基于空间抽样的区域地表覆盖遥感制图产品精度评估——以中国陕西省为例

地表覆盖数据是研究气候变化、生态环境、地理国情和人文经济等方面不可或缺的基础信息,因此其质量的优劣将直接影响相关决策的可靠性。本文针对我国研制的首套30 m分辨率全球地表覆盖数据产品,通过分析其海量、多维、非均质等空间特点,对传统的制图产品精度评估方法提出了改进:以地表类型进行分层抽样,样本量的计算采用优化模型并以地类所占面积比为权重逐层分配,样本的布设则考虑层内对象之间的空间相关性,在地表数据自然分布的基础上,通过分析空间相关性指数来提高样本的代表性和精度评估结果的可靠性。因此,本文提出针对区域地表覆盖遥感制图产品的空间分层抽样方法,其将精度评估分成抽样方案(样本的定量估计)和布设方案(样本的空间布设)2个部分,并以中国陕西省地表覆盖产品为例进行区域精度评估实验分析,从全区7大类地表类型数据中抽取1467个样本,经过样本检验与精度计算,该区域产品的总体精度为79.96%,Kappa系数为0.74。实验结果表明,本文提出的基于空间抽样的精度评估方法可行可靠,实验区域产品质量较好,并为后续针对全球范围的地表覆盖产品精度评估方法提供了参考。     

基于遥感信息的城市地表能量空间分布及特征研究——以国际宜居城市为例

遥感地表能量信息能够反映城市生态系统成分、作用与影响关系。本研究从城市生态系统的角度,提取能反映城市下垫面地物实体综合特征、作用与影响关系的相对地表能量信息,针对不同区域、规模与类型城市的地表能量空间分布及特征,建立了定量化的城市相对地表能量分级与评价指标。探讨国际“宜居型城市”生态系统结构、功能、形态及其时空变化特征和规律。结果表明：（1）城市实体空间建筑群的形状、体量,街道与建筑的朝向和配置关系,以及硬质化表面开放性的差异影响城市地表能量的分布。（2）建筑物周边的植被覆盖程度、建筑物之间的空间关系、广场和街道的开放性等,是维持城市开敞空间与实体空间的混合区域地表能量平衡的基础。宜居城市中心周围的大规模低密度居住区构成以中等能量分布为主的城市地表能量缓冲与过渡区。（3）城市开敞空间的地表能量变化幅度比实体空间大,宜居城市开敞空间的中、低地表能量分布占有较高比例。（4）宜居城市实体空间的高能量斑块呈现规模较小和分布相对分散的状态。采用相对地表能量分级与评价指标,可为各类城市规划与设计提供科学依据。     

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。     

BDS区域卫星导航系统空间信号精度评估

针对BDS区域卫星导航系统的空间信号精度评估问题,分析利用精密星历进行空间信号评估的算法以及SISURE的投影原理,讨论BDS不同星座的参数选择。估计BDS各个卫星的空间信号精度,估算出SISURE综合误差的平均值为1.54 m,与GPS的空间信号精度还存在一定差距。针对个别导航卫星某些分量误差偏大的情况进行分析,发现GEO卫星SISURE个别时段较差和轨道机动有一定关系,并明确了BDS实际的空间信号精度,可为BDS用户提供一定参考。     

融合土地覆盖和土壤水分产品的近地表空气温度空间化方法

空气温度是评价人居环境的重要指标,与人类的生产生活息息相关;其观测对于水文、环境、生态和气候变化等方面的研究具有重要意义。传统的大范围空气温度观测数据一般通过气象站点获取,但由于气象观测站点空间分布离散稀疏的特点,所获取的数据不能精确描述空间连续的空气温度变化情况。因此,实现基于遥感数据的近地表空气温度精准估算具有重要的现实意义。本研究基于精细的地表覆盖类型、空间连续的土壤水分、地表温度（LST）数据,并结合其他辅助数据,构建了近地表空气温度空间化模型,并对近地表空气温度影响因子进行评估,发现地表覆盖类型对近地表空气温度的影响最大,土壤水分为最活跃的影响因素,经验证,模型精度较高,R²接近0.85,RMSE为0.5℃。本研究获取的精确空间连续的近地表空气温度信息,能够充分表达其空间异质性,为农业气象灾害灾变过程监测、农作物生长过程模拟、区域气候变化分析等研究提供良好的近地表空气温度数据支撑。     

