基于国产高分卫星数据的矿山环境变化检测

为了提高矿山遥感监测的自动化程度,弥补传统监测方法的缺陷,以国产高分二号(GF-2)影像为数据源,根据矿山监测的目标,提取多源特征,构建一种自动化程度较高的面向对象的变化检测方法,用于矿山环境的动态监测。这种方法在利用变化向量分析法(change vector analysis,CVA)进行变化检测的基础上自动选择训练样本,然后利用极限学习机(extreme learning machine,ELM)提取变化信息。将该方法与其他常用的5种方法对比,实验结果表明:该方法的检测精度高达98. 73%,且自动化程度高,很适用于矿山环境的动态监测分析;以四川省攀枝花市米易县的典型矿山和尾矿库为例,开展矿山及周边环境动态监测实验,准确地检测出了矿山及其周边区域所发生的变化,验证了该方法的可行性,也为矿山实施大规模遥感动态监测提供了范例。