摘 要

城市土地利用变化监测对于我国国土资源的开发利用与优化配置具有极其重要的现实意义。但目前传统的土地利用变化监测方法存在工作量大、时效性差且成本高等缺陷，故此开发一套在保证精度的前提下自动化程度较高的城市土地利用变化监测系统就有着十分显著的实用价值。本文首先通过对国内外城市土地利用变化监测技术方法的分析研究，为保证对不确定点的变化情况进行捕捉并尽可能的减少人为干预，选择IR-MAD(the iteratively reweighted multivariate alteration detection)迭代加权多元变化检测算法为系统的核心算法。该算法以CCA（典型相关分析）和EM（最大期望）算法为核心，可以较好的保证结果的精度。结合城市发展的实际情况，将经过预处理的同区域不同时间的遥感影像数据进行土地利用类型划分，以便分析各个土地利用类型在相应时间区间的变化情况（包括土地利用变化强度和土地利用动态度的分析计算）。最后结合ENVI系列软件的处理结果并参考相应的政府统计资料对本系统的精度进行验证，以验证本系统的精度。同时，本系统中兼具遥感数据组织管理功能、土地利用类型划分、城市土地利用变化监测专题图的输出和城市土地利用变化统计分析等功能，可以为城市土地利用变化监测提供一整套的解决方案。文章最后对本系统的不足和展望进行了分析总结。

关键词：IR-MAD算法；土地利用；变化监测；

Abstract

Urban land use change monitoring is of great practical significance to the development, utilization and optimal allocation of land resources in China. However, the current traditional land use change monitoring methods have the defects of large workload, poor timeliness and high cost. Therefore, it is of great practical value to develop a set of urban land use change monitoring system with high degree of automation under the premise of ensuring accuracy. Based on the analysis of domestic and foreign urban land use change monitoring techniques, the iteratively reweighted multivariate change detection algorithm is selected as the core algorithm in the system in order to ensure the capture of uncertain fixed point changes and minimize human intervention as much as possible. The algorithm is based on CCA (canonical correlation analysis) and EM (maximum expectation), which can ensure the accuracy of the results. According to the actual situation of urban development, the pre-processed remote sensing image data of the same region at different times are divided into land use types to analyze the changes of each land use type in the corresponding time interval (including the analysis and calculation of the intensity of land use change and the dynamic attitude of land use). Finally, the accuracy of this system is verified by combining the processing results of ENVI series software and referring to the corresponding government statistics. At the same time, the system has the functions of remote sensing data organization and management, land use type classification, urban land use change monitoring thematic map output and urban land use change statistical analysis, which can provide a whole set of solutions for urban land use change monitoring. At last, this paper analyzes and summarizes the deficiency and prospect of this system.

Key Words：IR - MAD algorithm; Land use; Change monitoring;

目 录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 2

1.2.1 国外研究现状 2

1.2.2 国内研究现状 2

1.3 研究内容及技术路线 3

1.3.1 研究内容 3

1.3.2 技术路线 3

第2章 城市土地利用变化监测的算法及模型 5

2.1 IR-MAD（迭代加权多元变化检测）算法 5

2.2 CCA（典型相关分析） 7

2.3 EM（最大期望）算法 8

第3章 城市土地利用变化监测系统的设计与实现 9

3.1 系统总体设计 9

3.2 系统详细设计 10

3.2.1 数据源设计与选择 10

3.2.2 功能模块设计 10

3.2.3 用户界面设计 11

3.3 系统开发与实现 12

第4章 城市土地利用变化监测系统应用 15

4.1 研究区及数据 15

4.2 数据预处理 15

4.2.1 辐射定标 15

4.2.2 大气校正 16

4.2.3 几何校正 16

4.2.4 遥感图像拼接与裁剪 16

4.3 城市土地利用变化监测结果分析 17

4.3.1 土地利用动态度分析 18

4.3.2 土地利用变化强度分析 19

4.3.3 结果讨论 20

第5章 结论与展望 22

5.1 主要结论 22

5.2 不足与展望 22

参考文献 23

致谢 25

第1章 绪论

随着遥感技术的快速发展，遥感卫星的短时复轨能力、稳定一致的图像质量以及全球化的观测视野，提供了海量时间序列的观测数据，在变化监测领域，遥感数据自然成为专家学者们的首选。如城市土地利用变化监测、地震洪涝等灾情评估、自然地物类型覆被分析等。同时，由于近年来工业化和城镇化的进程加快，传统的土地利用变化监测由于存在工作量大、时效性差、成本高等缺陷，不能够完全胜任土地利用变化监测的工作，于是基于遥感影像数据的城市土地利用变化的自动化监测以及快速分析受到了越来越多专家学者的关注。

