土地变化遥感：多方面视角

土地变化科学在过去几十年中发展迅速。 遥感在土地变化科学的重要组成部分中发挥了重要作用， 其中包括土地变化的观察、监测和表征。 在本文中，我们通过遥感镜头提出了土地变化多方面视图的新框架， 并推荐了土地变化的五个方面， 包括变化位置、时间、目标、度量和主体， 还评估了遥感数据的空间、光谱、时间、角度和数据集成领域对土地变化不同方面观测、监测和表征的影响， 并讨论了一些当前的土地变化产品， 同时整合社会科学数据和多传感器数据集， 以更深入、更全面地了解土地变化， 并认识到遥感在土地变化研究中的局限性和弱点。

土地变化的五个方面

如果遥感系统设计得很好， 可以捕获特定的土地变化类型， 则可以根据土地变化之前、期间和/或之后收集的遥感观测数据提取五个不同方面的土地变化信息（如下图）。

• Where - change location： 土地变更的第一个方面是回答变更发生地点或确定变更地点的问题。 理论上，通过区分在不同时间从相同光谱带和相同位置收集的两个地理配准遥感图像， 两个日期之间发生的任何类型地表变化都会比没有变化的地方具有更大的差异值。
• When - change time： 土地变更的第二个方面是回答变更何时发生或确定变更时间的问题。 基本上，选择越接近的两个图像来检测变化， 可以更准确地确定变化时间。
• What - change target： 土地变化的第三个方面， 也可能是研究最多的一个方面， 是回答什么正在变化或确定变化目标的问题。 变化目标有时定义为土地覆盖类型（例如森林、城市、水、草、灌木、雪/冰、农业等）等分类类别的变化，或定义为生物物理/生化连续变量的变化遥感数据包含丰富的地表特征信息， 如不透水面面积（ISA）、地表温度、叶面积指数（LAI）、 植被高度、生物量、叶片含水量、叶绿素含量等。
• How - change metric： 土地变化的第四个方面是通过一些变化指标来回答土地如何变化的问题， 例如变化幅度、变化持续时间和变化方向。
• Why - change agent： 土地变化的第五个方面是回答为什么变化或确定变化推动者的问题， 气候、土地干扰和演替是在不同时间尺度上发生的三个主要变化因素。 虽然这三种变革推动者在概念上有很大不同， 但它们与各种正反馈和负反馈相互作用。

当前多层面土地变化监测面临的问题

理想的是，遥感器被设计为以正确的光谱、空间、时间分辨率和视角来检测所有土地变化。 然而，光谱、空间、时间、角度和数据集成领域的实际问题阻碍了遥感平台检测和表征土地变化的能力。

1.光谱问题

可见光、近红外 (NIR)、短波红外 (SWIR)、热和微波电磁辐射被陆地物质以不同的方式吸收、反射和传输。 土地变化本质上是陆地物质的部分或全部变化， 因此某种类型的土地变化在不同波长下会表现出不同的探测性能。 在实践中， 如果能够区分两种不同类型地表的光谱范围不包含在遥感波段中， 几乎不可能检测到变化位置和时间， 更不用说准确识别变化目标、度量和主体。

例如，当森林被烧毁时， 土地变化信号几乎无法从可见的 Landsat 波段（例如蓝色、绿色和红色）以及某些微波波段（例如 C 波段）中辨别出来。 相比之下，如下图）由于火灾后的炭化、植被和含水量的减少， 因此这些波段对于火灾损失评估至关重要。 一些研究还报道，窄光谱带， 例如红边带（680-730 nm）， 对于区分宽带遥感通常无法识别的细微/渐进的植被变化特别有用。 一般来说，所涉及的波段/指数的选择对于此类变化检测任务的有效性非常重要， 这需要对基于目标的方法进行更多研究来确定最佳光谱输入。

