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。     

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。     

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（30 m）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精度的区域差异。本研究以亚米级高分辨率遥感影像为基础,对布设在中国范围内的6434个小流域抽样单元进行了人工目视解译,获得了土地覆盖参考数据。通过野外实地调查验证了参考数据,在此基础上对FROM-GLC30 2017数据集进行了精度评价。研究结果表明： ① FROM-GLC30 2017数据集中各土地覆盖类型的面积比例基本符合我国的实际情况;② 数据集在中国的总体精度为75.39%,在7大地理分区中,华东地区的总体精度最高,华南地区的总体精度最低;③ 在7种土地覆盖类型中,裸地、森林以及农田的精度相对较高,灌丛的精度最低。研究结果可为大区域土地覆盖数据精度评价研究提供理论支持,促进公开土地覆盖数据集的有效应用。     

全球海岸带多源土地利用/覆盖遥感分类产品一致性分析

多源土地利用/覆盖分类产品是陆地表层过程研究不可或缺的重要基础数据,而其一致性分析则是产品应用的前提和基础。本文基于类型面积偏差、类型面积相关、误差矩阵和类型空间混淆等方法,从面积一致性和空间一致性两方面分析了 5种土地利用/覆盖分类产品（MCD12Q1-2010、GlobCover2009、CCI-LC2010、FROM-GLC2010和GlobeLand30-2010）在全球海岸带区域的一致性。结果表明：① 各产品土地利用/覆盖类型的空间分布总体上表现出较强的一致性,但在细节上存在大面积不一致现象;② 各产品对全球海岸带土地利用/覆盖构成的描述基本一致,即以水体为主,林地和未利用地次之,耕地、草地和灌木地较少,湿地和人造地表相对最少,但在细节上存在面积偏差;③ 在产品组合中,MCD12Q1-2010/GlobCover2009的相关系数、总体精度和Kappa系数均最低,分别为0.8814、67.46%和0.5748,而GlobCover2009/CCI-LC2010的相关系数、总体精度和Kappa系数均最高,分别为0.9869、81.50%和0.7505;④ 5种产品两两对比,草地、灌木地和湿地的混淆程度最高,耕地和人造地表次之,林地和未利用地较低,水体最低;⑤ 全球海岸带有28.81%的土地具有较低的一致性,这些区域地类混淆现象较为严重,尤其是耕地、林地、草地、灌木地、湿地和未利用地之间的相互混淆对5种产品的一致性程度有直接影响。本文有望为海岸带研究在已有土地利用/覆盖数据源选择和使用等方面提供参考和建议。     

基于框架数据控制的全国土地覆盖遥感制图研究

土地覆盖研究是全球变化的一个重要内容。本文针对中国土地覆盖实际情况,从遥感制图角度和陆地生态系统观点出发,建立了一种基于陆地生态系统特点的土地覆盖遥感分类体系。充分利用目视解译的精确性和自动分类的快速性,在高精度目视解译数据提供的基本覆盖类型及其位置、边界的控制下,以250m分辨率的2005年MODIS植被指数产品为遥感分类信息源,获取主要类型的详细分类信息,并结合人机交互判读分析与相关资料等的综合运用,实现2005年全国土地覆盖遥感制图。对比实地调查结果的精度分析表明:土地覆盖制图的类型分类准确,基本上反映了各地区的土地覆盖特点和分布趋势,图斑格局与影像地理特征基本吻合,全国土地覆盖制图总体准确率为91%,各类型准确率也达89%以上。     

全球地表覆盖高分辨率遥感制图

全球地表覆盖分布及变化是气候变化研究、生态环境评估、地理国情监测、宏观调控分析等不可或缺的重要基础信息.国际上现有全球五套地表覆盖数据产品的空间分辨率为1 km或300 m,数据精度、分类体系、时空分辨率等均存在不足.为了满足全球变化研究与地球模式模拟的需求,应该研制具有较高时空分辨率、更符合全球变化需要、精度较好的全...     

