中国1:25万土地覆盖遥感制图精度评价——以鄱阳湖地区为例

 全球及区域尺度的土地覆盖数据是陆地表层过程研究的重要基础。土地覆盖遥感制图是全球变化和区域可持续发展研究重要的支撑数据,制图精度评价对于数据生产者和数据用户都具有非常重要的意义。2011年在鄱阳湖地区的野外考察共采集包括定点验证、GPS以及解译标志3种类型的土地覆盖样点321个,本文利用剔除了时间差异影响后的287个土地覆盖样点,将样点的实际土地覆盖类型与遥感制图中相应位置的土地覆盖类型进行对比,并利用分层次评估法,即分别在土地覆盖一级类和二级类两个尺度上,采用正确得1分,错误得0分的计分方法,对2005年中国1:25万土地覆盖遥感制图在鄱阳湖地区的精度进行实地验证。结果表明:(1)在土地覆盖一级类型尺度上总体的制图精度为61.67%。其中,湿地/水体的制图精度为100%,农田的制图精度为98.4%,森林的制图精度为80.0%,聚落和草地的精度均低于20%。(2)在二级类型尺度上总体的制图精度为44.25%。其中,2个草地和3个森林及1个农田的二级类型的分类精度为0,旱地、城镇建设用地和农村聚落的分类精度也很低,分别为21.1%、29.0%和1.7%。实地调查发现,2005年左右的全国1:25万土地覆盖遥感制图基本上反映了鄱阳湖地区的土地覆盖状况。但是,对于一些具有过渡性质的土地覆盖类型,如森林和草地等,仅依靠遥感技术准确识别区分仍有一定的难度。     

土地利用遥感动态监测技术方法介绍

采用遥感技术进行土地利用动态监测是一条行之有效的方法。遥感监测方法多种多样。但为了确定变化类型,要引入遥感图像分类方法。遥感分类方法一直是遥感技术方法研究的重要领域。迄今为止,目视解译仍是成功的分类方法;在今后相当长的一段时间内,目视解译分类与计算机自动分类将协调发展。我国土地利用遥感动态监测方法主要采用目视解译、计算机自动分类及目视解译与计算机图像处理相结合的方法,其中,目视解译的方法一直占有重要地位。随着高分辨率传感器的相继问世,利用多平台遥感数据融合进行监测研究将有利于提高分类、监测精度。我国的土地利用遥感监测研究正深入开展,并将在计算机信息提取及监测方法上取得更大的成果。     

新疆地区土地覆被遥感数据的一致性研究

鉴于新疆地区对中国乃至中亚有着特殊的战略意义,本文针对不同数据源及分类系统在土地覆被数据的空间分布上缺乏互通性问题,结合2010年目视解译土地利用现状遥感监测数据、GlobeLand30和GlobCover2009共3种土地覆被数据,采用类型相似分析、类型混淆分析、混淆矩阵分析、空间一致性分析4种方法开展精度评价及一致性分析,以期对土地覆被数据在中国西北干旱区的适用性及适用范围提供有效建议。结果表明,3种土地覆被数据对新疆地区土地覆被类型构成基本一致,且对裸地类型的辨识度最高;新疆地区中高度一致区域占新疆总面积的95%;3种数据两两对比时,总体精度在64.11%~72.57%之间,其中目视解译数据/GlobeLand 30组合表现出最高水平,且仍有提高空间,反映出目前相同卫星传感器是提升精度评价结果的重要因素之一,且不同分类系统、分类方法、空间分辨率及卫星过境时间等因素对精度评价结果也会产生巨大影响。为解决此类问题,利用多源土地覆被遥感数据的融合技术提高数据精度,或是利用深度学习对遥感影像资料进行精确地解译和判读,将是今后全球土地覆被制图及应用领域的主要发展趋势。     