2.空间问题

空间分辨率定义为地面投影瞬时视场 (IFOV) 的尺寸（以米为单位）， 决定了地面上的最小测绘单元（例如，Landsat 8 像素覆盖 30 m × 30 m 的陆地区域） ）。 来自各种平台的遥感图像可以提供从亚米级到数十公里的广泛空间分辨率， 空间分辨率的选择对于下游卫星产品也具有重要影响。 更高空间分辨率的遥感数据通常首选作为变化检测的输入， 因为空间分辨率越高， 检测小规模土地变化的能力就越好。 然而，当空间分辨率太高（例如<1 m）时， 图像质量可能会受到地表特征阴影的严重影响。

另一方面， 如果空间分辨率太粗， 小尺寸的地表变化可能不会表现出明显的光谱信号（见下图中的 MODIS 图像）， 并且点扩散函数和 BRDF 影响的较大差异将导致导致新的数据噪音并使变化信号更加稀释。 因此，分辨率在 10 到 100 m 之间的中分辨率卫星， 例如 SPOT、Sentinel-2 和 Landsat， 通常比粗分辨率传感器更适合绘制覆盖类型变化图， 而粗分辨率数据，如 MODIS、AVHRR， 多用于基于长时间序列数据的渐变提取， 值得注意的是，遥感图像的空间分辨率的影响可能会根据特定的图像分析单元而有所不同， 例如基于像素的方法与基于对象的方法。

3.时间问题

遥感系统的时间分辨率是指卫星传感器的重访周期（例如，Landsat 8 每 16 天重访同一地点）。 各种遥感系统每分钟、每小时、每天、每周、每月或几年收集观测结果。 本质上， 基于更高时间分辨率的观测可以实现更准确的变化时间检测， 因为变化时间可以包含在更窄的时间间隔内， 遥感变化检测算法使用更密集的时间序列这一事实也印证了这一点。 当需要监测短暂现象或持续存在的云层限制了清晰的视野时， 时间分辨率的选择尤为重要。 例如，在两个传感器同时工作的情况下， 如果不考虑云、云影和雪/冰污染的观测结果， Landsat 时间序列可以提供同一地点 8 天的重访观测结果。

对于短暂的变化，例如仅持续几天的洪水， 单独根据 Landsat 时间序列观测到的可能性较小（如下图）。在图a中， 我们偶然收集到了洪水期间的一张清晰的 Landsat 图像， 但如果它被云层遮挡， 就不可能检测到这种短暂的变化， 因为系统在获取下一个可用图像之前已经恢复到变化前的状态除非使用雷达等其他有源传感器。 对于气候变化引起的草地变化（即绿度突然变化）和甲虫侵扰引起的森林变化， 它们可以分别持续一年或多年， 如果使用年度陆地卫星观测， 通常可以检测到（图 b- c）。 另一个极端是与城市扩张相关的土地变化（图d） 通常是不可逆的， 甚至可以通过间隔 5 至 10 年收集的两幅 Landsat 图像成功捕获。 因此，不同土地变更应用所需的最小时间分辨率通常有很大不同。 一般来说，使用的时间序列观测值越密集， 对变化时间和位置的检测就越准确。

4.角度问题

遥感系统获取的能量包含非常具体的角度特征， 这是照明源（例如，无源系统的太阳或有源系统的传感器本身）角度和传感器视角的函数， 称为双向反射率分布函数（BRDF）。 遥感系统的这种双向特性会导致同一传感器的辐射亮度不一致， 并影响当前的表面反射率反演模型， 从而限制我们检测真实变化信号的能力。 即使对于一些仅收集近最低点观测的传感器（例如 Landsat）， 太阳角度和天顶角的变化（主要针对重叠条带中收集的观测值）仍会造成较大的反射率差异， 并可能导致变化检测中的遗漏或委托错误（如下图a）。

幸运的是， 通过短时间内在不同视角和太阳角度收集到足够的遥感观测数据， 可以对这种 BRDF 函数进行建模， 并且可以对一些粗分辨率卫星（例如 MODIS 和 VIIRS）估计当地正午最低点观测， 这些 BRDF 参数可以帮助减少 Landsat 和 Sentinel-2 等中等分辨率卫星中的 BRDF 效应。

