开展多时相遥感影像耕地变化检测需要遵循规范化的技术流程，并掌握关键算法的原理和应用。时维遥感在长期业务实践中，建立了一套标准化的耕地变化检测技术流程，确保监测工作的科学性和高效性。

一、变化检测项目的技术准备

在正式开展变化检测之前，需要做好充分的技术准备工作。

1.1 监测需求分析

明确监测的目标是技术准备的首要任务：

监测范围确定：确定监测的地理范围，可以是行政区域、流域、项目区等。

监测时段确定：确定监测的起止时间，以及变化检测的时间间隔（年度、季度或月度）。

监测精度要求：根据应用需求确定变化检测的最小图斑面积和精度指标。

变化类型重点：明确需要重点关注的变化类型，如耕地转建设用地、耕地撂荒等。

1.2 基础数据收集

收集和整理监测所需的各类基础数据：

遥感影像数据：根据监测需求选择合适的卫星数据源，订购或下载相应时相的影像。

基础地理数据：包括行政区划、道路、水系、居民点等基础地理信息。

土地利用数据：收集监测起始时相的土地利用现状图、耕地分布图等。

辅助参考数据：收集规划数据、项目资料、统计年鉴等辅助信息。

1.3 技术方案设计

制定详细的技术实施方案：

技术路线选择：根据数据条件和监测目标，选择合适的变化检测技术路线。

软件工具准备：配置遥感数据处理软件（如ENVI、ERDAS、ArcGIS等）和必要的硬件设备。

人员分工安排：明确项目组成员的职责分工，制定工作计划和时间表。

质量控制设计：设计精度验证方法和质量控制流程。

二、遥感影像预处理技术

高质量的预处理是获得可靠变化检测结果的前提。

2.1 辐射校正与大气校正

辐射定标：将原始影像的数字量化值（DN值）转换为物理辐射亮度值或反射率值。不同传感器有不同的定标公式和参数。

大气校正：消除大气对地表反射信号的影响，获得真实的地表反射率。常用的大气校正方法包括：

FLAASH模型：基于MODTRAN辐射传输代码的大气校正模块

6S模型：考虑大气分子和气溶胶散射的第二模拟程序

DOS暗像元法：基于影像本身信息的简化大气校正方法

2.2 几何配准与校正

几何粗校正：利用卫星星历数据和DEM进行系统几何校正，将影像定位到地理坐标系。

几何精校正：利用地面控制点（GCP）对影像进行精确配准，消除几何畸变。

多时相配准：将不同时相的影像精确配准到同一坐标系，确保对应像元的空间一致性。配准精度通常要求达到0.5个像元以内。

时维遥感采用自动匹配与人工精调相结合的方式，确保多时相影像的高精度配准。

2.3 影像增强与融合

影像增强：采用直方图均衡化、滤波等方法增强影像的视觉效果，便于目视判读。

影像融合：对于不同空间分辨率的数据（如全色和多光谱），采用融合技术生成高分辨率彩色影像，提高变化检测的空间精度。

三、变化信息提取的核心算法

变化信息提取是耕地变化检测的核心环节，需要选择和应用合适的算法。

3.1 代数运算法

图像差值法：

公式：ΔB = B(t₂) - B(t₁)

其中，B(t₁)和B(t₂)分别为时相1和时相2的波段值。

根据差值的大小和符号判断变化的性质和程度。可以设置阈值将差值图像二值化为变化和未变化两类。

图像比值法：

公式：R = B(t₂) / B(t₁)

比值法可以减少辐射差异的影响，适合处理不同时相辐射条件不一致的情况。

3.2 变化向量分析（CVA）

变化向量分析是多波段变化检测的经典方法：

变化强度计算：

ΔM = √[Σ(Bi(t₂) - Bi(t₁))²]

