一种基于变化检测的建筑用地动态监测的方法及系统与流程

本发明涉及建筑用地动态检测，特别是一种基于变化检测的建筑用地动态监测的方法及系统。

背景技术：

1、随着城市化进程的加快，建筑物、道路等人类活动痕迹越来越多地出现在城市和农村地区。为对这些人为痕迹进行监控和识别，基于长观测周期时序遥感影像的差异估计、变化检测等技术，成为了一种重要的手段。该技术通过获取同一区域多幅时序遥感影像的信息，分析并比较不同时间点的影像之间的像素差异，从而实现地表物体的变化检测和追踪。目前常用的遥感变化检测方法通常基于阈值，比率，差异像元子集，时空模型，机器学习。一般根据应用目的和研究区特点择优选择方法，但目前的难点主要集中在特征提取、模型建立、计算复杂度和噪声抑制等方面。

2、ccdc模型和rf方法的出现对遥感变化检测方法的不足之处进行改进和优化，提高变化检测的准确性和可靠性。这些方法在应对连续性、计算复杂度、对噪声和误差的鲁棒性等方面具有一定的优势。针对基于阈值和基于比率的方法的缺点，ccdc模型可以通过引入时间序列模型来捕捉变化的历史信息，从而提高变化检测的连续性和准确性。ccdc模型利用一个分段常数斜率变化模型来表示时序遥感影像的变化过程，可以较好地处理突发性的变化，同时也能够减轻阈值设定的限制和对比率值过小的问题。针对基于差异像元子集的方法的缺点，rf方法可以通过随机森林分类器来对差异像元进行分类，减轻计算成本，同时也能提高对噪声和误差的鲁棒性和抑制作用。rf方法还可以引入多种特征描述方法提高检测精度。

3、然而这些算法涉及的数据量巨大，针对时序数据进行分析往往需要克服计算机软硬件限制。基于gee云平台先对研究区的不透水面进行提取，再基于ccdc模型对建筑用地变化区域提取，最后通过rf进行建筑用地建设过程归类。这一工作流程在先前应用中还未有过并且解决了计算机限制的问题。通过一步步缩小目标区域提取关键信息，在一定程度上缓解算法对计算机配置的要求，同时基于云平台能够实现建筑用地动态信息的快速准确提取这一过程。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于：ccdc模型和rf方法涉及的数据量巨大，针对时序数据进行分析往往需要克服计算机软硬件限制。

3、为解决上述技术问题，本发明提供如下技术方案：一种基于变化检测的建筑用地动态监测的方法，其包括，筛选研究区landsat高质量影像集合，基于gee云平台进行影像的去云操作，将研究区内若干年间的影像按照时间顺序排列构建密集时序影像堆栈；通过msic算法提取不透水面，基于得到的密集时间序列影像精确提取若干年间研究区内的不透水面分布范围；利用构建的密集时间序列landsat影像和获取的不透水面范围通过ccdc变化检测算法，利用城市建筑用地提取指数作为检测波段提取存在建筑用地变更的区域；基于gee云平台通过对一年一期的最优sentinel-2影像中存在建筑用地变更区域依托城市建筑用地提取指数进行随机森林分类，获取建筑物建设过程信息；根据建筑物建设过程信息，在ecognition软件进行分类后处理，在arcgis软件中进行数据处理和空间分析，获取最终若干年间的建筑用地变化信息。

4、作为本发明所述一种基于变化检测的建筑用地动态监测的方法的一种优选方案，其中：所述landsat高质量影像集合包括landsat卫星的level-2，collection-2和tier-1产品构建的影像集合。

5、作为本发明所述一种基于变化检测的建筑用地动态监测的方法的一种优选方案，其中：所述城市建筑用地提取指数包括归一化植被指数ndvi，归一化差异水体指数mndwi，归一化建筑物指数ndbi，改进的城市建筑用地提取数包括归一化裸露指数mndbi,城镇用地指数uli，每类指数的计算公式如下：

6、ndvi＝(ρnir-ρred)/(ρnir+ρred)

7、ndbi＝(ρswir1-ρnir)/(ρswir1+ρnir)

8、mndwi＝(ρgreen-ρswir1)/(ρgreen+ρswir1)

9、mndbi＝ndbi+(1-ndvi)

10、uli＝ndbi*ndvi

11、其中，ρswir1、ρnir和ρred分别表示为短波红外波段、近红外波段和红波段的反射率。

12、作为本发明所述一种基于变化检测的建筑用地动态监测的方法的一种优选方案，其中：所述获取建筑物建设过程信息包括，基于城市建筑用地提取指数与随机森林算法得到建筑用地变更前后的过程信息，具体公式表示为，

13、

14、

15、

16、

17、其中，bt+1表示为下一时间点的建筑用地变更区域，bt表示为当前时间点的建筑用地变更区域，rf(x,θ)表示为随机森林模型，x为输入特征，θ为模型参数，uli(x)表示为城镇用地指数函数，mndbi(x)表示为改进的城市建筑用地提取指数函数，k1表示为调整曲线陡峭程度的常数，与随机森林算法的学习率有关，acc表示为随机森林模型在验证集上的准确率，ulii表示为第i个样本点的城镇用地指数，mndbii表示为第i个样本点的改进的城市建筑用地提取指数，n表示为样本点的总数；其中随机森林模型rf(x,θ)、城镇用地指数函数uli(x)、改进的城市建筑用地提取指数函数mndbi(x)具体表示为，

