于秀娟，龐緒峰

（1.北京市商湯科技開發(fā)有限公司，北京 100080；2.中國電建集團(tuán)國際工程有限公司，北京 100036）

隨著我國經(jīng)濟(jì)發(fā)展突飛猛進(jìn)，土地利用格局也在不斷變化。為了及時(shí)、有效地掌握土地資源現(xiàn)狀，自2017年起我國開始進(jìn)行第三次全國土地調(diào)查，并每年進(jìn)行一次土地變更調(diào)查，全天候監(jiān)測劃定的城市開發(fā)邊界、永久基本農(nóng)田等土地利用狀況。遙感技術(shù)已成為土地利用動(dòng)態(tài)監(jiān)測的重要手段，具有空間信息豐富、覆蓋面廣、快捷方便準(zhǔn)確等先天優(yōu)勢。從2010年高分辨率對地觀測系統(tǒng)重大專項(xiàng)全面啟動(dòng)之后，我國先后成功發(fā)射了高分一號—六號等多個(gè)對地觀測衛(wèi)星，使同一區(qū)域高空間、高時(shí)間分辨率的遙感影像數(shù)據(jù)獲取更加高效。

基于多源遙感影像的土地利用遙感動(dòng)態(tài)監(jiān)測是指借助計(jì)算機(jī)圖像處理技術(shù)，利用廣域性、周期性、經(jīng)濟(jì)性的多源遙感信息數(shù)據(jù)源，對土地資源狀況進(jìn)行全面綜合調(diào)查，并結(jié)合地面輔助資料，全面系統(tǒng)地反映和分析土地資源利用狀況的動(dòng)態(tài)變化，從而實(shí)現(xiàn)動(dòng)態(tài)變化監(jiān)測[1-6]。由于具有真實(shí)、直觀、快速覆蓋和信息量豐富等優(yōu)點(diǎn)，土地利用動(dòng)態(tài)遙感監(jiān)測對土地利用動(dòng)態(tài)變化及發(fā)展趨勢的反映更加及時(shí)、準(zhǔn)確，為國土資源規(guī)劃、利用、調(diào)查、保護(hù)和服務(wù)經(jīng)濟(jì)社會(huì)發(fā)展等工作提供強(qiáng)有力的技術(shù)支撐。

1 數(shù)據(jù)源

隨著國產(chǎn)衛(wèi)星的蓬勃發(fā)展和高分衛(wèi)星的陸續(xù)發(fā)射，可用于土地利用動(dòng)態(tài)監(jiān)測的高分辨率遙感影像數(shù)據(jù)越來越多，主要數(shù)據(jù)源見表1。

表1 多源高分遙感影像列表 m

2 土地利用動(dòng)態(tài)監(jiān)測內(nèi)涵

土地利用動(dòng)態(tài)監(jiān)測通過對比不同時(shí)相（至少2個(gè)時(shí)相）的土地利用數(shù)據(jù)，分析土地在空間、時(shí)間和數(shù)量上的動(dòng)態(tài)變化特征以及未來發(fā)展趨勢。土地利用遙感動(dòng)態(tài)監(jiān)測是利用同一區(qū)域、不同時(shí)相的遙感圖像之間的光譜特征差異分析和識別土地利用狀態(tài)或變化，其本質(zhì)是量化時(shí)序遙感圖像的時(shí)域效果，即通過量化多源、多時(shí)相遙感圖像的空間域、時(shí)間域、光譜域等耦合特征，識別土地利用變化的類型、位置及數(shù)量[3-6]。

土地利用動(dòng)態(tài)監(jiān)測需要監(jiān)測區(qū)域內(nèi)的全部土地資源，分析和掌握各種土地利用種類的動(dòng)態(tài)信息，包括空間分布、數(shù)量、質(zhì)量等。當(dāng)前土地利用動(dòng)態(tài)監(jiān)測主要通過定期監(jiān)測全國土地調(diào)查、土地利用/土地覆蓋情況、耕地和建設(shè)用地等土地利用變化情況，對土地利用總體規(guī)劃及年度用地計(jì)劃的執(zhí)行情況進(jìn)行客觀、直接、及時(shí)的檢查。土地利用動(dòng)態(tài)監(jiān)測的目的是核查每年全國土地變更調(diào)查的匯總成果，對違法或涉嫌違法的地區(qū)及其他特定目標(biāo)進(jìn)行快速監(jiān)測，為違法用地查處及突發(fā)事件處理提供佐證和依據(jù)，為國家宏觀決策提供科學(xué)、可靠的依據(jù)。

