羅 號(hào) ，孫 華 ，胡 滿 ，羅孝云 ，羅喜華 ，楊政宇

（1.中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心，湖南 長(zhǎng)沙 410004；2.廣東省嶺南綜合勘察設(shè)計(jì)院，廣東 廣州 510520；3.林業(yè)遙感大數(shù)據(jù)與生態(tài)安全湖南省重點(diǎn)實(shí)驗(yàn)室，湖南 長(zhǎng)沙 410004；4.攸縣黃豐橋國(guó)有林場(chǎng)， 湖南 攸縣 412300）

基于Landsat影像的黃豐橋林場(chǎng)森林變化檢測(cè)研究

羅 號(hào)1，2，孫 華1，3，胡 滿1，羅孝云4，羅喜華4，楊政宇1

（1.中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心，湖南 長(zhǎng)沙 410004；2.廣東省嶺南綜合勘察設(shè)計(jì)院，廣東 廣州 510520；3.林業(yè)遙感大數(shù)據(jù)與生態(tài)安全湖南省重點(diǎn)實(shí)驗(yàn)室，湖南 長(zhǎng)沙 410004；4.攸縣黃豐橋國(guó)有林場(chǎng)， 湖南 攸縣 412300）

以攸縣黃豐橋林場(chǎng)為研究區(qū)，選擇2001，2009和2013年3期Landsat影像，應(yīng)用影像代數(shù)變化檢測(cè)、掩膜處理變化檢測(cè)、寫功能存儲(chǔ)插入法變化檢測(cè)和分類后比較變化檢測(cè)4種算法開展森林變化檢測(cè)對(duì)比研究。結(jié)果表明：分類后比較變化檢測(cè)方法在總體精度上有較明顯的優(yōu)越性，其2013年與2009年、2009年與2001年總體精度均為96.67%；其次是寫功能存儲(chǔ)插入法變化檢測(cè)，其2013年與2009年、及2009年與2001年總體精度分別為94%和95.67%；掩膜處理變化檢測(cè)精度排名第三，其2013年與2009年、2009年與2001年總體精度分別為93.67%和95.67%；效果最差的是影像代數(shù)變化檢測(cè)方法，其2013年與2009年、2009年與2001年總體精度分別為93.33%和94.33%。通過(guò)對(duì)上述4種方法優(yōu)缺點(diǎn)及精度的綜合分析，得出分類后比較變化檢測(cè)算法是最適合黃豐橋林場(chǎng)的變化檢測(cè)方法。

遙感變化檢測(cè)；影像代數(shù)；掩膜處理；寫功能存儲(chǔ)插入法；分類后處理

森林變化檢測(cè)，即從不同時(shí)期的遙感數(shù)據(jù)中定量分析和確定森林變化的特征和過(guò)程。以往森林資源調(diào)查主要采用人工調(diào)查的方式進(jìn)行，通過(guò)人工調(diào)查得到兩次森林資源的數(shù)據(jù)從而分析變化的區(qū)域。但這種方法存在一定的缺陷，即浪費(fèi)人力物力和調(diào)查周期長(zhǎng)兩方面。遙感技術(shù)的出現(xiàn)彌補(bǔ)了人工調(diào)查存在的問(wèn)題，通過(guò)對(duì)多期遙感影像進(jìn)行變化檢測(cè)研究即可得到變化的區(qū)域，該方法的出現(xiàn)為森林變化檢測(cè)提供了新的途徑。

