短时间间隔的土地利用变化监测

doi:10.11849/zrzyxb.2011.01.016

自然资源学报 ›› 2011, Vol. 26 ›› Issue (1): 156-165.doi: 10.11849/zrzyxb.2011.01.016

短时间间隔的土地利用变化监测

陈晓越, 叶嘉安, 齐志新

香港大学城市规划与设计系,香港

收稿日期:2010-08-30 修回日期:2010-10-24 出版日期:2011-01-30 发布日期:2011-01-30
作者简介:陈晓越(1977- ),男,博士,主要从事遥感技术和地理信息系统在土地利用方面的应用研究。E-mail:chenxy@graduate.hku.hk
基金资助:
香港科研基金会(RGC)资助项目(HKU7301/04H,HKU7466/06H) 。

Short-interval Land Use Change Detection

CHEN Xiao-yue, YEH Anthony Gar-on, QI Zhi-xin

Department of Urban Planning and Design, The University of Hong Kong, Hong Kong, China

Received:2010-08-30 Revised:2010-10-24 Online:2011-01-30 Published:2011-01-30

摘要/Abstract

摘要： 传统的土地利用变化监测方法已无法完全满足当前经济的快速发展和城市急剧扩张的要求,利用光学遥感数据对地观测也受到天气和云层覆盖等诸多因素的限制。而Radarsat-1等雷达遥感数据可以在"全天候"的条件下对地表进行观测。论文以Radarsat-1图像获取的24 d时间周期为最短时间间隔,分析了24 d、48 d和72 d时间间隔下的土地利用变化监测,对短时间间隔内的土地利用变化监测的结果进行了总结。监测的结果需要在精度与时间间隔之间做出取舍。对于大部分的情况,24 d的时间间隔已可以得到60%以上精度的结果,部分月份的监测需要48 d的监测时间间隔。若需要更高的精度,则需要72 d甚至更长。

关键词: 遥感, 雷达, 土地利用变化, 短时间间隔

Abstract: As the fast economic development and urban expansion, it is difficult for traditional methods to monitor land use changes in short time interval. Moreover, remotely sensed data acquired by optical sensors is often limited by bad weathers and cloud cover. SAR images, such as Radarsat-1, are an ideal tool for weather-proof observation on ground surface. This paper analyzed the results of land use change detections with time lags of 24 days, 48 days and 72 days according to the period of acquisition dates of Radarsat-1. The results need a compromise between accuracies and efficiencies related to the time lags. For most of the situation, it is sufficient of using a time lag of 24 days to obtain accuracy of 60% or above. In some cases of months, a time lag of 48 days is needed. For obtaining higher accuracies, longer time lage such as 72 days are needed.

Key words: remote sensing, radar, land use change, short-interval

中图分类号:

TP79:P237

陈晓越, 叶嘉安, 齐志新. 短时间间隔的土地利用变化监测[J]. 自然资源学报, 2011, 26(1): 156-165.

CHEN Xiao-yue, YEH Anthony Gar-on, QI Zhi-xin. Short-interval Land Use Change Detection[J]. JOURNAL OF NATURAL RESOURCES, 2011, 26(1): 156-165.

参考文献

[1] 黎夏, 叶嘉安. 利用遥感监测和分析珠江三角洲的城市扩张过程——以东莞市为例[J]. 地理研究, 1997, 16(4): 56-62. [2] 倪绍祥. 土地利用覆盖变化研究的几个问题[J]. 自然资源学报, 2005, 20(6): 932-937. [3] 程昌秀, 严泰来, 朱德海, 等. 土地利用动态监测中GIS与RS一体化的变更地块判別方法[J]. 自然资源学报, 2001, 16(4): 386-389. [4] Hame T, Heiler I, Miguel-ayanz J S. An unsupervised change detection and recognition system for forestry [J]. International Journal of Remote Sensing, 1998, 19: 1079-1099. [5] Kwarteng A Y, Chavez P S JR. Change detection study of Kuwait City and environs using multitemporal Landsat thematic mapper data [J]. International Journal of Remote Sensing, 1998, 19: 1651-1661. [6] 石城, 蔺启中, 邵芸. 城区Radarsat图像变化监测研究——以成都市区为例[J]. 国土资源遥感, 2008, 4: 18-21. [7] 曹银璇, 张继贤, 燕琴, 等. Radarsat影像在土地利用动态监测中的应用[J]. 测绘科学, 2005, 30(4): 57-59. [8] Ridd M K, Liu J J. A comparison of four algorithms for change detection in an urban environment [J]. Remote Sensing of Environment, 1998, 63(2): 95-100. [9] Weng Q H. Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modeling [J]. Journal of Environmental Management, 2002, 64(3): 273-284. [10] Henderson F M. Land-use analysis of radar imagery [J]. Photogrammetric Engineering and Remote Sensing, 1979, 45(3): 295-307. [11] Kurosu T, Uratsuka S, Maeno H, et al. Texture statistics for classification of land use with multitemporal JERS-1 SAR single-look imagery [J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(1): 227-235. [12] Kuplich T M, Freitas C C, Soares J V. The study of ERS-1 SAR and Landsat TM synergism for land use classification [J]. International Journal of Remote Sensing, 2000, 21(10): 2101-2111. [13] Angelis C F, Freitas C C, Valeriano D M, et al. Multitemporal analysis of land use/land cover JERS-1 backscatter in the Brazilian tropical rainforest [J]. International Journal of Remote Sensing, 2002, 23(7): 1231-1240. [14] Frost V S, Stiles J A, Shanmugan K S, et al. A model for radar images and its application to adaptive digital filtering of multiplicative noise [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1982, 4(2): 157-166. [15] 钱峻屏, 黎夏, 艾彬, 等. 时间序列案例推理监测土地利用短期快速变化[J]. 自然资源学报, 2007, 22(5): 735-747.

