遗址遥感监测怎么搞?变化检测方法有哪些?

wowwwai GIS研习社 · 工具流程与项目排障

“遗址遥感监测怎么搞?变化检测方法有哪些?”这个问题，通常不是单纯找一景卫星影像那么简单。对遗址、古城址、墓葬区、长城沿线、窑址或大型考古景观来说，遥感监测的核心是：用多期影像发现遗址本体和周边环境是否发生了可疑变化，并把变化结果转成可核查、可归档、可用于巡查的GIS数据。

本文以GIS实际工作流程为主，讲清楚遗址遥感监测的基本步骤、常用变化检测方法、适用场景、常见坑和成果检查清单。读完后，你可以用QGIS、ArcGIS Pro、ENVI、Google Earth Engine或Python遥感库搭建一套可复用的遗址变化监测流程。

引言：遗址遥感监测要解决什么问题

遗址遥感监测不是为了“看一张漂亮影像”，而是为了回答几个具体问题：

• 遗址保护范围内有没有新增建设、取土、开挖、道路、耕作扰动？
• 遗址周边环境有没有水体扩张、植被退化、裸地增加或地表硬化？
• 变化发生在什么位置、面积多大、变化类型是什么？
• 变化结果是否能导出为矢量图斑，交给现场巡查人员核实？

因此，遗址遥感监测的成果通常不只是影像截图，而应包括多期影像、变化检测图、疑似变化图斑、变化属性表、核查记录和监测报告。

背景：遗址遥感监测为什么容易出错

遗址遥感监测的难点在于，遗址变化往往不是特别明显。很多变化并不是大面积城市扩张，而是局部取土、轻微开挖、临时堆土、农田翻耕、道路拓宽或植被覆盖变化。这些变化在影像上可能只占几个像元到几十个像元。

常见错误主要来自四类问题：

• 影像时间不一致：一景是春季，一景是秋季，植被和土壤湿度差异会被误判为遗址变化。
• 空间配准不准：两期影像没有严格对齐，边界位置会出现大量“假变化”。
• 分辨率不够：中低分辨率影像适合宏观监测，但对小型遗址扰动识别能力有限。
• 缺少现场核查：遥感只能发现疑似变化，不能直接替代考古和文保现场判断。

所以，遗址遥感监测要把“遥感变化检测”和“GIS核查管理”结合起来，不能只依赖单一算法。

原理：变化检测到底在检测什么

变化检测的基本思想是比较同一区域在不同时间的遥感影像差异。对遗址监测来说，主要关注地表覆盖、纹理、颜色、植被指数、建筑物边界和地形扰动等变化。

从GIS角度看，变化检测结果通常分为两种：

• 像元级变化：每个像元被判断为变化或未变化，适合栅格分析。
• 对象级变化：先把影像分割成地块、斑块或对象，再判断对象是否变化，适合高分辨率影像。

在遗址保护工作中，最终更常用的是图斑成果。也就是说，即使算法先生成的是栅格变化图，也需要进一步转为矢量面，叠加遗址保护范围、建设控制地带、行政区、道路、水系等GIS图层进行判读。

步骤：遗址遥感监测的标准工作流

步骤一：确定监测范围和监测目标

先在GIS中准备遗址相关边界数据。至少建议包括：

• 遗址本体范围
• 保护范围
• 建设控制地带
• 重点巡查区
• 历史变化图斑或已有问题点位

如果没有正式边界，至少要先建立一个临时监测范围，例如以遗址中心点外扩500米、1000米或按自然地貌单元划定范围。范围越不明确，后期变化结果越难解释。

步骤二：选择合适的遥感影像

影像选择要根据遗址规模和监测目的决定。一般可以这样判断：

监测目标	推荐影像类型	说明
大范围环境变化	Sentinel-2、Landsat	适合看植被、水体、土地覆盖变化，成本低，时间序列丰富。
局部建设和取土扰动	高分辨率光学影像	更适合识别道路、房屋、坑穴、堆土等小尺度变化。
长期趋势监测	多期同源影像	尽量使用同一传感器或相近分辨率影像，减少误差。
云多地区监测	SAR雷达影像	不受云影响，但解译门槛更高，需要谨慎判读。