現(xiàn)有遙感變化檢測(cè)算法表現(xiàn)形式多樣，大致可以歸納為以下3種類型：基于像素的變化檢測(cè)方法[1]、基于對(duì)象的變化檢測(cè)方法[2]及基于特征的變化檢測(cè)方法[3-4]?；谙袼氐淖兓瘷z測(cè)方法是比較單個(gè)像素的光譜特征，以判斷各個(gè)像素是否變化及變化類型，屬于較低層次的變化檢測(cè)方法。該方法直接利用原始像素灰度信息進(jìn)行變化檢測(cè)，實(shí)現(xiàn)容易，同時(shí)較易于理解，能較好的達(dá)到數(shù)字化檢測(cè)變化的目的，是目前運(yùn)用最為廣泛的變化檢測(cè)方法[5]。但該方法的檢測(cè)結(jié)果對(duì)配準(zhǔn)精度要求較高，較低的配準(zhǔn)精度會(huì)導(dǎo)致像素之間出現(xiàn)位移偏差，從而產(chǎn)生大量的偽變化信息。同時(shí)基于像素的變化檢測(cè)方法不能充分利用鄰近像素的空間和上下文的關(guān)系，并且還有較大的椒鹽噪聲干擾[6]?；趯?duì)象的變化檢測(cè)方法是以對(duì)象為基本單位提取出基于對(duì)象的特征，該方法將多時(shí)相影像數(shù)據(jù)獨(dú)立完成預(yù)處理，特征提取，識(shí)別和判斷，以獲得對(duì)象的屬性信息，最后通過(guò)相關(guān)處理，決策判斷獲得檢測(cè)結(jié)果，屬于最高層次的變化檢測(cè)[7]。該方法能直接針對(duì)對(duì)象，充分利用對(duì)象的特征提取各類信息從而進(jìn)行變化檢測(cè)分析。與基于像素的變化檢測(cè)方法相比彌補(bǔ)了其缺點(diǎn)，體現(xiàn)在綜合利用了相鄰像素間的空間，并且對(duì)于空間信息豐富，地物目標(biāo)清楚的高分影像具有較好的應(yīng)用前景?；谔卣鞯淖兓瘷z測(cè)方法是從影像中提取特征信息，利用不同地物的特征差異進(jìn)行變化檢測(cè)的，在進(jìn)行變化檢測(cè)過(guò)程中較為穩(wěn)健，不受遙感影像時(shí)相變化的影響。

為探究4種變化檢測(cè)方法中最適合森林變化檢測(cè)的方法，以湖南省株洲市攸縣黃豐橋林場(chǎng)為研究區(qū)，以2001，2009和2013年3期Landsat遙感影像為數(shù)據(jù)源，比較了4種變化檢測(cè)方法的精度及優(yōu)缺點(diǎn)。本研究成果對(duì)于森林變化檢測(cè)算法的選擇及森林變化檢測(cè)的進(jìn)一步研究具有借鑒意義。

1 材料與方法

1.1 研究區(qū)概況

黃豐橋林場(chǎng)位于攸縣東部，113°04′～113°43′E，27°06′～ 27°4′N。林場(chǎng)地貌為中低山為主，最高海拔1 270 m，最低海拔115 m，坡度一般在20°到35°之間。該林場(chǎng)地處中亞熱帶季風(fēng)濕潤(rùn)氣候區(qū)，年平均氣溫17.8 ℃，年平均降水量為1 410.8 mm。林場(chǎng)森林覆蓋率90.57%，全林場(chǎng)土地面積101 134.7 hm2，活立木蓄積879 186 m3，竹林面積423.1 hm2。

1.2 數(shù)據(jù)源

研究所涉及的3期遙感影像數(shù)據(jù)均從美國(guó)地質(zhì)調(diào)查局( USGS )官方網(wǎng)站下載，成像時(shí)間分別為2001年9月6日、2009年10月24日及2013年6月13日。3期影像傳感器類型及主要成像參數(shù)如表1。

表1 遙感影像數(shù)據(jù)主要成像參數(shù)Table 1 Main imaging parameters of three periods remote sensing image data

1.3 研究方法

從現(xiàn)有變化檢測(cè)中選擇出較適合森林變化檢測(cè)的4種方法進(jìn)行變化檢測(cè)研究，4種方法分別為影像代數(shù)變化檢測(cè)、掩膜處理變化檢測(cè)、寫功能存儲(chǔ)插入法變化檢測(cè)及分類后比較變化檢測(cè)。