3 土地利用動(dòng)態(tài)監(jiān)測技術(shù)方法

基于多源高分遙感影像的土地利用動(dòng)態(tài)監(jiān)測包括的技術(shù)方法有高分遙感圖像預(yù)處理、土地利用信息提取和土地利用變化分析等。

3.1 圖像預(yù)處理

圖像預(yù)處理是對不同來源的高分遙感數(shù)據(jù)進(jìn)行預(yù)處理，主要包括輻射校正、區(qū)域網(wǎng)平差、正射糾正、影像融合和鑲嵌裁切等內(nèi)容，目的是確保待進(jìn)行監(jiān)測的區(qū)域內(nèi)的所有影像具有統(tǒng)一的地理坐標(biāo)。

3.1.1 輻射校正

輻射校正包括輻射定標(biāo)和大氣校正。輻射定標(biāo)是將影像數(shù)據(jù)的灰度值轉(zhuǎn)化為表觀輻亮度、表觀反射率等物理量的過程。基于6S大氣輻射傳輸模型的大氣校正可以實(shí)現(xiàn)ZY-3、ZY1-02C、GF系列、HJ 1A/1B等國產(chǎn)衛(wèi)星數(shù)據(jù)的大氣校正處理。

3.1.2 區(qū)域網(wǎng)平差

區(qū)域網(wǎng)平差是利用同一區(qū)域多重覆蓋的多源、多時(shí)相衛(wèi)星遙感影像進(jìn)行大規(guī)模區(qū)域網(wǎng)聯(lián)合平差[7]，提高衛(wèi)星幾何定位精度。采用基于RFM傳感器成像幾何模型的多源光學(xué)衛(wèi)星影像、多基線、多重匹配特征的自動(dòng)匹配技術(shù)，實(shí)現(xiàn)多時(shí)相、多源衛(wèi)星遙感影像之間連接點(diǎn)的快速、可靠、自動(dòng)量測；根據(jù)衛(wèi)星遙感影像獲取過程中的衛(wèi)星位置、傳感器姿態(tài)等關(guān)鍵信息，構(gòu)建衛(wèi)星遙感影像的通用成像幾何模型和嚴(yán)格成像幾何模型；結(jié)合各傳感器的成像特點(diǎn)，構(gòu)建多源、多時(shí)相衛(wèi)星遙感影像自檢校光束法區(qū)域網(wǎng)聯(lián)合平差的數(shù)學(xué)模型；實(shí)現(xiàn)大面積范圍內(nèi)各衛(wèi)星遙感影像定向參數(shù)和連接點(diǎn)物方空間坐標(biāo)的可靠、精確求解；利用高精度的野外地面控制點(diǎn)，實(shí)現(xiàn)對多源、多時(shí)相衛(wèi)星遙感影像區(qū)域網(wǎng)聯(lián)合平差結(jié)果的精度評定。

3.1.3 正射糾正

正射糾正是根據(jù)嚴(yán)格成像模型或利用控制點(diǎn)按一定的數(shù)學(xué)模型解算，同時(shí)利用數(shù)字高程模型，從原始的非正射投影影像獲取正射影像，消除因地形起伏和像片傾斜所引起的像片變形或像點(diǎn)位移，將像片由傾斜變?yōu)樗?，并歸化到相應(yīng)的制圖比例尺。

3.1.4 影像融合

影像融合是按照一定的規(guī)則或算法將在時(shí)間、空間和波譜上冗余或互補(bǔ)的多源遙感數(shù)據(jù)進(jìn)行運(yùn)算處理，生成具有新的時(shí)間、空間和波譜特征的合成影像數(shù)據(jù)，從而獲得比任何單一數(shù)據(jù)更豐富和精確的信息。影像融合不是簡單的數(shù)據(jù)融合，而是通過優(yōu)化信息、消除或抑制無關(guān)信息、突出有用專題信息，從而改善目標(biāo)識別的影像環(huán)境。因此影像融合不僅保留了原始多光譜影像的光譜特性，還提高了多光譜影像的空間分辨率。常用的影像融合方法包括PANSHARP融合、HIS變換融合、BROVERY變換融合、PCA變換融合、小波變換融合和乘法融合等，幾種融合效果對比如圖1所示。從圖1可以看出，PANSHARP融合效果最好，融合后影像空間分辨率和清晰度都比較高，而且色彩失真程度比較低，因此更適用于高分辨率遙感影像。

