林 卉，朱 慶，胡召玲

(1.江蘇師范大學(xué)測(cè)繪學(xué)院，江蘇 徐州 221116；2.江蘇師范大學(xué)城市與環(huán)境學(xué)院，江蘇 徐州 221116)

模糊支持向量機(jī)和變化矢量分析相結(jié)合的礦區(qū)土地覆蓋變化檢測(cè)

林 卉1，朱 慶1，胡召玲2

(1.江蘇師范大學(xué)測(cè)繪學(xué)院，江蘇 徐州 221116；2.江蘇師范大學(xué)城市與環(huán)境學(xué)院，江蘇 徐州 221116)

針對(duì)目前土地覆蓋變化檢測(cè)常用的方法存在不同程度的誤差累積，夸大了變化區(qū)域，提出模糊支持向量機(jī)(FSVM)和變化矢量分析(CVA)相結(jié)合的土地覆蓋檢測(cè)方法。以某礦區(qū)2004年和2008年兩期的CBERS遙感影像進(jìn)行了試驗(yàn)。結(jié)果表明，植被大幅減少，其他地類(lèi)都有不同程度的增加，主要是由于開(kāi)采規(guī)模和產(chǎn)量提升所致。通過(guò)與常規(guī)的其他兩類(lèi)方法比較發(fā)現(xiàn)，本文方法的總體精度、Kappa系數(shù)、漏檢誤差和虛檢誤差分別為92.67%、0.892 7%、5.79%、7.31%，比其他兩種方法有較大提高，能夠提供較全面的變化類(lèi)別和準(zhǔn)確信息，可以有效地應(yīng)用于礦區(qū)土地覆蓋動(dòng)態(tài)監(jiān)測(cè)。

土地覆蓋變化檢測(cè)；模糊支持向量機(jī)(FSVM)；變化矢量分析(CVA)；漏檢誤差；虛檢誤差

一、引 言

國(guó)際上利用遙感信息測(cè)量土地利用變化主要采用的方法有兩類(lèi)：地物光譜直接比較法和分類(lèi)結(jié)果比較法[1]。前者采用直接光譜信息進(jìn)行差值比較判斷變化區(qū)域，避免了分類(lèi)誤差的累積，提高了變化像元位置的檢測(cè)精度，但不能直接確定變化類(lèi)型。同時(shí)，選擇合適的閾值算法也是直接比較變化檢測(cè)法中的決定因素，影響著最終檢測(cè)精度。分類(lèi)后比較變化檢測(cè)法，是針對(duì)影像的全部范圍，不管是否已經(jīng)發(fā)生變化，都要進(jìn)行分類(lèi)計(jì)算，這樣大大增加了變化信息檢測(cè)的計(jì)算量，且最終變化檢測(cè)精度積累了兩次分類(lèi)的誤差，存在著虛檢誤差等精度方面的不足[2]。針對(duì)分類(lèi)后比較法與光譜信息比較法的優(yōu)缺點(diǎn)，以福建紫荊山金銅礦礦區(qū)為研究對(duì)象，提出了一種綜合兩類(lèi)方法的優(yōu)點(diǎn)，即模糊支持向量機(jī)(FSVM)與變化矢量分析(CVA)相結(jié)合的檢測(cè)法進(jìn)行礦區(qū)土地覆蓋變化檢測(cè)。試驗(yàn)表明，它兼具兩者的優(yōu)點(diǎn)，提高了土地覆蓋變化信息檢測(cè)精度。

二、研究區(qū)概況及數(shù)據(jù)資料

本文以某金銅礦礦區(qū)作為研究對(duì)象，該礦區(qū)位于福建上杭縣城北的紫金山。1993年該礦開(kāi)始實(shí)施地下開(kāi)采工作，1997年由地下開(kāi)采轉(zhuǎn)向露天開(kāi)采，2000年以后全轉(zhuǎn)為露天開(kāi)采，為銅金共生礦床，呈“上金下銅”的垂直分布特點(diǎn)。本次試驗(yàn)采用了CBERS-02/02B衛(wèi)星遙感多光譜數(shù)據(jù)，其獲取時(shí)間分別為2004年10月16日、2008年11月20日，還有2008年礦區(qū)的1∶10 000地形圖和2007年礦區(qū)土地利用現(xiàn)狀圖。經(jīng)過(guò)相對(duì)輻射校正與幾何校正等預(yù)處理后，裁剪同一研究區(qū)范圍，大小為400像素×400像素，該區(qū)域內(nèi)有一主礦區(qū)，位于影像中部偏東，汀河自北向南流經(jīng)此礦區(qū)。研究區(qū)兩個(gè)時(shí)期假彩色合成影像如圖1所示，方框?yàn)樽兓饕獏^(qū)域。

