基于多源数据融合方法的中国1km土地覆盖分类制图

精确的全球及区域土地覆盖数据是陆地表层过程研究的重要基础.在集成研究兴起和多种数据并存的背景下,利用多源信息融合技术进行大尺度土地覆盖制图具有重要的现实意义.证据理论清楚地表达了由于不确定和不完全信息所带来的对命题认识的"无知",能够确定相应的假设在目前的认知与知识状态下的确定、不确定和"无知"程度,是多源数据决策融合的重要方法.基于证据理论,将2000年中国1:10万土地利用数据、中国植被图集(1:100万)的植被型分类、中国1:10万冰川图、中国1:100万沼泽湿地图和MODIS 2001年土地覆盖产品(MOD12Q1)进行了融合,最终基于最大信任度原则进行决策,产生了新的、IGBP分类系统的2000年中国土地覆盖数据.新的土地覆盖数据在保持了中国土地利用数据的总体精度的同时,补充了中国植被图中对植被类型及植被季相的信息,更新了中国湿地图,增加了中国冰川图最新信息,使分类系统更加通用.     

基于多源数据融合方法的中国1 km土地覆盖分类制图

精确的全球及区域土地覆盖数据是陆地表层过程研究的重要基础。在集成研究兴起和多种数据并存的背景下,利用多源信息融合技术进行大尺度土地覆盖制图具有重要的现实意义。证据理论清楚地表达了由于不确定和不完全信息所带来的对命题认识的“无知”,能够确定相应的假设在目前的认知与知识状态下的确定、不确定和“无知”程度,是多源数据决策融合的重要方法。基于证据理论,将2000年中国1∶10万土地利用数据、中国植被图集（1∶100万）的植被型分类、中国1∶10万冰川图、中国1∶[KG-*2]100万沼泽湿地图和MODIS 2001年土地覆盖产品（MOD12Q1）进行了融合,最终基于最大信任度原则进行决策,产生了新的、IGBP分类系统的2000年中国土地覆盖数据。新的土地覆盖数据在保持了中国土地利用数据的总体精度的同时,补充了中国植被图中对植被类型及植被季相的信息,更新了中国湿地图,增加了中国冰川图最新信息,使分类系统更加通用。     

基于时序MODIS NDVI的黑河流域土地覆盖分类研究

归一化植被指数(NDVI)是植被生长状态及植被覆盖度的最佳指示因子,其时序数据也已成为基于生物气候特征开展大区域植被和土地覆盖分类的基本手段。基于时序NDVI数据的土地覆盖分类,即通过提取NDVI时间信号所包含的植被生物学参数,构建起一个包含植被生物学信息的分类特征空间。利用2006年重建得到的MODIS NDVI 16天合成时间序列数据,并结合1 km分辨率的DEM数据、野外实地调查资料等辅助数据,综合分析了不同土地覆盖类型对应的时序NDVI谱线及其第一、二谐波的特征阈值,建立决策树对黑河流域的土地覆盖开展分类研究。结果表明,基于时序MODIS NDVI谱线特征的决策树分类精度为78%,Kappa系数为0.74。利用1 km时序MODIS NDVI时间序列获得较为准确的黑河流域土地覆盖类型是可行的。     

祁连山区MODIS积雪反照率产品的精度验证及云下积雪反照率估算研究

积雪反照率在全球气候和能量收支平衡模型中起着重要的作用. 利用祁连山地区大冬树垭口站点反照率实测数据对由TM/ETM+得到的反照率数据进行标定, 然后将TM/ETM+反照率数据通过升尺度对MODIS逐日积雪反照率(SAD)产品在晴空条件下的精度进行了验证. 同时, 发展了一个基于MODIS SAD与AMSR-E SWE数据融合并结合Noah积雪反照率参数化方案估算MODIS SAD数据云下积雪反照率的算法, 通过统计分析纠正了云对积雪反照率的影响, 对云下积雪反照率进行了验证分析. 结果表明:MODIS SAD产品在祁连山地区的精度要低于大面积积雪覆盖的平坦地区(如格陵兰岛), 其平均绝对误差及均方根误差分别为0.0548和0.0727; 云下积雪反照率估算方法可以有效地获取云覆盖下积雪像元的反照率值, 纠正后的无云MODIS SAD数据与地面观测值有较好的一致性, 其平均绝对误差为0.078.     