基于Landsat遙感影像分析森林變化檢測(cè)的主要步驟，如圖1所示：（1）遙感影像預(yù)處理：輻射定標(biāo)[8]、大氣校正[9]、地形校正、圖像配準(zhǔn)[10]及圖像裁剪等。把3期影像數(shù)據(jù)統(tǒng)一到相同的太陽(yáng)高度角和坐標(biāo)系統(tǒng)，盡量減少太陽(yáng)高度角，土壤濕度和植被物候等環(huán)境因素的影響；（2）分別用影像代數(shù)變化檢測(cè)、掩膜處理變化檢測(cè)、寫功能存儲(chǔ)插入法變化檢測(cè)及分類后比較變化檢測(cè)等變化檢測(cè)方法對(duì)遙感影像數(shù)據(jù)進(jìn)行變化檢測(cè)，得到變化結(jié)果圖；（3）利用相同的精度評(píng)價(jià)樣本對(duì)各方法得到的變化結(jié)果圖進(jìn)行精度驗(yàn)證，分析不同變化檢測(cè)算法針對(duì)森林變化檢測(cè)適用性及有效性；（4）綜合分析各方法的精度及優(yōu)劣確定最適合森林變化檢測(cè)的方法。其中影像代數(shù)變化檢測(cè)[11-12]是對(duì)要進(jìn)行變化檢測(cè)的兩期影像進(jìn)行歸一化植被指數(shù)（Ndvi）[13-15]計(jì)算，接著對(duì)歸一化植被指數(shù)計(jì)算后的圖像進(jìn)行差值運(yùn)算，最后通過(guò)最佳閾值設(shè)定提取變化檢測(cè)結(jié)果。要進(jìn)行掩膜處理變化檢測(cè)[16]首要任務(wù)是制作掩膜文件，遮擋可能對(duì)森林變化檢測(cè)產(chǎn)生干擾的地類，之后的步驟與影像代數(shù)變化檢測(cè)方法一致。寫功能存儲(chǔ)插入法變化檢測(cè)需要對(duì)影像數(shù)據(jù)進(jìn)行纓帽變換計(jì)算，接著將不同年份的Landsat數(shù)據(jù)的濕度指數(shù)（Kauth-Thomas）[17]置于3個(gè)寫功能存儲(chǔ)塊（Write Function Memory，WFM），從而提取森林變化信息[18]。在進(jìn)行分類后比較變化檢測(cè)[19-20]前，首先對(duì)要進(jìn)行變化檢測(cè)的兩期遙感影像進(jìn)行分類，本次研究采用面向?qū)ο蟮姆诸惣夹g(shù)對(duì)3期影像進(jìn)行分類，根據(jù)分類后的結(jié)果圖直接確定變化的斑塊。

圖1 變化檢測(cè)處理流程Fig.1 Flow chart of stages in change detection

2 結(jié)果與分析

2.1 變化檢測(cè)結(jié)果

影像代數(shù)變化檢測(cè)得到的變化結(jié)果如圖2所示。由圖2可見(jiàn)變化斑塊較為零散，特別是2013年與2009年得到的變化圖，斑塊較多且更為零散。造成這種現(xiàn)象的因素主要有云層對(duì)變化檢測(cè)干擾較大，山坡背陰面對(duì)變化檢測(cè)結(jié)果也會(huì)產(chǎn)生干擾，其他地類變化影響森林變化信息的提取。同時(shí)還存在不能定量提取變化信息的缺點(diǎn)。但如果對(duì)閾值的選擇更為合適則生成的變化圖將會(huì)更為可靠。影像代數(shù)變化檢測(cè)也存在一定的優(yōu)點(diǎn)，即能較為準(zhǔn)確提取變化地塊，并且提供詳細(xì)的“從-到”類別變化的信息。

圖2 影像代數(shù)變化檢測(cè)結(jié)果Fig.2 Results of change detection using image algebra

掩膜處理變化檢測(cè)得到的變化結(jié)果如圖3所示。斑塊同樣較為零散。因?yàn)槠浯嬖谥c影像代數(shù)相同的缺陷，但同時(shí)也存在著與影像代數(shù)變化檢測(cè)相同的優(yōu)點(diǎn)，唯一不同的是掩膜處理變化檢測(cè)較好的解決了影像代數(shù)變化檢測(cè)中其他地類變化影響森林變化信息提取的問(wèn)題。