如果目标是“发现疑似破坏遗址的工程活动”，优先考虑高分辨率影像。如果目标是“监测遗址周边生态环境变化”，Sentinel-2和Landsat也能发挥作用。

步骤三：做影像预处理

预处理决定了变化检测的可靠性。遗址遥感监测至少要检查以下内容：

• 坐标系统一：所有影像和矢量边界应使用同一坐标系。
• 影像配准：多期影像必须严格对齐，尤其是高分辨率影像。
• 裁剪范围：按遗址监测范围裁剪，减少无关区域干扰。
• 云和阴影处理：云、云影、积雪、水面反光容易造成假变化。
• 辐射归一化：不同日期影像亮度差异较大时，应进行归一化或选择相近季节影像。

在QGIS中，可以使用“按掩膜图层裁剪栅格”“重投影”“栅格计算器”等工具完成基础处理。在ArcGIS Pro中，可以使用“投影栅格”“裁剪栅格”“栅格函数”和“影像分析”完成类似操作。

步骤四：选择变化检测方法

遗址遥感监测常用变化检测方法可以分为以下几类。

1. 影像目视解译法

目视解译是最基础也最常用的方法。工作人员把两期或多期影像叠加，对比遗址范围内的颜色、纹理、边界和地物形态变化，手工勾绘疑似变化图斑。

适用场景：

• 遗址数量不多，需要高可信度判读。
• 变化类型复杂，算法难以稳定识别。
• 需要结合专家经验判断考古遗迹、地形痕迹或历史地貌。

优点是解释性强，缺点是效率低、主观性较强。实际项目中，目视解译常作为算法结果的复核环节。

2. 影像差值法

影像差值法是把两期影像对应波段相减，得到差异图。差异值较大的区域可能发生了变化。

变化差值 = 后期影像波段值 - 前期影像波段值

这种方法简单直观，适合快速发现裸地扩张、建筑新增、水体变化等明显变化。但它对光照、季节、土壤湿度和传感器差异比较敏感。

在QGIS中，可以使用栅格计算器计算两个波段的差值，再通过阈值提取变化区域。

3. 植被指数变化法

如果遗址区域有较多植被覆盖，可以使用NDVI等植被指数做变化检测。NDVI是归一化植被指数，用近红外和红光波段计算植被活力。

NDVI = (NIR - Red) / (NIR + Red)

对遗址监测来说，NDVI变化可以帮助识别：

• 植被被清除后形成的裸地或施工区域
• 农田翻耕造成的覆盖变化
• 遗址周边绿化、水分条件变化
• 潜在地下遗迹导致的作物长势差异

需要注意的是，NDVI变化不一定等于遗址破坏。农作物季节、降雨、灌溉和病虫害都可能导致NDVI变化，因此必须结合影像时间和现场信息判断。

4. 分类后比较法

分类后比较法是先分别对两期影像进行土地覆盖分类，例如分为建筑、道路、耕地、林地、水体、裸地等，再比较分类结果的变化。

这种方法适合回答“什么类型变成了什么类型”。例如：

• 耕地变为建设用地
• 草地变为裸地
• 裸地变为道路
• 水体侵占遗址边缘区域

缺点是对分类精度依赖很大。如果前后两期分类结果本身不稳定，变化检测结果会被放大出错。

5. 面向对象变化检测

面向对象变化检测适合高分辨率影像。它不是逐像元比较，而是先把影像分割成相对完整的对象，例如建筑斑块、道路段、裸地图斑、植被斑块，再比较对象的形状、面积、纹理和光谱变化。

