多时相影像动态检测技术
基于遥感的土地利用变化监测
基于遥感的土地利用变化监测一、引言土地是人类赖以生存和发展的基础资源，其利用方式的变化对于生态环境、经济发展和社会可持续性都有着深远的影响。
随着人口的增长和经济的快速发展，土地利用变化日益频繁和复杂。
为了实现科学合理的土地规划和管理，及时准确地监测土地利用变化成为了至关重要的任务。
遥感技术作为一种高效、大范围、多时相的数据获取手段，为土地利用变化监测提供了强有力的支持。
二、遥感技术在土地利用变化监测中的原理和优势遥感技术通过传感器接收来自地表物体反射或发射的电磁波信息，从而获取地表的特征和状态。
在土地利用变化监测中，通常利用不同时期的遥感影像，通过对比分析影像中地物的光谱、纹理、形状等特征的差异，来识别土地利用类型的变化。
与传统的土地调查方法相比，遥感技术具有显著的优势。
首先，遥感能够实现大面积同步观测，大大提高了监测的效率和覆盖范围。
其次，遥感可以获取多时相的数据，能够动态地反映土地利用的变化过程。
再者，遥感数据具有较高的客观性和准确性，不受人为因素的干扰。
三、遥感数据的选择与预处理在进行土地利用变化监测时，选择合适的遥感数据至关重要。
常见的遥感数据源包括卫星影像（如 Landsat、Sentinel 等）和航空影像。
卫星影像具有覆盖范围广、重访周期短的特点，适用于大区域的宏观监测；航空影像则具有较高的空间分辨率，适用于小范围的精细监测。
在获取遥感数据后，需要进行一系列的预处理工作，以提高数据的质量和可用性。
这包括几何校正，即消除影像由于传感器姿态、地形起伏等因素造成的几何变形；辐射校正，用于消除传感器本身和大气等因素对影像辐射亮度的影响；图像增强，突出影像中的有用信息，提高图像的清晰度和可辨识度。
四、土地利用分类体系与解译方法为了有效地监测土地利用变化，需要建立科学合理的土地利用分类体系。
常见的分类体系包括耕地、林地、草地、建设用地、水域等。
在对遥感影像进行解译时，可以采用目视解译和计算机自动解译两种方法。
高分辨率遥感影像在城市建筑密度评估中的应用
高分辨率遥感影像在城市建筑密度评估中的应用摘要随着城市化进程的加速，城市建筑密度的评估成为城市规划和管理的重要内容。
高分辨率遥感影像凭借其高精度和大范围覆盖的优势，在建筑密度评估中显示出巨大潜力。
本文综述了高分辨率遥感影像的基本原理和分类，包括光学遥感影像、雷达影像和激光雷达（LiDAR），并介绍了其在建筑密度评估中的优势。
重点探讨了遥感影像处理方法，包括数据预处理、建筑物提取和密度计算方法。
高分辨率遥感影像在城市建筑密度评估中具有重要应用价值，为智能城市建设提供了科学依据。
关键词：高分辨率遥感影像、城市建筑密度、数据处理、建筑物提取、智能城市引言城市化是全球社会经济发展的重要趋势，随着城市规模的不断扩大，建筑密度评估在城市规划和管理中变得尤为重要。
传统的建筑密度评估方法主要依赖地面调查和统计数据，这些方法不仅费时费力，而且在数据精度和空间覆盖范围上存在显著局限性。
近年来，遥感技术的发展为城市建筑密度评估提供了新的思路和手段。
特别是高分辨率遥感影像，凭借其高精度、大范围和多时相的特点，成为建筑密度评估的重要工具。
高分辨率遥感影像可以提供详细的城市地表信息，支持自动化和半自动化的建筑物提取和密度计算。
通过对遥感影像的处理，可以快速、准确地获取城市建筑的分布和密度信息，为城市规划者和管理者提供科学的决策依据。
1高分辨率遥感影像概述1.1高分辨率遥感影像的技术原理与分类高分辨率遥感影像技术基于遥感器对地物的电磁辐射特性进行捕获和记录，通过对不同波段的光谱信息进行分析，获得地表物体的空间、光谱和时间特征。