寫功能存儲(chǔ)插入法變化檢測(cè)的變化結(jié)果如圖4所示。由圖可觀察到變化斑塊的界限較難確定，因?yàn)槠浯嬖谝蜃兓瘡?qiáng)度導(dǎo)致的顏色漸變性。并且同時(shí)也存在不能提供定量的變化信息；山體背陰或云層陰影都會(huì)影響變化檢測(cè)結(jié)果；云層本身也會(huì)對(duì)變化檢測(cè)結(jié)果產(chǎn)生干擾等缺點(diǎn)。除此之外，寫功能存儲(chǔ)插入法變化檢測(cè)也存在一定的優(yōu)點(diǎn)，掩膜后生成的變化圖能提供“從-到”類別變化的信息，并且變化信息隨其地物變化強(qiáng)度有顏色上的漸變性變化，同時(shí)寫功能存儲(chǔ)插入法可同時(shí)觀察2個(gè)，甚至3個(gè)時(shí)相的遙感影像。

圖3 掩膜處理變化檢測(cè)結(jié)果Fig.3 Results of change detection using mask processing

圖4 寫功能存儲(chǔ)插入法變化檢測(cè)結(jié)果Fig.4 Results of change detection using writing function memory insertion method

分類后比較變化檢測(cè)的變化結(jié)果如圖5所示。根據(jù)生成的結(jié)果圖可清楚的看到“從-到”類別變化的信息并且可得到具體變化量。較前3種方法其較大的優(yōu)勢(shì)性體現(xiàn)在較好的解決了前3種方法存在的3個(gè)問(wèn)題，即變化信息變化量的提??；云層、云層產(chǎn)生的陰影及山坡背陰面對(duì)變化圖的干擾及需要通過(guò)掩膜處理消除不同地物類別對(duì)森林變化檢測(cè)帶來(lái)的影像等。但其也存在其特有的缺陷，即太過(guò)依賴與兩期獨(dú)立的分類結(jié)果圖的精度，分類結(jié)果較低對(duì)變化檢測(cè)結(jié)果影響較大，并且容易存在誤差累計(jì)，夸大變化程度。

圖5 分類后比較變化檢測(cè)結(jié)果Fig.5 Results of post-classi fi cation comparison change detection

對(duì)比圖2、圖3、圖4和圖5可看出，利用影像代數(shù)變化檢測(cè)會(huì)產(chǎn)生較多的零散的斑塊，任何有輻射變化的區(qū)域都會(huì)呈現(xiàn)在變化結(jié)果上，利用掩膜處理變化檢測(cè)雖也產(chǎn)生了較多零散斑塊，但消除了影像代數(shù)變化檢測(cè)中其他地物對(duì)森林變化檢測(cè)產(chǎn)生的干擾，寫功能存儲(chǔ)插入法變化檢測(cè)不會(huì)產(chǎn)生較多零散的斑塊，但其斑塊的界限較難確定。4種方法中以分類后比較變化檢測(cè)方法效果最好，變化信息及變化量皆可通過(guò)變化結(jié)果圖清晰表現(xiàn)。

2.2 精度評(píng)價(jià)

為定量評(píng)測(cè)變化檢測(cè)方法的精度，使用ARCGIS的漁網(wǎng)（Create Fishnet）功能對(duì)4種變化檢測(cè)方法的結(jié)果進(jìn)行精度評(píng)價(jià)。主要精度指標(biāo)包括總體精度、漏檢率及虛檢率等。其中漏檢率為發(fā)生變化卻未檢測(cè)到變化的樣本數(shù)占全部樣本數(shù)的百分比，反映變化檢測(cè)結(jié)果中漏檢變化的概率；而虛檢率為未變化卻檢測(cè)到變化的樣本數(shù)占全部樣本數(shù)的百分比，反映變化檢測(cè)結(jié)果中虛檢變化的概率。

根據(jù)遙感影像數(shù)據(jù)的矢量邊界為界限創(chuàng)建行數(shù)為15、列數(shù)為20的一個(gè)漁網(wǎng)矩陣，總計(jì)點(diǎn)數(shù)為300個(gè)。通過(guò)觀察點(diǎn)落入位置變化情況是否吻合從而得到變化檢測(cè)方法的總體精度、漏檢率及虛檢率等精度指標(biāo)（表2）。

