-
土地利用/土地覆盖变化(Land-Use and Land-Cover Change，LUCC)作为人类经济活动与自然之间的桥梁，是国际气候、环境变化的重要研究内容之一[1-4].土地利用变化监测受到各界学者的关注.随着国家的发展、科技的进步，遥感技术在土地利用变化监测中得到广泛应用，且应用最多的是光学遥感影像.但光学影像难以应用于地处高原山区的贵州地区，受该地区特殊天气地形影响，获取的光学影像数据可用度不高[5-6].而具有全天时、全天候的合成孔径雷达数据(Synthetic Aperture Radar，SAR)逐渐受到重视[7-9].国外90年代就将SAR数据应用于变化监测领域，并取得一定的研究进展[10-11].由于SAR数据的获取较难且中国地形地貌各异，国内利用SAR数据开展监测工作相对较少[12].目前常用的雷达数据主要有ERS-1/2，JERS-1，Radarsat-1及ENVISAT等[13].但这些SAR数据获取较难且费用昂贵.目前主要研究有：邵云等[14]探讨了广东省利用SAR数据的后向散射模型模拟计算水稻后向散射系数，并与雷达卫星作对比，实现了SAR数据在农业领域的应用优势；楼立明等[15]提出利用SPOT5影像对浙江地区的土地利用变化进行监测，及时获取了土地变化信息；陈劲松等[16]综合了Landsat数据和TerraSAR数据并借助决策树法对广东省的土地利用变化进行分类，获取了高精度的土地分类信息.这些研究多是利用光学影像或利用雷达数据监测平坦地区的土地利用变化.本研究为探讨SAR数据在贵州多山地区土地利用变化监测中的应用，利用可免费获取的Sentinel-1A(哨兵)数据的灰度信息，对贵州省安顺机场附近土地利用变化进行实时监测.由于该区作为西部开发的五大新开发区之一，目前正处于建设时期，短时期内地表会变化，因此选此为研究区并利用哨兵数据进行短期监测有助于了解区域发展情况.利用Sentinel-1A数据进行监测，其优势体现在影像时间间隔短、数据易获取，可有效避免气候条件的影响，实用性高.
HTML
-
研究区(105°50′-105°59′E，26°12′-26°18′N)位于贵州省安顺市西北部，总面积155 km2，仅占安顺市面积的1.7%.主要气候类型为湿润的亚热带季风气候，多云、雨天气；地形较复杂，地表崎岖，多岩石裸露，岩溶地貌广泛发育.主要分布的岩溶地貌类型有高原、山地、盆地及丘陵，无平原地貌发育，海拔1 100~1 694 m.植被主要为中亚热带常绿阔叶林，黄壤、石灰土等土壤类型分布较广.我国典型的喀斯特地貌主要发育于此.
-
本研究采用的Sentinel-1A雷达数据来源于欧洲航天局(ESA)，属单极化多时相数据(表 1)，在The Sentinel-1 Scientific Data Hub(https://scihub.esa.int)网站可免费获取；空间分辨率为30 m×30 m的Landsat8多光谱数据；空间分辨率为30 m×30 m的贵州省DEM数据.
-
雷达数据处理方法与传统影像的处理一致，但由于特殊的成像机理，致使雷达成像数据发生扭转等几何畸变及辐射畸变，造成影像变形较大.因此，哨兵数据的处理与光学影像有区别.本研究基于SENTINEL-1 Toolbox1.0.3及ENVI5.1软件，对雷达数据进行滤波、多视、多时相地理编码、地形辐射校正及重投影等预处理. TM数据进行一般的大气校正、几何校正和图像增强等处理(图 1).
雷达成像机理的特殊性使影像易形成斑点噪声，影像质量降低，因此在不影响分辨率的情况下对雷达影像滤波去噪处理十分必要.目前，应用较普遍的滤波器有均值滤波、Lee滤波、中值滤波、Gamma MAP滤波及Frost滤波[17].多次试验发现，Sentinel-1A数据主要采用滤波窗口为5×5的Frost滤波，可以提高影像的亮度与清晰度，地物信息更易识别(图 2).
