基于多尺度分割和决策树算法的山区遥感影像变化检测方法-生态学报.PDF

第 34 卷第 24 期 生 态 学 报 Vol.34,No.24 2014年12月 ACTA ECOLOGICA SINICA Dec.,2014 DOI:10.5846/ stxb201310112439 张正健,李爱农,雷光斌,边金虎,吴炳方.基于多尺度分割和决策树算法的山区遥感影像变化检测方法———以四川攀西地区为例.生态学报, 2014,34(24):7222鄄7232. Zhang Z J,Li A N,Lei G B,Bian J H,Wu B F.Changedetection of remote sensing imagesbased on multiscale segmentation and decisiontreealgorithm over mountainous area:a case study in Panxi region,Sichuan Province.Acta Ecologica Sinica,2014,34(24):7222鄄7232. 基于多尺度分割和决策树算法的山区 遥感影像变化检测方法 ———以四川攀西地区为例 1 1,* 1,2 1,2 3 张正健 ,李爱农 ,雷光斌 ,边金虎 ,吴炳方 (1.中国科学院水利部成都山地灾害与环境研究所,成都摇 610041; 2. 中国科学院大学,北京摇 100049;3. 中国科学院遥感与数字地球研究所,北京摇 100094) 摘要:山区遥感影像变化检测面临地形效应明显、空间异质性高等不利因素的影响,构建适用于复杂地形条件的变化检测方法 一直是遥感应用研究的难点。 在对影像进行多尺度分割的基础上,构建对象的多种光谱、形状及地形特征,将地形阴影、物候等 造成的虚假变化当作“未变化冶训练样本,利用决策树算法自动提取检测规则,建立复杂地形条件下面向对象的遥感影像变化 检测方法,并将该方法用于四川攀西山区1989年和2009年TM影像的检测试验,最后对方法的不足和改进措施进行了讨论。 主要结论包括:(1)文中构建的方法能够有效减弱山区复杂地形条件对遥感影像变化检测的不利影响,采用地面调查数据和分 层随机采样的总体验证精度为93.57%,Kappa系数为0.8706。 (2)C5.0决策树算法对于只有“变化冶和“未变化冶两种类别且同 类间训练样本高度异质化的影像分类仍能取得较好的效果,具有较好的鲁棒性和适应能力。 通过将地形、物候等引起的虚假变 化当作“未变化冶训练样本可以有效提高检测精度。 (3)光谱特征仍是TM影像遥感分析的主要信息源,影像间NDVI 的差值对 于植被覆盖区域土地覆盖格局变化的检测具有良好的表征作用。 (4)攀西地区1989—2009年间土地覆盖格局变化明显且与人 2 类活动关系密切,典型的驱动方式包括退耕还林(草)工程、水利工程建设和矿山开采等。 共检测出变化面积740.2km ,占影像 总面积的2.49%。 关键词:多尺度分割;决策树算法;遥感影像;变化检测;攀西地区 Change detection of remote sensing images based on multiscale segmentation and decision tree algorithm over mountainous area: a case study in Panxi region, Sichuan Province 1 1,* 1,2 1,2 3 ZHAN