影像代數(shù)變化檢測(cè)在總體精度上較其他3種方法最低，漏檢率及虛檢率皆因不同因素的影響產(chǎn)生了較大的誤差。兩期變化結(jié)果圖在虛檢率上皆受到了其他地物變化的影響產(chǎn)生了誤差，2009年與2001年及2013年與2009年干擾地物（農(nóng)業(yè)用地、建筑用地及水體）對(duì)森林變化檢測(cè)的干擾分別有4個(gè)點(diǎn)與1個(gè)點(diǎn)，另外2009年與2001年受到云層本身干擾產(chǎn)生誤差有1個(gè)點(diǎn)，2013年與2009年高達(dá)13個(gè)點(diǎn)受到山坡背陰面陰影的干擾。

表2 不同變化檢測(cè)方法檢測(cè)結(jié)果精度對(duì)比Table 2 Comparison of the change detection accuracy obtained by different methods

掩膜處理變化檢測(cè)在總體精度上稍優(yōu)于影像代數(shù)變化檢測(cè)，漏檢率與影像代數(shù)變化檢測(cè)相同，在虛檢率上消除了其他地物變化的影響產(chǎn)生的誤差，但同樣受到云層本身干擾及山坡背陰面陰影干擾的影響。

寫功能存儲(chǔ)插入法變化檢測(cè)在精度上僅次于分類后比較變化檢測(cè)方法，這種方法的優(yōu)點(diǎn)是不存在漏檢率，兩期變化結(jié)果圖的漏檢率皆為0，但虛檢率處于較高水平，主要影響因素為云層自身干擾、山坡背陰面陰影及云層陰影干擾等，2009年與2001年、2013年與2009年云層自身對(duì)變化檢測(cè)的干擾都為1個(gè)點(diǎn)，山坡背陰面陰影對(duì)變化檢測(cè)的干擾分別為5個(gè)點(diǎn)及9個(gè)點(diǎn)，云層陰影對(duì)變化檢測(cè)的干擾分別為3個(gè)點(diǎn)及1個(gè)點(diǎn)。

分類后比較變化檢測(cè)是總體精度最高的變化檢測(cè)方法，其漏檢率處于稍高水平，但虛檢率得到有效地抑制，檢測(cè)結(jié)果較為理想。

3 結(jié) 論

此次研究以2001，2009和2013年3期Landsat遙感影像為數(shù)據(jù)源，應(yīng)用4種方法進(jìn)行森林變化檢測(cè)研究，比較了4種變化檢測(cè)方法的精度及優(yōu)缺點(diǎn)，得到最適合森林變化檢測(cè)的方法，得到結(jié)論如下：

（1）在森林變化檢測(cè)中，分類后比較變化檢測(cè)精度最高，其2009年與2001年、2013年與2009年精度均為96.67%。其優(yōu)勢(shì)較其他3種方法更大，在不考慮時(shí)間的基礎(chǔ)上對(duì)原圖進(jìn)行較細(xì)致的分類可使得到的變化圖精確度較大，是4種方法中最適合森林變化檢測(cè)的方法。

（2）寫功能存儲(chǔ)插入法變化檢測(cè)在精度上僅次于分類后比較變化檢測(cè)，其2009年與2001年、2013年與2009年精度分別為95.67%和94%。寫功能存儲(chǔ)插入變化檢測(cè)是一種很好的用于估計(jì)一個(gè)地區(qū)變化總量的定性模擬方法，如果不考慮提取變化量信息，這種方法較為快捷，并且能輔助進(jìn)行較好變化檢測(cè)方法的選擇。

（3）掩膜處理變化檢測(cè)在精度上僅優(yōu)于影像代數(shù)變化檢測(cè)，其2009年與2001年、2013年與2009年精度分別為95.67%和93.67%。掩膜處理變化檢測(cè)在影像代數(shù)變化檢測(cè)上有一定的優(yōu)化，方法較影像代數(shù)變化檢測(cè)在性能上有較大的提升。并且相比分類后比較同樣較為快捷。

