，还应根据检测对象的时相变化特 点来确定数据获取的频率，如若干年一次、 若干季一次或若干月一次等。相关研究表 明，最小3～4年的时间周期才能用来较为精 确地检测土地变化，提高时间间隔如1～2年 检测结果会更优[3]。用来对比的空间数据应 尽可能处于不同时期的相同或相近月份和时 刻，以消除太阳高度角、季节和物候差异的 影响。
从数据源的角度来看，将多分辨率遥感 影像及其他GIS数据集成起来处理分析能有 效弥补单纯依靠光谱识别变化的不足，提高 变化检测数据的完备程度。
从处理过程的角度来看，需要将影像配 准与变化检测当作一体来处理。进一步考虑 到立体影像的情况，可将立体参数解算、配 准、三维重建等与变化检测一体化处理，解 决目前配准与其他步骤割裂造成的误差积累 与扩散问题[10]。
从精度评估的角度来看，有必要建立 一个标准的精度评估体系，将每个步骤对最 终结果的影响（即产生的误差）转化为相同 （或具有可比性）的指标，为变化检测技术 /方法的自动比较与智能选取铺平道路。
综上所述，未来土地覆盖变化检测的发 展趋势可概括为以自动化和智能化为目标的 “数据集成化”、“过程一体化”、“方法 融合化”以及“评价标准化”。其中，面向 对象的多尺度、多特征、多方法融合的变化 检测最具发展潜力。
和混合法。 变化检测方法的分类及其典型代表和优
缺点如表1所示。
1.5 精度评估 变化检测的精度依赖许多因素，D.LU 等（2004）将其归结为8个方面：图像几何 配准精度、辐射校正或归一化精度、对地面 情况的了解程度、研究区域的复杂程度、变 化检测方法、分类和变化检测方案、分析技 能和经验以及时间经费的限制等。其中，几 何配准、辐射校正和变化检测方法对结果的 影响最大。 总体而言，目前变化检测的精度评估主 要是基于像素级的，过度依赖“变化真值” 的获取，其中误差矩阵和Kappa系数评价方 法最成熟最常用；对如长时间序列影像变化 检测这种难以获取变化真值的情况需加强研 究；缺乏特征级的评估方法；针对面向对象 变化检测技术的精度评估研究几乎是空白。
1.2 数据预处理 变化检测对数据的预处理要求较高。非 遥感图像数据的预处理包括数据格式转换、 矢量化采集、专题数据抽取以及坐标系转换 等。 遥感图像预处理则包括图像增强与滤 波、图像裁剪、图像镶嵌、几何校正和辐射 校正。其中几何校正与辐射校正对变化检测 结果的影响最大，因此最为关键。 几何校正大都以一期影像为参考直接对 其他影像进行相对几何配准，使用ERDAS 软件的AutoSync模块功能可实现配准的 自动化和批量化处理[4]。Jensen（1987） 认为对于航空遥感影像2.26个像素的配准 精度就足够了；而Townshend（1992）用 LandsatMSS数据进行的定量研究表明，要 获得90%的检测精度，配准精度要小于0.2 个像素。虽然目前关于几何校正对变化检测 精度的影响缺乏全面深入的研究，但通常认 为各时相影像之间的相对位置误差（均方根 误差）小于1个像素可以接受，最好应小于 0.5个像素。 辐射校正方法分为绝对辐射校正和相对 辐射校正两种类型[5]。由于测量大气参数和 地面目标昂贵且不切实际，尤其对于历史数 据几乎不可能做到，所以一般采用相对辐射 校正。其中，直方图匹配法和图像回归法最 为常用。