MODIS地表温度产品在青藏高原连续多年冻土区的适用性分析

利用自动气象站观测的长波辐射计算得到的地表温度对MODIS地表温度(LST)产品在青藏高原中部连续多年冻土区的精度进行验证, 并利用具有较高空间分辨率的Landsat 5 TM和Landsat 7 ETM+反演的地表温度与MODIS LST产品进行了对比分析. 结果表明: 白天MODIS LST产品的平均绝对误差(MAE)和均方根误差(RMSE)分别约为3.42~4.41 ℃和4.41~5.29 ℃, 夜晚MODIS产品MAE和RMSE分别为2.15~2.90 ℃和3.05~3.78 ℃, 精度高于白天; MODIS LST与TM、ETM+反演的地表温度一致性较好, 相关系数分别达到0.85和0.95. 说明MODIS LST产品在连续多年冻土区的适用性较高, 是研究多年冻土地表热状况的一个非常好的数据源. 而且, 不同空间尺度的遥感数据之间一致性较好, 可考虑将多源遥感数据应用于多年冻土热状况监测研究.     

东北地区MODIS和AMSR-E积雪产品验证及对比

通过2002-2008年6个积雪季节的Terra-Aqua/MODIS积雪产品(MOD10A2、MOD10C2)和Aqua/AMSR-E雪水当量产品,分析了东北地区积雪覆盖面积的变化特征,以研究区气象站点观测的积雪数据为真实值来验证两种产品积雪信息的精度,探讨了云覆盖、土地利用类型和雪深对积雪覆盖精度的影响.结果表明:云的存在对微波数据积雪识别的影响较小,在积雪量较多的12月至次年的2月随云量百分比的变化,MOD10A2积雪覆盖面积比例大体出现负变化.因此,在有云情况下AMSR-E数据反演积雪精度最好.对比草地、耕地、林地和居民地4种土地覆盖类型对监测积雪覆盖精度的影响,发现林地对其影响最大,在林区3种积雪产品的积雪识别精度分别为55.8%、81.2%、85.4%;雪深对AMSR-E积雪产品识别精度影响较小,总体精度为97.8%;积雪深度对MOD10A2积雪产品识别精度影响较大,总体精度为57.3%.MOD10A2、MOD10C2和AMSR-E 3种积雪产品的总体反演精度分别为69.3%、76.6%、76.3%.有必要开发适用于东北地区的积雪覆盖算法,提高估算精度,为能量平衡估算、气候模型、农业生产、土壤墒情监测服务.     

黑河中游绿洲灌溉区土地覆盖与种植结构空间格局遥感监测

以高空间分辨率、高光谱分辨率CASI航空遥感数据作为采样带,对黑河中游绿洲灌溉区土地覆盖和农作物种植结构空间格局进行遥感监测。设计了分层分类方法,综合采用基于像素和基于对象的2种遥感图像分类方法对航空样带区域进行土地覆盖制图。根据实地土地覆盖类型调查与目视解译,对样带土地覆盖和农作物种植结构的分类结果进行精度评价,总体分类精度为84.2%,Kappa系数为0.793。与样带区域2007年Landsat TM/ETM+土地覆盖产品相比,高分辨率CASI航空数据能够对树木、草地与农作物类别进行有效监测。监测结果表明,中游绿洲灌溉区内接近59.1%的地区为裸地与建筑用地;植被覆盖区域占39.8%,其中,农田34.9%,树木5.3%,草地仅有0.1%;而在农田区域中玉米为大宗作物,分类成数占96.1%。研究结果表明高质量与高分辨率的航空遥感数据能够实现对流域下垫面异质性进行有效监测,为生态—水文过程研究提供高分辨率的下垫面类型信息。     

2000-2015年祁连山植被变化分析

植被变化对区域生态系统稳定和生态环境变化有着重要的影响。基于MOD13A3数据,建立了2000-2015年祁连山地区植被覆盖时空数据集,结合DEM和土地覆盖分类数据,分析了祁连山地区植被时空分布格局及变化特征,并利用同期气象数据探讨其对气候变化的响应。结果表明：祁连山植被呈东多西少的分布格局,其空间分布与降水空间分布一致;2000年以来祁连山地区灌丛和高寒稀疏草甸先增后减,山地森林草原和高寒草甸增加;整体上祁连山植被覆盖有转好趋势,这与区域暖湿化有关。     

基于遥感数据的全球及区域土地覆盖制图--现状、战略和趋势

土地利用／土地覆盖变化研究是近年来全球变化研究的焦点之一。全球和区域尺度的土地覆盖特征对全球环境状况的评估、模拟未来全球环境的情景有重要的作用。2000年在Internat ionalJournalofRemoteSensing杂志上出版了题为"GlobalandRegionalLandCoverCharacterizat ion from Remotely Sensed Data"的专辑。在此基础上,介绍、总结了国际上利用遥感影像进行全球和区域等大尺度土地覆盖研究的新进展。分别从数据源与制图的时空尺度、制图方法（数据预处理、分类、精度评估）等方面进行了介绍,并对现今的两个全球土地覆盖数据库进行了比较分析。     

