基于遥感影像序列的土地利用变化模式识别方法研究

It is important for research on land use/land cover change and national geographic information monitoring to study land use change and evolution characteristic of a region during a long period. However, how to extract spatial-temporal information of land use change with detail land use type from remote sensing image series remains a challenge. And few studies paid attention to discovering the spatial-temporal evolution pattern of land use change. In this study, monthly images of Landsat TM and HJ-1A/1B satellites are used as main data source. First, we select typical sample points from the experiment region and analyze the spatial-temporal characteristics of multidimensional exponents on the points. Then, several indices, which are able to discriminate different land use change well, are choosed to construct time series of remote sensing images with high temporal resolution on pixel level. Next, vector data of annual land use is leveraged to precisely identify change time and type hidden in the time series of image pixels. Moreover, a novel method to measure similarity is explored by integrating three dimensions, temporal sequence evolution, spatial location adjacency and the change of land use type. Last, methods to discover spatial-temporal patterns and association rules of regional land use are explored using technologies of sequential pattern mining and spatial association rule mining. To validate the methods, they are used for discovering spatial-temporal patterns and association rules of several typical land use processes, such as farming land variation, construction land expansion. This research will enrich the quantitative methods of research on land use/land cover change, and provide technical support for monitoring national geographic information.

掌握长周期、高时间分辨率的区域土地利用变化及其演变规律，是土地利用/覆被变化研究和地理国情监测的重要内容。然而，如何从遥感影像序列中提取具有精细类型的土地利用变化时空信息、如何发现区域土地利用变化模式，仍有待研究。本研究拟以Landsat和环境卫星影像为主要数据源，分析典型样点多维指数时间序列的特征，筛选有较好区分度的指数，构建高时间分辨率的像元级遥感影像时间序列。结合年度土地利用现状数据，分析各种土地利用类型样点上指数的时间序列特征，进而提出土地利用变化时点和变化类型精细识别方法，构建土地利用变化时空序列。探索融合时序—空间—变化类型的土地利用变化相似性度量方法，采用序列模式挖掘和空间关联规则挖掘等技术，发现农用地变化、建设用地扩展等重要土地利用变化在时序上、空间上的规律和相互影响。研究成果将丰富土地利用/覆被变化的定量分析方法，并为地理过国情监测提供技术支撑。

掌握长周期、高时间分辨率的区域土地利用变化及其演变规律，是土地利用/覆被变化研究和地理国情监测的重要内容。然而，如何从遥感影像序列中提取具有精细类型的土地利用变化时空信息、如何发现区域土地利用变化模式，仍有待研究。本研究以Landsat、MODIS、Sentinel-1A卫星影像为数据源，构建像素级和对象级的多种遥感指数时间序列，分析典型样本多种遥感指数时间序列的特征，探索融合时序—空间—变化类型的土地利用变化相似性度量方法，研发了多元时间序列DTW、时间序列双向分段、多元时间序列CART-RF三种土地利用变化检测方法，提出了区域土地利用变化模式挖掘方法，探索了CPU/GPU协同并行方法，研发了土地利用变化遥感时序分析原型系统。研究重要结果包括：（1）遥感指数优选对于遥感影像时间序列分析至关重要。对于光学影像，综合NDVI、NDBI、MNDWI多种指数构建，可以提升土地利用变化检测精度。对于SAR影像，后向散射系数和优选后的纹理特征（均值、差异性、对比度）均可用于构建SAR影像时间序列。（2）对象级遥感影像时间序列构建中，对象内像元的中值比均值更稳定、更具有代表性，且不易受噪声、边缘像素的影响。（3）三元DTW相较于一元DTW，土地利用变化检测结果总体精度提高了4%。（4）时间序列循环迭代双向分段的土地利用变化检测方法能够有效检测发生变化的对象的变化类型和变化时间，且降低了变化样本选择的难度。（5）本研究发表论文14篇，其中SCI/SSCI检索论文10篇；撰写研究报告1份；获授权专利2件、申请专利3件、登记软件著作权1项，获省部级奖励2项。