張 茜，劉順喜，陳 戈，王忠武，尤淑撐

(1.中國海洋大學(xué)信息科學(xué)與工程學(xué)院，青島 266100;2.中國土地勘測規(guī)劃院，北京 100035)

0 引言

借助遙感技術(shù)快速、客觀、準確等優(yōu)勢，目前我國已實現(xiàn)每年一次優(yōu)于5 m空間分辨率的土地利用動態(tài)遙感監(jiān)測，及時掌握了土地利用變化情況，特別是新增建設(shè)用地及其占用耕地、非耕農(nóng)用地等情況，有效支撐了土地衛(wèi)片執(zhí)法檢查、年度變更調(diào)查等工作的開展[1]。然而，隨著國土資源管理工作的深入，對高效率自動獲取土地利用動態(tài)變化提出了迫切要求。自動發(fā)現(xiàn)新增建設(shè)用地，為人機交互解譯變化圖斑提供靶區(qū)，是提高作業(yè)效率的重要技術(shù)途徑之一。李德仁總結(jié)了地圖更新變化檢測中可用數(shù)據(jù)源，并對基于不同多源數(shù)據(jù)的變化檢測方法進行了歸納與比較[2]。Kennedy針對不同地類、不同應(yīng)用目標，分析了土地利用/覆蓋變化檢測中多源數(shù)據(jù)的應(yīng)用潛力和方式[3]。王琰提出了基于像斑統(tǒng)計分析的高分辨率遙感影像土地利用/覆蓋變化檢測方法，使用像斑的光譜、空間、時序關(guān)系等特征進行變化檢測。葉明[5]、李磊[6]等應(yīng)用遙感圖像、地形圖、土地利用現(xiàn)狀圖等進行了縣級土地利用動態(tài)監(jiān)測的研究。以上研究充分證明了GIS數(shù)據(jù)對尤其是土地利用數(shù)據(jù)，輔助變化檢測的有效性，然而，目前針對基于土地利用數(shù)據(jù)和前、后時相遙感圖像的地塊輔助新增建設(shè)用地發(fā)現(xiàn)問題研究較少，尚不能為實際應(yīng)用提供強有力的技術(shù)參考。

本文首先梳理了地塊輔助的新增建設(shè)用地發(fā)現(xiàn)技術(shù)流程，在此基礎(chǔ)上重點分析面向地塊的光譜、植被指數(shù)、紋理、梯度、方差等不同特征用于新增建設(shè)用地高精度快速發(fā)現(xiàn)的潛力，并研究了基于不同特征組合的新增建設(shè)用地發(fā)現(xiàn)效果，以期為地塊輔助新增建設(shè)用地發(fā)現(xiàn)技術(shù)實際應(yīng)用提供依據(jù)。

1 技術(shù)方法

1.1 地塊輔助的新增建設(shè)用地發(fā)現(xiàn)技術(shù)流程

在基于土地利用數(shù)據(jù)和前后時相遙感圖像的地塊輔助新增建設(shè)用地變化發(fā)現(xiàn)中，前時相土地利用數(shù)據(jù)記錄了該時間點的土地利用現(xiàn)狀情況，數(shù)據(jù)包含了每一地塊的位置、邊界、長度/面積、地類代碼、行政區(qū)劃等內(nèi)容;前后時相遙感影像主要記錄各像素對應(yīng)地面范圍內(nèi)的光譜值，代表前、后2個時間點的土地覆蓋情況。理論上講，地塊先驗知識和遙感數(shù)據(jù)越多，新增建設(shè)用地發(fā)現(xiàn)的判斷依據(jù)越多，變化發(fā)現(xiàn)的正確概率就越大。據(jù)此，根據(jù)土地利用數(shù)據(jù)和前后時相遙感圖像的優(yōu)勢[7]，地塊輔助的新增建設(shè)用地發(fā)現(xiàn)技術(shù)流程如圖1所示。

