森林资源动态监测是森林资源管理的核心内容,是实现森林面积蓄积双增目标的重要信息支撑。我国已经初步建立了覆盖大陆地区和海南岛等区域的全国林地一张图,每年进行蓄积和林地数据更新。数据更新的一项重要工作是每年一次的全国性的林地变更调查。这项调查依托遥感图像计算机自动识别、人工解释和实地调查完成。随着遥感数据的不断丰富以及计算机技术的不断进步,计算机自动识别技术在变化监测中的应用变得越来越重要。在前后期的遥感数据中,没明显变化的占多数,发生明显变化的占少数,从统计学上说,变化的数据相当于“异常数据”。所以变化监测的核心是监测这些异常数据。稳健回归是监测异常值的一种重要方法。本文将稳健线性回归技术应用到森林地类的变化监测,以浙江省杭州市临安区为例,主要基于3个部分对森林地类进行变化监测:采用不处理、主成分变换、典型相关变换等3种方法进行数据预处理对比分析。在数据预处理基础上用稳健线性回归、普通最小二乘回归和差值等3种方法提取变化信息。将提取的变化信息作为特征变量,用二项逻辑回归、多元线性回归、支持向量机和BP神经网络等4种监督分类算法将前后期的地类分成变化和不变化两类,最终获得森林地类变化情况。结果表明,相较于普通最小二乘法,稳健线性回归在异常数据存在的情况下估计回归参数有更好的稳健性。稳健线性回归对数据预处理方法不敏感,普通最小二乘回归次之,图像差值法最敏感,尤其对于主成分变换的数据。基于稳健线性回归的12种结果的平均总精度、平均用户精度、平均生产者精度和平均Kappa系数均高于普通最小二乘回归和图像差值,平均总体精度和Kappa系数达到了98.65%和0.972。数据预处理方法中,典型相关变换对提高森林地类变化监测精度有一定帮助。4种判别方法中,二项逻辑回归的9种结果的平均精度最高,支持向量机最稳定,BP神经网络精度与支持向量机接近,多元线性回归表现最差。