（4）影像代數(shù)變化檢測(cè)在精度上是最差的，其2009年與2001年、2013年與2009年精度分別為94.33%和93.33%。影像代數(shù)變化檢測(cè)也較為快捷，但對(duì)閾值的選擇較高，如果能選擇出較好的閾值，可以提取到較為精確的變化信息。

本次研究雖從4種方法的比較中得到了最適合黃豐橋林場(chǎng)森林變化檢測(cè)的方法，但此次研究尚有不成熟之處。一方面，在進(jìn)行變化檢測(cè)過(guò)程中，對(duì)于一些細(xì)小的變化區(qū)域較難識(shí)別，閾值選擇存在一定的困難，如果閾值選擇不當(dāng)會(huì)導(dǎo)致總體精度降低，如何提高細(xì)小變化區(qū)域的識(shí)別率也將是今后研究的一個(gè)方向。另一方面，研究區(qū)范圍較小，變化檢測(cè)的精度僅限于研究區(qū)范圍，能否將得到的最優(yōu)方案推廣到縣級(jí)區(qū)域或更大范圍，需要進(jìn)行更進(jìn)一步的驗(yàn)證和試驗(yàn)。

[1]唐樸謙,楊建宇,張 超,等.基于像素比值的面向?qū)ο蠓诸惡筮b感變化檢測(cè)方法[J]. 遙感信息, 2010, 25(1):69-72.

[2]霍春雷,程 健,盧漢青.基于多尺度融合的對(duì)象級(jí)變化檢測(cè)新方法[J]. 自動(dòng)化學(xué)報(bào),2008,34(3):251-257.

[3]鐘家強(qiáng),王潤(rùn)生.基于線特征的多時(shí)相遙感圖像變化檢測(cè)[J].國(guó)防科技大學(xué)學(xué)報(bào),2006,28(5):80-83.

[4]袁修孝,宋 妍.一種運(yùn)用紋理和光譜特征消除投影差影響的建筑物變化檢測(cè)方法[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2007,32(6): 489-493.

[5]劉偉樂(lè),林 輝,孫 華.基于GF-1遙感影像濕地變化檢測(cè)算法分析[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2015,35(11):16-20.

[6]黃 亮,左小清,於雪琴. 遙感影像變化檢測(cè)方法探討[J]. 測(cè)繪科學(xué), 2013, 38(4):203-204.

[7]張永梅,李立鵬,姜 明,等.綜合像素級(jí)和特征級(jí)的建筑物變化檢測(cè)方法[J].計(jì)算機(jī)科學(xué),2013,40(1):286-288.

[8]張兆明,何國(guó)金. Landsat 5 TM數(shù)據(jù)輻射定標(biāo)[J]. 科技導(dǎo)報(bào),2008, 26(7):54-55.

[9]徐春燕,馮學(xué)智. TM圖像大氣校正及其對(duì)地物光譜響應(yīng)特征的影響分析[J]. 南京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2007,43(3):309-315.

[10]Chen L C, Lee L H. Progressive Generation of Control Frameworks for Image Registration [J].Photogrammetric Engineering & Remote Sensing, 1992, 58(9):1321-1309.

[11]Green K, Kempka D, Lackey L. Using Remote Sensing to Detect and Monitor Land-use Change [J]. Photogrammetric Engineering& Remote Sensing, 1994, 60(3):331-337.

[12]Mas J F.Monitoring Land-cover Changes: A Comparison of Change Detection Techniques [J].International Journal of Remote Sensing, 1999, 20(1):139-152.

[13]Yuan D, Elvidge C. NALC Land Cover Change Detection Pilot Study: Washington D.C. Area Experiments [J]. Remote Sensing of Environment,1998,66(2):166-178.

[14]Song C, Woodcock C E, Seto K C,et al.Classification and change detection using Landsat TM data: When and how to correct atmospheric effects[J]. Remote sensing of Environment,2001, 75(2): 230-244..

[15]Du Y, Teillet P M, Cihlar J. Radiometric Normalization of Multitemporal High-resolution Satellite Images with Quality Control for Land Cover Change Detection[J].Remote Sensing of Environment,2002, 82(1):123-134.