吉林西部多时相遥感数据分类方案的构建及应用

为了深化遥感监测方法在生态环境调查中的应用,本文以吉林西部为试验区,设计了一种多时相遥感数据分类方案。该方案以物候信息为主,结合地物特征变量(植被、水体和土地信息)构建的多维特征空间数据集用于土地覆被分类。该遥感分类方案提取了9种地表覆被类型,结果表明:地表植被季节变化信息和土地利用信息的引入能明显改善土地覆被的分类精度;与基于原始波段的分类方案相比,多时相遥感数据分类方案的分类精度最好,总体分类精度为95.50%,Kappa系数为95.04%。     

陆海统筹地形地貌综合编图方法研究

由于陆海地形数据在调查程度和精度上存在较大差距,地形图件陆海联编较为困难。系统梳理了海岸带地形地貌陆海统筹的复杂程度,总结了陆海联编地形图的基本原则,探讨不同情况下陆海地形数据的无缝拼接方法和图件编制的主要要素。以南通陆海统筹地形地貌综合图为例,按照成果类型综合归类,进行地形、地貌、坡度、冲淤变化等信息的综合集成,绘制陆海统筹的地形地貌综合成果图,通过1张图即可查询。陆海统筹地形地貌综合成果新的展现形式,有利于成果的查询和实际应用,供后期开展相应的陆海图件联编参考。     

Land cover change over the last three centuries due to human activities: The availability of new global data sets

Land use and land cover change is an important driver of global change (Turner et al., 1993). It is recognized that land use change has important consequences for global and regional climates, the global biogeochemical cycles such as carbon, nitrogen, and water, biodiversity, etc. Nevertheless, there have been relatively few comprehensive studies of global, long-term historical changes in land cover due to land use. In this paper, we review the development of global scale data sets of land use and land cover change. Furthermore, we assess the differences between two recently developed global data sets of historical land cover change due to land use. Based on historical statistical inventories (e.g. census data, tax records, land surveys, historical geography estimates, etc) and applying different spatial analysis techniques, changes in agricultural land cover (croplands, pastures) were reconstructed for the last 300 years. The two data sets indicate that cropland areas expanded from 3–4 million km² in 1700 to 15–18 million km² in 1990 (mostly at the expense of forests), while grazing land area expanded from 5 million km² in 1700 to 31 million km² in 1990 (mostly at the expense of natural grasslands). The data sets disagree most over Latin America and Oceania, and agree best over North America. Major differences in the two data sets can be explained by the use of a fractional versus Boolean approach, different modelling assumptions, and inventory data sets.     

基于HJ-1B卫星数据的积雪面积制图算法研究

积雪是影响气候变化的重要因子, 采用更高时空分辨率的环境减灾卫星遥感数据进行积雪制图算法的研究, 对推进我国自主遥感卫星在积雪监测领域的应用具有重要意义. 采用环境减灾HJ-1B卫星数据, 以青海省果洛藏族自治州达日县为研究区, 应用归一化差值积雪指数(NDSI)法建立了基于HJ-1B卫星数据的积雪面积制图算法, 并比较MODIS与HJ-1B积雪图精度. 结果表明: 研究区HJ-1B积雪制图合理的NDSI阈值为0.37, 总分类精度达到97.97%; 与"真值"影像比较, HJ-1B积雪图K_hat系数为0.911, 高于MODIS的0.817. 说明该研究建立的基于HJ-1B积雪制图算法精度可靠, 适合对研究区积雪进行实时动态监测. HJ-1B更高的空间分辨率对提高研究区积雪覆盖面积监测精度具有重要的使用价值, 但是地形因素是影响HJ-1B数据积雪分类精度的一个重要原因, 随着坡度的增加, 分类误差也随之增大, 尤其是多测误差增加比较显著.     