根据成像原理和传感器类型，高分辨率遥感影像可以分为光学遥感影像、雷达遥感影像和激光雷达（LiDAR）。
光学遥感影像利用可见光、近红外和短波红外波段获取图像，具有直观的视觉效果。
雷达遥感影像则通过发射微波信号并接收其反射信号进行成像，不受天气和光照条件限制，适合全天候监测。
LiDAR通过发射激光脉冲测量地物的三维结构，能够精确获取地形和建筑物的高度信息。
遥感卫星测量技术的介绍与使用方法
遥感卫星测量技术的介绍与使用方法遥感是一种利用卫星、飞机等远距离感知器材获取地球表面信息和数据的技术。
遥感卫星是指用于地球观测和数据收集的卫星，通过发射和接收电磁波来感知地球表面的信息。
遥感卫星测量技术在多个领域中起到了关键作用，包括环境监测、农业管理、城市规划等等。
本文将介绍遥感卫星测量技术的基本原理和使用方法。
首先，遥感卫星测量技术的基本原理是通过卫星上搭载的感知器材发射和接收电磁波来获取地球表面的信息。
这些电磁波包括可见光、红外光和微波等等。
感知器材接收到的电磁波信号会被转化为数字数据，然后通过地面站传送给用户，用户可以利用这些数据进行分析和应用。
遥感卫星测量技术的使用方法包括数据获取、数据处理和数据分析三个步骤。
首先，数据获取是指利用遥感卫星获取地球表面的信息和数据。
利用遥感卫星，用户可以获取大范围、全天候、高空间分辨率的数据，这对于很多研究和应用是非常重要的。
数据获取的方法包括通过卫星影像和传感器获取地球表面的物理量，如植被指数、地表温度等等。
其次，数据处理是指对获取的数据进行处理，以便进行分析和应用。
数据处理可以包括预处理、辐射校正、大气校正等步骤。
预处理是指对原始数据进行去噪、几何校正等处理，以提高数据质量。
辐射校正是指将原始数据转化为地物辐射亮度，以便进行比较和分析。
大气校正是指根据大气光学模型对辐射校正后的数据进行校正，以消除大气影响。
最后，数据分析是指对处理后的数据进行分析和应用。
数据分析可以包括遥感影像分类、遥感监测、遥感变化检测等。
遥感影像分类是指将遥感影像中的地物进行分类，以获取地物类型和空间分布信息。
遥感监测是指利用遥感数据进行环境监测和资源管理。
遥感变化检测是指通过对多时相影像进行对比，以检测地表变化和动态过程。
综上所述，遥感卫星测量技术是一种利用卫星、飞机等远距离感知器材获取地球表面信息和数据的技术。
通过遥感卫星测量技术，用户可以获取大范围、全天候、高空间分辨率的数据，然后利用这些数据进行分析和应用。
基于高分辨率影像土地利用遥感动态监测与分类信息提取方法
基于高分辨率影像土地利用遥感动态监测与分类信息提取方法摘要：本文介绍了基于高分辨率影像的土地利用遥感动态监测与分类信息提取方法，利用遥感技术动态监测土地利用的本质是对图像系列时域效果进行量化，通过量化多时相遥感图像空间域、时间域、光谱域的耦合特征，来获得土地利用变化的类型、位置和数量等内容。
利用遥感技术可以快速、大范围的获得土地利用变化区域，例如建设用地、农业用地、工业用地、交通用地，水体（河道变化）等。
关键字：遥感技术土地利用影像分类动态监测图像分割1.背景随着社会经济的发展，特别是城市建设步伐的加速，城市土地利用每年都在发生明显的变化。
传统的土地利用调查需要花费大量的人力、时间和经费,难以适应土地利用的这种快速变化。
遥感以其覆盖面大、信息更新快、人为干扰因素小等优点已逐渐应用到土地利用变化遥感动态监测中。
我国遥感技术在土地资源调查和监测中的应用始于20 世纪90 年代。
国家土地管理局成立以后，在国务院统一布署下，利用了TM、SPOT等多种遥感数据源，进行目视解译、分析和计算机自动分类制图等组织完成了全国县级土地详查，这一成果为各级政府制定经济建设规划、计划，为农业、工业、水利、能源、交通等各专业部门制定规划、计划提供了可靠的数据资料、为各项土地管理工作提供准确依据，已在经济建设、农业生产和土地管理中发挥了重要作用，也为我国开展土地利用动态监测提供了完整、可靠的本底资料。
1.技术流程和关键技术1.技术流程土地利用变化遥感动态监测是一个工作量比较大的过程，对遥感数据的预处理要求较高，变化信息的发现和变化信息的提取可选择和组合的方法很多，技术含量较高。
下图为土地利用变化遥感动态监测的技术流程。
1.动态监测技术流程1.关键技术遥感动态监测主要涉及图像预处理和土地利用变化信息检测和提取两部分，其关键技术也就主要包括图像预处理方法和土地利用变化信息提取方法。
值得我们注意的是，变化检测方法和信息提取方法不能说哪个绝对的好与坏，只能是根据不同的数据源和不同的应用需求选用适合的方法。
【国家自然科学基金】_多时相遥感影像_基金支持热词逐年推荐_【万方软件创新助手】_20140803
科研热词 变化检测 遥感 支持向量机 区位 黄萎病 高原湖泊提取 驱动力 面向对象后分类 钉螺 遥感监测 解译标志 若尔盖县 耕地 羊卓雍错流域 绿被提取 纹理特征 空间位置变化 监督分类 环境监测 物元模型 煤田预测 热点 溢油 湿地 泥炭沼泽 水稻种植分布 水稻物候期 模糊集理论 植被调查点 棉花 最大似然法 景观要素 景观稳定性 景观因子 时间序列 数量变化 找煤 微粒群优化 归一化差异水体指数 川西 多源遥感数据 多源特征 多时相遥感影像 多时相分析 多时相 多变量变化检测 土地覆盖变化 土地利用变化 图像融合 动态变化 动态分析 分类
推荐指数 4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
科研热词 遥感 变化检测 鄱阳湖 多时相遥感影像 陆地表面水指数 阈值选择 配准 遥感影像 遥感分类 超频率 象限方位分析 误差修正 缓冲区分析 空间邻域分析 空间变异 种植结构 盐碱地 白粉病 瑞利一高斯模型 湿地 湖泊边界 淹露 淹没风险制图 海岸带 河套灌区 沈阳市 水稻 水位 模型 条锈病 景观格局分析 景观动态变化 方法比较 数据融合 扩展模拟 影像匹配 归一化处理 多时相影像 多时相 增强植被指数 城镇用地扩展 城镇建设用地 城市边缘区 地理景观指标 土壤线 土地利用 南通市 光谱耦合技术 作物 伪不变特征法 产量损失 主成份分析
误差分析在遥感影像处理中的应用
误差分析在遥感影像处理中的应用一、遥感影像处理概述遥感影像处理是一种利用遥感技术获取地球表面信息并进行分析的技术手段。
随着遥感技术的发展，遥感影像处理在环境监测、城市规划、农业、林业、事等领域发挥着越来越重要的作用。
遥感影像处理的目的是提取有用的信息，为决策提供支持。
在这个过程中，误差分析是确保遥感数据准确性和可靠性的关键环节。
1.1 遥感影像处理的基本原理遥感影像处理涉及到从遥感数据中提取、分析和解释信息的过程。
这包括影像的获取、预处理、分类、特征提取、目标识别和变化检测等步骤。
遥感影像处理的基本原理是通过分析影像的光谱特征、纹理特征、形状特征等来识别地表的物理和生物特征。
1.2 遥感影像处理的应用场景遥感影像处理的应用场景非常广泛，包括但不限于以下几个方面：- 环境监测：监测森林覆盖变化、土地利用变化、水体污染等。
- 城市规划：评估城市扩张、交通规划、基础设施布局等。
- 农业：监测作物生长状况、病虫害发生、土壤湿度等。
- 林业：森林资源调查、森林火灾监测、森林病虫害监测等。
- 事：地形分析、目标识别、战场监视等。
二、误差分析在遥感影像处理中的重要性误差分析是遥感影像处理中不可或缺的一部分，它涉及到对影像数据的准确性和可靠性进行评估。
误差可能来源于数据采集、传输、处理和分析的各个环节。
通过对误差的分析，可以提高遥感影像处理的精度和可靠性。
2.1 误差的来源误差的来源主要包括以下几个方面：- 设备误差：遥感传感器的不完善可能导致数据采集的误差。
- 大气误差：大气条件的变化会影响遥感数据的质量和准确性。
- 几何误差：影像的几何畸变可能导致位置和形状的误差。
- 辐射误差：传感器的辐射响应不均匀可能导致辐射误差。
- 系统误差：数据处理和分析过程中的系统性偏差。
2.2 误差分析的方法误差分析的方法包括以下几种：- 统计分析：通过统计方法评估误差的分布和特性。
- 模型分析：建立误差模型来预测和评估误差。
- 比较分析：将遥感数据与其他数据源进行比较，评估误差。
环境遥感技术在森林火灾监测中的应用分析
环境遥感技术在森林火灾监测中的应用分析概述：森林火灾是全球范围内对自然环境和人类社会造成巨大破坏的重要环境灾害之一。
及时监测和准确预警森林火灾对于减轻其对生态环境和人类社会的影响至关重要。
而环境遥感技术凭借其全球范围、高时空分辨率以及实时监测等特点，成为森林火灾监测的重要工具。
本文将针对环境遥感技术在森林火灾监测中的应用进行深入分析和探讨。
一、环境遥感技术简介环境遥感技术是利用卫星、航空器、无人机等平台获取地球表面信息的技术手段。
它通过获取并分析地表特征的光谱、热辐射和电磁信号等数据，实现对地球表面各类环境信息的监测和分析。
环境遥感技术具有数据获取快速、大范围、高时空分辨率、无需进入现场等优点，已广泛应用于气候变化、地质环境、生态环境等领域。
二、环境遥感技术在森林火灾监测中的应用1. 火点检测和定位利用卫星或无人机获取的红外遥感数据，对森林火灾发生后的火点进行实时监测。
通过红外辐射特征的差异，可以迅速检测到火灾点，准确地定位火源。
同时，可以结合高分辨率遥感影像对周边地区进行监测，提前发现和预警潜在的火灾危险区域。
2. 火势动态监测利用环境遥感技术获取的多时相遥感影像，可以实现对火势的动态监测。
通过几何处理和差异分析等方法，可以获取火灾蔓延的速度、方向以及蔓延程度。
这有助于了解火灾的发展趋势，提前采取预防和应对措施。
3. 烟雾检测与分析火灾烟雾是森林火灾所产生的一个重要特征，对于及早预警和快速应对火灾具有重要意义。
利用环境遥感技术获取的多光谱数据，可以提取烟雾的特征，通过光学模型分析烟雾的浓度和分布情况。
这有助于预测烟雾的扩散路径和范围，为防范火灾蔓延提供有力的参考。
4. 热点监测与热辐射分析火灾产生的热量有助于判断火灾的规模和严重程度。
利用环境遥感技术获取的热红外数据，可以检测和分析火灾所产生的热点。
通过计算火灾的热辐射能量，可以对火灾的发展状态和危害程度进行评估。
这有助于优化资源调配和救援行动，最大程度地减小火灾造成的损失。
火灾后森林生态系统恢复过程的动态监测探讨
火灾后森林生态系统恢复过程的动态监测探讨摘要：火灾导致植被破坏、土壤质地改变和水文循环异常，影响森林生态系统的稳定性和功能。
本文针对森林火灾后生态系统的恢复过程展开了动态监测探讨。
讨论了火灾后森林生态系统逐步恢复的过程，包括植被再生、土壤有机质恢复和生物多样性增加。
介绍了遥感技术监测植被覆盖变化、地面调查监测植物种群结构变化以及生态学指标分析评估生态系统功能的方法。
关键词：森林火灾；生态系统恢复；动态监测引言森林火灾是全球范围内森林生态系统面临的重要生态灾害之一。
火灾不仅对生物多样性和生态系统功能产生直接影响，还可能导致土壤侵蚀、水资源污染等问题，严重威胁生态环境和人类福祉。
因此，对火灾后森林生态系统的恢复过程进行动态监测和评估，对于科学理解火灾影响、制定有效管理措施具有重要意义。
1、火灾对森林生态系统的影响火灾对森林生态系统的影响是复杂而深远的。
火灾造成的植被破坏直接影响了生物多样性。
在火灾中，许多植物被迅速焚烧，导致植物种群的减少和生态系统结构的紊乱。
特别是对于那些对火灾不具有适应性的植物种群，其生存空间受到严重威胁，可能导致一些物种的灭绝或减少，从而影响整个生态系统的稳定性和功能。
火灾对土壤的影响也是不可忽视的。
火灾的高温会烧毁土壤中的有机质，使土壤肥力急剧下降；火灾还会改变土壤的质地和结构，使其容易发生侵蚀和流失，加剧土壤侵蚀和水土流失的风险。
土壤的损失不仅影响了森林生态系统的生长环境，还可能导致生态系统的恢复过程受到阻碍，进而影响整个生态系统的稳定性和功能。
火灾还会对森林生态系统的水文循环产生影响。
火灾引起的大量植被燃烧释放了大量水分和碳，影响了气候和降水模式；同时，烧毁的植被和土壤会使降雨后的径流增加，增加了土壤侵蚀和水资源的流失。
2、森林生态系统的恢复过程尽管火灾对森林生态系统带来了严重的破坏，但随着时间的推移，受灾区域的生态系统往往会展现出一定的恢复能力。
在适宜的环境条件下，森林生态系统开始逐步恢复，这一过程经历了多个阶段。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
多时相影像动态检测技术 遥感影像具有周期性特点，利用这一特性就可以用于监测一个地区的地表变化情况。 本小节介绍这种信息提取技术，包括的内容： 动态监测概述 动态检测的关键技术 基于ENVI的动态检测 1、动态监测概述
很多人对动态监测和动态检测两个名词有疑惑。个人理解，动态监测是一个广义的名词，泛指数据预处理、变化信息发现与提取、变化信息挖掘与应用等，以对整个流程的叙述。动态检测是一个狭义的名词，主要指部分数据预处理、变化信息发现与提取。在一定的意义和场合上讲，两个词的意思是一样的。当然很多地方把这两个词说成变化监测和变化检测。 遥感动态检测就是从不同时期的遥感数据中，定量地分析和确定地表变化的特征与过程。它涉及到变化的类型、分布状况与变化量，即需要确定变化前后的地面类型、界线及变化趋势，能提供地物的空间分布及其变化的定性和定量信息。 目前，遥感变化检测技术大多是针对两个时相的遥感影像进行操作。根据处理过程来分，遥感变化检测方法可分为三类： 图像直接比较法 图像直接比较法是最为常见的方法，它是对经过配准的两个时相遥感影像中像元值直接进行运算和变换处理，找出变化的区域。目前常用的光谱数据直接比较法包括图像差值法、图像比值法、植被指数比较法、主成分分析法、光谱特征变异法、假彩色合成法、波段替换法、变化矢量分析法、波段交叉相关分析以及混合检测法等。 •图像差值法 图像差值法就是将两个时相的遥感图像相减。其原理是：图像中未发生变化的地类在两个时相的遥感图像上一般具有相等或相近的灰度值，而当地类发生变化时，对应位置的灰度值将有较大差别。因此在差值图像上发生地类变化区域的灰度值会与背景值有较大差别，从而使变化信息从背景影像中显现出来。 •光谱特征变异法 同一地物反映在一时相影像上的信息与其反映在另外时相影像上的光谱信息是一一对应的。当将不同时相的影像进行融合时，如同一地物在两者上的信息表现不一致时，那么融合后的影像中此地物的光谱就表现得与正常地物的光谱有所差别，此时称地物发生了光谱特征变异，我们就可以根据发生变异的光谱特征确定变化信息。 •假彩色合成法 由于地表的变化，相同传感器对同一地点所获取的不同时相的影像在灰度上有较大的区别。在进行变化信息的发现时，将前、后两时相的数据精确配准，再利用假彩色合成的方法，将后一时相的一个波段数据赋予红色通道，前一时相的同一波段赋予蓝色和绿色通道。利用三原色原理，形成假彩色影像。其中，地表未发生变化的区域，合成后影像灰度值接近，而土地利用发生变化的区域则呈现出红色，即判定为变化区域。 •波段替换法 在RGB假彩色合成中，G和B分量用前时相的两个波段，用后一时相的一个波段影像组成R分量，在合成的RGB假彩色图像上能够很容易地发现红色区域即为变化区域。 分类后比较法 分类后结果比较法是将经过配准的两个时相遥感影像分别进行分类，然后比较分类结果得到变化检测信息。虽然该方法的精度依赖于分别分类时的精度和分类标准的一致性，但在实际应用中仍然非常有效，该方法的核心是基于分类基础上发现变化信息。 直接分类法 结合了图像直接比较法和分类后结果比较法的思想，常见的方法有：多时相主成分分析后分类法、多时相组合后分类法等。 •多时相主成分分析后分类法 当地物属性发生变化时，必将导致其在影像某几个波段上的值发生变化，所以只要找出两时相影像中对应波段值的差别并确定这些差别的范围，便可发现变化信息。在具体工作中将两时相的影像各波段组合成一个两倍于原影像波段数的新影像，并对该影像作PC变换。由于变换结果前几个分量上集中了两个影像的主要信息，而后几个分量则反映出了两影像的差别信息，因此可以试着抽取后几个分量进行波段组合来发现变化信息。 当然，检测方法远不止这些。以上变换检测方法大多只是变化信息的发现，还有一个过程是变化信息的提取，由以下方法供选择： 手工数字化法 •屏幕数字化 •区域生长法 图像自动分类 •监督分类 •非监督分类 •面向对象的特征提取法 图像分割 •手工阈值分割 •自动阈值分割 组合法 值得我们注意的是，上述检测方法和信息提取方法不能说哪个绝对的好与坏，只能是根据不同的数据源和不同的应用需求选用适合的方法。 2、动态检测关键技术
一、数据源的选择
由于动态检测需要多时相数据，数据源选择时候，除了考虑检测范围、
检测精度外，重点还需要考虑物候和影像成像条件。物候和成像条件都会给变化信息带来很大的噪声，当然了，经过一些图像处理过程可以一定程度上减少这方面的噪声。 二、数据预处理 动态检测过程中，非常重要的两个预处理过程是影像配准和大气校正 •影像配准 影像的配准可以有单个文件的精确几何校正来保证，也可以有一个文件作为基准来配置另一个时相的文件。 •相对大气校正 在多时相遥感图像中，除了地物的变化会引起图像中辐射值的变化外，不变的地物在不同时相图像中的辐射值也会有差异。辐射校正是消除非地物变化所造成的图像辐射值改变的有效方法，按照校正后的结果可以分为2种，绝对辐射校正方法和相对辐射校正方法。绝对辐射校正方法是将遥感图像的DN(Digital Number)值转换为真实地表反射率的方法，它需要获取影像过境时的地表测量数据，并考虑地形起伏等因素来校正大气和传感器的影响，因此这类方法一般都很复杂。相对辐射校正是将一图像作为参考（或基准）图像，调整另一图像的DN值，使得两时相影像上同名的地物具有相同的DN值，这个过程也叫多时相遥感图像的光谱归一化。在动态检测中，相对大气校正用的还是比较多。
三、变化检测方法选择
地表变化信息可分为两种，一是转化(Conversion)，另一是改变(Modification)，前者是土地从一种土地覆盖类型向另一种类型的转化，如草地转变为农田、森林转变为牧场，后者是一种土地覆盖类型内部条件(结构和功能)的变化，如森林由密变疏或由一种树种组成变成另外一种组成的改变、植物群落生物量、生产力、物候现象变化。所以我们在选用变换检测方法时候应考虑这点，比如做植被生物量的监测，就属于改变，如果选用分类后处理的方法就不管用了。 反过来基于图像直接比较法，不能够直接确定变化区域是属于何种变化类型，需要实地调查与图像对比等一系列步骤才能确定变化类型，这对于土地利用变化监测时候，则需要慎重考虑用此类方法。
四、变化信息提取方法的选择
有些变化检测方法得到的变化信息是单波段，如图像直接比较法，监督与非监督分类法作用就不是很大，可以考虑用影像分割和面向对象特征提取方法。而且图像直接比较法在确定是否变化时，往往需要确定一定的阈值，而阈值的确定则会直接影响变化信息提取的准确性，阈值的确定常见的如直方图法，样本挖掘法（C4.5算法）等。 3、基于ENVI的动态检测
ENVI集成了部分动态检测方法，包括图像直接比较法、分类后比较法、PCA变换、Two-Color Multiview、MNF变换法、ICA变换法、波谱角检测方法。当然还可以自定义方法。
一、图像直接比较法
ENVI中的图像直接比较法就是对两时相影像做差值或者比值运算，整合了一些预处理功能，如数据值归一
化和单位的统一。下面以经过配准的两时相影像为例介绍这个功能的使用。 （1）单击主菜单->File->Open Image File，将两时相影像同时打开，并用Display Link功能查看变化区域。 （2）单击主菜单->Basic Tools->Change Detection->Compute Difference Map，分别选择前一时相影像一个波段和后一时相影像的一个波段。 （3）在Compute Difference Map Input Parameters面板中，可以选择计算方法（差值或者比值）、归一化（0-1）和单位统一，设置变化等级以及设置变化等级划分阈值。单击Define Class Thresholds按钮，可以对每一个变化范围进行划分，如图1所示。选择一个路径输出。
图1 参数设置
（4）结果查看和统计 在Display中将结果显示，用Display Link链接功能将前后时相和结果链接查看。单击Image->Tools->Color Mapping->Class Color Mapping，查看各个变化等级的颜色和代码。 单击主菜单->Classification->Post Classification->Class Statistics，统计各个变化。 图2 结果查看与统计 二、分类后比较法 ENVI中的分类后比较法是通过比较两时相影像分类结果，获得变化类型、面积、百分比等。下面介绍这个工具的使用。 （1）单击 主菜单->File->Open Image File，将两时相的分类图打开。 （2）单击 主菜单->Basic Tools->Change Detection->Change Detection Statistics，选择前后时相的分类图。 （3）在Define Equivalent Class面板中，如果两个时相的分类图命名规则一直，则会自动将两时相上的类别关联；否则需要在Initial State Class和Final State Class列表中手动选择相对应的类别，如图3所示，点击Ok按钮。