中国海岸带土地利用遥感制图及精度评价

土地利用遥感制图结果是支撑全球气候变化和区域可持续发展等领域科学研究不可或缺的重要基础数据,而制图精度方面的评价信息则决定土地利用遥感制图结果的完整性、可靠性、可用性、可控性和可传播性。本文概述2000、2005、2010和2015年多时相中国海岸带土地利用遥感制图的数据源和技术方法,针对2010年和2015年制图结果,基于Google Earth高分影像通过目视判读获得精度评价所需的参考数据,进而建立混淆矩阵并评估制图的精度。结果表明：① 2010和2015年中国海岸带土地利用遥感制图结果的总体精度分别为95.15%和93.98%,Kappa系数分别为0.9357和0.9229,表明2个时相遥感制图结果的精度总体较好;② 中国海岸带土地利用遥感制图结果的精度水平存在较为显著的区域差异,2010年时相江苏沿海区域的精度最高,2015年时相津冀沿海区域、上海市、海南省和台湾省的精度均比较高,2个时相均以福建省沿海区域的精度最低;③ 中国海岸带土地利用遥感制图结果的精度水平存在显著的类型差异,总体上,耕地、林地、草地和滨海湿地的分类精度较高,而建设用地、内陆水体和人工咸水湿地的分类精度则相对较低,未利用土地则是错分最严重的类型;④ 耕地与林地之间、建设用地与草地之间相互误分比较显著,内陆水体容易被错分为耕地、林地和建设用地,人工咸水湿地容易被误分为耕地和建设用地,未利用土地容易被误分为耕地,这些都是未来时期数据持续更新过程中应该重视的问题。本文有望为海岸带土地利用变化遥感监测和科学研究提供必要的支持。     

蒙古国30米分辨率土地覆盖产品研制与空间格局分析

作为蒙古高原的重要组成单元,蒙古国的土地覆盖格局与变化对于东北亚的资源、环境、生态及可持续发展具有重要意义。针对本区域缺乏高精度、现势性的土地覆盖数据产品的问题,本研究利用Landsat TM影像,采用面向对象的分类方法开展蒙古国土地覆盖遥感数据产品研制与分析。首先针对蒙古国景观格局特征,自主研究了适宜于蒙古国的土地覆盖分类体系,基于面向对象的遥感解译技术方法研究了蒙古国自然地物和人工地物要素的提取算法规则与阈值,建立了一套完整的面向蒙古国的土地覆盖遥感解译技术方案,在分景解译基础上获取了蒙古国2010年土地覆盖分类产品。经验证,数据集一级类分类精度为92.34%,二级类分类精度为80.24%。蒙古国土地覆盖类型以裸地、草地、森林为主,其中裸地的面积最大,占总面积的48.64%,其分布比较集中连片,主要分布在蒙古国南部和西部;草地面积次之,占总面积的42.85%,其分布具有明显的地域性,主要集中在蒙古国北部湿润地区和河流附近;林地最少,占总面积的6.63%,以蒙古国北部及西北部高山地区为主要生长区域。整体上蒙古国土地覆盖空间格局呈现明显的区域差异与地类过渡性,从南向北依次为裸地、荒漠草地、典型草地、森林类型,其中荒漠草地在中部形成一条明显的分界条带。     

1975-2009年锡林郭勒盟东部地区草地退化态势及其空间格局分析

研究采用锡林郭勒盟东部3旗、市(东乌珠穆沁旗、西乌珠穆沁旗以及锡林浩特市)1975年MSS数据、1990,2000\2005年的Landsat TM数据,以及2009年的HJ-1等遥感影像,在分析研究区陆地植被覆盖与变化特点的基础上,建立了研究区草地变化遥感解译的分类系统,构建了锡林郭勒盟东部地区5期草地现状、4期草地...     