圖1 研究區(qū)CBERS假彩色合成遙感影像(R-4、G-3、B-2)

三、數(shù)據(jù)處理

基本思路是分別利用FSVM法進(jìn)行各時(shí)相的分類(lèi)處理，得到2004年和2008年的土地分類(lèi)圖；然后對(duì)2004年與2008年的多光譜影像采用CVA提取2004—2008年的變化像元，并進(jìn)行分類(lèi)，得到變化像元分類(lèi)圖；接著與2004年的分類(lèi)圖進(jìn)行疊加，得到2008年的土地分類(lèi)圖；最后對(duì)兩期分類(lèi)圖通過(guò)GIS進(jìn)行疊加分析，提取土地變化信息。

1.模糊支持向量機(jī)

2002年，文獻(xiàn)[3]提出了Fuzzy SVM(FSVM)算法。

設(shè)有一個(gè)n個(gè)數(shù)據(jù)的訓(xùn)練集{xi，yi}，(i＝1，2，…，n)，其中xi為訓(xùn)練數(shù)據(jù)集，yi為訓(xùn)練目標(biāo)，xi∈Rn，yi∈{－1，1}，常規(guī)支持向量機(jī)訓(xùn)練算法通常沒(méi)有考慮訓(xùn)練樣本對(duì)分類(lèi)的貢獻(xiàn)，本文引入一個(gè)模糊因子si，表示訓(xùn)練樣本對(duì)類(lèi)中心的隸屬程度，定義為式中，表示某類(lèi)聚類(lèi)中心；σ2為常數(shù)，按實(shí)際需求取值。由公式可以看出，0＜si≤1，xi偏離聚類(lèi)中心x越遠(yuǎn)時(shí)，si越小，即xi隸屬于該類(lèi)可能性越小。

該方法就是為訓(xùn)練數(shù)據(jù)集增加一個(gè)屬性si，即(xi，yi，si)。將線性可分與線性不可分歸并到一種情況考慮，引入松弛因子ξi，如果分類(lèi)超平面為ω· xi＋b＝0，滿(mǎn)足約束

式中，ξi≥0，i＝1，2，…，l，其中ξi＝0表示線性可分。

最后該FSVM方法可由如下二次規(guī)劃過(guò)程實(shí)現(xiàn)

與普通SVM訓(xùn)練算法不同的是，該類(lèi)模糊支持向量機(jī)在訓(xùn)練二次規(guī)劃過(guò)程的約束條件中加入可變的si(0≤si≤1)參數(shù)，強(qiáng)調(diào)樣本對(duì)分類(lèi)的不同貢獻(xiàn)，從而得到模糊訓(xùn)練的目標(biāo)。實(shí)踐證明模糊支持向量機(jī)在遙感影像分類(lèi)中可取得很好的精度。

2.變化矢量分析

變化矢量分析(CVA)是用多波段遙感影像數(shù)據(jù)構(gòu)建一個(gè)向量空間，向量空間的維數(shù)就是波段數(shù)，描述從一個(gè)時(shí)相到另一個(gè)時(shí)相間光譜向量空間變化的大小和方向的變化檢測(cè)方法。其原理公式

式中，G、H為時(shí)相t1、t2圖像的像元灰級(jí)矢量；ΔG為兩個(gè)不同時(shí)相圖像存在的變化信息，其變化強(qiáng)度由決定，值越大則表明兩個(gè)時(shí)相圖像的差異性越大，發(fā)生變化的可能性也越大[4]。