1.1 研究背景及意义

近年来，伴随着我国现代化建设步伐的加快，城镇化的进程也愈发加快。因此城市扩张，进而侵占原本为农用地、绿地和水体等类型的土地，因此极有可能产生诸如环境或生态方面的问题。因此如何高效的将城市土地利用类型及其变化趋势进行清查和分析，便成为了社会经济发展需要迫切解决的问题。同时，面对“大数据时代”和“绿水青山就是金山银山”的发展趋势，因此如何准确且自动化的对土地利用变化进行监测和分析，便具有十分重要的现实意义。

在最近数十年间，航天和航空遥感技术发展迅猛，遥感数据获取技术趋向于多传感器、多平台、多角度和高空间分辨率、高时相分辨率、高光谱分辨率的趋势发展^[1]。而这些海量的影响数据将有助于我们分析解决何时（When）何地（Where）发生何种变化（What Change）的“3W”问题。遥感影像以其观测范围广、时效性强、数据获取方便等特点，被广泛应用到国防军情监控、资源探测、环境监测、城市规划等领域^[2]，因此也成为了城市土地利用变化监测领域的最主要的数据来源。由于变化监测技术的应用前景极其广泛，其研究热度也逐年大幅上升。经过多年的发展，研究人员提出了很多基于遥感影像数据的变化监测的方法^[3]，也实际应用到了不同的领域中，也取得了较好的研究效果。

但目前，大部分城市土地利用变化监测的数据处理流程自动化程度偏低，需要一定的人为干预，因而引发的不确定性也较大。针对以上问题，本文提出构建一个以遥感影像数据为数据源的城市土地利用变化监测系统，更引入IR-MAD(the iteratively reweighted multivariate alteration detection)迭代加权多元变化检测算法，以增进对不确定点的处理效果并相应的减少人为干预，可以在保证精度的前提下，大幅提高城市土地利用变化监测的效率。系统兼具遥感数据组织管理、土地利用分类、变化监测、城市土地利用变化专题图输出、城市土地利用变化数理统计图表的输出等功能。在提高效率的同时，大幅增强了用户体验，对提高城市土地利用变化监测的自动化水平具有重要现实意义。

1.2 国内外研究现状

从上世纪六十年代开始，伴随着国外学者的第一篇变化检测论文的发表，但由于研究数据和计算效率等软硬件方面的限制，该技术的发展受到了一定程度的限制。但伴随着技术的发展以及该技术的应用市场巨大。越来越多的专家学者将研究方向转向了此领域。目前较为主流的变化检测方法可以将其分为以下三类：遥感图像像素级变化检测、地物特征级变化检测和地物目标级变化检测^[4]。

基于像素级的变化检测方法是直接基于遥感影像的像元特征所进行的，也就是以遥感影像的光谱信息以及像素信息作为基本的特征，根据判定阈值或权重等信息，来判断像素上是否发生变化，是目前应用最为广泛的变化检测方法之一。

特征级的变化检测是指在不同时像的高分辨率遥感影像中通过数理统计等方法，得到其几何特征和光谱特征的统计以及变化信息，以获取相应的地物特征的变化信息。

目标级的变化检测是在信息表示的最上层对变化信息进行提取和检测，主要面向的是地物目标。

1.2.1 国外研究现状

早在上个世纪中期，在对热带雨林的变化检测研究中，Miller ^[5]等专家学者就利用已经建立了标准化的检测流程的图像像素差值法的变化检测方法及流程。在将得到的变化检测图与实际变化分析对比中，得到了较好的精度验证。之后提出的MAD算法由于不能较好的确定计算阈值，并没有得到十分广泛的应用。直到2005年Morton Canty ^[6]等人提出了通过迭代计算来自动获取阈值的计算方法，也就是期望最大化算法。通过对上述算法的改进，便提出了迭代加权多元变化检测（Iteration Re-weight Multivariate Alteration Detection,简称 IR-MAD）算法。在与原有多种变化检测算法的精度对比中，IR-MAD算法的精度优势显著。2007 年，Allan Nielsen^[7]使用高光谱遥感影像数据作为数据源，使用迭代加权变化检测算法进行分析，得到了很好的精度。2010 年，国外学者再次对 IR-MAD 算法进行了详细的分析，并从原理以及应用等方面进行了系统性的叙述。

1.2.2 国内研究现状

在变化检测领域，在无数专家学者的努力下，相关的技术方法得到了飞速的发展，也取得了一些不错的成就。上世纪九十年代，在对珠三角城市的变化监测研究中，Li X.等人^[8]在像素处理对比处理过程中，引入了主成分分析的方法。并结合政府统计年鉴等数据进行精度检验，得到了较好的成果。之后为了提高精度，马国锐等人在已有的基础上^[9]，将高斯模型应用于融合算法的改进中，并对遥感影像进行了精度的分割，明显提高了原算法的精度。2007 年王惠林^[10]对基于已有经验也就是数据样本的干旱半干旱地区的自动分类的方法进行了验证。2012 年，白穆、刘慧平等人应用 MAD 算法进行遥感影像校正后的变化分析，得到相关较好的结果^[11]。在对变化检测的干扰信息处理方面，刘丹丹^[12]等人通过滤波以及图像处理等方法，在影像处理过程中引入了阈值分割，提高了研究的精度。

