基于CBERS CCD图像的焦家坡垃圾填埋场动态变化监测

2.2变化监测方案
人机交互目视解译的方法可以很好地应用遥感图像进行垃圾填埋场动态变化分析，但需要大量的时间、人力和专家经验，不宜推广应用。为此，必须发展半自动-自动的垃圾填埋场遥感动态变化监测方法，以提高监测效率。由于CBERS系列星CCD遥感数据仅有蓝（B1）、绿（B2）、红（B3）和近红外（B4）4个波段，且受数据获取限制，有时只能保证绿、红和近红外波段能够获取。
因此本研究仅基于绿、红和近红外3个波段。为了尽可能避免时相对变化监测的影响，选择2004-09-08（图1a）、2006-09-06（图1b）和2008-09-14（图1c）遥感影像作为研究数据。
2.2.1SAVI计算
由于引入了土壤调节因子，因此，土壤调节植被指数SAVI=1.5（ρTM4-ρTM3）/（ρTM4+ρTM3+0.5）被认为最适合于研究低植被覆盖区，如城市建成区，其探测植被覆盖率的下限可低至15%，而归一化差异植被指数NDVI只有30%。这使得建筑区、植被和水体3种地类在SAVI影像中会比在NDVI影像中更容易区分［12］。城市固废堆放场一般无植被覆盖，可以用SAVI合理的阈值去除植被变化像元。
2.2.2感兴趣区域确定
根据焦家坡垃圾填埋场位置和空间形态，划定感兴趣区，集中分析垃圾填埋场动态变化，减少工作量和避免误判信息。
2.2.3决策树建立
首先计算2004-09-08、2006-09-06和2008-09-14遥感影像的SAVI（图1d、1e、1f），选定3个时相影像SAVI合理的阈值（对于2004-09-08影像，当SAVI>0.2时为植被，0.2≥SAVI≥-1.0时为建筑用地和裸地，SAVI≤-1.0时为黑色覆盖物或水体；对于2006-09-08影像，当SAVI>0.1时为植被，0.1≥SAVI≥-1.4时为建筑用地和裸地，SAVI≤-1.4时为黑色覆盖物或水体；对于2008-09-14影像，当SAVI>0.07时为植被，0.07≥SAVI≥-1.3时为建筑用地和裸地，SAVI≤-1.3时为黑色覆盖物或水体），将影像分为植被、建筑用地和裸地以及黑色覆盖物或水体3类。然后根据焦家坡垃圾填埋场位置和空间形态，人工划定感兴趣区，对非感兴趣区域进行掩模处理，以减少工作量和误判信息。对感兴趣区域中垃圾填埋场面积进行统计，建筑用地和裸地面积为填埋区未覆盖面积，黑色覆盖物或水体面积为覆盖面积，他们之和为总面积（表2），最后分别进行2004—2006年（图2a），2006—2008年（图2b）差值分析，获得垃圾填埋场动态变化的区域和面积（表3）。

表2焦家坡垃圾填埋场填埋区决策树分类结果

表3焦家坡垃圾填埋场填埋区动态变化