赵得军

（江西理工大学，江西 赣州 341000）

如今，高分辨率影像已经在卫星遥感技术领域掀起一股热潮，它因具有高光谱信息、丰富的空间信息（纹理、几何信息）越来越受到大众的关注和广泛的应用，传统的基于像元的信息提取方法对于低分辨率影像有较好的效果，而对于高分辨率影像不如低分辨率影像的结果，不同地物之间产生了叠加，传统的信息提取方法因光谱差异未能达到预期的效果。因此，面向对象的影像处理技术应运而生［1］。应用多时相提取地物信息在学科中面临着多种挑战，变化检测两幅不同时刻且有相同地理区域的遥感影像，检测出发生变化的区域，进而加强了人类对于地球环境与活动的利用，本文基于eCongnition面向对象信息提取的思路，对稀土矿区多时相影像数据开展变化检测，充分反映矿区生态变化以及土地利用率的现状。

1 研究方法

遥感影像的变化检测指对不同时期同一区域覆盖的多源数据和相关地理数据，结合影像本身的地物特征和传感器成像原理，利用影像分析与处理和数据模型的建立，检测出发生变化地物区域的过程［2］。多时相影像的变化检测是指两幅或者两幅以上影像进行变化检测，反映出地理范围的变化、地理性质上的变化以及位置上发生的变化，在本文中对不同时期的稀土矿山影像数据变化检测，反映出矿区内地物的多种变化信息，其中包括植被病虫害与矿区水污染造成的植被减少的变化，矿区内植被的滥砍滥伐导致的地物异常变化，也有矿区重金属对土壤造成的地表变化，两时相影像变化检测注重于时间上的选择，矿区的变化检测直接反映环境的污染现状和土地利用的变化，为矿区环境治理和管理提供科学依据［3］。

2 实验与分析

2.1 研究区及影像数据简介

本文选自江西赣州定南地区为研究区，定南地区位于江西的南端，经度114°58′04″～115°10′56″，纬度24°51′24″～25°02′56″，矿区占地约为200km2。本次研究所用的是两期高分一号（GF-1）遥感影像数据，采用的是轨道号为122/43的影像数据为数据源，其中，轨道高度为645km，轨道倾角98.0506°，轨道类型为太阳同步回归轨道，重访周期为4d，总共有5个波段，4个8m的多光谱波段和1个2m的全色波段，各波段的波段参数如表（1）所示。

表1 高分一号图像波段信息

2.2 遥感数据的预处理

影像的预处理包括数据的获取、几何纠正、正射校正以及高分辨率数据的辐射定标和大气校正。

高分辨率的辐射校正包括辐射定标和大气校正［4］，定标将传感器接收到的遥感数据转换为实际的物理量。大气校正是为了消除由大气散射引起的辐射误差，是矿区内地表信息提取不可缺少的一步，本文应用遥感ENVI软件的FLAASH工具对高分一号PMS多光谱图像进行大气校正，主要分为三步，数据定标，也就是所谓的辐射定标；波普响应函数制作；FLAASH大气校正。由于卫星的姿态、轨道和地球运动等外界的因素造成的几何畸变，除此之外也有影像本身的内部因素，几何校正实现与标准地图的匹配从而校正图像的畸变。利用DEM数据来校正因地形起伏导致的误差，从而更加真实、丰富地突出矿区的地表信息。为了能够更加准确、快速地检测出矿区内的变化，在变化检测前对两幅影像进行图像融合的处理，改善分类的精度、增强特征显示的能力及修复图像的几何精度，本文将2m的全色波段和8m的多光谱波段进行融合提供变化检测的能力。