空间抽样的理论方法与应用分析——以厦门岛问卷调查为例

在社会问卷调查中,面临调查样本点如何布局的问题,传统的空间抽样理论主要针对单目标抽样,而社会调查问卷往往涉及到多个调查目标,并且可能是类别数据,例如涉及到被调查对象的年龄、受教育程度等,因此需要在传统的抽样方法上进行适当的改进。本文从多目标空间变异的思想出发,针对社会多目标抽样调查,利用三明治空间抽样模型软件,以厦门岛住区问卷调查的需求为目标,平衡抽样精度和抽样成本,采用简单随机抽样、空间分层抽样和三明治空间抽样方法进行抽样。通过对比分析,结果表明:(1)先验知识不丰富的情况下,简单随机抽样的结果较合理,当有足够先验知识的情况下,进行空间分层抽样能使抽样的样点更具有代表性,提高抽样的精度。(2)空间抽样样点的分布主要与分层相关,分层等级越高,也就是复杂程度越高的区域分布的样点也就越多。(3)通过综合因素分层抽样和专家分层抽样的对比,分层的合理与否,与抽样结果的合理与否有直接的关联,在抽样过程中对分层的把握非常重要。本研究的目的是为厦门岛住区问卷调查选点提供依据,同时,通过复杂程度来描述各个区域的差异,也为建立多目标空间抽样模型提供了思路。     

土地变更调查数据库质量评价及其错误空间自相关分析——以河北省为例

评价土地变更调查数据库质量,研究数据库错误产生的原因是变更调查工作中的关键问题。本文采用对比分析法定量分析3年间数据库质量变化,并运用全局Moran's I系数、局部Moran's I系数,从县域尺度分析数据库错误的空间自相关格局,揭示数据库错误空间分布变化和局部异常特征。研究结果表明：(1)从错误数量、缺陷等级、错误分布图层和空间分布方面进行评估,河北省2012年数据库质量相较于2010年和2011年得到明显改善;(2)河北省各区县错误分布保持高度自相关,聚集程度波动变化,而局部显著性异常区域的出现主要源于人为误操作。通过研究数据库质量3年间变化情况及空间分布格局,能客观地评价数据库质量状况,有效地分析错误产生的原因,为新一轮土地变更调查工作提供建设性意见。     

基于小流域抽样单元的中国FROM-GLC30数据精度评价

土地覆盖数据是全球环境变化相关研究和应用的重要数据基础,在诸多领域中被广泛运用.FROM-GLC30 2017数据是最新的全球高分辨率(30m)公开土地覆盖数据集之一.土地覆盖数据集的精度是其在不同领域应用中的重要问题.本研究旨在探讨FROM-GLC30 2017数据集精度在全国范围内的空间分布,并比较不同土地覆盖类型...     

基于多源数据的地表覆盖制图与分析——以广东省广州市为例

地表覆盖数据是关于土地利用信息的重要来源,在地理国情监测、气候变化研究、生态环境评估等方面发挥着重要的作用。本文以广东省广州市作为研究区域,利用OSM数据结合FROM-GLC数据和Landsat-8遥感影像数据,对研究区域地表覆盖进行分类并完成地表覆盖制图。实验结果表明,利用OSM数据进行地表覆盖制图结果总体精度较高,具有可用性,但是OSM数据空白区域占比较大,有数据区域个别要素数量较少,在参考选取样本时,样本代表性不够高,部分类型的地表覆盖分类精度较低。     