地表反射率遥感数据支持的火烧迹地面积提取

生物质燃烧排放大量烟雾和温室气体对于全球气候变化有显著影响，而准确及时地提取火烧迹地面积对于火灾补救、植被恢复、估算大气排放至关重要。中分辨率成像光谱仪MODIS较高的时间分辨率可以快速获取全球每日的火烧迹地产品，但对于小型和破碎度高的火烧迹地的遗漏率比较高。据此，本研究融合MODIS与Landsat-8 OLI(Operational Land Imager陆地成像仪)的时空优势，提出了基于地表反射率数据集支持的火烧面积提取算法。首先，使用MODIS地表反射率产品MOD09GA构建燃烧日期前后在红、绿、蓝、近红外和短波红外的先验地表反射率数据集。然后，采用自适应遥感图像时空融合算法(Spatial and Temporal Adaptive Reflectance Fusion Model, STARFM)以及线性拟合的方法对MODIS与Landsat-8地表反射率数据进行空间和光谱一致化处理。最后，运用自动阈值的方法厘定火烧区域的最佳阈值。此外，通过选取4个不同的燃烧规模样地/样区验证了该算法的火烧迹地面积提取准确率在75%以上。本研究将MODIS的高时间分辨率和Landsat-8...     

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。     

基于LTDR AVHRR和MODIS观测的全球长时间序列叶面积指数遥感反演

叶面积指数是描述土壤-植被-大气之间物质和能量交换的关键参数,获取大区域长时间序列叶面积指数有助于研究气候变化条件下植被的响应及反馈。本文利用MODIS观测和经过重新处理的地表长时间数据集（Land Long Term Data Record）LTDR AVHRR数据,生成了全球1981-2012年叶面积指数数据。算法通过建立二者之间像元级关系,利用高质量MODIS观测约束历史AVHRR数据的反演,这有助于减小2种存在显著差别传感器反演结果的不一致性,也有助于提高AVHRR反演质量。首先算法利用高质量MODIS地表反射率反演2000-2012年叶面积指数,然后利用多年每8 d的LTDR AVHRR地表反射率数据计算简单比植被指数（Simple Ratio,SR）,利用SR平均值和MODIS LAI平均值建立像元级AVHRR SR-MODIS LAI关系。在此基础上,实现1981-1999年AVHRR LAI反演,最终得到全球1981-2012年叶面积指数数据。本算法反演的AVHRR和MODIS LAI与全球植被的空间分布吻合,能表征主要生物群系类型的季节变化特征,2个数据集一致性较好,并且与NASA MODIS LAI标准产品（MOD15A2）的空间分布和季节变化曲线吻合较好。     

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。     

全球土地覆被数据集中哈萨克斯坦草地分布的异同及其成因

受社会制度变迁和气候变化的影响,哈萨克斯坦是中亚地区生态退化和草畜矛盾问题最为突出的国家。近百年来,放牧方式的改变、农业开垦的占用、加之暖干化的气候变化影响,使得哈萨克斯坦各类草地生态系统变化的时空格局具有鲜明的特点。因此,研究哈萨克斯坦草地退化的过程与机制对认识中亚地区草地生态系统对气候变化和人类活动的响应尤为重要,也是对绿色丝路建设过程中区域生态可持续发展的科学支撑。土地覆被数据是生态变化研究的基础数据,但目前广泛使用的各套全球数据集间往往存在很大的差异,这会导致对生态变化成因的认知以及对未来变化的模型模拟产生更大的不确定性。本研究从对草地类型识别的定义、空间分布的一致性和空间分布差异的原因3方面对比5类全球土地覆被数据（UMD 1992-1993、MCD12Q1 2001、GLC 2000、CCI-LC 2000、Glob Cover 2005）中哈萨克斯坦草地分布的异同,以期为哈萨克斯坦的相关研究中土地覆被数据集的选择提供依据。研究结果表明：① 分类系统中对草地类型的界定、遥感数据源、辅助分类数据、分类方法、验证数据和方法的不同是5套数据草地资源分布差异的主要原因,其中MCD12Q1数据与其他4套数据的草地分布面积相差最大;② 5套数据中草地分布都重叠（完全一致）或四套数据重叠（高度一致）的区域仅占39.66%,主要位于哈萨克斯坦典型草原带和部分半荒漠草原带;围绕典型草地分布区,空间一致性由内向外逐渐降低。5套数据完全不一致区域占26.78%,主要位于荒漠草原带;③ CCI-LC2000数据与其他几类数据的重叠区域最高,有76%的草地与5套数据的完全一致以及高度一致区重叠;在分布不一致区域中,极易造成混淆的土地覆被类型主要为旱作耕地、灌溉耕地、耕地与自然植被镶嵌体、裸地以及灌丛。     