为得到精确结果，还需对哨兵数据进行高精度地理编码处理.一般意义上雷达影像的地理编码处理与光学影像的地理配准、几何校正含义相近，主要是为控制雷达成像时几何变形.本研究以TM数据为基准影像，控制点采用3次卷积的方法对哨兵数据进行高精度影像间的地理编码处理.控制点均匀分布在研究区内，误差精度控制在1个像素内.
常用的SAR影像的成像实质是由一维成像扩展到二维成像再经合成孔径变成三维成像，便于识别地物信息[18].由于SAR数据成像机理的特殊性及贵州地区地形起伏大，导致SAR影像倾斜或投影误差.而地形辐射校正主要是对山区地形导致雷达影像发生辐射畸变的校正，以使研究所需影像更加精确.因此，对地理编码后的SAR数据以及辅助DEM数据进行地形辐射校正至关重要.
1.1. 研究区概况
1.2. 数据来源与处理
1.2.1. 数据来源
1.2.2. 数据预处理
-
目前，针对多时相影像数据提取土地利用变化信息的方法主要有灰度图像差值法、灰度图像比值法、植被指数法以及主成分差值比较法等[19].考虑到本研究所使用的雷达影像数据分辨率较高，目标地物易识别，且为单波段数据，本研究采用直接比较法中的灰度图像差值法提取土地利用变化信息.
灰度图像差值法主要对不同时相的影像灰度值之间进行相减运算，得到反映影像变化信息的差值图[20].计算公式如下[21]：
式中：Dxij为2个不同时相雷达影像像元的灰度差值；Bxijt2，Bxijt1为t2，t1 2个时相的雷达影像灰度值；i、j为影像像元的行列号.
公式(1) 是直接运用波段相减对影像进行处理，但直接运用波段相减所得结果并不理想，存在一些伪变化，因此需要对差值结果进行统计处理.如果差值图像中像元灰度值能满足公式(2)，则此差值图像中像元灰度值就可视为变化的像元[22].需满足的公式如下[22]：
式中：Gp为差值影像像元灰度值；M为差值图像灰度值统计均值；STD为差值图像灰度值统计的标准差；T为变化阈值.
研究中变化阈值的设置极其重要.本研究通过反复试验，并结合研究区的土地利用变化信息能否有效提取，综合分析后选定合适的阈值.一般情况下，选取的变化阈值只考虑波段减法所得图像的总体统计特征.直接利用影像灰度值进行波段减运算，可得出直观的变化图像，但由于不同时期物候不同，且本研究区地处高原山区，所获取的变化信息会有伪变化，不能真实客观地反映土地利用变化情况，若要降低伪变化的影响，可利用统计学做定量分析，以获得变化阈值.但考虑到研究区地形的特殊性及气候因素且研究时间间隔较短，本研究利用统计学分析法，将定性和定量分析相结合，借助整体图像的标准差和平均值之间的关系来确定阈值变化区间，以此提高结果的精确度(表 2).最终得出阈值变化区间为[-0.4~3.6].
-
将预处理后的SAR影像灰度值进行波段减处理，获取雷达影像变化信息(图 3). 图 3显示的是变化和未变化信息，结果简单直观.一般而言，未变化的地物在2个时相的遥感影像上灰度值差异无统计学意义；而变化的地物在2个时相的遥感影像上相同位置的灰度值差异有统计学意义. 图 3中，影像发生变化的部分用黑色调显示，表示2个时相的雷达影像减运算后灰度值不为零值，变化的地物信息可直观显现；未发生变化的部分用白色调显示，表示2个时相的雷达影像减运算后灰度值为零值，呈现出来的地物信息是不变的.