1.2 地塊特征構(gòu)建方法

針對土地利用變化檢測，目前已研究了較多的特征構(gòu)建方法。劉臻等[8]提出基于梯度、紋理相似度驗證的變化檢測方法，袁修孝等[9]綜合應(yīng)用光譜和紋理特征進行建筑物變化檢測。然而，土地利用動態(tài)遙感監(jiān)測與土地利用變化檢測有一定的區(qū)別，前者重點關(guān)注城鄉(xiāng)結(jié)合部新增建設(shè)用地及其占用耕地、非耕農(nóng)用地等情況。通常情況下，在城鄉(xiāng)結(jié)合部，建設(shè)用地主要由大面積建筑物、水泥地、空地、小面積草地等組成;耕地在植被生長期主要由大面積植被、小面積田埂等組成;在植被收割后主要由大面積土壤組成;非耕農(nóng)用地主要由大面積園林草地或裸地以及農(nóng)業(yè)設(shè)施組成。因此，應(yīng)優(yōu)先選擇能有效區(qū)分建設(shè)用地、耕地、非耕農(nóng)用地及其包含土地覆蓋地物類型的特征。高分辨率光學(xué)圖像通常具有很多特征，地物變化在圖像上反映為光譜、指數(shù)、紋理、區(qū)域統(tǒng)計等特征的變化，而面向?qū)ο蟮乃枷敕夏恳暯庾g的思路，因此以地塊為基本單元的面向?qū)ο筇卣魇沁b感圖像變化發(fā)現(xiàn)的主要依據(jù)，下面分析幾種典型特征。

1)光譜特征。指地塊內(nèi)所有像元的灰度平均值，對于多波段影像，光譜特征數(shù)與圖像波段數(shù)相同，地塊內(nèi)光譜特征如式(1)所示，即

式中:IMGi為高分辨率光學(xué)影像IMG第i個波段的灰度值;Dij為IMGi上土地利用數(shù)據(jù)中編號為j的地塊內(nèi)的平均光譜特征;p為IMGi的像元;Ω(j)為土地利用數(shù)據(jù)中編號為j的地塊范圍。通常情況下，建設(shè)用地對各波段的反射率均較高，光譜特征值較大。對于耕地，生長期的植被對紅外波段反射率較高，光譜特征值較大，收割后土壤對各波段反射率較低，光譜特征值普遍較小。所以光譜特征能較直接地區(qū)分建設(shè)用地、耕地和非耕農(nóng)用地，用于發(fā)現(xiàn)新增建設(shè)用地效果顯著。

2)植被指數(shù)特征。是表現(xiàn)地塊內(nèi)植被覆蓋強度的重要指標。常用的歸一化植被指數(shù)(normalized differential vegetation index，NDVI)可通過近紅外與紅色波段運算獲得，即

式中:NDVIj為地塊j的平均植被指數(shù)特征;NIR為近紅外波段的反射值;RED為紅色波段的反射值;NDVI為植被指數(shù)圖像。通常來說，植被生長期的耕地由于植被較茂盛，植被指數(shù)特征值較高，植被收割后較低，非耕農(nóng)用地視地物覆蓋情況及作物生長情況，植被指數(shù)特征值差異較大。植被指數(shù)特征用于發(fā)現(xiàn)新增建設(shè)用地，也能取得顯著效果。

3)紋理特征。指地塊內(nèi)地物灰度分布的空間特征。常用的灰度共生矩陣(gray－level co－occurrence matrix，GLCM)是一種統(tǒng)計紋理分析方法[9]，通常有能量、熵、標準差、局部均勻性和對比度等紋理特征值。以地塊內(nèi)紋理對比度特征為例，計算公式為

式中:Conij表示第i波段地塊j的對比度特征;L為圖像灰度等級;GLCMij為第i波段地塊j內(nèi)的灰度共生矩陣;q1，q2分別表示灰度。對比度體現(xiàn)圖像清晰度、紋理強弱。紋理溝紋越深，視覺效果清晰，紋理對比度

圖1 地塊輔助的新增建設(shè)用地發(fā)現(xiàn)技術(shù)流程Fig.1 Flow chart of new constructed land change detection supplemented by land use data

首先，對前后時相遙感圖像進行輻射歸一化，使兩期圖像上同一位置相同地物的灰度值相近，便于后續(xù)針對變化發(fā)現(xiàn)的影像灰度特征統(tǒng)計;然后，采取面向?qū)ο蟮乃枷?，根?jù)土地利用地塊的編號，以地塊為基本單元，統(tǒng)計地塊內(nèi)前后時相影像的特征，用于特征向量構(gòu)建;最后，將每個地塊前后時相影像的全部特征組合為特征向量，計算特征向量的距離，按非監(jiān)督分類思想，通過自適應(yīng)閾值方式提取特征距離較大的地塊，實現(xiàn)新增建設(shè)用地發(fā)現(xiàn)。