圖1 融合效果對比

3.1.5 鑲嵌裁切

鑲嵌裁切是將投影一致的多景影像快速拼接成一個(gè)大的影像，包括勻光勻色和鑲嵌拼接。勻光勻色是為了消除在影像獲取過程中由光照條件、大氣條件、地物屬性、攝影角度、相機(jī)參數(shù)、曝光差異和光學(xué)透鏡成像的不均勻性等因素影響而導(dǎo)致影像內(nèi)部和影像之間出現(xiàn)的色彩差異與亮度分布不均勻。智能鑲嵌可以智能生成鑲嵌線，自動(dòng)尋找高程落差和顏色過渡最平緩的鑲嵌線。

3.2 信息提取

土地利用信息提取是根據(jù)土地利用監(jiān)測內(nèi)容，采用面向?qū)ο蠓指钆c深度學(xué)習(xí)相結(jié)合的技術(shù)[8-11]對多時(shí)相、多源高分遙感影像進(jìn)行分析處理，提取可能發(fā)生變化的位置、大小和范圍，以便可以有效凸顯土地利用的變化特征。

3.2.1 多尺度面向?qū)ο蠓指?/p>

多尺度面向?qū)ο蠓指钍菍⑦b感影像看作是一張具有拓?fù)潢P(guān)系的區(qū)域組成的鄰接圖，根據(jù)相應(yīng)的尺度進(jìn)行分割，從單像元大小的區(qū)域開始，設(shè)定閾值確保生成同質(zhì)性高的影像分割區(qū)域（影像對象），然后相鄰影像區(qū)域兩兩合并增長，從而實(shí)現(xiàn)最佳分離和地物目標(biāo)的表示。

3.2.2 高分辨率影像特征提取

基于非下采樣小輪廓變換（NSCT變換）對紋理特征進(jìn)行多方向、多尺度提??；采用像元形狀指數(shù)（PSI）對中心像元局部鄰域的形狀和輪廓信息進(jìn)行空間幾何特征的描述；針對光譜多波段結(jié)構(gòu)特征的相似性，利用多元圖形特征融合的降維方法，減少信息冗余和計(jì)算代價(jià)，提高特征提取效率和精度。

3.2.3 基于深度學(xué)習(xí)的土地利用信息提取

將面向?qū)ο蟮姆椒ㄅc深度學(xué)習(xí)相結(jié)合，利用地形或地表輔助要素?cái)?shù)據(jù)、專家知識及深度學(xué)習(xí)算法分析特殊要素遙感影像樣本，選用卷積神經(jīng)網(wǎng)絡(luò)TensorFlow、Pytorch等框架，構(gòu)建相對復(fù)雜的、具有自適應(yīng)性的深度神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)樣本數(shù)據(jù)的主動(dòng)、自動(dòng)學(xué)習(xí)；通過大量樣本數(shù)據(jù)的訓(xùn)練、迭代，自動(dòng)獲取樣本特征，構(gòu)建深度學(xué)習(xí)模型，實(shí)現(xiàn)土地利用的信息提取。

3.3 變化分析

土地利用變化分析是利用CA-Markov模型分析多時(shí)相土地利用數(shù)據(jù)狀態(tài)及其變化。目前，馬爾科夫（Markov）模型主要應(yīng)用在土地利用/土地覆蓋變化建模中，但該模型難以預(yù)測土地覆蓋的空間格局變化。元胞自動(dòng)機(jī)（CA）模型具有強(qiáng)大的空間運(yùn)算能力，可以有效地模擬系統(tǒng)的空間變化，但該模型主要著眼于元胞的局部相互作用。CA-Markov模型綜合了Markov模型和CA模型的優(yōu)勢[12-13]，不僅可以長期預(yù)測，而且可以模擬復(fù)雜系統(tǒng)空間變化，從而實(shí)現(xiàn)有效地模擬土地利用格局的空間變化。CA-Markov模型的基本方法是利用前后2個(gè)事件景觀格局之間的轉(zhuǎn)移概率矩陣模擬土地利用發(fā)生的狀態(tài)及其變化。