城市地表覆盖组分及植被多样性与热环境关联性分析——以贵阳市为例

本文以贵阳市为研究对象,研究了地表覆盖组分及植被多样性对地表温度的影响。首先基于Landsat-8 OLI多时相影像数据在GEE平台上实现了研究区域地表覆盖精细分类;然后结合不同季节8天合成的MODIS温度产品数据,利用时空统计分析、相关分析等方法分析了研究区不同地表覆盖类型地表温度时空分布特征,地表温度与不同地表覆盖组分、地表覆盖多样性和植被覆盖多样性的相关性。结果表明：贵阳市建成区主要分布有常绿阔叶林、常绿针叶林等植被,常绿阔叶林在不同季节对地表温度的降温效应明显,而不透水面对地表温度具有明显的增温效应,尤其以夏季最为显著;地表覆盖多样性与地表温度之间具有较强相关性,其中植被覆盖多样性较植被覆盖率对地表温度的影响更为显著,而不透水面的增加会明显降低植被多样性的影响。因此,要发挥城市绿地对城市温度和热岛效应的调节作用,建议可以适当增加常绿阔叶林的绿化面积,同时在空间上要提升植被多样性水平,能够较大程度改善城市热环境。     

多分辨率遥感土地覆被数据质量综合评价——以湖南省桃源县为例

评价土地覆被数据质量是正确、合理使用数据的前提和保障,有助于遥感制图方法的改进。本文以1：10万土地利用数据为参考数据,选取2010年RapidEye_5 m、FROM_GLC（30 m）、MODIS_V005（500 m）,以及2009年GlobCover 2009（300 m）土地覆被数据,以湖南省桃源县为例对4种不同分辨率的遥感土地覆被数据质量,引入窗口的分类类别统计方法,进行了综合评价,并分析了其误差和空间分布。结果表明：（1）RapidEye_5 m数据总体精度最高,MODIS_V005和FROM_GLC次之,GlobCover 2009数据相对最低。高分辨率土地覆被数据对于居民地、交通用地、水体等精细地物分类较好,具有一定优越性,各数据在一级类上的面积相关性和一致性总体高于二级类;（2）各数据在建筑用地和其他未利用地类型上的生产者精度均较低,FROM_GLC和MODIS_V005数据,在灌木草地上的空间一致性较差,4种数据在以耕地为主的平坦地区空间一致性较好,混淆主要发生在灌木草地、乔木林地和耕地之间;（3）随着土地覆被数据分辨率的提高,分出较多地物类型数的面积比例也随之增加,较高分辨率的RapidEye_5 m和FROM_GLC分出的类别数集中在7-16种较高水平上,低分辨率数据集中在1-5种较低水平上,在丘陵山区差异显著,而高分辨率数据对地物区分更好,集中于11-16种地物。     

尼泊尔土地覆被遥感制图及其空间格局分析

尼泊尔作为兴都库什-喜马拉雅区域的重要组成部分,是一个从平原到山地再到高原的典型过渡地带,具有多样且复杂的土地覆被类型。开展尼泊尔国家尺度的土地覆被研究,对该国的国土资源管理、生态环境保护具有重要的科学和实践意义,同时也能为中国倡导的“一带一路”国际区域经济合作战略提供基础数据保障。本文选用Landsat TM影像为数据源,基于面向对象与决策树相结合的土地覆被遥感制图方法,生产了尼泊尔全境2010年土地覆被产品（NepalCover-2010）,该产品包括8个一级类和32个二级类。同时,本文基于Google Earth高分辨率影像获取验证样本开展了NepalCover-2010产品的精度验证工作,并进一步分析了该国土地覆被类型的数量结构特征和空间格局特征与地形、气象要素间的关系。研究结果表明：① NepalCover-2010产品一级类总体分类精度达94.83%,Kappa系数为0.94;二级类的总体分类精度达87.17%,Kappa系数为0.85,能够准确地反映尼泊尔土地覆被类型的空间分布格局,是同类土地覆被产品中精度最好的。② 林地是尼泊尔最主要的土地覆被类型,其面积约占尼泊尔国土面积的41%。耕地次之,其面积占比约为25%,其中水田和旱地的面积分布比例约为2:3。③ 地形和气象要素对尼泊尔的土地覆被类型空间分布格局具有显著影响,自南向北随着地势的抬升,各土地覆被类型出现顺序表现出水田、常绿阔叶林、旱地、常绿阔叶灌木林、常绿针叶林、草原、稀疏植被和冰川/永久积雪的垂直地带性特征。     