遗址遥感监测中，面向对象方法更接近人工判读逻辑，适合识别：

• 新增建筑物
• 道路拓宽
• 取土坑扩大
• 堆土场变化
• 遗址表面扰动斑块

但它对分割参数比较敏感。对象分割过细会产生大量碎斑，分割过粗会漏掉小变化。

6. 时间序列变化检测

时间序列变化检测不是只比较两期影像，而是分析多期影像的变化趋势。例如使用连续多年的NDVI、裸地指数、水体指数或建筑指数判断变化是否持续。

它适合遗址长期监测，尤其适合发现：

• 逐年扩张的建设活动
• 持续退化的植被覆盖
• 周期性耕作扰动
• 水位变化对遗址的长期影响

如果使用Google Earth Engine，可以较方便地调用Sentinel-2或Landsat时间序列进行批量分析。但需要注意云掩膜、时间窗口和统计方法选择。

步骤五：提取疑似变化图斑

算法结果通常是栅格变化图，还不能直接作为管理成果。建议进一步处理为矢量图斑：

1. 对变化栅格设置合理阈值，提取变化区域。
2. 进行栅格转面，生成变化图斑。
3. 删除明显噪声斑块，例如面积过小、形状异常的碎斑。
4. 叠加遗址保护范围，保留重点区域内的变化。
5. 给图斑添加变化类型、发现日期、影像来源、核查状态等字段。

推荐属性字段包括：

字段名	含义	示例
site_name	遗址名称	某某古城址
change_type	疑似变化类型	新增建设、取土、裸地、道路
area_m2	变化面积	235.6
image_date_old	前期影像日期	2023-05-10
image_date_new	后期影像日期	2024-05-18
verify_status	核查状态	待核查、已核查、误判

步骤六：人工判读与现场核查

遗址遥感监测中的“变化”只能代表遥感影像上发生了差异，不能自动等同于违法建设或遗址破坏。建议把结果分成三类：

• 高优先级：保护范围内新增建筑、取土坑、道路、施工痕迹。
• 中优先级：建设控制地带内明显地表扰动或裸地扩张。
• 低优先级：可能由季节、农作物、阴影或影像质量造成的变化。

现场核查后，应把核查结论回填到GIS属性表中，形成闭环管理。这样下一轮遗址遥感监测时，可以利用历史误判图斑优化判读规则。

常见坑：遗址变化检测最容易误判的地方

坑一：把季节差异当成遗址变化

春季和秋季的植被、农田、土壤湿度差异很大。尤其是农田遗址、台地遗址和河谷遗址，季节差异可能比真实人为扰动更明显。建议尽量选择同季节、相近月份的影像进行比较。

坑二：忽略影像配准误差

如果两期影像错位，即使地表没有变化，道路边缘、建筑边缘和沟渠边界也会出现明显差值。高分辨率影像尤其要检查配准误差。

检查方法很简单：在QGIS或ArcGIS Pro中叠加两期影像，查看道路交叉口、桥梁、明显建筑角点是否重合。

坑三：阈值设置太激进

变化检测阈值太低，会产生大量噪声；阈值太高，又会漏掉小规模扰动。建议先在典型样区试验阈值，再推广到整个遗址监测范围。

坑四：只看算法结果，不看原始影像

变化检测图只能提示可疑区域。最终判读必须回到原始影像，查看变化前后真实纹理、形状和周边环境。尤其是遗址保护工作，不能只凭一张二值变化图下结论。

坑五：面积统计使用了错误坐标系

如果在经纬度坐标系下直接计算面积，结果容易不准确。变化图斑面积统计应使用适合当地的投影坐标系，例如高斯-克吕格、UTM或地方规定的平面坐标系。

方法比较：遗址遥感监测变化检测方法怎么选

方法	适合场景	优点	限制
目视解译	小范围、高要求遗址核查	解释性强，适合复杂场景	效率低，依赖经验
影像差值法	快速发现明显地表变化	实现简单，适合入门	受光照、季节影响大
植被指数变化法	植被覆盖遗址、农田遗址	适合生态和覆盖变化分析	不能直接判断人为破坏
分类后比较法	土地覆盖类型变化分析	能说明变化类型转换	依赖分类精度
面向对象变化检测	高分辨率影像、建设扰动识别	图斑形态更接近实际地物	分割参数调试成本高
时间序列变化检测	长期趋势和周期性变化监测	能减少单期偶然误判	数据处理量大，流程更复杂