從圖1可以看出，變化閾值的確定與特征距離直接相關(guān)，而特征距離又由特征構(gòu)建方法決定。因此地塊特征構(gòu)建對新增建設(shè)用地發(fā)現(xiàn)精度至關(guān)重要，為盡量消除各種干擾因素造成的“偽變化”的影響，提高變化發(fā)現(xiàn)的正確率，研究合適的特征構(gòu)建方法尤為重要。特征值越大，反之越小。耕地無論是生長期還是收割后，灰度較均一，紋理對比度特征值較小，非耕農(nóng)用地由于覆蓋類型的不同，對比度特征值差異較大。建設(shè)用地普遍表現(xiàn)為多種灰度共存，紋理不太規(guī)則。對比度通過間接統(tǒng)計值反映了圖像的清晰度和紋理脊、谷深淺程度，可以較好地判別新增建設(shè)用地居民區(qū)等特征。

4)區(qū)域統(tǒng)計特征。是指圖像局部區(qū)域內(nèi)灰度的異質(zhì)度，常用的區(qū)域統(tǒng)計特征有梯度和方差，分別為

式中:Gij表示第i波段地塊j的平均梯度特征;Gi為第i波段的梯度圖像;Varij表示第i波段地塊j的方差特征;meanij為第i波段地塊j的灰度均值。區(qū)域內(nèi)灰度的變化越劇烈，區(qū)域統(tǒng)計特征值越大，反之越小。所以梯度和方差特征可以較好地判別新增建設(shè)用地。

綜上可知，基于地塊內(nèi)逐像元計算的光譜特征能較直接地代表建設(shè)用地、耕地、非耕農(nóng)用地的特征，植被指數(shù)特征能較直接代表建設(shè)用地、生長期的耕地、非耕農(nóng)用地的特征，基于地塊內(nèi)空間統(tǒng)計的紋理、梯度、方差等能一定程度地反映3種地類的特征。因此下文中將基于地塊的光譜特征、植被指數(shù)特征作為基本特征，分別補充紋理、梯度和方差等特征，進行面向新增建設(shè)用地的地塊特征構(gòu)建。

2 實驗與分析

實驗數(shù)據(jù)為北京市昌平區(qū)城鄉(xiāng)結(jié)合部的2.5 m SPOT5彩色融合圖像，包括綠、紅、近紅外、短波紅外4個波段，數(shù)據(jù)獲取時間為2002年8月和2007年7月，均為植被生長期，數(shù)據(jù)大小為2 731像元×2 928像元。首先對前后時相圖像進行配準，并利用直方圖匹配方法，以輻射值相對較好的后時相圖像對前時相圖像進行輻射歸一化，作為變化發(fā)現(xiàn)輸入數(shù)據(jù)，如圖2(a)，(b)所示。土地利用數(shù)據(jù)如圖2(c)所示。為便于精度評價，通過目視解譯獲取了76個新增建設(shè)用地作為驗證數(shù)據(jù)，如圖2(d)所示。需要說明的是，高爾夫球場未作為新增建設(shè)用地真值是由于該時點上土地利用數(shù)據(jù)已將整個地塊作為高爾夫球場用地。以土地利用數(shù)據(jù)的地塊為基本單元，計算每期圖像上各地塊的光譜(D)、植被指數(shù)(NDVI)、紋理對比度(Con)、梯度(G)、方差(Var，5像元 ×5像元窗口)特征，用于構(gòu)建特征向量和變化發(fā)現(xiàn)，自適應(yīng)閾值為全部地塊的特征向量距離的3倍中誤差[7]。

圖2 實驗與驗證數(shù)據(jù)Fig.2 Test and reference data

2.1 總體分析與評價

圖 3 分 別 為 基 于 D＆NDVI，D＆NDVI＆Con，D＆NDVI＆G，D＆NDVI＆Var特征的新增建設(shè)用地發(fā)現(xiàn)結(jié)果。證為新增建設(shè)用地的個數(shù)。評價結(jié)果如圖4所示。

圖3 基于不同特征的新增建設(shè)用地發(fā)現(xiàn)結(jié)果Fig.3 Results of new construction land change detection using different block characteristics