黑河流域中游地区作物种植结构的遥感提取

及时、准确地获取农作物种植结构对区域水资源管理与作物产量估测等具有重要意义。随着对通过遥感手段获得作物种植结构的深入研究,如何优选遥感数据和分类器成为需要重点考虑的关键问题。针对黑河流域中游地区的作物分布与种植特点,提出一种基于多时相遥感影像与多分类器组合的作物种植结构提取方法。利用2018年18景16 m分辨率的GF-1 WFV影像,构建NDVI时间序列。根据NDVI时间序列表征的作物季相节律和物候变化规律特点,采用分层的策略,首先解译一级土地覆被类型,再解译二级土地覆被类型。一级土地覆被类型解译中,使用决策树分类方法先将NDVI特殊且易提取的水体进行解译,再使用面向对象分类方法通过分区将需借助NDVI纹理信息提取的建设用地进行解译,最后使用随机森林分类方法解译耕地、林地、草地、裸地和湿地。在对耕地的进一步分类中,使用决策树分类方法首先将具有特殊物候规律且易于区分的苜蓿类别解译出来,再将与其他类别物候差异较大的小麦解译,最后将物候相似的玉米、蔬菜及其他解译。黑河流域中游研究区内一级土地覆被分类总体精度为97.24%,卡帕系数为0.96;作物种植结构解译总体精度为86.58%,卡帕系数为0.80。此外,还分析了影响黑河流域中游研究区解译精度的4个因素：对土地覆被类别的定义、混合像元、影像分割时基础影像的选择以及分类方法的选择。通过对不同分类方法的比较发现,与仅使用最大似然分类方法、支持向量机分类方法或随机森林分类方法相比,本文提出方法的解译结果更好,解译精度更高。     

论遥感影像在土地更新调查中的应用

随着经济建设的发展,原有的土地利用变更手段比较落后,精度难以保证,基础资料已经无法做到图、数、实地相一致,实践证明,利用SPOT-5高分辨率遥感影像进行土地利用现状更新调查是一种行之有效的手段。本文主要应用大同市新荣区的遥感影像,建立起了土地利用现状图的解译标志,为土地利用数据库的建立作好准备。并利用SPOT-5的2.5m全色数据和l0m多光谱遥感影像的融合数据,集合外业、内业土地更新现状调查的数据,采用了监督分类及目视解译的方法,完成了土地更新调查的基本图件,充分显示了遥感技术在土地利用详查中所发挥的作用。应用遥感技术则可以快速获得土地利用和土地覆盖的动态变化信息。     

遥感影像解译在青海湖流域退化草地数据生产中的应用

以青海湖地区不同时期的遥感影像为主要数据源,应用3S技术,采用人工目视解译结合野外实地调查的作业方式,详细调查青海湖流域不同时期地表覆盖的类型及草地的退化情况,建立青海湖流域不同时期土地覆盖数据库和草地退化数据库。然后,利用GIS技术分析近年来青海湖流域地表覆盖和草地退化情况。     

鄱阳湖地区土地覆盖空间分布格局与景观特征分析

 鄱阳湖是我国第一大淡水湖,具有洪水调蓄、水源涵养等重要生态服务功能。掌握鄱阳湖地区土地覆盖的空间分布格局和规律,对于评价其环境保护和生态服务功能具有重要作用。本文利用环境卫星影像、2005年鄱阳湖地区土地覆盖数据,经遥感解译分析获取了鄱阳湖地区2010年土地覆盖现状数据及其空间分布格局图。研究表明:(1)采用2010年的环境星影像结合2005年土地覆盖数据,人工目视解译得到的2010年土地覆盖数据的精度为80.4%。(2)景观生态学、GIS及统计学的思想和方法可以为土地覆盖空间特征的定量分析提供技术支持。文中采用的斑块面积指数、斑块形状指数、不同土地覆盖类型的邻接指数,从不同角度反映了鄱阳湖地区土地覆盖的空间分布格局及景观特征。(3)景观指数能定量说明土地覆盖景观的形状、大小、数量和空间组合,能反映景观的生态环境特点、人类活动及社会经济状况。面积特征指数显示研究区农村聚落的离散度及破碎度最高;斑块形状指数反映出研究区水体形状趋于规则化,其受到人类的"围湖造田,围湖造地"及防洪工程建设的干扰。(4)不同土地覆盖类型的邻接指数能定量说明相邻类型在物质交换、结构与功能的相互影响及土地资源形成机制、演替过程等。水田与常绿阔叶林的邻接关系反映了人类"毁林开荒"活动对林地与水田演替关系的影响;水田与农村聚落的邻接关系,表明研究区耕地保护的重点是城镇及农村周边耕地的保护;城镇建设用地的邻接关系表明了人类生活所需的生活条件,为"移民建镇"工程提供了科学依据。分析认为:鄱阳湖地区是以耕地为主的农业区,并且有丰富的水资源及森林资源,但今后要重视农村土地的集约化利用、水资源保护、耕地资源保护和自然资源的合理开发利用。     