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。     

全球30m地表覆盖遥感数据产品-Globe Land30

在国家863重点项目支持下,我国成功研制出全球30 m地表覆盖数据产品Globe Land30。该成果包括2000基准年和2010基准年两期,有耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地和冰雪十大类型,第三方评价总体精度为83.50%。2014年9月22日,中国政府将其赠送给联合国使用,是中国向联合国提供的首个全球地理信息产品。该成果成为全球变化和可持续发展研究的重要科学数据,目前已有近120个国家的用户下载使用,推动了国际对地观测与地理信息的开放共享,彰显了中国负责任大国的形象。本文主要介绍了Globe Land30产品的技术创新、精度评价与成果应用。     

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。     

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种土地覆被数据的分类精度有针对性的进行选择。本文可为蒙古高原相关研究选择合适的土地覆被数据提供参考。     

多时相耕地覆盖提取和变化分析：一种结合遥感和空间统计的时空上下文方法

基于多时相影像的耕地提取和变化分析是有效管理和保护耕地资源的重要手段。然而就多时相耕地的分类提取而言,现有方法对于多时相影像中地物的时空特征表达和时空上下文关系建模存在着局限性,导致耕地的提取精度不佳;其次,对于耕地的变化分析,现有方法往往只关注基于行政单元的耕地面积统计变化,而对耕地变化在空间上的相关性分布特点考虑较少。因此,本文首先提出了一种时空上下文分类方法,综合表达和利用多时相影像中地物的光谱、纹理和空间等特征,建模时空维度上地物间在特征和语义上的上下文关系,来提高耕地覆盖分类的精度;其次,基于耕地覆盖的提取结果,在规则格网和行政区划单元上,采用GIS空间统计方法分析耕地变化的空间相关性特点;最后,以北京市顺义区为例,以2015—2019年的多时相Sentinel-2影像为数据源对本文方法进行验证。结果表明,与常见的2种多时相影像分类方法相比,本文方法在多时相耕地分类上精度最高,平均用户精度和制图精度分别达到91.21%和90.53%,所有类别的总体精度为90.79%。这表明本文方法能精确提取多时相耕地覆盖信息。通过对耕地变化的空间分布特点进行分析,发现2015—2019年顺义区耕地变化存在区域聚集现象,主要呈现为集中减少特点,其中赵全营镇、高丽营镇、木林镇和杨镇地区耕地的聚集性减少较为明显,说明这些地区的耕地侵占和减少问题比较严重。     

基于OSM的地表覆盖变化数据提取

2014年,中国研制出了2000年和2010年两期30 m分辨率的全球地表覆盖数据产品,为了保持该数据集的现势性,持续更新成为该领域关键问题。变化数据的快速收集是全球地表覆盖数据更新的核心,志愿者地理信息(volunteered geographic information,VGI)的兴起为解决此问题提供了一条新的途径。在目前VGI项目中,OpenStreetMap(OSM)具有数据丰富、现势性强等优点,可以作为全球地表覆盖数据更新的参考信息来源,然而OSM数据不能直接对应地表覆盖增量数据,因此,本文提出了一种基于OSM的地表覆盖增量数据提取方法。该方法首先以OSM定义的几何类型和属性数据作为分类依据,建立OSM数据到地表覆盖数据的转换规则;然后针对类型转换后数据存在的目标零散等问题,采用四叉树聚类方法对转换数据进行综合;继而对整合后的数据栅格化并与GlobeLand30数据进行叠加运算得到地表覆盖增量数据。最后以爱沙尼亚区域的OSM数据验证了本文方法的可行性。