变化强度反映了像元变化的总体幅度。

变化方向确定：

变化向量在多光谱空间的方向指示了变化的类型。通过分析变化方向与已知变化类型的关系，可以识别变化的性质。

CVA的优势：综合考虑多个波段的变化信息，能够区分变化的幅度和类型，检测效果优于单波段方法。

3.3 主成分变换法

主成分变换可以将变化信息集中在少数主成分中：

多时相PCA：将两个时相的多波段数据组合，进行主成分变换。变化信息通常集中在高阶主成分中。

多时相差异PCA：先计算两时相的差异图像，再对差异图像进行PCA变换，突出变化信息。

迭代加权PCA：根据变化可能性对像元进行加权，迭代计算主成分，提高变化检测的灵敏度。

3.4 分类后比较法

分类后比较法是业务化应用中最常用的方法：

独立分类：分别对两个时相的影像进行分类，得到两期的土地利用图。

变化矩阵生成：通过矩阵运算比较两期分类结果，生成变化转移矩阵。

变化图层提取：根据变化矩阵提取各类变化的分布图层。

分类后比较的优缺点：

优点：能够明确变化的前后类型，结果直观易懂

缺点：两期分类误差的累积会影响变化检测精度

时维遥感通过采用高精度分类算法和人工审核机制，有效控制分类误差，提高变化检测的可靠性。

四、面向对象的变化检测技术

面向对象的变化检测基于影像分割的对象进行变化分析，在耕地变化检测中具有独特优势。

4.1 影像分割技术

多尺度分割：采用分形网络演化算法（FNEA）等方法，根据光谱同质性和形状紧致性准则，将影像分割为具有明确边界的对象。

分割参数优化：通过试验确定最优的分割尺度、形状因子和紧致度参数，使分割结果与实际地块边界吻合。

分层分割策略：对于复杂场景，采用多尺度分层分割策略，在不同层次上提取不同尺度的对象。

4.2 对象特征提取

对每个分割对象提取多维特征：

光谱特征：对象的平均光谱值、光谱方差、各波段比值等。

纹理特征：基于灰度共生矩阵（GLCM）的对比度、均匀性、熵等纹理度量。

形状特征：对象的面积、周长、紧凑度、矩形度、长宽比等几何特征。

上下文特征：对象与相邻对象的关系特征，如邻接类型、空间排列等。

4.3 对象级变化检测

对象分类比较：分别对两时相影像进行面向对象分类，比较对象的类别变化。

对象相似度计算：计算两时相对应对象的特征相似度，相似度低于阈值的对象被判定为发生变化。

多特征融合检测：综合利用光谱、纹理、形状等多种特征的差异，提高变化检测的准确性。

面向对象方法的优势在于能够减少噪声影响，利用上下文信息，生成边界清晰的变化图斑，更适合于地块尺度的耕地变化检测。

五、变化类型判别与属性赋值

准确判别变化的类型是耕地变化检测的重要环节。

5.1 基于规则的分类判别

建立基于专家知识的规则库进行变化类型判别：

光谱规则：根据变化区域的光谱特征制定判别规则。如：

NDVI从>0.6变为<0.2，可能是耕地转建设用地

近红外反射率显著下降，可能是植被覆盖变为裸地或建筑

纹理规则：根据纹理特征变化制定规则。如：

纹理从规则变为不规则，可能是耕地变为建设用地

纹理均匀性增加，可能是多块小田合并为一块大田

几何规则：根据形状特征变化制定规则。如：

对象面积显著增大，可能是多个小地块合并

对象边界变得规则，可能是土地开发整理

5.2 基于样本的分类判别

采用机器学习方法进行变化类型分类：

训练样本采集：收集各类变化的典型样本，提取样本的特征向量。

分类器训练：使用随机森林、支持向量机等算法训练变化类型分类器。

类型判别：将检测到的变化区域输入分类器，自动判别变化类型。

5.3 辅助信息融合判别

结合辅助信息提高变化类型判别准确性：

规划信息验证：将检测到的变化与土地利用规划、城乡规划对比，判断变化的合规性。

项目信息关联：将变化图斑与建设项目数据库关联，确定变化的原因和项目背景。

历史数据对比：结合历史变化数据，分析变化的趋势和规律。

六、变化检测结果的精度验证

精度验证是评价变化检测质量的关键步骤。

6.1 验证样本设计

科学的验证样本设计是精度评价的基础：

样本数量确定：根据监测区域面积和变化图斑数量，按照统计学原理确定验证样本量。

样本布设方法：采用分层随机抽样或系统抽样方法，确保样本的空间代表性。

样本类型覆盖：验证样本应覆盖变化和未变化区域、不同类型的变化。

6.2 验证数据采集

高分辨率影像判读：利用Google Earth、高分二号等高分辨率影像进行目视判读，作为验证参考。

实地调查验证：对重点区域或疑难图斑开展实地调查，获取最可靠的验证数据。

历史资料查证：查阅历史影像、规划资料、项目档案等，核实变化的性质和时间。

6.3 精度评价指标

总体精度：正确检测的样本数占总样本数的比例。

Kappa系数：考虑随机一致性的精度指标，Kappa > 0.8表示高精度，0.6-0.8表示中等精度。

漏检率和误检率：分别表示实际变化未检测出的比例和未变化被误判为变化的比例。

变化类型准确率：各类变化类型被正确识别的比例。

时维遥感的耕地变化检测服务通常达到总体精度>85% 、Kappa系数>0.8的质量标准。

七、变化检测成果的整理与输出

系统整理变化检测成果，形成规范的监测报告。

7.1 专题图制作

变化分布图：展示各类变化的空间分布，采用不同颜色和符号区分变化类型。

变化强度图：用颜色深浅表示变化的强度或可能性。

统计专题图：制作变化统计的专题地图，如变化热点分布图、变化趋势图等。

7.2 统计报表编制

变化面积统计表：按变化类型、行政单元、时间段等维度统计变化面积。

变化转移矩阵：展示不同地类之间的转换关系和面积。

变化趋势分析表：分析变化的时间趋势和空间分布特征。

7.3 监测报告编写

技术方法说明：详细说明数据源、处理流程、技术方法、精度验证等内容。

变化分析结果：分析变化的总体情况、空间分布特征、主要原因等。

对策建议：针对监测发现的问题，提出耕地保护的对策建议。

附件材料：包括图件、表格、元数据说明等附件。

八、业务化变化检测系统建设

建设业务化的变化检测系统，实现耕地变化监测的常态化运行。

8.1 系统架构设计

数据层：管理多时相遥感数据、基础地理数据、历史监测数据等。

处理层：集成影像预处理、变化检测、分类识别等核心算法。

分析层：提供变化统计分析、趋势分析、热点分析等功能。

应用层：提供成果展示、报告生成、预警发布等服务。

8.2 自动化处理流程

数据自动获取：自动下载最新卫星影像，更新影像数据库。

自动预处理：自动执行辐射校正、几何配准、大气校正等预处理步骤。

自动变化检测：自动执行变化检测算法，生成变化图斑。

自动报告生成：自动生成变化监测报告和专题图件。

时维遥感正在建设耕地变化监测业务化运行平台，为各级自然资源管理部门提供常态化、自动化的监测服务。