4 土地利用動(dòng)態(tài)監(jiān)測應(yīng)用

4.1 全國土地調(diào)查

傳統(tǒng)的土地利用調(diào)查方法工作量大、成本高而且效率低、更新周期長，而面向?qū)ο蠓指罨蛏疃葘W(xué)習(xí)的遙感影像土地利用分類技術(shù)可以快速、準(zhǔn)確地獲取土地利用數(shù)據(jù)，監(jiān)測真實(shí)的土地利用情況，在土地利用調(diào)查中具有廣泛的應(yīng)用前景。以2010年的IKONOS高分辨率遙感影像作為數(shù)據(jù)源，將面向?qū)ο蠓诸惙椒ㄒ氲酵恋卣{(diào)查中，在分割過程中加入邊緣檢測層和紋理濾波，確定每類地物的最佳尺度；提取描述地物類別的最佳特征或構(gòu)建最佳特征組合，以此建立土地利用分類規(guī)則樹，采用面向?qū)ο蠓指罘椒ㄟM(jìn)行土地利用分類；基于土地利用分類結(jié)果定義變化檢測規(guī)則，提取土地利用類別的變化圖斑，并統(tǒng)計(jì)分析每種類別的變化圖斑面積[14]。

4.2 土地利用/土地覆蓋監(jiān)測

利用遙感技術(shù)可以揭示全球、區(qū)域和局地不同空間尺度上的土地利用和土地覆蓋變化，以及不同驅(qū)動(dòng)力之間的聯(lián)系，因此，可以利用同一地區(qū)、不同來源、不同時(shí)相的遙感影像間存在的光譜特征識別土地利用狀態(tài)或現(xiàn)象的變化。利用江陰市2003年的IKONOS影像和2010年的WorldView2影像，采用面向?qū)ο蠖喑叨确指罘椒?，基于高分辨率影像特征提取城市的土地覆蓋信息，從而實(shí)現(xiàn)城區(qū)土地利用/土地覆蓋變化分析[15]。

4.3 耕地變化監(jiān)測

18億畝（1畝約等于667 m2）是耕地?cái)?shù)量的一條紅線，要實(shí)現(xiàn)耕地總量動(dòng)態(tài)平衡，需要及時(shí)、準(zhǔn)確、全面地掌握全國耕地的動(dòng)態(tài)變化情況。基于知識遙感影像分類的知識獲取、表達(dá)、推理和積累等過程，利用SPOT5高分辨率影像數(shù)據(jù)，以城市郊區(qū)的耕地提取為主線，采樣面向?qū)ο蟮挠跋穹诸惣夹g(shù)，以分類規(guī)則集的形式實(shí)現(xiàn)耕地的自動(dòng)提取和變化監(jiān)測[16]。

4.4 城市建設(shè)用地監(jiān)測

隨著我國經(jīng)濟(jì)的快速發(fā)展，城市建設(shè)用地?cái)U(kuò)張日新月異，因此，城市建設(shè)用地的變化是土地利用動(dòng)態(tài)監(jiān)測的重點(diǎn)監(jiān)測對象。利用浙江桐鄉(xiāng)市2016年高分二號多光譜數(shù)據(jù)，在面向?qū)ο蟮亩喑叨确指畹幕A(chǔ)上，采用深度學(xué)習(xí)技術(shù)，分析建設(shè)用地信息提取的深度卷積神經(jīng)網(wǎng)絡(luò)及最佳分割尺度在建設(shè)用地信息自動(dòng)提取中的效果和優(yōu)勢[17]。

5 結(jié)束語

本文分析了利用多源高分遙感影像進(jìn)行土地利用動(dòng)態(tài)監(jiān)測的內(nèi)涵、技術(shù)方法和應(yīng)用情況；介紹了利用多源高分遙感影像進(jìn)行土地利用動(dòng)態(tài)監(jiān)測的技術(shù)流程，包括輻射校正、多源高分影像區(qū)域網(wǎng)聯(lián)合平差、正射糾正、影像融合、基于面向?qū)ο笈c深度學(xué)習(xí)的土地利用信息提取、基于CA-Markov模型的土地利用變化分析；從全國土地調(diào)查、土地利用/土地覆蓋監(jiān)測、耕地變化監(jiān)測和城市建設(shè)用地監(jiān)測等方面介紹了我國在土地利用動(dòng)態(tài)監(jiān)測方面的應(yīng)用情況，以期形成成熟的技術(shù)路線，構(gòu)建基于多源高分遙感影像的土地利用動(dòng)態(tài)監(jiān)測體系，為國土綜合管理、土地利用總體規(guī)劃、農(nóng)田保護(hù)、執(zhí)法檢查和土地綜合整治等提供技術(shù)支撐。