变化检测

实习序号及题目实习九变化检测实习人姓名专业班级及编号任课教师姓名实习指导教师姓名实习地点实习日期时间2014年12月22日实习目的深入理解变化检测的基本原理，掌握影像直接比较法和分类后比较法变化检测的基本方法和步骤。实习内容1.森林采伐破坏监测ENVI变化检测功能及其软件操作步骤ChangeDetectionDifferenceMap该工具使用图像直接比较法对两时相影像做差值或者比值运算，对差值或者比值结果划分为若干类。整合了一些预处理功能，如数据值归一化和单位的统一。ImageChangeWorkflow包括很多的变化监测方法和预处理功能。主要有波段差值、特征差值、光谱角、PCA/MNF/ICA。2.林地病虫害遥感动态监测SPEARChangeDetection该工具包括很多的变化监测方法和预处理功能。提供了四大类方法，包括Two-ColorMultiview、图像变换（PCA、MNF和ICA变换）、图像波段直接比较法和光谱角检测方法。3.兰州地区开发区建设的监测雁滩：2001.7.22Landsat5TM和2009.7.28Landsat5TM（512×512）；兰州新区：2001.7.22Landsat5TM和2014.7.26Landsat8OLI（512×512）；安宁——西固：2001.7.22Landsat5TM和2009.7.28Landsat5TM（512×512）。4.耕地变化监测ChangeDetectionStatistics（保持outputclassificationmaskimages选项）。该工具使用分类后比较法比较两时相影像分类结果，获得变化类型、面积、百分比等变化矩阵信息，同时可得到一个多波段的变化图像，每个波段表示一种土地类型的变化情况。ThematicChangeWorkflow该工具使用分类后比较法比较两时相影像分类结果，获得变化类型、面积、百分比等变化矩阵信息，同时可得到一个单波段的变化分类图像和变化矢量结果。基本原理遥感动态检测就是从不同时期的遥感数据中，定量地分析和确定地表变化的特征与过程。它涉及到变化的类型、分布状况与变化量，即需要确定变化前后的地面类型、界线及变化趋势，能提供地物的空间分布及其变化的定性和定量信息。目前，遥感变化检测技术大多是针对两个时相的遥感影像进行操作。根据处理过程来分，遥感变化检测方法可分为三类：(1)图像直接比较法图像直接比较法是最为常见的方法，它是对经过配准的两个时相遥感影像中像元值直接进行运算和变换处理，找出变化的区域。目前常用的光谱数据直接比较法包括图像差值法、图像比值法、植被指数比较法、主成分分析法、光谱特征变异法、假彩色合成法、波段替换法、变化矢量分析法、波段交叉相关分析以及混合检测法等。(2)分类后比较法分类后结果比较法是将经过配准的两个时相遥感影像分别进行分类，然后比较分类结果得到变化检测信息。虽然该方法的精度依赖于分别分类时的精度和分类标准的一致性，但在实际应用中仍然非常有效；(3)直接分类法结合了图像直接比较法和分类后结果比较法的思想，常见的方法有：多时相主成分分析后分类法、多时相组合后分类法等。当然，检测方法远不止这些。以上变换检测方法大多只是变化信息的发现，还有一个过程是变化信息的提取，由以下方法供选择：（1）手工数字化法1）屏幕数字化2）区域生长法（2）图像自动分类1）监督分类2）非监督分类3）面向对象的特征提取法（3）图像分割1）手工阈值分割2）自动阈值分割（4）组合法值得我们注意的是，上述检测方法和信息提取方法不能说哪个绝对的好与坏，只能是根据不同的数据源和不同的应用需求选用适合的方法。差值植被指数计算公式：DifferenceofFeatureIndex：NDVI=(Band4-Band3)/(Band4+Band3)NDWI=(Band4-Band5)/(Band4+Band5)NDBI=(Band5-Band4)/(Band5+Band4)NBR=(Band4-Band7)/(Band4+Band7)阈值设置方法◆自动阈值法Otsu’s：基于直方图，使用累积直方图划分阈值Tsai’s：基于力矩的方法Kapur’s：基于信息熵的方法Kittler’s：基于直方图，按照高斯正态分布找拐点◆手动阈值法常用变化检测模型：TwoColorMulti-View(2CMV):Time1影像中的一个波段代替红色波段，Time2中对应波段分别代替绿和蓝波段。如果某区域Time1中该波段比Time2中该波段较亮（即DN值大），则在2CMV中该区域呈现红色，否则呈现青色。这些颜色变化可以用于预测可能存在变化的区域。SpectralAngle（光谱角）:该方法计算两期影像对应位置像元光谱之间的角度，代表了前后两期影像对应位置像元光谱的相似性。在结果查看窗口中可以查看各变化检测算法的检测效果。注意不同色系的选择。查看完以后点击Next，点击Finish完成变化检测。数据准备数据：邓书斌《ENVI遥感图像处理方法》配套数据；兰州市、兰州新区LandatTM/ETM+/OLI数据。1、传感器：Landsat8TM/ETM+/OLI传感器2、影像空间分辨率:30米3、辐射特征：辐射量化等级为8bit/12bit4、光谱特征：水体在影像上主要在绿光和蓝光波段反射率大，在红光较小，因浑浊而在可见光部分较清水有提高，最高反射率有自黄绿光向红光和近红外移动的趋势。。城镇、居民地在可见光波段和近红外波段具有很高的反射率而呈现高亮。草地等低盖度制备在影像上主要反射的是绿光，而森林等高盖度地物对蓝紫光反射率较低，主要反射红光和近红外波段。5、成像时间和农作物季候特征成像时间为2010年7月22日和2014年7月26日，当前为盛夏季节，当地主要主要农作物，此时生长旺盛。6、区域地理位置兰州市位于北纬36°03′，东经103°40′，依黄河而建，世界地理版图的几何中心，黄河自东西穿城而过，是唯一一个黄河穿越市区的省会。