2.3 矿区植被的变化检测

稀土矿区内森林的乱砍滥伐、矿区污水的排放以及重金属对土壤的污染导致了植被大大减少，植被的生长是能够反映矿区环境良好的唯一标志，同时也是其他地物信息提取的标志，本文借助面向对象eCognition信息提取软件，并且结合植被指数NDVI和高分辨率遥感影像丰富的空间信息提取植被的变化信息。面向对象的信息提取以地物“同质均一”和内部对象同质性与外部对象异质性的原理生成不同层次的结果，不同分类层次之间有着相互的关联，下层基于像素，上层是整幅影像。尺度的分割在信息提取中起着极其重要的作用，eCognition软件的分割方法采用区域生长的算法，不同的地物有着不同的分割尺度，产生不同的分类结果，以最大可能的分割尺度来区分不同影像区域从而获取影像对象，在此过程中要设置分割参数，形状因子的选取尽可能地不要设置太大，否则影响分割的质量，其中颜色因子和紧凑度因子也是分割中不可或缺的一部分。在完成分割的基础上执行分类，分类方法有规则的监督分类、最邻近法分类和模糊数学分类，应用易康eCognition特有的层次结构关系对影像中的对象完整地分类，为地物的提取给予了良好的效果［5］。

多时相影像变化检测的处理过程首先是对两幅影像分别执行多尺度的分割，多尺度的分割是影像局部优化的过程，采取尺度为80，形状因子和紧凑度因子分别为0.1和0.8，对两幅影像设置同样的参数进行分割，对分割后的结果采用隶属度函数植被指数的设定，其中将NDVI＞0.3设定为植被，其余的全部设定为非植被，利用相同的算法对两幅影像进行分类处理，从而植被类别明显地区分于其他类别，分类的基础上进行合并处理，植被将得到连通的斑块，从而易于变化检测，其中两幅影像的分类合并结果如图1所示。

图1 不同时相影像的分类结果

其中上图中a是第一期矿区的分类图，图b是第二期矿区的分类图。分类合并的基础上通过易康eCognition软件特有的层次结构来同步两个分割层次，两层次间设置垂直关系叠加分类结果，叠加的结果显示出不同影像分割形成的斑块也存在着差异。

通过两层次结构的逻辑关系设定两幅影像的结合参数，并且按照植被增加、植被减少以及植被未变化的条件进行处理，得到不同时相影像植被变化的分类结果。如图所示2。

图2 不同时相影像分类结合效果图

从上图中可以得知，矿区开采区周边以及污水排放区出现了植被的较少（蓝色），小范围开采周边与建筑物附近有植被的增加现象（红色），其余矿区内大部分的植被都未发生变化（白色）。图斑在第一期的分类结果中为植被，在第二期的分类结果中为非植被，表明是植被减少（蓝色）；图斑在第一期的分类结果中为非植被，在第二期的分类结果中为植被，表明是植被增加；图斑在第一期的分类结果中为植被，在第二期的分类结果中为植被，那么说明在这块区域植被未变化。

3 结论

本文使用多时相的高分辨率影像数据，结合易康eCognition软件对矿山的植被做出了变化检测与分析，得到了植被减少、植被增加和植被未变化的结果图，并且可以将结果以矢量的方式导出做数据的相关研究，植被良好提取的前提对遥感影像进行配准、融合等预处理，图斑边界与地物才能完全的匹配，充分地反映了矿山内环境变化和生态恢复的情况，在矿区周边出现植被的退化现象，估计是矿区开采导致的污染现状而使植被减少，为了更加确切了解矿区植被的生长状况，应该进一步地对水土的污染做出相关研究，有利于为矿区无序开采的管理与环境保护提供科学依据。

［1］Uuemma E，Roosaare J，Mander U.Scle drpendence of landscape metrics and their indicatoryvalue for nutrient and organic matter losses from catchments［J］.Ecological Indicators，2005，5（4）：350-369.

［2］殷守敬，吴传庆，王桥，等.多时相遥感影像变化检测方法研究进展综述［J］.光谱学与光谱分析，2013（12）：3339-3342.

［3］李恒凯，吴立新，刘小生.稀土矿区地表环境变化多时相遥感监测研究——以岭北稀土矿区为例［J］.中国矿业大学学报，2014（6）：1087-1094.

［4］赵英时.遥感应用分析原理与方法［M］.北京：科学出版社，2003.

［5］宋杨，李长辉，林鸿，等.基于eCognition的绿地利用变化检测应用研究［J］. 城市勘测，2011（5）：81-83，97.