可以看出，圖3(a)中，大多數(shù)變化區(qū)域都能較有效地檢測出來，漏檢圖斑主要為變化像元占總像元數(shù)較少的大面積地塊(如圖3(a)中黃框所示)，說明D＆NDVI能較好地描述小面積新增建設(shè)用地、變化比例較大的大面積新增建設(shè)用地的特性。圖3(b)對于地塊內(nèi)部全部或絕大部分變化的新增建設(shè)用地檢測較為準確(如圖3(e)和(f)綠框所示)，但對于地塊內(nèi)部部分變化的情況效果不理想(如圖3(e)和3(f)黃框所示)，主要原因是Con主要針對紋理深淺變化較大的情況，僅有部分變化時，特征變化差異并不十分顯著，說明該特征對細微變化的發(fā)現(xiàn)能力不強。圖3(c)發(fā)現(xiàn)的變化信息較少，漏檢較多(如圖3(c)中黃框所示)，且發(fā)現(xiàn)的新增建設(shè)用地大多為未變化的耕地，效果不佳。圖3(d)發(fā)現(xiàn)了一定量的變化信息，但漏檢同樣較多(如圖3(d)中黃框所示)。

采用正確率M定量評價不同特征發(fā)現(xiàn)結(jié)果[10]，即

式中:T是檢測為新增建設(shè)用地且經(jīng)驗證為新增建設(shè)用地的個數(shù);F是檢測為非新增建設(shè)用地但經(jīng)驗

圖4 不同特征構(gòu)建方法的新增建設(shè)用地發(fā)現(xiàn)精度Fig.4 Change detection accuracy of different characteristics

從圖4中可以看出:

1)各不同特征構(gòu)建方法的新增建設(shè)用地發(fā)現(xiàn)正確率由高到低依次是:D＆NDVI，D＆NDVI＆Var，D＆NDVI＆Con，D ＆NDVI＆G。單純使用面向地塊的光譜(D)和植被指數(shù)(NDVI)特征，正確率能達到83%，遠高于加入其他特征后的精度，這與目視結(jié)果相符。

2)以光譜與植被指數(shù)特征為基礎(chǔ)，加入其他特征后反而會影響發(fā)現(xiàn)的正確率。這是由于多特征的加入，基于特征向量歐氏距離削弱了建設(shè)用地與耕地、非耕農(nóng)用地等的特征距離，在基于特征距離的非監(jiān)督變化發(fā)現(xiàn)時部分新增建設(shè)用地被作為未變化地塊予以剔除，導(dǎo)致漏檢。

2.2 不同特征發(fā)現(xiàn)結(jié)果的比較

為更深入比較不同變化發(fā)現(xiàn)結(jié)果，選取局部圖像進行比較，如圖5所示。其中圖5(a)，(b)為卷簾顯示的前、后2個時相的變化地塊，上面一行為前時相圖像，下面一行為后時相圖像，分別框選出局部黃色部分來觀察。圖5(c)—(f)分別為4種不同特征組合檢測到的變化圖斑，黃色框內(nèi)可以直觀看出各不同方法的檢測情況，綠色覆蓋處為不同特征組合局部檢測圖斑。

圖5 新增建設(shè)用地發(fā)現(xiàn)結(jié)果局部比較Fig.5 Local comparison of new construction land change detection using different characteristics

由圖5可見，D＆NDVI發(fā)現(xiàn)結(jié)果雖然效果較好，但也少量有遺漏地塊。增加其他特征后，部分遺漏的地塊能較好發(fā)現(xiàn)。對變化地塊一，只有增加了Con特征的方法才能夠發(fā)現(xiàn)，究其原因，該地塊中園林地在不同年份生長狀況、種植情況均不同導(dǎo)致紋理深淺不一致，Con特征對這類變化有較高的針對性，引入該特征后能有效發(fā)現(xiàn)該變化地塊。對于變化地塊二，該地塊是較大范圍的耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地，G和Var特征相對于D和NDVI特征，能較好地體現(xiàn)這類變化。

3 結(jié)論

本研究利用了面向地塊的4種不同特征，開展了面向地塊的光譜與植被指數(shù)，光譜、植被指數(shù)與紋理，光譜、植被指數(shù)與梯度，光譜、植被指數(shù)與方差不同特征組合對新增建設(shè)用地發(fā)現(xiàn)精度的對比試驗。