由于南北两山夹峙地形的影响，市区东西狭长，约30千米，南北最窄处，仅5千米左右。7、自然环境特征兰州市属温带大陆性气候。年平均气温10.3℃。夏无酷暑，冬无严寒，是著名的避暑胜地。年平均日照时数为2446小时，无霜期为180天，年平均降水量为327毫米，主要集中在6~9月。兰州地势西部和南部高，东北低，黄河自西南流向东北，横穿全境，切穿山岭，形成峡谷与盆地相间的串珠形河谷。峡谷有八盘峡、柴家峡、桑园峡、大峡、乌金峡等；盆地有新城盆地、兰州盆地、泥湾一什川盆地、青城一水川盆地等。还有湟水谷地、庄浪河谷地、苑川河谷地、大通河谷地等。8、人文地理特征2010年，兰州市常住人口为3616163人，2010兰州市常住人口中共有家庭户1112369户，家庭户人口为3138817人，平均每个家庭户的人口为2.82人，兰州市常住人口中，男性人口为1849809人，占51.15%；女性人口为1766354人，占48.85%。2013年，兰州市实现生产总值1776.28亿元，比上年增长13.40%。其中，第一产业增加值49.12亿元，增长5.80%；第二产业增加值820.42亿元，增长13.50%；第三产业增加值906.74亿元，增长13.60%。兰州是西陇海兰新经济带支点，是新亚欧大陆桥中国段五大中心城市之一，兰州、徐州、郑州、西安、乌鲁木齐。是中国东中部地区联系西部地区的桥梁和纽带，陇海线、兰新线、兰青线、包兰线四大铁路干线交汇于此，是西北地区第二大的货运站和新亚欧大陆桥上重要的集配箱转运中心，兰州具有“座中连四”的独特位置，辐射甘、宁、青等省区。兰州是古“丝绸之路”重镇，历史和大自然为兰州留下了许多名胜古迹，并曾入选中国十佳避暑旅游城市，兰州市拥有省级文物保护单位6处，文物点50多处，古遗址50处，古城12处，古建筑15余处。国家级森林公园有徐家山、吐鲁沟、石佛沟；市区有五泉山、白塔山、白云观、等名胜古迹，还有兰山公园、西湖公园、滨河公园、水上公园等风格各异的景点。兰州是驰名中外的瓜果名城，夏秋季节更是具有避暑和品瓜果的旅游特色。操作方法及过程变化检测对数据的要求：（1）不同期遥感数据在空间范围上的一致性；（2）不同期遥感数据在空间坐标系上的一致性；（3）使用经过严格的几何精纠正和大气辐射校正等预处理过程的数据进行变化检测，以消除成像过程产生的影响；（4）如果使用DN值做变化检测，则要求不同期数据在辐射量化等级上的一致性，因此最好使用相同传感器获取的数据；（5）如果使用DN值做变化检测，则要求不同期数据在空间分辨率上的一致性；（6）如果使用影像分类结果做变化检测，则要求不同期数据在分类编码上的一致性。一、森林采伐破坏监测数据选择：特征波段灰度值、特征波段反射率/地表温度、植被指数、水体指数、建筑物指数、第一主成份等。加载影像，7、4、2波段显示，查看影像是否配准。2000年影像2006年影像研究区为南美洲一处热带雨林，通过查看前后两幅影像的坐标系、研究范围、空间分辨率和几何精纠正、大气校正情况，确保了了两幅影像已经配准完毕。利用Flicker等工具查看前后两期影像存在的差异。可以明显地发现，粉红色区域为森林采伐区域，2006年研究去内森林采伐区域面积增大了许多。ChangeDetectionDifferenceMap工具点击ChangeDetection》ChangeDetectionDifferenceMap，分别选择2000年影像的第四波段（近红外波段）和2006年影像的第四波段（近红外波段），DefineClassThresholds选择默认，勾选NormalizeDataRange[0-1]，设置输出路径，取消自动保存配准影像。根据两幅影像在近红外波段数值相减得到的结果进行变化分级，正值为森林增加，零值为森林不变，负值为森林减少，绝对值越大，变化越大。SimpleDifference=DN2000-DN2006PercentDifference=（DN2000-DN2006）/DN2000Normalization:Normalization=(DN-min)/(max-min)Standardization:Standardization=(DN-mean)/stdev加载生成的影像，利用多窗口查看对应位置的森林变化分级情况。差值变化检测结果分类图像以彩色显示，红色表示的前后比较产生了正值差异，即植被生长的区域，且随着颜色加深，增长越多；蓝色表示的前后比较产生了负值差异，即森林砍伐的区域，且随着颜色加深，砍伐越多。在ToolBox中，打开Classification》PostClassification》ClassStatistics，依次选06检测结果和06年影像（此处不能使用00年影像）统计各个变化。ClassDistribution(Points)PercentArea(Km2)Increase500.00%0Increase490.00%0.01Increase35740.01%0.52Increase258,0221.45%52.22Increase13,089,41077.27%2,780.47NoChange:00.00%0Decrease1825,68520.65%743.12Decrease223,5040.59%21.15Decrease37910.02%0.71Decrease450.00%0.00Decrease500.00%0Total：3998000100.00%3598.2ChangeDetectionDifferenceMapStatistic通过观察检测结果和统计数据，可以发现影像的大多数像元是处于增长，变化的幅度越大，相应的像元数和比例减少。ImageChangeWorkflow工具点击ChangeDetection》ImageChangeWorkflow，Time1选择2000年影像，Time2选择2006年影像，点击next，勾选SkipImageRegistration（因为