摘要：随着计算机的存储和性能的大幅提升，同时陆地卫星存档图像的免费以及访问的开放性从根本上改变了研究者对陆地卫星的使用方式。使得具有时间序列的陆地卫星影像在变化监测方面取得进步。文章主要综述了基于时间序列的卫星影像在研究中的获取频率、预处理及算法3个方面的内容。随着关于时间序列遥感影像的研究向前推进，我们发现越新的研究，陆地卫星的使用频数越高。在图像处理方面，自动化图像处理更加受到研究者的青睐，在一定程度上推动例如LEDAPS或者Fmask图像预处理的研究。基于数学方法的算法在变化检测中得到积极应用，对于每种算法的局限性，也在后续的研究中逐步得到改善。这些研究先例将逐步加深基于时间序列遥感影像的变化检测研究。
关键词：时间序列；Landsat卫星影像；变化检测
1 引言
随着科学技术的发展，卫星影像的时空分辨率越来越高，使得在利用卫星影像研究地球表面变化时，准确性越来越高。但是在研究中，通常受到影像成本和计算机性能的限制，所以前期研究中较少利用Landsat数据的时间序列性。遥感影像数据的开放性以及数据的免费获取，使得具有时间序列的Landsat影像的研究发生了革命性的变化。其相关研究主要偏重于变化检测方向[1-3]。
Landsat系列陆地卫星的发射以及数据的开放性获取，毋庸置疑填补了以前卫星影像密度需求的空白，使得自2008年以来，关于时间序列遥感影像变化检测的研究应用活跃度得到提升。虽然7号卫星的影像存在条带影像（SCL-off），但是基于时间序列的影像研究，其影响并没有很大；8号卫星的分辨率、传感器性能、波段信息相对于以前发射的卫星来说，质量更好，且8号卫星从2013年发射至今已经收集了大量的不同时间段德卫星影像。
遥感影像的利用方式主要集中在变化检测，通过同季节影像或者利用遥感影像处理软件来实现噪声控制甚至消除噪声，从而达到对影像校正的目的。近年来，关于时间序列影像的变化检测大量涌现，其涉及方向较多，例如森林、草地、农业等。
2 影像频率
遥感影像的开放性获取，使得研究者对时间序列影像的频率需求增加。大多数研究者倾向于利用时间序列遥感影像来分析长期性的变化，需要利用多时度影像来提高结果精度和结论的准确性。Jinwei Dong等人在利用遥感影像时间序列性质跟踪1986年-2010年东北水稻田面积变化动态时，获取了区域共498景图像，最后研究结果的Kappa系数和总体精度分别为0.6-0.9和84%-95%[4]。
研究者在利用时间序列遥感影像进行变化检测时，不是只注重张数，对于影像的质量和季节（时间）阶段也有一定要求。通常在影像资源的可获取程度上，适当取舍。
3 预处理
Landsat影像获取后，并不能马上投入使用，其受到传感器性能、云及云影、分辨率等内外部条件的影响，需要对影像进行一系列的预处理，包括大气校正、云及云影检测、图像融合等。
3.1 大气校正
传感器成像时受到大气层的影响，从而得到地物的真实地表反射率。大气校正的方法很多，比如被广泛使用的以Landsat8遥感影像的FLASSH大气校正、LEDAPS对卫星影像进行自动化大气校正。
3.2 云及云影检测
云及云影的存在使得地物的真实亮度值与影像亮度值不一致，这将使得变化检测结果的准确性降低，所以云及云影的检测是变化检测之前不可忽视的步骤，从而提高影像质量。比如有些平台不提供云量信息，可以利用自动云覆盖系统（ACCA）进行云量计算。
期刊文章分类查询,尽在期刊图书馆
3.3 图像融合
除了云及云影对变化检测结果的影响，还有影像本身的分辨率，所以将低空间分辨率的影像与其他高空间分辨率的影响进行融合，可提高变化检测的精度。研究者将Landsat影像与MODIS数据利用时空自适应算法（STARFM）进行融合，这对于有云区域的时间序列分析是至关重要的。
4 算法
基于数学方法的变化检测算法应用是最广泛的，主要包括与阈值法、差分、分割、边界统计等基础算法及改进算法。还有根据相关研究目的开发创新的变化检测算法。
4.1 阈值
阈值法用来识别时间序列中的土地覆被大多数应用于森林，这是由于Landsat影像对植被的反应敏感。比如说将Landsat影像转化为归一化指标，例如NDVI、DI等。阈值方法看来比较简单，实际上其方法高度依赖于感兴趣区覆盖类型的预定义阈值。
4.2 差分
差分方法作为变化检测常见方法之一，其对遥感影像的处理方法主要有分类后对比和光谱信息直接对比。基于分类后对比的变化检测算法，其准确性高度依赖于图像质量以及解译者的综合地物识别能力，所以该方法的准确性极易受到限制。通常在能够使用基于光谱的监测算法时，则可以放弃分类后检测的方法，因为其中包含了分类错误等影响结果准确性的因素。
4.3 分割
在时间序列数据的基础上，将时间序列分割成一系列直线段，在像素级上检测时间序列图像的突变和渐变，该方法大量用于森林研究方面。相关研究中指出可以利用图像空间的邻接性和时间的相干性来提高分割的可靠性。该算法的计算量大，但在大规模的森林检测方面具有极高潜力。
4.4 边界统计
利用时间序列影像进行边界统计之前，大部分时间被分解为趋势和季节变化，比如模型预测用于统计边界的估计。大多数研究都能够连续检测变化，但是在变化检测之前拥有所有可用时间序列。
5 结论
2008年实行的陆地卫星数据开放性获取和免费获取政策彻底改变了陆地卫星的利用方式，同时也激发了研究者将时间序列Landsat影像作为研究对象的兴趣，在后续研究中产生了许多关于变化检测的算法。在越新的研究中，可以发现陆地卫星的使用频数越来越高。关于图像的预处理，LEDAPS和Fmask这两种自动化图像预处理得到广泛应用，在一定程度上促进了对时间序列影像的研究。对于变化检测的数学方法，它们各自具备优势及局限性。因此，在变化检测时应根据实际情况和需求具体问题具体分析。
在未来会出现更多的基于时间序列图像的变化检测算法，同时随着计算机技术和存储技术的进步，基于时间序列的遥感影像的分析与应用仍是地理研究者的主要依据。
参考文献：
[1]柴旭荣，晋宇.基于Landsat时间序列的山西省建设用地扩张动态监测[J].山西师范大学学报（自然科学版），2019，33（03）：118-122.
[2]计璐艳，尹丹艳，宫鹏.Landsat长时间序列的阳澄湖湖面围网时空变化[J].遥感学报，2019，23（04）：717-729.
[3]魏祥林.多源、时间序列遥感影像支持下的江苏中部沿海潮沟系统演变研究[D].南京大学，2019.
[4]Jinwei Dong，Xiangming Xiao，Weili Kou，Yuanwei Qin，Geli Zhang，Li Li，Cui Jin，Yuting Zhou，Jie Wang，Chandrashekhar Biradar，Jiyuan Liu，Berrien Moore.Tracking the dynamics of paddy rice planting area in 1986–2010 through time series Landsat images and phenology-based algorithms[J].Remote Sensing of Environment，2015，160.
论文作者:伍晓艺1,陈威2
论文发表刊物:《基层建设》2019年第30期
论文发表时间:2020/3/11
标签：影像论文; 序列论文; 时间论文; 遥感论文; 算法论文; 云影论文; 研究者论文; 《基层建设》2019年第30期论文;