其他解决方案， 例如选择同一条带内的观测值和创建估计太阳角差异以及植被物候变化的时间序列模型， 也可以消除或至少减少卫星数据中嵌入的 BRDF 差异， 这样， 变化像素可以使用基于时间序列的变化检测算法正确识别（如下图b ）。 值得注意的是， 角度信息可用于识别土地变化的目标和位置， 例如改进土地覆盖分类、检测云等移动物体，飞机， 以及由于包含 3D 信息而检测新建房屋。

5.数据集成问题

随着地球观测卫星可用性的增加， 多传感器数据集的集成可以提供空间、时间和光谱维度的补充视图， 为解决多方面的土地变化问题提供了独特的机会。 整合多传感器数据集进行多方面土地变化研究的方法一般可分为观测融合、决策融合和信息融合。 观测融合是指将多个数据源组合成一致的混合观测集， 以创建更精细的时间、空间或光谱分辨率数据集作为算法的输入的策略。 决策融合，也称为“竞争性集成”， 结合了来自不同传感器特定管道的相似变化方面信息， 旨在为单个变化方面产生更可靠的结果。 信息融合，例如“互补集成”， 是针对不同变化方面的多传感器管道结果的融合， 其目标是提供互补的变化信息。

虽然对这些集成技术的全面回顾超出了本文的范围， 但在多方面变更分析的背景下认识它们的概念差异非常重要。 观察和决策融合已广泛应用于单方面任务， 例如变化检测或土地覆盖分类， 以回答“何时”、“何地”和“什么”， 但很少涉及变化指标或代理； 相比之下，据报道， 关于监测土地变化的信息融合研究很少， 部分原因是缺乏认识到变化是一个多方面的问题。 信息融合的另一个挑战是不同的数据源可能具有不同的地理覆盖范围， 例如，激光雷达和高光谱图像通常无法提供类似于中分辨率或粗分辨率图像的全面土地变化信息， 这意味着数据插值经常需要。

除了遥感观测之外， 越来越多的社会科学数据显示出它们在揭示景观上未体现的社会经济过程方面的巨大前景， 并查明土地变化“为什么”发生的问题。 社会科学数据集，如人口密度、资本投资、贫困差距指数， 经常被用作建立经验模型的解释变量， 并用于推断从遥感图像观察到的土地变化的原因或驱动因素。 虽然这种将遥感（像素）数据与社会科学（人）数据集成的应用程序一直是土地变化科学的主要焦点，它们在数据格式上的根本差异带来了很多挑战。

当前土地变更产品

目前已经创建了大量基于遥感的土地变化产品， 其中一些已广泛应用于环境可持续性、土地管理、生物多样性保护和生态系统健康评估等领域。 然而，这些土地变化产品大多数只关注土地变化的三个方面： 变化的地点、时间和目标（主要是土地覆盖）， 很少有产品试图提供土地变化的其他一些方面， 例如作为变革推动者或变革指标（见下表 ）。 下表是当前全球和北美土地变更产品的精选列表， 这里只列出最新的文献。

随着遥感技术的发展， 土地变化科学取得了长足的进步以及这种变化发生的地点、 时间、内容、原因以及如何发生的问题可以得到充分评估和绘制。

因此，我们对土地变化遥感提出以下几点建议。 首先，重要的是要认识到土地变化的多方面性质， 当使用遥感数据研究土地变化时， 明确正在研究哪个土地变化方面通常是第一步。 其次，强烈建议报告所有五个方面的遥感土地变化产品， 因为只有从不同角度观察才能充分了解土地变化。 第三，未来遥感研究的重点将发生重大转变， 从变化目标转向变化指标和变化推动者， 因为遥感界对这两个方面的研究要少得多， 而全球土地变化的原因和方式也正在研究中。

一些最困难和最重要的科学问题。 这需要更深入、更全面的土地变化信息。 例如，目前大多数遥感变革推动者产品对于社会科学来说不够详细， 无法回答“为什么”的问题， 而社会科学数据和多个遥感数据源的结合使用可以提供新的、更深入的见解。 最后，我们需要认识到， 每个遥感系统在土地变化研究中都有局限性和弱点， 强烈建议对所有光谱、空间、时间和角度问题进行彻底评估。