变化向量分析 (CVA) 是一种能够有效获取变化区域及其变化类型的遥感变化检测方法。与其他变化检测方法相比，CVA在确定变化区域的同时，还能提供详细的变化类型信息，能够有效避免图像分类过程中的累积误差。但是，它仍存在两个问题需要进一步探讨：(1) 不同变化类型对应的变化向量角度不同，需要明确变化向量的角度范围和变化类型之间的关系；(2) CVA仅使用一个强度阈值判定变化像元，为了提高检测精度，需要评估多个强度阈值的表现。
南京大学高分辨率遥感实验室提出了一种方向优先的变化向量分析 (DCVA)方法。以林地作为研究对象，选取安徽黄山和河北承德两个高覆盖率林区作为研究区 (图1)，基于哨兵2号卫星图像进行DCVA林地变化检测，并与CVA进行比较，分析DCVA在高分辨率遥感图像林地变化检测上的适用性。
DCVA由三个部分组成 (图2)：(1) 自动确定全局强度阈值，获取候选变化像元；(2) 通过聚类获得不同方向范围，判定不同林地变化类型；(3) 自动确定每个方向范围的局部强度阈值，获得最终变化像元。因此，CVA是 “强度优先”，先对不同的变化类型设置一个强度阈值，再使用变化向量的角度确定变化类型。而DCVA是 “方向优先”，先使用变化向量的角度信息得到变化类型，然后为每种变化类型确定不同的强度阈值。
图2 DCVA方法示意图：(a) 基于全局强度阈值T确定候选变化像元；(b) 基于方向确定变化类型范围 [
图3 全局强度阈值对林地变化检测精度的影响
图5 基于CVA与DCVA得到的林地变化检测结果的比较
表2 CVA和DCVA的林地变化检测精度结果
该研究成果近日以 “Direction-dominated change vector analysis for forest change detection” 为题发表于International Journal of Applied Earth Observation and Geoinformation。论文第一作者和通讯作者为南京大学地理与海洋科学学院肖鹏峰教授，论文第二作者为硕士盛光伟，论文合作作者为张学良副教授、博士生刘豪和硕士生郭瑞。该研究得到国家科技重大专项项目 (21-Y20A06-9001-17/18)和国家自然科学基金项目 (41871235、42071297)资助。
Xiao, P., Sheng, G., Zhang, X., Liu, H., & Guo, R. (2021). Direction-dominated change vector analysis for forest change detection. International Journal of Applied Earth Observation and Geoinformation, 103, 102492.
点击 “阅读原文” 下载PDF