短时间间隔的土地利用变化监测

Short-interval Land Use Change Detection

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	覃艺, 张廷斌, 易桂花, 魏澎涛, 杨达. 2000年以来内蒙古生长季旱情变化遥感监测及其影响因素分析[J]. 自然资源学报, 2021, 36(2): 459-475.
[2]	廖伟华, 聂鑫, 蒋卫国. 基于序列模式的土地利用变化分析——以广西壮族自治区为例[J]. 自然资源学报, 2020, 35(5): 1160-1171.
[3]	张涛, 方宏, 韦玉春, 胡祺, 徐晗泽宇. 顾及空间自相关性的高分遥感影像中建设用地的变化检测[J]. 自然资源学报, 2020, 35(4): 963-976.
[4]	卢龙辉, 陈福军, 许月卿, 黄安, 黄玲. 京津冀“生态系统服务转型”及其空间格局[J]. 自然资源学报, 2020, 35(3): 532-545.
[5]	余灏哲, 李丽娟, 李九一. 基于TRMM降尺度和MODIS数据的综合干旱监测模型构建[J]. 自然资源学报, 2020, 35(10): 2553-2568.
[6]	肖武, 张文凯, 吕雪娇, 王新静. 西部生态脆弱区矿山不同开采强度下生态系统服务时空变化——以神府矿区为例[J]. 自然资源学报, 2020, 35(1): 68-81.
[7]	饶滴滴, 于秀波, 李鹏, 夏少霞, 孟竹剑, 刘影. 鄱阳湖碟形湖泊（常湖池）春季苔草生物量遥感估算[J]. 自然资源学报, 2019, 34(9): 2001-2011.
[8]	高永鹏, 姚晓军, 刘时银, 祁苗苗, 段红玉, 刘娟, 张大弘. 1973-2018年布喀达坂峰地区前进冰川遥感监测[J]. 自然资源学报, 2019, 34(8): 1666-1681.
[9]	张文强, 孙从建, 李新功. 晋西南黄土高原区植被覆盖度变化及其生态效应评估[J]. 自然资源学报, 2019, 34(8): 1748-1758.
[10]	臧玉珠, 刘彦随, 杨园园. 山区县域土地利用格局变化及其地形梯度效应——以井冈山市为例[J]. 自然资源学报, 2019, 34(7): 1391-1404.
[11]	马勇, 童昀, 任洁. 多源遥感数据支持下的县域尺度生态效率测算及稳健性检验——以长江中游城市群为例[J]. 自然资源学报, 2019, 34(6): 1196-1208.
[12]	陈军, 汪永丰, 郑佳佳, 曹立国. 中国阿牙克库木湖水量变化及其驱动机制[J]. 自然资源学报, 2019, 34(6): 1331-1344.
[13]	于元赫, 李子君, 林锦阔, 刘金玉, 王硕. 沂河流域土地利用时空变化图谱特征分析[J]. 自然资源学报, 2019, 34(5): 975-988.
[14]	郭兴健, 邵全琴, 杨帆, 李愈哲, 汪阳春, 王东亮. 无人机遥感调查黄河源玛多县岩羊数量及分布[J]. 自然资源学报, 2019, 34(5): 1054-1065.
[15]	王炎强, 赵军, 李忠勤, 张明军. 1977-2017年萨吾尔山冰川变化及其对气候变化的响应[J]. 自然资源学报, 2019, 34(4): 802-814.