[16]Jensen J R, Cowen D J, Althausen J D,et al.An Evaluation of Coast Watch Change Detection Protocol in South Carolina[J].Photogrammetric Engineering & Remote Sensing, 1993,59(6):1039-1046.

[17]Cai M, Xie M, Li C. GIS-based 3d limite-quilibrium analysis for design optimization of a 600 m high slope in an open pit mine [J]. Journal of University of Science and Technology Beijing, 2007, 14(1):1-5.

[18]Franklin S E, Lavigne M B, Wulder M A,et al.Large-area Forest Structure Change Detection: An Example [J].Canadian Journal of Remote Sensing, 2002, 28(4):588-592.

[19]Jensen J R, Rutchey K, Koch M S,et al.Inland wetland change detection in the Everglades Water Conservation Area 2A using a time series of normalized remotely sensed data[J].Photogrammetric Engineering and Remote Sensing, 1995, 61(2):199-209.

[20]Arzandeh S, Wang J. Monitoring the change of Phragmites distribution using satellite data[J]. Canadian Journal of Remote Sensing, 2003, 29(1): 24-35.

Study on forest change detection of Huangfengqiao forest farm using Landsat data

LUO Hao1,2, SUN Hua1,3, HU Man1, LUO Xiaoyun4, LUO Xihua4, YANG Zhengyu1
(1.Research Center of Forestry Remote Sensing & Information Engineering, Central South University of Forestry and Technology,Changsha 410004, Hunan, China; 2.Lingnan Comprehensive Surveying and Designing Institute of Guangdong Province, Guangzhou 510520, Guangdong, China; 3.Key Laboratory of Forestry Remote Sensing Based Big Data & Ecological Security for Hunan Province,Changsha 410004, Hunan, China; 4. Huangfengqiao Forestry Farm of Youxian, Youxian 412300, Hunan, China)

Remote sensing technologies have been widely used to map forest change detection. In this study, four kinds of change detection methods, including image algebra, mask processing, writing function memory insertion and post-classi fi cation comparison change detection, were carried out in Huangfengqiao forest farm in Youxian county using Landsat satellite data with three periods of 2001, 2009 and 2013. The results indicated that post-classi fi cation comparison change detection method had the highest accuracy in three periods, and its overall accuracy were 96.67% from 2001 to 2009 and from 2009 to 2013; Followed by writing function memory insertion method, the accuracy from 2001 to 2009 and from 2009 to 2013 were 95.67% and 94%, respectively. The Accuracy of mask processing method was inferior to writing function memory insertion method, which from 2001 to 2009 and from 2009 to 2013 respectively were 95.67% and 93.67%. The results of change detection using image algebra had the lowest accuracy, which were 94.33%from 2001to 2009 and 93.33% from 2009 to 2013. Companion with other three methods, post-classi fi cation comparison change detection method provided greater potential of accurately predictions of forest change detection in this forest farm.

remote sensing change detection; image algebra; mask processing; writing function memory insertion method; postclassi fi cation comparison

10.14067/j.cnki.1673-923x.2017.12.011

http: //qks.csuft.edu.cn

S758.4

A

1673-923X(2017)12-0065-07

2016-01-09

湖南省創(chuàng)新平臺(tái)與人才計(jì)劃（科技人才）項(xiàng)目（2015RS4048）；國(guó)家級(jí)大學(xué)生研究性學(xué)習(xí)和創(chuàng)新性實(shí)驗(yàn)計(jì)劃項(xiàng)目（201410538008）；湖南省大學(xué)生研究性學(xué)習(xí)和創(chuàng)新性實(shí)驗(yàn)計(jì)劃項(xiàng)目（湘教通[2014]248號(hào)）

羅 號(hào)，助理工程師

孫 華，副教授，博士；E-mail：sunhua@csuft.edu.cn

羅 號(hào)，孫 華，胡 滿，等. 基于Landsat影像的黃豐橋林場(chǎng)森林變化檢測(cè)研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2017, 37(12):65-71.

[本文編校：文鳳鳴]