实践中不建议只选一种方法。比较稳妥的组合是：先用指数变化或差值法快速筛查，再用高分辨率影像目视解译复核，最后转成GIS图斑进行现场核查。

检查清单：做遗址遥感监测前后要核对什么

• 是否明确了遗址本体、保护范围和建设控制地带？
• 两期或多期影像是否尽量来自相近季节？
• 影像空间分辨率是否足以识别目标变化？
• 所有数据是否统一到同一坐标系？
• 多期影像是否完成配准检查？
• 是否处理了云、阴影、积雪、水体反光等干扰？
• 变化检测阈值是否在样区中验证过？
• 变化结果是否转为矢量图斑并计算面积？
• 图斑是否叠加遗址边界进行优先级排序？
• 是否保留影像来源、日期、处理方法和核查状态？
• 现场核查结果是否回填到GIS数据库？

一个合格的遗址遥感监测成果，不是“算法跑出来一张变化图”，而是能够被复核、被解释、被定位、被巡查、被归档的GIS证据链。

FAQ：遗址遥感监测常见问题

遗址遥感监测一定要用高分辨率影像吗？

不一定。大范围生态环境变化、植被变化、水体变化可以使用Sentinel-2或Landsat等免费影像。但如果要识别新增建筑、取土坑、施工便道、小范围开挖等细节，高分辨率影像更合适。

变化检测方法有哪些最适合入门？

入门建议先掌握三种：目视解译、影像差值法和NDVI变化法。这三种方法容易在QGIS或ArcGIS Pro中实现，也便于理解变化检测原理。后续再学习分类后比较、面向对象变化检测和时间序列分析。

NDVI变化能不能直接说明遗址被破坏？

不能。NDVI变化只能说明植被状态发生变化，可能由施工、耕作、干旱、降雨、季节或影像质量造成。它可以作为遗址遥感监测的线索，但需要结合原始影像、历史资料和现场核查。

为什么变化检测结果有很多碎斑？

碎斑通常来自配准误差、影像噪声、阈值过低、阴影变化、植被纹理差异或分辨率不一致。可以通过提高阈值、最小面积过滤、形态学处理、人工复核和对象级分析减少碎斑。

遗址变化图斑面积怎么计算才准确？

不要在经纬度坐标系下直接计算面积。应把变化图斑投影到适合当地的平面坐标系，再计算平方米或公顷。计算后还要检查图斑是否存在自相交、碎面和无效几何。

Google Earth Engine适合做遗址遥感监测吗？

适合做大范围、多时相、批量化的初步筛查，尤其适合Sentinel-2和Landsat时间序列分析。但对于小型遗址扰动识别，仍需要更高分辨率影像和人工判读复核。

遥感监测结果可以直接作为执法依据吗？

通常不能单独依赖遥感结果。遥感变化检测可以提供疑似线索和空间证据，但还需要现场核查、权属资料、审批资料、保护范围文件和专业判断共同支撑。

结论：遗址遥感监测要把算法、判读和GIS管理结合起来

遗址遥感监测的关键不是追求某一个“万能变化检测算法”，而是建立稳定、可复核的工作流。先明确监测范围和目标，再选择合适影像，完成配准、裁剪和云影处理，然后用变化检测方法筛查疑似区域，最后通过人工判读和现场核查确认。

如果你是GIS初学者，可以从QGIS中的多期影像叠加、栅格计算器差值、NDVI变化和矢量图斑提取开始。如果你要做长期遗址保护监测，则建议建立统一的数据目录、字段标准、核查流程和年度对比机制。这样，遗址遥感监测才能真正服务于文物保护，而不只是停留在影像分析演示层面。