3.變化檢測(cè)閾值確定

本文采用雙窗口變步長(zhǎng)閾值搜索法應(yīng)用于CVA方法中來(lái)確定變化檢測(cè)的閾值[5]。首先通過(guò)人機(jī)交互選擇若干典型變化區(qū)為訓(xùn)練樣區(qū)。在這些典型變化區(qū)外部通過(guò)緩沖區(qū)分析設(shè)置外邊界，構(gòu)成“雙窗口”，以步長(zhǎng)p1＝(b－a)/n，(n為可任意設(shè)定的正整數(shù)，[a，b]為整景圖像的變化強(qiáng)度范圍)，在[a，b]范圍內(nèi)設(shè)定閾值分別為b－p1、b－2p1、b－3p1、…，以各閾值為標(biāo)準(zhǔn)從訓(xùn)練樣區(qū)變化強(qiáng)度圖像中判定出變化像元和非變化像元；計(jì)算某一閾值k下的檢驗(yàn)成功率Lk。如果搜尋出的檢測(cè)成功率最大時(shí)對(duì)應(yīng)的閾值為k，則在[k－p1，k＋p1]范圍內(nèi)，減小步長(zhǎng)(n增大)開(kāi)始下一次搜尋；當(dāng)搜尋范圍內(nèi)的各閾值所對(duì)應(yīng)的最大成功率與最小成功率之差小于某一給定常數(shù)δ時(shí)，即可得到變化檢測(cè)的最佳閾值[6-7]。

4.試驗(yàn)結(jié)果與分析

按照上述方法對(duì)2004年和2008年兩期遙感數(shù)據(jù)進(jìn)行土地變化檢測(cè)處理，相關(guān)結(jié)果如圖2所示。圖2(a)、圖2(c)為兩期的土地分類(lèi)圖，圖2 (b)為變化像元區(qū)域圖。各土地類(lèi)型統(tǒng)計(jì)數(shù)據(jù)見(jiàn)表1。為了定量比較CVA和FSVM方法結(jié)果的差異，在輔助資料和野外資料的基礎(chǔ)上，采用點(diǎn)隨機(jī)抽樣、在輔助資料幫助下目視判讀的方法，共安排400個(gè)檢驗(yàn)點(diǎn)，得到土地分類(lèi)圖(如圖2(d)、圖2 (e)所示)，并進(jìn)行精度檢驗(yàn)，分別計(jì)算了總體精度、Kappa系數(shù)、漏檢誤差和虛檢誤差，表2顯示了3種方法的精度對(duì)比。

圖2 FSVM和CVA相結(jié)合的土地變化檢測(cè)分類(lèi)圖

表1 各時(shí)期土地覆蓋類(lèi)型面積統(tǒng)計(jì)(像元個(gè)數(shù))

表2 2004—2008年不同變化檢測(cè)方法精度對(duì)比

由圖2可知，從目視解譯來(lái)看，變化的區(qū)域主要集中在主礦區(qū)附近，并向四周擴(kuò)展，如圖2(a)、圖2 (c)中的白色框所示。從中可以明顯看出，未利用地(含礦石處理區(qū))、建筑用地、排土場(chǎng)和水體都有不同程度的增加，植被面積在減少。從變化像元區(qū)域圖2(b)也可以看出，變化的區(qū)域集中在主礦井，與圖2(a)、圖2(c)所示基本吻合。同時(shí)通過(guò)與地形圖和土地利用現(xiàn)狀圖相比，圖2(c)比圖2(d)、圖2 (e)更接近實(shí)際，可靠性更高。雖然2004—2008年間礦區(qū)內(nèi)地類(lèi)變化較為明顯，但由于礦石不同狀態(tài)下被劃分為不同地物類(lèi)別，因此造成分類(lèi)后變化檢測(cè)的結(jié)果存在與目視判別結(jié)果有所差別，如在圖2(b)中小框里檢測(cè)出汀河流域變化就是虛檢誤差(commission error，指未發(fā)生變化的地類(lèi)檢測(cè)為變化的地類(lèi))所致。