1.3 研究内容及技术路线

1.3.1 研究内容

本文主要研究的是基于遥感影像数据的城市土地利用变化监测，针对以往变化监测过程中自动化程度低、不确定因素高而展开的。研究的主要内容可以概括为以下几个部分：

（1）针对目前城市土地利用变化监测国内外研究现状以及主流的技术方法进行分析研究，得出目前变化监测过程中所存在的部分问题。并且以问题为导向，进一步明确本文的研究方向。

（2）针对不确定点和人为因素引起的误差问题，引入以CCA（典型相关分析）算法、EM（最大期望）算法为核心的IR-MAD（迭代加权多元变化检测）算法解决上述问题。并且从数学模型和算法原理角度对典型相关分析算法、最大期望算法、迭代加权多元变化检测算法进行系统阐述^[13]。

（3）以研究目标为导向，从系统总体设计和详细设计入手，开发一套基于IR-MAD算法的城市土地利用变化监测系统。选取武汉市部分城区2013年和2018年的影像数据作为实验数据。同时，为验证本系统的处理效率和有效性，将结果与传统变化监测结果进行对比和分析。最后，将本研究的不足和展望进行进一步的分析和讨论。

1.3.2 技术路线

本文将以迭代加权多元变化检测算法为核心，结合ArcEngine和ENVI IDL的二次开发环境，结合C#和MATLAB编程语言，开发一套自动化程度较高的城市土地利用变化监测系统。同时将选取武汉市部分城区的同区域不同时相的遥感影像数据作为实验数据，并对监测分析结果进行精度分析与评价。

首先，本文将从国内为研究现状入手，以解决目前存在的处理过程自动化程度低、对不确定点处理较差的问题为导向。对最大期望算法、典型相关分析算法、迭代加权变化监测算法的数学模型及原理进行详细的分析。对系统的总体设计和详细设计做了进一步的说明，最后基于二次开发的手段将本系统的功能进行实现。接下来以Landsat-8卫星为数据源，对武汉市部分城区进行城市土地利用变化监测研究，并与ENVI系列软件从用户响应时间和精度上进行对比，以验证本系统的使用性，技术路线图如下所示：

图1.1 技术路线图

第2章 城市土地利用变化监测的算法及模型

为了减少在变化检测过程中噪声等因素造成的影响，1999年，Allan Nielsen等人首次提出基于CCA（典型相关分析）的多元变化检测算法（MAD，Multivariate Alteration Detection）。2004年，Canty等人提出基于MAD算法的利用不变属性特征的新方法，该方法通过对归一化图像频带均值和方差等的无偏统计检验进行了验证，并与人工选取伪不变特征进行了定量比较，取得了较高的精度。但在遥感影像背景值的影响下，精度仍受到较大的影响。因此2005年，Morton Canty等人在MAD的算法基础上，引入EM（最大期望）算法即通过迭代计算自动获取阈值的方法，也就产生了迭代加权多元变化检测（Iteration-weight Multivariate Alteration Detection,简称 IR-MAD）算法，在与MAD算法进行精度比较后，前者的精度较高。之后IR-MAD算法便在变化检测方面得到了广泛的应用。

IR-MAD算法核心主要是CCA（多元统计分析）和EM算法（最大期望算法），在原有MAD算法的基础上，研究并提出了IR-MAD算法。

2.1 IR-MAD（迭代加权多元变化检测）算法

基于像素级的遥感影像的变化检测中，通过影像之间像素的差值绝对值的大小来判断发生变化的大小，当像素间差值的绝对值较大时（大于设定的阈值），我们就可以认为发生了变化。对于两个同区域不同时相的高光谱遥感影像，在这里将第一幅遥感影像用随机向量来表示，对于所有光谱波段的强度进行线性拟合，根据随机变量创建一个标量图像。在这里系数a是不确定的。对于第二幅遥感影像，使用同样的数学手段进行表示为，线性拟合表示为 。变化情况可以通过变量差分图像来表示，如何准确的选取合适的回归系数a和b就成为求解的重点。1998年Nielsen等人提出，使用典型相关分析（Canonical Correlation Analysis，CCA）算法可以较好的选取回归系数^[14]。

典型相关分析（Canonical Correlation Analysis,CCA）就是利用典型变量对之间的相关关系来反映两组原始变量之间的整体相关性的多元统计分析方法^[15]，是多元变化检测的核心算法。简言之，也就是广义特征值求解的问题。