历史解译知识引导下组合遥感图谱特征的变化检测方法

高空间分辨率遥感影像为地表变化监测提供了大量细节信息,这使得基于高分辨率影像的变化检测技术成为当前遥感领域的研究热点之一。本文提出了一种历史解译知识引导下组合遥感图谱特征的变化检测方法。首先,通过分割前后时相的组合影像构建空间位置一致的对象,并在提取对象光谱和纹理特征后,引入前期土地覆盖专题图指导2类图谱特征相似度的DS证据融合;然后,利用其历史存档图斑所属区域的优势地类标签指示不同特征相似度的证据差异融合;最后,基于GMM（Gaussian Mixture Mode）模型的二值化方法提取最终的变化区域。实验结果表明,该方法能充分利用历史解译知识指导不同时相高分辨率影像对象特征相似度组合,一定程度上提高了变化检测正确率。     

基于深度学习的高分辨率遥感影像土地覆盖自动分类方法

土地覆盖变化是全球变化研究的核心,而精准分类是开展土地覆盖变化研究的基础。高分辨率遥感卫星技术的快速发展对地表分类的速度和精度提出了双重挑战,近年来人工智能等新技术的发展为图像自动分割提供了实现途径,而以卷积神经网络为代表的深度学习方法在遥感图像分类领域也具有独特的优势。为对比深度学习模型设计对高分辨率图像分类结果的影响,本文以郑州市2019年高分1号影像作为输入,对比研究了基于UNet模型改进的4种不同深度学习网络模型在高分辨率影像土地覆盖自动分类应用中的差异,探讨了残差网络、模型损失函数、跳层连接和注意力机制模块等编码和解码设定对于分类精度的影响机制。研究发现：同时加入多尺度损失函数、跳层连接和注意力机制模块的MS-EfficientUNet模型对郑州市土地覆盖分类结果最优,基于像元评价的整体分类精度可达0.7981。通过在解码器中引入多尺度损失函数可有效提高林地、水体和其他类别的分类精度;而对编码器进行改进,加入跳层连接和注意力机制可进一步提高草地、水体和其他类别地物的分类精度。研究结果表明,深度学习技术在高分辨率遥感影像自动分类中具有潜在应用价值,但分类结果精度的进一步提高和多级别大范围的精细分类方法仍是下一步研究的重点。     

江西省都昌县山地与平原植被界线提取

由于生长环境、地带性分布规律和垂直差异,山地与平原地区的不同植被类型在遥感影像上存在“同物异谱”及“异物同谱”现象,易导致土地类型的误分。为避免此类错分,在进行土地覆被类型解译之前,应首先确定平原、山地植被的边界。本文在遥感影像聚类分析、GIS空间分析及数理统计分析技术的支持下,以江西省都昌县北部地区为研究区域,基于高分一号（GF-1）遥感卫星影像及地形要素,完成了山地植被与平原植被的界线提取。实验结果显示,本研究得到的植被界线精度高达99.47%和96.28%。与单纯基于遥感影像分类得到的植被边界成果相比,精度提高了近25%和23%。研究证明,高分辨率遥感影像与地形因子结合后,计算得到的山地平原划分界线精度有明显提高,可以满足高分辨率遥感影像土地覆被类型解译研究的需要。     