1)不同特征組合方法提取新增建設(shè)用地發(fā)現(xiàn)的正確率依次是:光譜與植被指數(shù)，光譜、植被指數(shù)與方差，光譜、植被指數(shù)與對比度，光譜、植被指數(shù)與梯度?；诠庾V和植被指數(shù)的特征構(gòu)建方法正確率最高，其他特征的加入，雖然降低了新增建設(shè)發(fā)現(xiàn)的正確率，但能有效發(fā)現(xiàn)特定情況(如大面積地塊中變化像元占較少比重)，在實際應(yīng)用中應(yīng)以基于光譜和植被指數(shù)的變化發(fā)現(xiàn)結(jié)果為主，輔助使用加入其他特征的變化發(fā)現(xiàn)結(jié)果，以達到更高的新增建設(shè)用地發(fā)現(xiàn)精度。

2)本文不同于以往前人的發(fā)現(xiàn)，加入多種特征的特征向量歐氏距離削弱了建設(shè)用地與其他用地的特征距離，在基于特征距離的非監(jiān)督變化時發(fā)現(xiàn)部分新增建設(shè)用地被作為未變化地塊予以剔除，反而會導(dǎo)致漏檢。

3)值得說明的是，本文未在非監(jiān)督變化判別算法上進行深入研究，對特征構(gòu)建方法的對比分析結(jié)果可能會有一定影響，而且由于本文的主要目標是提高變化發(fā)現(xiàn)的正確率，為人機交互解譯提供靶區(qū)，故尚未開展多次變化發(fā)現(xiàn)方法優(yōu)化初步發(fā)現(xiàn)結(jié)果的研究，導(dǎo)致新增建設(shè)用地虛警偏高。此外，雖然本文對全國土地利用動態(tài)遙感監(jiān)測主要采用的8月至11月獲取的時相一致、植被生長期的圖像進行了研究，尚未考慮其他前后時相不一致、非植被生長期的圖像，但是以上這些都將是本文后續(xù)的研究方向。

[1]柴 淵，李萬東.土地利用動態(tài)遙感監(jiān)測技術(shù)與方法[M].北京:地質(zhì)出版社，2011.Chai Y，Li W D.The Techniques and methods of land－ use dynamic remote sensing monitoring[M].Beijing:Geological Publishing House，2011.

[2]李德仁.利用遙感影像進行變化檢測[J].武漢大學(xué)學(xué)報:信息科學(xué)版，2003，28(s1):7－12.Li D R.Change detection from remote sensing images[J].Geomantics and Information Science of Wuhan University，2003，28(s1):7－12.

[3]Kennedy R E，Townsend P A，Gross J E.Remote sensing change detection tools for natural resource managers:Understanding concepts and tradeoffs in the design of landscape monitoring project[J].Remote Sensing of Environment，2009，113(7):1382－1396.

[4]王 琰，舒 寧，龔 颵.高分辨率遙感影像土地利用變化檢測方法研究[J].國土資源遙感，2012，24(1):43－47.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，2012，24(1):43－47.

[5]葉 明，楊曉平，蔣剛毅.基于TM遙感圖像的寧波土地利用動態(tài)監(jiān)測[J].寧波大學(xué)學(xué)報:理工版，2003，3(1):30－34.Ye M，Yang X P，Jiang G Y.Land use dynamic surveying based on the interpretation of TM image[J].Journal of Ningbo University(National Science and Engineering Edition)，2003，3(1):30－34.

[6]李 磊，李小娟，崔偉宏.基于GIS和RS的縣級土地利用動態(tài)監(jiān)測系統(tǒng)研究[J].地理學(xué)與國土研究，2001，5(2):28－32.Li L，Li X J，Cui W H.On dynamic monitoring of land use at county level based on RS and GIS[J].Geography and Territorial Research，2001，5(2):28－32.

[7]Wu B，Yang J，Meng Y，et al.Fast detection of changed blocks in land use map[A].IGARSS 2012:6188－6191.

[8]劉 臻，宮 鵬，史培軍，等.基于相似度驗證的自動變化探測研究[J].遙感學(xué)報，2005，9(5):537－543.Liu Z，Gong P，Shi P J，et al.Study on change detection automatically based on similarity calibration[J].Journal of Remote Sensing，2005，9(5):537－543.

[9]袁修孝，宋 妍.一種運用紋理和光譜特征消除投影差影響的建筑物變化檢測方法[J].武漢大學(xué)學(xué)報:信息科學(xué)版，2007，32(6):489－493.Yuan X X，Song Y.A building change detection method considering projection influence based on spectral feature and texture feature[J].Geomatics and Information Science of Wuhan University，2007，32(6):489－493.

[10]Story M，Congalton R G.Accuracy assessment:A user’s perspective[J].Photogrammetric Engineering and Remote Sensing，1986，53(3):397－399.