-
利用统计度量得到阈值区间为[-0.4~3.6]，再利用灰度图像差值法得到土地利用变化信息.将处理后的数据与TM数据叠加，得到土地利用信息变化图像(图 4).对不同时相雷达影像灰度值减运算处理，并借助统计分析得到变化阈值区间.受传感器几何参数、研究区特殊的地形及气候的影响，同一地物不同时相的雷达影像灰度值存在差异，若灰度值差异无统计学意义则介于阈值区间内，灰度值差异有统计学意义则介于阈值区间外.换言之，若差值后的灰度值介于[-0.4~3.6]外为变化信息，灰度值介于[-0.4~3.6]内则为未变化信息. 图 4中呈红色调的代表影像灰度差值大于3.6，表明由第一时相到第二时相雷达影像中的地物呈增加变化；呈绿色调的代表差值影像的灰度差值小于-0.4，表明由第一时相到第二时相雷达影像中的地物呈减少变化；而无色的代表差值影像的灰度值介于变化阈值范围内，表明由第一时相到第二时相雷达影像中的地物差异无统计学意义.
由图 4可知，影像中发生变化的地物是城市建设用地和植被，未发生变化的地物是水体.具体而言，研究区西北部的建设用地呈增加趋势，东南部的建设用地呈减少趋势.研究区周围有少量植被增加.由于研究采用了相差7个月的雷达影像数据，时间间隔较短，整体地物变化差异无统计学意义，基本保持稳定发展的状态.
-
本研究采用与雷达影像同一时期的两景TM光学影像数据，提取林地、草地、耕地、水体及建设用地五大类典型地物(图 5).借助混淆矩阵法对土地利用变化结果进行精度验证，确定结果准确性和可靠性.
对比图 4和图 5可知，SAR数据和TM数据探测土地利用变化情况优势各异.雷达数据获取的土地利用变化信息简单直观，可直接探测出土地利用变化信息；TM数据获取的土地利用信息丰富，可呈现出变化的地类类型.根据图 5中的典型地物，统计出土地利用类型的面积信息(表 3).由表 3可知，就研究区土地利用变化整体而言，地物差异无统计学意义，基本保持稳定的状态.具体而言，地物信息差异有统计学意义的是耕地和建设用地，其他地物信息差异无统计学意义.这与哨兵数据得到的土地利用变化信息情况基本一致，说明选取的阈值变化区间是合适的.
为验证提取的土地利用类型变化信息的可靠性，本研究利用混淆矩阵法对其进行准确率评价，采用的评价因子为总准确率和Kappa统计指数(表 4).由表 4可知，获取的土地利用变化信息的总准确率较高，均超过80%，而Kappa统计指数也达到0.7以上，基本符合数据统计分析的一般准确率要求，这与本研究中提取的土地利用信息变化情况一致.由此可知，本研究中选取的阈值变化区间是准确的，也是最佳的.提取的土地利用变化信息精确度较高，与实际情况相符合.
3.1. 土地利用变化特征分析
3.2. 土地利用变化监测空间分析
3.3. 土地利用变化监测准确率评价
-
1) 通过雷达影像得到的差值结果，可直观显现地物变化情况.但受雷达影像配准精度限制以及研究区地形、气候等的影响，所获取的变化信息不准确，存在伪变化，需结合统计学方法，由统计度量结果获取阈值的上下限值，即变化区间.
2) 为探测研究区土地利用变化，可利用变化阈值的设定及借助灰度图像差值法提取出土地利用变化信息.提取的变化信息可表现研究区地物差异是否有统计学意义，能较好反映各区域各地物类型变化情况，并分析出雷达影像中地物变化趋势.
3) 本研究对Sentinel-1A数据的实用性进行了验证，实现了对研究区土地利用变化的动态监测，并结合定量统计分析获取灰度值变化情况和变化阈值范围.利用精度评价分析验证了阈值区间的可适用性及获取的土地利用变化信息的准确性.
4) 到目前为止，Sentinel-1A数据有些参数尚不成熟，包含的信息较单一.因此，本研究仅采用该数据进行短期土地利用动态变化监测，获取土地利用变化信息，并分析验证在高原山区的有效使用情况，但究竟是何种地类发生变化则有待进一步研究.
DownLoad: