下载文档原格式
试述土地利用动态遥感监测的技术流程下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor. I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!土地利用动态遥感监测是指利用遥感技术对土地利用类型、结构、分布和变化进行实时或定期监测的过程。
遥感影像变化检测简述摘要：遥感影像变化检测一直是国际遥感领域研究的热点和难点，随着遥感对地观测技术的快速发展和应用，变化检测技术体系也在不断地发展和演化，已广泛应用于国土资源管理、地物变化、农林业的监测等领域。
现有的遥感变化检测技术方法很多，分类方式也很多，目前的研究表明，没有任何一种变化检测方法具有绝对的优势。
在实际的应用中，要根据具体的应用目的选取合适的变化检测方法。
本文将对遥感影像变化检测的基本概念、主要检测流程以及不同分类体系下的检测方法及各方法的优缺点进行简要阐述。
关键词：遥感影像；变化检测；检测方法中图分类号：文献标志码：文章编号：遥感影像变化检测是利用不同时期覆盖在同一地表区域的多源遥感影像和相关地理空间数据，结合相应地物特性和遥感成像机理，采用图像、图形处理理论及数理模型方法，确定和分析该地域地物的变化[1]，包括地物位置、范围的变化和地物性质、状态的变化。
它的最终目标就是提取出变化信息并确定变化的类型。
近年来，随着航天技术和信息科学技术的飞速发展，遥感影像获取技术呈现出多平台、多角度多传感器和高时间分辨率、高空间分辨率、高光谱分辨率、高辐射分辨率的特点[2]，海量的遥感数据为遥感应用提供了坚实的数据基础。
怎样从海量的遥感影像数据中提取和检测出变化信息已成为当前遥感数据处理技术的主要发展方向[3]。
国内外学者从不同角度针对不同应用研究了大量的变化检测方法和理论模型，但目前还没有发现一种适合所有场景的方法[4]，还需根据具体情况，选择合适的变化检测方法。
论文简述了遥感变化检测的主要流程，简单介绍了几种目前主要使用的变化检测方法及其优缺点。
1 遥感变化检测的主要流程目前，各学者对遥感影像的变化检测过程提出了不同的划分步骤。
本文将遥感影像的变化检测过程总结为数据源选取、数据预处理、变化信息提取、变化信息后处理、检测精度评价五个部分。
数据源选取。
现在变化检测可以利用的数据源有很多，单波段、多波段、单时相、多时相等影像都有。
土地覆盖变化遥感监测与评价的技术流程土地覆盖变化遥感监测与评价的技术流程，听起来好像很高大上的样子，其实咱们老百姓也能轻松理解。
就拿咱们家门口的小区来说吧，这个小区的土地覆盖情况可是咱们生活的重要组成部分哦！怎么才能知道小区的土地覆盖情况呢？这就要靠土地覆盖变化遥感监测与评价的技术流程来帮忙了！咱们要了解土地覆盖变化遥感监测与评价的技术流程是什么。
简单来说，就是通过卫星遥感技术，对地球表面的土地覆盖情况进行监测和评价。
这个过程分为几个步骤：第一，收集数据；第二，处理数据；第三，分析数据；第四，评估结果。
下面，咱们就来详细说说这几个步骤是怎么进行的吧！第一步，收集数据。
这一步可不是随便拍几张照片就能搞定的。
要想得到准确的数据，需要使用高分辨率的遥感卫星图像。
这些卫星图像可以清晰地显示出地球表面的各种特征，包括土地覆盖情况。
有时候卫星图像可能会受到天气、光线等因素的影响，导致数据不准确。
在收集数据的过程中，还需要对图像进行预处理，以提高数据的准确性。
第二步，处理数据。
收集到的数据可能有很多噪声和误差，需要进行处理，以减少这些干扰。
处理数据的方法有很多，比如滤波、校正等。
这些方法的目的就是让数据更加清晰、准确。
第三步，分析数据。
处理好的数据接下来就要进行分析了。
分析的目的是找出土地覆盖变化的规律和特点。
比如，哪些地区的植被覆盖率比较高？哪些地区的水体比较多？这些信息对于我们了解土地利用状况、制定环保政策等方面都非常重要。
第四步，评估结果。
分析完数据之后，就要对结果进行评估。
评估的目的是判断分析结果的可靠性和适用性。
如果评估结果显示某个地区的植被覆盖率偏低，那么就需要进一步研究原因，采取措施加以改善。
经过这几个步骤，咱们就可以得到关于土地覆盖变化的详细信息了。
这些信息对于我们了解地球环境、保护生态环境等方面都非常重要。
大家一定要重视土地覆盖变化遥感监测与评价的技术流程哦！。
如何进行遥感图像的变化检测和监测遥感图像的变化检测和监测技术在生态环境、城市规划、资源管理等领域具有重要的应用价值。
本文将介绍如何进行遥感图像的变化检测和监测，包括数据采集、图像处理和结果分析等方面。
一、数据采集遥感图像的变化检测和监测首先需要获取高质量的遥感数据。
常见的遥感数据包括航空摄影图像、卫星图像以及无人机图像等。
选择合适的遥感数据源对于精确的变化检测至关重要。
在数据采集过程中，需要考虑波段的选择、图像分辨率以及时相间隔等因素。
二、图像处理在获取到遥感图像数据后，进行图像处理是进行变化检测和监测的关键环节。
首先，需要进行预处理，包括辐射定标、几何校正和大气校正等步骤，以消除光照、尺度和大气等因素的影响。
其次，对预处理后的图像进行特征提取，常用的特征包括颜色、纹理、形状等。
特征提取可以采用传统的数学方法，如主成分分析和小波变换，也可以应用深度学习等先进技术。
最后，基于提取到的特征，进行图像分类和变化检测。
常见的方法有阈值法、像元差异法和聚类分析法等。
三、结果分析在进行图像处理后，得到的结果需要进一步进行分析和解读。
首先，对变化区域进行验证和修正，以减少误差和遗漏。
方法包括比对不同时期的地面实测数据，如GPS测量和实地调查，进一步确认图像中的变化区域。
其次，对变化区域进行分类和数量统计。
可以分析变化的类型，如建筑物的增加、绿地的减少等，并计算出变化的面积和比例。
最后，对变化区域进行空间分布和趋势分析。
可以借助地理信息系统（GIS）、空间统计等方法，探索变化的空间模式和规律。
四、应用展望遥感图像的变化检测和监测技术在生态环境、城市规划、资源管理等领域具有广泛的应用前景。
通过定期的遥感图像监测，可以及时发现和评估生态系统的变化，为生态环境保护和恢复提供科学依据。
同时，遥感图像的变化检测可以帮助城市规划部门进行城市扩张和土地利用规划，提供数据支持和决策依据。
此外，遥感图像的变化监测还可以用于资源管理，如农田监测和森林资源调查等，提高资源利用效率和保护资源的可持续性。
结合人工智能（AI）和遥感监测技术的流程通常包括以下步骤：1.数据获取：-遥感数据采集：使用卫星、飞机或其他传感器获取地表、大气和海洋等信息的遥感数据。
这可以包括光学图像、雷达数据、红外线图像等。
-非遥感数据：获取与遥感数据相关的其他信息，如气象数据、地理信息系统（GIS）数据等。
2.数据预处理：-图像校正：对遥感图像进行几何和辐射校正，确保图像的准确性。
-去噪处理：对遥感图像进行去噪处理，提高图像质量。
-数据融合：将来自不同传感器或不同时间的数据进行融合，以获取更全面的信息。
3.特征提取：-使用计算机视觉技术和机器学习算法，从遥感图像中提取有用的地物或特征。
这可以包括建筑物、道路、植被等。
4.分类与识别：-使用监督学习算法进行地物分类，将图像中的像素分为不同的类别，例如水域、林地、城市等。
-利用深度学习技术进行目标检测和识别，如识别建筑物、车辆、人物等。
5.时序分析：-利用时间序列遥感数据，进行变化检测和监测。
这有助于分析地表的动态变化，如土地利用变化、植被生长等。
6.模型训练与优化：-在机器学习和深度学习任务中，进行模型训练，使用标注的数据集来提高算法的性能。
-对模型进行优化，以提高其在实际应用中的准确性和鲁棒性。
7.集成与分析：-将遥感数据与其他数据集整合，如气象数据、地理信息数据，进行综合分析。
-利用AI技术进行更高层次的数据挖掘和决策支持。
8.结果可视化与报告：-将分析结果可视化，以便用户更直观地理解监测结果。
-生成报告，向利益相关方传达分析结果、趋势和建议。
9.反馈与迭代：-根据实际应用中的反馈，对模型和流程进行优化和改进。
-不断迭代改进，提高系统的性能和可靠性。
这是一个基本的流程框架，具体的应用场景和项目需求可能需要定制化和调整。
在整个流程中，充分利用人工智能技术和遥感监测技术，可以更精确、高效地获取、分析和利用地理信息。
如何使用遥感图像进行土地分类与变化监测遥感技术是一种通过使用航空器或卫星获取地球表面信息的方法。
借助遥感图像，人们能够更深入地了解土地利用和土地覆盖的变化情况。
本文将讨论如何使用遥感图像进行土地分类与变化监测。
一、遥感图像的类型遥感图像可以分为光学图像和雷达图像两大类。
光学图像是使用电磁波中的可见光、红外线等可见光谱范围内的光进行拍摄。
它们可以提供地表物体的形态和空间分布信息。
而雷达图像利用微波信号，可以在云层和天气条件下获取地表物体的信息。
二、土地分类土地分类是将土地按照特定的属性或特征划分为不同类别的过程。
遥感图像可以帮助进行土地分类，辅助研究者对土地利用进行判定。
利用遥感技术，人们可以进行监测和分析不同类型土地的面积、分布等信息。
土地分类的准确性对于其他领域的研究和规划十分重要，如环境保护、农业发展等。
三、土地变化监测土地变化监测是指通过对遥感图像进行时间序列分析，观察和分析土地利用和土地覆盖的变化过程。
遥感图像可以提供以往的历史数据，帮助掌握和分析土地利用的演变。
通过比较不同时间点的遥感图像，人们可以发现土地利用类型的变化以及可能的原因。
这有助于制定相关政策，优化土地利用结构。
四、土地分类与变化监测的方法1. 监督分类法：监督分类法是一种常用的土地分类方法。
它需要研究者提前准备一些样本数据，并对样本进行标记。
然后利用这些样本来训练分类器，使其能够自动识别遥感图像中的不同土地类别。
监督分类法具有较高的准确性和可重复性，但需要较大的人力和时间投入。
2. 非监督分类法：非监督分类法是另一种常用的土地分类方法。
它不需要事先准备样本数据，而是通过对遥感图像进行统计学分析，将相似的像素点划分到同一类别中。
这种方法可以自动发现潜在的土地类别，但分类结果可能存在一定的不确定性。
3. 变化检测方法：变化检测是通过比较不同时间点的遥感图像，观察土地利用和土地覆盖的变化情况。
一种常用的变化检测方法是基于像元的差异分析。
如何进行遥感影像的变化检测遥感影像的变化检测是指利用遥感技术，对不同时间或不同条件下的遥感影像进行比较和分析，以提取出地表或地物在时空上的变化信息。
这项技术在环境监测、资源调查、城市规划等领域具有重要应用价值。
本文将探讨如何进行遥感影像的变化检测。
一、遥感影像的数据预处理在进行遥感影像的变化检测之前，首先需要对数据进行预处理。
这包括影像获取、几何校正和辐射定标等步骤。
影像获取是指通过卫星、无人机或其他传感器获取遥感影像数据。
几何校正是为了保证影像的几何位置和形状的正确性，常用的方法有地面控制点法和特征匹配法。
辐射定标是将影像数据转换为反射率或辐射亮度，以消除不同影像源的差异。
二、遥感影像的差异提取差异提取是遥感影像变化检测的关键步骤。
常用的方法有基于像素的方法和基于对象的方法。
基于像素的方法是将影像分别进行像素级的比较，主要是通过计算像素之间的差异来判断变化情况。
基于对象的方法是将影像分割成不同的对象，然后比较对象之间的属性变化。
这两种方法各有优势，根据具体需求选择合适的方法。
基于像素的方法常用的技术包括灰度差异法、差值法和比率法。
灰度差异法是通过比较两期影像像素值的差异来判断变化情况。
差值法是通过计算两期影像像素值之差来提取变化信息。
比率法是通过计算两期影像像素值的比值来提取变化信息。
这些方法都有其适用范围和局限性，需要根据具体情况进行选择。
基于对象的方法常用的技术包括监督分类和非监督分类。
监督分类是指利用已知变化信息进行分类训练，然后将训练结果应用于变化检测。
非监督分类是根据像素的统计特征将影像分割成不同的对象，然后根据对象之间的属性变化进行变化检测。
这些方法可以较好地处理遥感影像中的复杂背景和噪声干扰。
三、遥感影像的变化分析与应用在进行遥感影像的变化检测之后，就可以进行变化分析和应用了。
变化分析主要是通过对变化图像进行解译和分析，提取出有意义的变化信息。
这包括变化的类型、范围和程度等方面的研究。
使用卫星影像进行植被遥感监测的方法与流程植被遥感监测是一种利用遥感技术来获取和分析植被信息的方法，可以提供了解植被生态环境和监测植被动态变化的重要数据。
其中，卫星影像作为重要的遥感数据源，发挥着重要的作用。
本文将介绍使用卫星影像进行植被遥感监测的方法与流程。
一、卫星影像的获取与预处理获取合适的卫星影像是进行植被遥感监测的第一步。
可以选择合适分辨率和时间段的卫星影像，如Landsat、MODIS等。
通过购买和下载方式获取到高质量的卫星影像数据。
在获取到卫星影像后，需要对其进行预处理。
预处理的目的是去除影像中的噪声，使其更加符合监测的要求。
常见的预处理方法包括大气校正、辐射校正和几何校正等。
对于不同卫星影像，可以根据需求选取相应的预处理方法。
二、植被指数计算植被指数是衡量植被状况的重要参数，可以通过卫星影像计算得到。
常见的植被指数包括归一化植被指数（NDVI）、植被指数（VI）等。
这些指数可以通过卫星影像中的红光、近红外光等波段进行计算。
计算植被指数的过程主要包括影像波段的选择和计算公式的确定。
通过选择合适的波段组合和计算公式，可以得到准确反映植被状况的指数值。
三、植被遥感监测分析通过计算植被指数，可以得到植被遥感监测的数据。
根据监测需求，可以进行植被覆盖变化、植被类型分类、植被生长状态等方面的分析。
1. 植被覆盖变化分析植被覆盖变化分析可以用来了解植被的动态变化情况。
通过不同时间段的卫星影像，可以计算出相应的植被指数，并进行对比分析。
在相同区域内，可以观察到植被覆盖变化的情况，如植被退化、恢复等。
2. 植被类型分类植被类型分类可以根据卫星影像的植被指数与已知植被类型的关系进行判断。
通过建立训练样本集，可以对卫星影像进行分类，得到不同类型植被的分布情况。
3. 植被生长状态分析植被生长状态分析可以通过监测植被指数的变化来判断植被的生长状态。
通过计算不同时间段的植被指数，可以观察到植被生长的趋势和变化情况。
使用遥感技术进行遥感测绘的基本流程和方法遥感技术是一种通过获取和分析从遥远距离获得的信息的方法。
在遥感测绘中，遥感技术被广泛应用于地表特征的观测和测量。
本文将介绍遥感测绘的基本流程和方法，包括数据获取、数据处理和数据分析等。
数据获取是遥感测绘的第一步，主要包括数据源的选择和数据的获取。
在现代遥感测绘中，常见的数据源有航拍影像、卫星遥感数据和无人机遥感数据等。
根据具体应用需求，选择适合的数据源对于获得准确的地表信息至关重要。
数据获取的方法包括航空摄影、卫星遥感和无人机遥感等。
这些方法都能够提供高分辨率的遥感影像，以满足不同需求的测绘任务。
数据处理是遥感测绘中的关键步骤，主要包括遥感影像的预处理和特征提取。
预处理包括影像的几何校正、辐射校正和大气校正等。
几何校正是将影像与地理坐标系统对应起来，使得影像上的地物位置能够与地球表面上的实际位置对应。
辐射校正是消除影像中辐射度的变化，以确保测绘结果的准确性。
大气校正是校正空气中的颗粒物影响，通常通过模型对空气参数进行估计，进而修正影像中的大气影响。
特征提取是从影像中提取地表特征的过程。
常见的特征包括土地利用/土地覆盖类型、地形高程和水体分布等。
特征提取一般采用图像分类技术和遥感影像分析方法，如最大似然分类、支持向量机和人工神经网络等。
数据分析是遥感测绘的最后一步，主要是对提取的特征进行分析和解释。
数据分析可以揭示地表特征的变化趋势和空间分布规律。
例如，通过对时间序列影像数据进行分析，可以监测农作物的生长情况和病虫害的变化。
还可以借助地理信息系统（GIS）对遥感数据进行空间分析，实现对地表特征的叠加和综合分析。
这样的分析可以为城市规划、环境保护和资源管理等决策提供科学依据。
此外，遥感测绘还可以与其他地理信息技术相结合，扩展其应用范围。
例如，地面调查可以为遥感数据提供验证和修正，以提高遥感测绘结果的准确性。
地理信息系统的基础数据，如地理编码和地图数据，可以为遥感数据的处理和分析提供必要的背景信息。
变化检测的基本流程变化检测是指对两张或多张空间遥感影像进行对比分析，以发现图像中出现的时间序列上的变化情况，从而提取地面目标的变化信息。
变化检测可以应用于许多领域，如自然资源管理、城市规划、环境保护等，对于了解地表动态变化，及时掌握灾害信息、优化资源分配等方面具有重要的现实意义。
本文将介绍变化检测的基本流程。
一、预处理首先要注意的是，一个完整且准确的变化检测流程需要进行一系列预处理工作，主要包括以下内容：（1）遥感图像的准备：将需要用于变化检测的遥感影像按照预定义的规则进行组织和存储，例如，同一地区的遥感影像尽量采用同一时间、相同的分辨率和同一波段等。
（2）遥感影像的校正：在这一步中，需要对影像进行去除大气影响、几何校正、无人机影像的拼接等操作，以消除影像中的噪声和误差，从而保证后续处理步骤的准确性和可靠性。
（3）遥感影像的配准：影像配准是将两个或多个影像进行空间转换和重采样后的过程，目的是将采集的多个影像拼接起来用于后续剖析操作之中，也是进行变化检测的基础。
（4）影像的裁剪：针对遥感影像的裁剪是为了减少时间复杂度，以避免不必要的计算量。
二、差异分析在完成预处理之后，就需要进行差异分析，即对两张或多张遥感影像进行比较，从而确定场景中存在的变化信息。
传统的遥感差异分析方法主要包括以下三种:（1）像元差异方法：对应于像元差异法，在两张遥感影像中对应像元位置的灰度值进行差分运算，将差异大于一定阈值值的像素进行筛选，形成变化图像。
（2）物体差异方法：将连续时间的遥感影像分别进行目标识别和定位，生成目标对象及其位置、形状和灰度特征的描述符，从而可以找到不同遥感影像之间相同的、存在变化的目标。
（3）模型差异方法：模型差异法是指以遥感影像中的地面目标为样本，通过分析对象在两个时间点的不同性质，建立模型，并通过预判模型给出的变化信息。
三、变化检测结果的分析在完成差异分析之后，变化检测结果可以通过可视化、统计、分析等方式进行进一步处理和分析。
多时相土地利用/覆盖变化监测研究方法及数据选取土地是一个综合的自然地理概念，它处于地圈-生物圈-大气圈相互作用的界面，是各种自然过程和人类活动最为活跃的场所。
地球表层系统最突出的景观标志就是土地利用和土地覆盖( Land Use and Land Cover)。
由于土地利用和土地覆盖与人类的生活、生产息息相关，而人类活动正以空前的速度、幅度和空前规模改变着陆地环境。
人类对土地资源的利用引起的土地利用和土地覆盖的变化是全球环境变化的重要因素之一，也是地球表面科学研究领域中的一个重要分支。
因此，土地利用和土地覆盖的动态监测（Land Use and Land Cover Monitoring）是国内外研究的热点，也是当前全球变化研究计划的重要组成部分。
由多时相遥感数据分析地表变化过程需要进行一系列图像处理工作，大致包括：一、数据源选择，二、几何配准处理，三、辐射处理与归一化，四、变化监测算法及应用等。
一、遥感数据源的选取不同遥感系统的时间分辨率、空间分辨率、光谱分辨率和辐射分辨率不同，选择合适的遥感数据是变化监测能否成功的前提。
因此，在变化监测之前需要对监测区域内的主要问题进行调查，分析监测对象的空间分布特点、光谱特性及时相变化的情况，目的是为分析任务选择合适的遥感数据。
同时，考虑到环境因素的影响，用于变化监测的图像最好是由同一个遥感系统获得，如果由于某种原因无法获得同一种遥感系统在不同时段的数据，则需要选择俯视角与光谱波段相近的遥感系统数据。
1时间分辨率这里需要根据监测对象的时相变化特点来确定遥感监测的频率，如需要一年一次、一季度一次还是一月一次等。
同时，在选择多时相遥感数据进行变化监测时需要考虑两个时间条件。
首先，应当尽可能选择用每天同一时刻或者相近时间的遥感图像，以消除因太阳高度角不同引起的图像反射特性差异；其次，应尽可能选用年间同一季节，甚至同一日期的遥感数据，以消除因季节性太阳高度角不同和植物物候差异的影响。
2空间分辨率首先要考虑监测对象的空间尺度及空间变异的情况，以确定其对于遥感数据的空间分辨率的要求。
变化监测还要求保证不同时段遥感图像之间的精确配准。
因此，最好是采用具有相同瞬时视场（IFOV）的遥感数据，如具有同样空间分辨率的TM图像之间就比较容易配准在一起。
当然也可以使用不同瞬时视场遥感系统获取的数据，如某一日期的TM图像（30m ×30m）与另一日期的SPOT图像（20m×20m），来进行变化监测，在这种情况下需要确定一个最小制图单元20m×20m，并对这两个图像数据重采样使之具有一致的像元大小。
一些遥感系统按不同的视场角拍摄地面图像，如SPOT的视场角能达到±27°，在变化监测中如果简单采用俯视角明显不同的两幅遥感图像，就有可能导致错误的分析结果。
例如，对一个林区，不均匀地分布着一些大树，以观测天顶角0°拍摄的SPOT图像是直接从上向下观测到树冠顶，而对于一幅以20°观测角拍摄的SPOT图像所记录的是树冠侧面的光谱反射信息。
因此，在变化监测分析中必须考虑到所用遥感图像观测角度的影响，而且应当尽可能采用具有相同或相近的俯视角的数据。
3光谱分辨率应当根据监测对象的类型与相应的光谱特性选择合适的遥感数据类型及相应波段。
变化监测分析的一个基本假设是，如果在两个不同时段之间瞬时视场内地面物质发生了变化，则不同时段图像对应像元的光谱响应也就会存在差别。
所选择的遥感系统的光谱分辨率应当足以记录光谱区内反射的辐射通量,从而最有效地描述有关对象的光谱属性。
但实际上不同的遥感系统并没有严格地按照相同的电磁谱段记录能量。
比较理想的是采用相同的遥感系统来获取多时相数据。
若没有条件，则应选择相接近的波段进行分析。
如SPOT卫星的波段1（绿）、波段2（红）和波段3（近红外）可以成功地用来与TM的波段2（绿）、波段3（红）和波段4（近红外），或与Landsat MSS的波段4（绿）、波段5（红）和波段7（近红外）进行对比。
4辐射分辨率变化监测中一般还应采用具有相同辐射分辨率的不同日期遥感图像，如果采用具有不同辐射分辨率的图像进行比较的话，需要把低辐射分辨率遥感图像数据转换为较高辐射分辨率的图像数据，当然这种转换并没有提高其原始数据的亮度值精度。
综上，选取合适的遥感影像数据源是变化检测的基础。
研究地表地物变化，首先要选择与研究地物的目标特征相匹配的数据源。
卫星遥感技术快速发展到今天，虽然从1100m分辨率的NOAA/AVHRR影像到不足1m分辨率的QuickBird影像都可以应用到土地利用/覆被变化研究中来，但根据监测尺度的不同，遥感数据的选择也有一定差异。
目前应用于地区尺度的土地利用/覆被变化研究主要选择Landsat、SPOT、IKONOS、QuickBird、CBERS等卫星的数据。
Landsat的MSS、TM、ETM+数据因其价格较便宜和存档数据丰富而被广泛应用，但当其应用于区域或全球尺度时，就会因数据费用昂贵、缺乏适当的分析方法和相配的技术而受到阻碍。
近年来，随着混合像元分解技术的发展，以NOAA/AVHRR影像为主要代表的低空间分辨率遥感影像越来越受到人们的关注，并逐渐应用到全球和区域尺度上的土地利用/覆被变化研究。
低空间分辨率的EOS/MODIS数据的应用也发展迅猛，美国发射的TERRA和AQUA 上搭载的MODIS传感器所获取的影像，同AVHRR影像相比，其波段数目、分辨率、数据接收和数据格式等方面都作了相当大的改进。
其可获取250m（1、2 波段）、500m（3～7 波段）和1000m（8～36 波段）的36个分布在0.405~14.385μm之间的波段数据，其中250 米分辨率的2个波段主要是对陆地的观测。
由于MODIS数据在波段和分辨率方面的改进，使得MODIS数据量大幅度地增加（大约相当于AVHRR同期数据量的18倍左右）。
另外MODIS 数据还实行全球免费接收，这就更促进了MODIS数据的广泛应用。
此外，一些学者经研究后得出一些特定目标变化探测的最小图像空间分辨率，同时也研究了时间分辨率对土地变化检测的影响，结果认为最小3~4 年的时间周期，才能用来较为精确地检测土地变化，提高时间间隔如1~2 年的时相图像，结果会更优。
一般来说，综合利用多种空间、时间、光谱遥感影像及地理信息数据有助于提高变化检测的精度。
但考虑到数据成本及各种传感器本身的特性，多源数据不易获取，因此应最大程度地利用多源数据的差异部分和减小多源数据的过多“冗余”。
二、几何配准处理几何配准处理是指利用地面控制点数据对不同时段的遥感图像进行精确的几何校正，及图像与图像之间的配准。
不同时相遥感图像之间的配准精度非常重要。
研究结果表明，对于变化检测来说，图像之间的配准误差(平均均方误差)应小于半个像元。
三、辐射处理与归一化用于变化监测的不同时相的遥感图像之间通常需要进行辐射度匹配与归一化处理。
即使对于那些已分别作过辐射校正处理的图像这种图像之间的辐射度匹配与归一化处理仍然是必要的。
图像之间的辐射度匹配与归一化是以一幅图像的直方图为基础，将其他图像的直方图与之匹配。
其主要目的是保证不同时段图像上像元亮度值的可对比性。
四、多时相土地利用/覆盖变化监测研究方法不同时相的遥感图像经过以上的几何配准和辐射校正处理后，就需要选取不同的算法来增强和区分出相对变化的区域。
随着卫星遥感技术的快速发展，当前的多时相土地利用/覆盖变化监测研究方法非常多，研究人员纷纷从不同的角度进行了总结分类，可把它们归为光谱类型特征分析、光谱变化向量分析和时间序列分析等三类以及一些新的检测方法。
光谱类型特征分析方法主要基于不同时相遥感图像的光谱分类和计算，确定变化的分布和类型特征；光谱变化向量分析方法基于不同时间图像之间的辐射变化．着重对各波段的差异进行分析，确定变化的强度与方向特征；时间序列分析则是强调利用遥感连续观测数据分析地面监测对象的变化过程与变化趋势。
1. 光谱类型特征分析方法1）多时相图像叠合方法在图像处理系统中将不同时相遥感图像的各波段数据分别以R(红)、G(绿)、B(蓝)图像存储，从而对相对变化的区域进行显示增强与识别。
例如，在土地利用变化监测中，利用三个时相的SPOT-Pan图像分别赋予红、绿、蓝色。
若早期的SPOT图像用红色表示，后期的图像用绿色和蓝色表示，往往由低反射率到高反射率的地表变化（如植被到裸地）显示为青色（cyan），而由高反射率到低反射率的地表变化（如裸地到居住区）则可显示为红色。
变化区域由于其对应的亮度值变化，可以在叠合图像上得到清楚的显示。
一般反射率变化越大，对应的亮度值变化也大，可指示对应的地表土地利用方式已经发生了变化；而没有变化的地表常显示为灰色调。
这种叠合分析方法可以直观地显示两到三个不同时相的变化区域，便于目视解译，但无法定量地提供变化的类型和大小。
2）图像代数变化检测算法图像代数（Algebra）算法是一种较简单的变化区域及变化量识别方法，包括图像差值与图像比值运算。
图像差值：将一个时间图像的像元值与另一个时间图像对应的像元值相减。
在新生成的图像中，图像值为正或为负则是辐射值变化的区域，而没有变化的区域图像值为0。
在8bit 图像中，像元值范围为0～255，其图像差值的范围为-255～255.由于差值往往为负值，故可加一个常量C。
差值图像的亮度值常近似高斯分布，没有变化的像元多集中在均值周围，而变化的像元分布在直方图的两翼。
图像比值：将一个时间图像的像元值与另一个时间图像对应的像元值相除。
新生成的比值图像的值域范围为0～255，没有变化的区域图像值为1。
植被指数差值法：利用光学传感器近红外波段与红波段对植被的显著的响应差,通过比值突出植被信息,再通过阈值提取植被信息和非植被信息。
由于植物普遍对红光强烈吸收和对近红外光强烈反射,因此红光和近红外波段之间的比值有利于提高光谱差异。
利用波段间比值图像主要有二个优点:不同地物特征的光谱响应曲线差异可能会在比值图像中得到进一步增强;比值能压抑地形效应并对辐射差异进行一定程度的归一化。
图像回归法：首先假定时相Ⅰ的像元值是另一时相Ⅱ像元值的一个线性函数,通过最小二乘法来进行回归,然后再用回归方程计算出的时相Ⅱ的预测值来减去时相Ⅰ的原始像元值,从而获得二时相的回归残差图像。
以阈限方法确定变化区域。
经过回归处理后的遥感数据在一定程度上类似于进行了辐射校正的相对校正,因而能减弱多时相数据中由于大气条件和太阳高度角的不同所带来的不利影响。
从以上方法可以看出,直接比较法大多通过阈值来确定变化区域,所以阈值的确定在这种方法中显得尤为重要。
为了从差值或比值图像上勾画出明显变化区域，需要设置一个阈值（threshold），将差值或比值图像转换为简单的变化／无变化图像，或者正变化／负变化图像，以反映变化的分布和大小。