18、

19、

20、mndbi(x)＝ρndbi+(1-ρndvi)

21、其中，n表示为决策树的数量，dti(x，θi)表示为第i个决策树的输出。

22、作为本发明所述一种基于变化检测的建筑用地动态监测的方法的一种优选方案，其中：所述随机森林分类包括，

23、

24、

25、

26、其中，z(x,θij)表示为分类函数，θij表示为第i个决策树中第j个特征的参数集，xj表示为输入特征向量x中的第j个元素，θijx表示为对应第j个元素的特征参数；对z(x,θij)进行分阈操作得到决策树输出dti(x，θi)表示为，

27、

28、

29、其中，τ表示为分类阈值，m表示为总特征数量，ivj表示为特征j的信息价值，ivk表示为第k个特征信息价值。

30、作为本发明所述一种基于变化检测的建筑用地动态监测的方法的一种优选方案，其中：所述在ecognition软件进行分类后处理包括，将通过gee云平台和得到的建筑物建设过程信息的分类影像导入ecognition，根据像素的颜色、形状和大小特征将影像分割成多个对象，调整分割参数，对每个对象提取相关特征，基于提取的特征，使用规则集对对象进行重新分类，以改进初步分类结果，应用形态学操作提高对象边界的精确度，根据邻近对象的类别调整分类阈值，将处理后的分类结果导出为gis软件可读的格式。

31、作为本发明所述一种基于变化检测的建筑用地动态监测的方法的一种优选方案，其中：所述在arcgis软件中进行数据处理和空间分析包括，导入ecognition处理后的数据，使用arcgis的时间序列工具对多个时间点的数据进行整合，识别不同时间点之间的建筑用地变化，并进行空间统计分析，识别建筑用地变化的模式，并确定建筑用地变化与道路、河流的空间关系；利用arcgis的时间序列分析工具，评估建筑用地变化的趋势和周期性，制作包含变化检测结果的地图，使用不同的颜色标识建筑用地的增加与减少，并生成包含关键统计数据和分析结果的报告，对分析结果进行解释。

32、本发明的另外一个目的是提供一种基于变化检测的建筑用地动态监测系统，此系统可对建筑用地进行动态监测并进行遥感制图。

33、为解决上述技术问题，本发明提供如下技术方案：一种基于变化检测的建筑用地动态监测的方法的系统，包括：影像采集模块、范围提取模块、建筑过程获取模块和建筑用地变化模块；所述影像采集模块用于采集时序影像，筛选研究区landsat高质量影像集合，基于gee云平台进行影像的去云操作，将研究区内若干年间的影像按照时间顺序排列构建密集时序影像堆栈；所述范围提取模块用于提取不透水面分布范围，通过msic算法提取不透水面，基于得到的密集时间序列影像精确提取若干年间研究区内的不透水面分布范围；所述建筑过程获取模块用于获取建筑物建设过程信息，利用构建的密集时间序列landsat影像和获取的不透水面范围通过ccdc变化检测算法，利用城市建筑用地提取指数作为检测波段提取存在建筑用地变更的区域，基于gee云平台通过对一年一期的最优sentinel-2影像中存在建筑用地变更区域依托城市建筑用地提取指数进行随机森林分类，获取建筑物建设过程信息；所述建筑用地变化模块用于获取建筑用地变化信息，根据建筑物建设过程信息，在ecognition软件进行分类后处理，在arcgis软件中进行数据处理和空间分析，获取最终若干年间的建筑用地变化信息。

34、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述一种基于变化检测的建筑用地动态监测的方法的步骤。

35、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述一种基于变化检测的建筑用地动态监测的方法的步骤。

36、本发明有益效果为：本发明的方法实现了应用已有基于landsat影像的ccdc变化检测技术，并基于此再利用基于sentinel-2影像的rf算法提高结果分辨率，快速提取ndvi、ndbi、mndwi等常用建筑用地提取指数以及mndbi和uli改进建筑用地提取指数，并分析建筑用地年际间由在建到建成的动态变化，为建筑用地动态监测管理提供技术支撑。

37、其次利用ecognition软件和arcgis软件进行遥感图像后处理和精度验证，再进一步提高了该工作流结果的准确性和可用性。本发明克服了常规变化检测方法识别建筑物动态变化不准确的问题，解决了大量的建筑用地中在建工地和建成区域错分漏分的问题。本发明利用gee云平台和多步算法集成的处理方式减少运算时间，降低运算环境要求。基于landsat密集时序影像识别的建筑用地变化结果和sentinel-2影像提取的建筑用地变化归类信息结果进一步提高先前变化检测和分类方法的精度，具有可重复性，对建筑用地动态监测的遥感制图具有极其重要的意义。