目前国内利用遥感影像进行土地利用覆盖检测已有基于 SPOT[11]、SVM[12]、 SAR-X[13]、TM[14]、BJ-1[15]、MSS[16]、CBERS-02B[17]的。69970

早在 1951 年 RJ Frouin 就利用遥感数据对胶东半岛做过 LUCC 检测[18]。随 后，学者们又用不同的遥感影像源的数据做了 LUCC 检测的应用，找到、提出 了不同的 LUCC 检测方法。LUCC 检测方法大致可以分为基于像元值和基于光 谱、波段特征的两类。基于像元值的 LUCC 检测方法有：图像差值法、图像比 值法、植被指数比较法、多时相主成分分析法、MNF/ICA 变换、变化矢量分析 法。基于光谱、波段特征的检测方法有：光谱特征差异法、多波段彩色合成法、 波段替换法、波段交叉相关系数分析法、波谱角检测方法。这些方法体现变化的 指标大致为：变化量、变化率、相关系数。在这些指标下又有些常用的模型，比 如变化率中有单一动态度模型[19]、综合动态度模型[20]、MARKOV/CA-MARKOV

链模型[21-22]、LTM 模型等。 图像差值法将配准后的多时相数据相减，基本依据是不同地物的反射率不

同，当地物发生变化时，对应像元的 DN 值会发生变化，得到对应变化量[23]。图 像比值法将配准后的多时相数据相除，得到的结果与 1 对比，不为 1 表示发生变 化[24]。植被指数比较法利用两个波段的数据计算出植被指数，根据植被指数的变 化提取变化区域[25]。多时相主成分分析法也叫 PCA 算法(Principal Component Analysis，PCA），最初的用法是将相关系数较高的两个波段进行主成分分析， 使得影像中的主要元素是相互独立的，从而实现数据维度的人为降低，减少分析 量，主要是去除噪声，论文网也就是将主成分分析出来的最后几个分量去掉。那么前几 个分量就是主要的成分，也就是两个波段中的主要的成分，也就是两时相数据中 不变的部分[26-27]。变化矢量分析法通过 GIS 软件对已分类影像进行面积量算及统 计[28-29]。最小噪声分离变换，简称 MNF，变换本质上是两次迭代的主成分变换[30]。 独立主成分变换(Independent Component Algorithm，ICA)相较于 PCA 假设源信号 间彼此非相关是假定源信号间彼此独立[31]。光谱特征变异法的基础就是地物的标 准光谱曲线，利用不同地物的光谱曲线是不同的，对像元时相前后的地物光谱曲 线进行比对，光谱曲线已知，说明地物没有发生变化，地物光谱发生改变，那么 这个像元的地面覆盖类型就很与可能发生了改变。但是，这之中就有个异物同谱 的问题[32]。假彩色合成法使用的前提条件是两个时相数据的精确地理配准，RGB 三个通道中的一个通道赋予一个时相的数据，剩下的两个通道则赋予另一个时相 的数据。当一个像元的 RGB 三个通道 DN 值相同的时候，也就是说当两个时相 的数据在这个像元相同的时候，即前后没有发生变化，那么这个像元显示的就是 灰度颜色；当一个像元的 R 通道颜色与 GB 通道颜色不同的时候，也就是说这时 两时相的数据在这个像元处是不同的，即前后发生的变化，那么这个像元显示的 就是彩色，此时颜色的不同是因为地物类别所对应的 DN 值的大小差异[33]。