從表1中可知，由于開(kāi)采規(guī)模的擴(kuò)大和時(shí)間的積累，研究區(qū)內(nèi)植被地類(lèi)面積在減少，從2004年的76.83%下降到2008年的60.79%，變化率達(dá)16.04%，通過(guò)與地形圖和土地利用現(xiàn)狀圖對(duì)比，基本被礦石、露天采出的表土所覆蓋，嚴(yán)重?fù)p壞了植被覆蓋，導(dǎo)致礦區(qū)生態(tài)環(huán)境日益惡化。隨著產(chǎn)量的增加，開(kāi)采出大量的廢棄礦石被堆積起來(lái)，未利用地(礦石處理區(qū))區(qū)域面積在不斷擴(kuò)大，從2004年的1.68%上升至9.24%，礦石的堆放受到自然因素影響，造成土壤破壞和侵蝕，也污染水質(zhì)。水體面積也在增加，這主要由于一些采礦區(qū)沒(méi)有及時(shí)回填和復(fù)墾，形成天然的洼地，長(zhǎng)年累月形成了池塘或水池。建筑用地增加是由于居民的增加，房屋建設(shè)、各種基礎(chǔ)設(shè)施和配套設(shè)施所需，逐步形成了一個(gè)現(xiàn)代化的城鎮(zhèn)。排土場(chǎng)在露天開(kāi)采中占用面積很大，由于該礦為露天開(kāi)采，剝離出大量的表土堆積在礦區(qū)四周，隨著開(kāi)采規(guī)模的不斷擴(kuò)大，排土量越來(lái)越大，導(dǎo)致用來(lái)堆放這些土塊的排土場(chǎng)面積在擴(kuò)大。通過(guò)對(duì)比地形圖和土地利用圖，發(fā)現(xiàn)早期的一些排土場(chǎng)被慢慢改造形成了良田和莊稼地，由于影像所示時(shí)間為10月份，農(nóng)作物已經(jīng)收割，因此都被劃分為排土場(chǎng)(裸土)，但這部分面積不多，零星分布，從Google Earth地圖來(lái)看，這片區(qū)域地形復(fù)雜，山地多，且為礦區(qū)范圍，因此排土場(chǎng)的開(kāi)發(fā)和復(fù)墾難度較大。總之，幾年間，隨著礦區(qū)的開(kāi)采規(guī)模擴(kuò)大和速度升級(jí)，植被覆蓋遭到破壞，面積在大幅減少，而未利用地、水體、排土場(chǎng)和建筑用地面積逐漸增加，在獲得高額的經(jīng)濟(jì)效益的同時(shí)，生態(tài)環(huán)境效益受到一定程度的破壞[8]。

漏檢誤差和虛檢誤差是衡量變化檢測(cè)方法優(yōu)劣的重要指標(biāo)。表2數(shù)據(jù)顯示，CVA檢測(cè)法漏檢誤差(15.69%)比虛檢誤差(8.81%)要大很多；相反，F(xiàn)SVM分類(lèi)檢測(cè)法虛檢誤差(7.44%)比漏檢誤差(18.33%)要大，從圖2(d)、圖2(e)目視解譯可以看出這個(gè)特點(diǎn)。同時(shí)FSVM結(jié)合CVA檢測(cè)法在總體精度、Kappa系數(shù)、漏檢誤差和虛檢誤差方面都要好于前兩種方法，分別達(dá)到了92.67%、0.892 7%、5.79%、7.31%?？梢钥闯龅?種方法綜合了前兩者的優(yōu)點(diǎn)，大大提高了檢測(cè)精度與準(zhǔn)確性。

四、結(jié)束語(yǔ)

1)試驗(yàn)數(shù)據(jù)表明，F(xiàn)SVM結(jié)合CVA檢測(cè)法精度指標(biāo)優(yōu)于其他兩種方法，它綜合了分類(lèi)后變化檢測(cè)與光譜直接檢測(cè)的優(yōu)點(diǎn)，避免了分類(lèi)前、后變化檢測(cè)方法的缺點(diǎn)，避免了相同地類(lèi)重復(fù)分類(lèi)工作，提高了土地覆蓋變化信息檢測(cè)精度[9]。