Application and verification of fuzzy algebraic operators to landslide susceptibility mapping

The aim of this study was to apply and to verify the use of fuzzy logic to landslide susceptibility mapping in the Gangneung area, Korea, using a geographic information system (GIS). For this aim, in the study, a data-derived model (frequency ratio) and a knowledge-derived model (fuzzy operator) were combined. Landslide locations were identified by changing the detection technique of KOMPSAT-1 images and checked by field studies. For landslide susceptibility mapping, maps of the topography, lineaments, soil, forest, and land cover were extracted from the spatial data sets, and the eight factors influencing landslide occurrence were obtained from the database. Using the factors and the identified landslide, the fuzzy membership values were calculated. Then fuzzy algebraic operators were applied to the fuzzy membership values for landslide susceptibility mapping. Finally, the produced map was verified by comparing with existing landslide locations for calculating prediction accuracy. Among the fuzzy operators, in the case in which the gamma operator (λ = 0.975) showed the best accuracy (84.68%) while the case in which the fuzzy or operator was applied showed the worst accuracy (66.50%).     

塔里木河下游土地利用覆被MISR多角度遥感制图

通过对塔里木河下游MISR卫星多角度观测数据的不同组合构建多角度数据集,探索多角度观测与传统垂直观测对土地利用覆被遥感制图效果的影响,分别使用SVM(支持向量机)与传统的MLC(最大似然分类法)作为分类器,对分类后得到的混淆矩阵进行分析。结论证实:无论是使用传统的MLC还是SVM作为分类器,多角度观测都取得比垂直观测更高的总体分类精度;MISR近红外波段虽然分辨率较低,但依然含有丰富的信息,对地表覆被的分类有重要影响;无论使用哪一数据集,SVM法都能获得更高的分类精度;不同相机对分类结果的影响各不相同,其中C、D相机的作用更重要。     

The assessment of landslide susceptibility mapping using random forest and decision tree methods in the Three Gorges Reservoir area,China

Landslide susceptibility mapping is an indispensable prerequisite for landslide prevention and reduction. At present, research into landslide susceptibility mapping has begun to combine machine learning with remote sensing and geographic information system (GIS) techniques. The random forest model is a new integrated classification method, but its application to landslide susceptibility mapping remains limited. Landslides represent a serious threat to the lives and property of people living in the Zigui–Badong area in the Three Gorges region of China, as well as to the operation of the Three Gorges Reservoir. However, the geological structure of this region is complex, involving steep mountains and deep valleys. The purpose of the current study is to produce a landslide susceptibility map of the Zigui–Badong area using a random forest model, multisource data, GIS, and remote sensing data. In total, 300 pre-existing landslide locations were obtained from a landslide inventory map. These landslides were identified using visual interpretation of high-resolution remote sensing images, topographic and geologic data, and extensive field surveys. The occurrence of landslides is closely related to a series of environmental parameters. Topographic, geologic, Landsat-8 image, raining data, and seismic data were used as the primary data sources to extract the geo-environmental factors influencing landslides. Thirty-four layers of causative factors were prepared as predictor variables, which can mainly be categorized as topographic, geological, hydrological, land cover, and environmental trigger parameters. The random forest method is an ensemble classification technique that extends diversity among the classification trees by resampling the data with replacement and randomly changing the predictive variable sets during the different tree induction processes. A random forest model was adopted to calculate the quantitative relationships between the landslide-conditioning factors and the landslide inventory map and then generate a landslide susceptibility map. The analytical results were compared with known landslide locations in terms of area under the receiver operating characteristic curve. The random forest model has an area ratio of 86.10%. In contrast to the random forest (whole factors, WF), random forest (12 major factors, 12F), decision tree (WF), decision tree (12F), the final result shows that random forest (12F) has a higher prediction accuracy. Meanwhile, the random forest models have higher prediction accuracy than the decision tree model. Subsequently, the landslide susceptibility map was classified into five classes (very low, low, moderate, high, and very high). The results demonstrate that the random forest model achieved a reasonable accuracy in landslide susceptibility mapping. The landslide hazard zone information will be useful for general development planning and landslide risk management.     

植被覆盖度遥感估算研究进展

植被覆盖度是刻画地表植被覆盖的重要参数,在全球变化研究、地表过程模拟和水文生态模型中发挥着重要作用.遥感能够反映不同空间尺度的植被覆盖信息及其变化趋势,是获取区域及全球植被覆盖度参数的一个重要手段.综合分析了用于植被覆盖度估算的遥感数据源,包括高光谱数据、多光谱数据、微波数据和激光雷达数据.而且分析了各种常用的植被覆盖度遥感估算方法及其优缺点,并评价了现有基于遥感数据的植被覆盖度产品及存在问题.最后,针对目前研究中存在的问题,讨论了植被覆盖度遥感估算研究的发展趋势,指出高时空分辨率长时间序列的全球植被覆盖度数据集、多源遥感数据融合和同化技术是未来植被覆盖度遥感估算研究的主要方向.