国土调查遥感40年进展与挑战

运用遥感技术进行土地资源调查,摸清其数量及分布状况,长期以来都是遥感领域研究的重要内容。本文首先回顾了过去40年来遥感技术在我国国土调查中的应用情况,然后围绕高分辨率影像的特征提取、大范围影像的样本获取、多时相/多传感器影像的迁移学习以及多源异构数据融合4个方面介绍了相关进展情况;接着归纳总结了现有遥感信息提取技术在国土调查中面临的4个挑战：① 高分辨率影像分类存在如何定义、选择、挖掘高级特征的问题;② 国土调查中的遥感数据集规模庞大,存在着类间不平衡和类内多样性,为这种复杂数据集获取足够、均衡、多样化的样本集是一个巨大挑战;③ 对于多传感器/多时相影像,如何低成本、及时地实现土地利用分类是值得考虑的问题;④ 从土地覆盖到土地利用存在语义鸿沟,如何合适地引入语义信息以弥合语义鸿沟需要被考虑。最后,本文对国土调查遥感技术的未来发展方向和应用点进行了展望。     

遥感土地覆被分类的空间尺度响应研究

不同空间分辨率遥感影像对区域土地覆被类型识别精度的影响是目前土地资源遥感研究中的热点议题。本文基于准同步的卫星传感器影像,以福建省长汀县河田盆地为研究区,结合野外调查的实验样本,依次采用最大似然法（MLC）、支持向量机（SVM）和人工神经网络（ANN）3种分类器,分析土地覆被分类结果在中高空间尺度序列（1~50 m）下的变化响应特征。结果表明：不同空间尺度下的地物分类结果存在显著差异（P<0.05）,其中总分类精度和Kappa系数均随影像分辨率的降低而先升高后降低,并于4 m分辨率处达到峰值,该结果与各类地物光谱反射率的空间尺度变化特征密切相关;而不同分类器对各空间尺度影像分类结果的影响程度差异较大（P<0.05）,其中SVM的分类精度最优,MLC次之,ANN的结果较差。此外,伴随影像空间分辨率的降低,不同土地覆被类型面积提取结果的变化规律不同,导致同类地物在不同空间尺度下的提取结果出现较大差异,表明在使用多源分辨率遥感数据进行土地监测等相关研究时,其伴随的结果误差不容忽视。     

地表覆盖工程化自动解译平台设计与实现

随着遥感技术的快速发展,各行业对遥感监测依赖性越来越大,遥感影像自动解译研究越发重要。在浙江省第一次全国地理国情普查的地表覆盖提取中,明确要求采用先自动解译,后人工修正的作业方式。本文以浙江省第一次地理国情普查工作为例,通过研究工程化自动解译工作特点,提出针对性的作业模式,设计和开发了相应的自动解译平台。实践证明,在国普工作中,采用此平台可提高自动解译工作效率。此平台也是浙江省地理国情监测一体化生产作业平台的重要组成部分,可为常态化地理国情监测的地表覆盖动态更新提供服务。     

自组织神经网络的土地覆盖图像识别分析应用

土地利用/土地覆盖数据的识别,采用传统的方法进行类型识别运算量大,精度也不太理想。本文重点讨论采用自组织神经网络方法,并在MATLAB平台下对其算法进行了实现,最后将分类识别结果与最大似然法分类结果进行了精度比较分析。结果表明,其分类精度明显高于最大似然法的分类精度,是一种土地覆盖图像识别分类的有效方法。     

基于对象变化矢量分析的土地利用变化检测方法研究

变化检测是资源和环境遥感应用的一个重要内容。在变化矢量分析法的基础上,本文提出采用变化矢量-主成分分析法提取研究区变化信息,首先,对不同时相的遥感影像进行差值运算得到差值影像,再对其进行主成分变换并选取主分量,最后,使用多尺度分割获取影像对象。在影像分割的基础上,采用变化矢量-主成分分析方法构建自动检测规则提取变化信息,并作精度评价。研究表明：基于对象的变化矢量-主成分分析方法不仅可克服传统的基于像元式方法难以利用空间信息的缺陷,有效避免了“椒盐”噪声,而且可将多波段差值信息经主成分变换后集中在几个累计贡献率较高的主成分分量上;同时,结合了变化矢量法与主成分分析法的优点,与单独使用变化矢量分析法相比提取精度明显提高。