GlobeLand30产品精度抽样测试与分析

GlobeLand30的发布为全球生态系统评价、环境规划、气候变化等研究提供了高分辨率的基础地表覆盖数据。以Landsat TM影像轨道号/行号分别为123/032所对应的区域为研究区,通过目视解译的方式在原始影像上选取地表覆盖类型作为地面参考数据,对2000和2010年两期的GlobeLand30的地表覆盖类型中的人造地表、农田、林地和水体进行了精度评定,并对比了两期产品数据的精度。此外,为了突出GlobeLand30产品的错分误差及其易于混淆的地物,以面的形式对产品的用户精度进行了计算和比较。研究表明,研究区内GlobeLand30数据具备很好的精度,与2010年数据相比,无论是总体精度,还是Kappa系数,2000年的产品其精度更高。本成果可以为研究区内GlobeLand30产品的使用提供参考。     

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。     

多源30 m分辨率土地覆被数据在蒙古高原的一致性分析和精度评价

蒙古高原土地覆被的变化表征着区域内生态环境的变化,许多环境问题的研究依赖于准确的土地覆被信息。因此,评估当前全球土地覆被数据在区域尺度上的准确性非常重要。本文以蒙古高原为研究区,从构成相似性、类型混淆程度、空间一致性、绝对精度4个方面,分析了GlobeLand30、GLC＿FCS30和FROM＿GLC 3种30m高分辨率全球土地覆被数据的一致性和准确性。结果表明：(1) 3种土地覆被数据都显示,草地和裸地是蒙古高原的主要土地覆被类型,任意2种数据的面积序列相关系数都优于0.95;(2) 3种土地覆被数据中完全一致的区域占蒙古高原总面积的61.87%,主要集中在土地表面异质性低的区域;(3) GLC＿FCS30数据的总体精度（78.33%）最高,GlobeLand30数据的总体精度（76.85%）次之,FROM＿GLC数据的总体精度（75.86%）最低;林地、草地、水体和裸地在3种土地覆被数据中的精度较高（75%以上）,灌丛、湿地等地类的精度较低（50%以下）。因此,对蒙古高原土地覆被进行全要素研究时,可以综合考虑选择总体精度最高的GLC＿FCS30数据。对特定地类研究的用户,可参考3种...     

浙江省土地利用与土地覆被遥感综合调查研究

本文从土地利用/土地覆被的国内外研究现状与趋势出发,在总结与分析本地区土地利用与土地覆被已开展工作基础上,根据本次浙江省遥感综合调查的目标与任务 ,基于现代遥感与信息技术 ,建立了土地利用与土地覆被现状调查的技术路线与方法,为今后开展同类研究提供了借鉴     

基于深度学习AlexNet的遥感影像地表覆盖分类评价研究

地表覆盖分类信息是反映自然、人工地表覆盖要素的综合体,包含植被、土壤、冰川、河流、湖泊、沼泽湿地及各类人工构筑物等元素,侧重描述地球表面的自然属性,具有明确的时间及空间特性。地表覆盖分类信息数据量大、现势性强、人工评价费时,其自动化评价长期以来存在许多技术难点。本文基于面向对象的图斑分类体系,引入深度卷积神经网络对现有地理国情普查-地表覆盖分类数据进行分类评价,并通过试验利用AlexNet模型实现地表覆盖分类评价验证。试验结果表明,该方法可有效判读耕地、房屋2类图斑,正确分类隶属度优于99%,而由于数据较少、训练不充分,林地、水体图斑正确分类隶属度不高,分别为62.73%和43.59%。使用本文方法,经过大量数据充分微调的深度学习AlexNet可有效地计算图斑的地类隶属度,并实现自动地表覆盖分类图斑量化评价。     

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。