2)在2004—2008年間，該礦區(qū)的土地利用覆蓋類(lèi)型發(fā)生了很大變化，表現(xiàn)為植被面積大幅減少，變化率達(dá)到16.04%，其他地類(lèi)趨于增加，尤以未利用地(含礦石處理區(qū))增加最大，占有率、變化率達(dá)9.24%和7.56%，主要是開(kāi)采規(guī)模和產(chǎn)量提高所致。這對(duì)生態(tài)環(huán)境造成一定不利影響，需要相關(guān)部門(mén)綜合考慮。

3)FSVM結(jié)合CVA檢測(cè)法涉及檢測(cè)變化與未變化的信息，如何合理確定閾值是關(guān)鍵問(wèn)題，也是需要繼續(xù)探討的問(wèn)題。同時(shí)，變化檢測(cè)是一個(gè)非常復(fù)雜的問(wèn)題，任何一種方法都無(wú)法完成各種變化檢測(cè)的需要，如何整合各種方法的優(yōu)勢(shì)，在不同尺度范疇下來(lái)檢測(cè)變化是其研究熱點(diǎn)之一[10]。

[1] MAS J F.Monitor Land Cover Changes：A Comparison of Change Detection Techniques[J].Remote Sensing，1999，20(1)：130-154.

[2] 李月臣，楊華，劉春霞，等.土地覆蓋變化遙感檢測(cè)方法[J].水土保持研究，2006，13(1)：209-216.

[3] 許磊.支持向量機(jī)和模糊理論在遙感圖像分類(lèi)中的應(yīng)用[D].無(wú)錫：江南大學(xué)，2006.

[4] 何春陽(yáng)，陳晉，陳云浩，等.土地利用/覆蓋變化動(dòng)態(tài)監(jiān)測(cè)方法研究[J].自然資源學(xué)報(bào)，2001，16(3)：255-262.

[5] 馮德俊，李永樹(shù)，蘭燕.基于主成分變換的動(dòng)態(tài)監(jiān)測(cè)變化信息自動(dòng)發(fā)現(xiàn)[J].計(jì)算機(jī)工程與應(yīng)用，2004，40 (36)：199-202.

[6] 王萍，張繼賢，林宗堅(jiān)，等.基于多源遙感數(shù)據(jù)融合的土地利用/土地覆蓋變化信息提取試驗(yàn)[J].測(cè)繪通報(bào)，2003(4)：14-17.

[7] 杜培軍，林卉，孫敦新.基于支持向量機(jī)的高光譜遙感分類(lèi)進(jìn)展[J].測(cè)繪通報(bào)，2006(12)：37-40.

[8] 潘耀忠，陳志軍，聶娟，等.基于多源遙感的土地利用動(dòng)態(tài)變化信息綜合監(jiān)測(cè)方法研究[J].地球科學(xué)進(jìn)展，2002，17(2)：182-187.

[9] 朱運(yùn)海，張百，曹銀璇，等.土地利用/覆被變化遙感檢測(cè)方法與應(yīng)用分析[J].地球信息科學(xué)，2007，9(3)：116-122.

[10] 李平，吳曼喬，曾聯(lián)明.支持向量機(jī)技術(shù)在土地利用監(jiān)測(cè)的應(yīng)用研究[J].測(cè)繪通報(bào)，2010(8)：28-32.

Land Cover Change Detection Based on Mixed Dynamic Monitoring Method in Mining Area

LIN Hui，ZHU Qing，HU Zhaoling

P237

B

0494-0911(2014)11-0025-03

2014-04-25

國(guó)家科技支撐計(jì)劃(2012BAH31B00)；國(guó)家自然科學(xué)基金(41171351；411101428)；現(xiàn)代工程測(cè)量國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室經(jīng)費(fèi)(TJES1204)；地理空間信息工程國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室經(jīng)費(fèi)(201310)；江蘇省高校自然科學(xué)研究面上項(xiàng)目(12KJB420001)

林 卉(1973—)，男，湖南武岡人，博士生，副教授，主要研究方向?yàn)檫b感圖像處理。

林卉，朱慶，胡召玲.模糊支持向量機(jī)和變化矢量分析相結(jié)合的礦區(qū)土地覆蓋變化檢測(cè)[J].測(cè)繪通報(bào)，2014(11)：25-27.

10. 13474/j.cnki.11-2246.2014.0355