土地覆盖及其变化显著影响地球的生物圈、水圈和大气圈。随着遥感数据的不断丰富，高空间和时间分辨率的多时相土地覆盖图在自然资源管理、生物多样性评价和环境变化监测等领域的应用需求不断增加。当前，高精度土地覆盖图的更新仍然面临挑战，主要体现在分类的不稳定和难以避免的人为干预。基于变化检测的土地覆盖更新方法将更新区域集中在土地覆盖发生变化的小范围区域，从而可以减小分类引入的分类误差，提高不同时相土地覆盖信息的一致性。
由于不同时相遥感图像分割结果的差异和变化检测误差，在更新高分辨率土地覆盖图时，变化对象和前期土地覆盖对象的边界会出现不一致，进而产生两种形式的破碎多边形：“sliver”和“spurious stretch”。这些破碎多边形会给基于土地覆盖图的定量分析带来消极影响，如会影响生态景观指数的计算，包括斑块数（number of patches）、边缘密度（edge density）、景观形状指数（landscape shape index）、邻接指数均值（mean of contiguity index）等。
南京大学高分辨率遥感实验室提出了一种基于变化检测的高分辨率土地覆盖图的更新方法。研究选取典型郊区（SA）和城区（UA）作为研究区 (图1)，基于2013和2015年获取的高分一号（GF-1）遥感图像和2013年土地覆盖图，更新得到2015年土地覆盖图。
图1 研究区位置和数据集：研究区图像取自2013年7月12日和2015年5月22日获得的预处理后的GF-1 PMS遥感图像；(b)和(c)为研究区SA的图像；(e) 和(f) 为研究区UA的图像，都以真彩色合成显示；(d)和(g)分别为研究区SA和UA 2013年的土地覆盖图
研究方法分为三个部分：（1）选取波段、归一化植被指数（NDVI）和归一化水体指数（NDWI）特征，用基于对象的变化检测方法检测土地覆盖发生变化的区域；（2）从后期不变区域中选取影像样本，从前期土地覆盖图中迁移样本标签，用K近邻分类器实现变化区域的类别标记；（3）基于变化对象的面积（AREA）和周长面积比（PARA），设计矢量对象更新规则，在去除破碎多边形的同时实现变化对象的几何和类型更新（APU方法）。
图2 所提土地覆盖图更新方法框架
研究将APU方法与两种已有方法进行对比，分别为用AREA和PARA去除“sliver”的“COE方法”、用AREA同时去除“sliver”和“spurious stretch”的“AU方法”。
图3 APU方法更新土地覆盖对象示意图
研究结果表明：（1）研究区SA的分类精度达到95%，Kappa为0.91；研究区UA的分类精度达到83%，Kappa为0.75；（2）APU方法能够有效去除土地覆盖更新过程中产生的破碎多边形“sliver”和“spurious stretch”，从而降低生产过程造成的土地覆盖异常高破碎度和高形状复杂度；（3）更新后的土地覆盖图能够有效保留前期不变区域的土地覆盖对象和变化对象的部分边界，因此较好地维持了两个时相间土地覆盖信息的一致性。
图4 不同更新方法下研究区SA 2015年土地覆盖图；(a) 2015年GF-1图像; (b) APU方法下研究区SA 2015年土地覆盖图; (c) COE方法下研究区SA 2015年土地覆盖图; (d) AU方法下研究区SA 2015年土地覆盖图
图5 不同更新方法下研究区UA 2015年土地覆盖图；(a) 2015年GF-1图像; (b) APU方法下研究区UA 2015年土地覆盖图; (c) COE方法下研究区UA 2015年土地覆盖图; (d) AU方法下研究区UA 2015年土地覆盖图
图6 研究区2015年GF-1图像和使用 APU、COE、AU方法的更新结果细节图对比
该研究成果近日以 “Updating land cover map based on change detection of high-resolution remote sensing images” 为题发表于Journal of Applied Remote Sensing。论文第一作者为南京大学地理与海洋科学学院硕士生郭瑞，通讯作者为肖鹏峰教授，合作作者为张学良副教授和博士生刘豪。该研究得到国家自然科学基金项目（41871235、42071297）资助。
点击“阅读原文”可以下载PDF哦~ 👇
