四类全球土地覆盖数据在中国区域的精度评价

该研究以中国耕地类别为研究对象,选择2000年中国土地利用数据（NLCD-2000）为参考数据,利用比较分析法,从面积数量精度和空间位置精度两方面对目前4类全球土地覆盖数据（UMD、IGBP-DISCover、MODIS和GLC2000）产品进行了精度验证,并分析研究了4类数据精度的异同性。结果表明,4类全球数据对中国耕地数量特征和空间位置特征的估测具有明显的区域差异性。MODIS数据集和GLC2000数据集对中国耕地制图的总体精度要高于UMD数据集和IGBP-DISCover数据集。4类数据制图精度高的区域主要分布在中国的农业主产区,而误差大的区域主要分布在中国山区或耕地比例低的区域。低空间分辨率的信息源、基于像元的分类方法,以及中国复杂地形特征是4类全球土地覆盖数据精度差异的主要原因。     

基于时序NDVI图谱库提高土地覆盖分类精度的方法

为提高MODIS土地覆盖产品的分类精度,该文以河南省为试验区,首先将MODIS土地覆盖产品(MCD12Q1)分为高精度区域和低精度区域,然后通过构建时序NDVI图谱库并利用图谱曲线相似性测定方法,改进MCD12Q1低精度区域的分类精度。结果表明:1)时序NDVI是土地覆盖的重要分类特征,二者之间具有较强的关联性。2)利用时序NDVI图谱库能够明显提高MODIS土地覆盖产品的分类精度,改进后的MCD12Q1的总体分类精度分别由72.76%(比较评价)、64.52%(样本评价)提高到83.05%和81.72%。3)不同土地覆盖类别精度提高的程度不同,林地、草地、耕地、人工地表以及水体的生产者精度分别提高35.36%、29.51%、2.98%、6.96%和6.11%。4)对于判定时序NDVI曲线相似度的2种具体方法而言,最小距离法(minimum distance,MD)总体上优于光谱角度匹配法(spectral angle mapper,SAM)。综上,保留现有土地覆盖产品中分类精度较高的部分,基于时序NDVI图谱库改进分类精度较低的部分,是提高现有土地覆盖产品分类精度的有效方法。     

应用MODIS数据监测福州地区土地利用/覆盖变化

应用新一代对地观测卫星EOS的MODIS数据，在地理信息系统的支持下，对2001—2005年福州地区不同地表类型的归一化植被指数年际动态变化进行计算分析，在此基础上开展福州地区土地利用／覆盖变化的监测研究，并初步分析了土地变化的驱动力。结果表明：基于MODIS的归一化植被指数对区域土地利用／覆盖的年际变化反映是敏感的，应用MODIS数据可以监测区域土地利用／覆盖变化的空间分布和面积大小。     

三种土地覆盖遥感数据在中国区域的精度分析

土地覆盖遥感数据的精度分析是数据应用的前提和基础。该文以中国科学院资源环境科学数据中心提供的2000年中国土地覆盖数据作为参考,基于对土地覆盖类型的归并,在各种土地覆盖类型的分布面积、空间位置等方面分析了GLC2000、MODIS V004和MODIS V005三种数据描述中国土地覆盖状况的能力,并引入差异性指数,深入分析影响土地覆盖数据精度的原因,得到以下主要结论:总体上各数据均能反映中国主要土地覆盖类型的分布情况,GLC2000、MODIS V004和MODIS V005数据的总体精度分别为62.8%、61.7%和61.9%;3种数据的乔木林地面积较参考数据均偏大,而建筑用地、湿地和水体的面积均偏小;乔木林地、灌木草地、耕地和裸地冰川的精度较高,建筑用地和湿地的精度较低;GLC2000数据在省级水平上对乔木林地和耕地的描述最准确,MODIS V005数据的平均用户精度和生产者精度最高;土地覆盖数据的精度随着数据差异性指数的增加而降低,随着差异性指数为1的区域面积比例的增加而升高;MODISV005数据的精度受土地覆盖差异性的影响相对较小。     

基于拟合物候参数的植被遥感决策树分类

针对目前遥感分类较少利用植被物候特征参数的现状,该研究以内蒙古自治区额尔古纳、根河两市作为试验区,基于2012年根河土地覆盖数据,采用双Logistic函数拟合的方法对跨度范围为2011年7月下旬至2013年7月下旬的时间序列MODIS EVI数据进行植被物候参数的分析与提取,并依据物候参数特征构建决策树对试验区土地覆盖进行分类。研究表明,不同植被的物候有较明显的特征,森林、草原与作物的生长季开始时间依次滞后,作物的生长季最短,森林与草原生长季基本持平;利用植被物候特征参数进行决策树分类,作物和森林2种植被类型取得较好分类效果,分类的总体精度达到73.67%,优于该区域MODIS土地覆盖产品的总体精度(66.08%)。该研究可为呼伦贝尔地区生态环境评价和农、牧、林业生产活动提供一定的参考。     

利用MODIS-EVI时序数据对河南省土地覆盖进行分类

基于遥感的土地覆盖信息提取对农林业生产、环境监测具有直接的应用意义。该文选取河南省作为研究区域,利用2005年23个时相的MODIS EVI数据,结合农作物物候历、其他分类参考数据及河南省种植结构的相关文献,在对时序数据进行去云、平滑处理后,采用SVM（支持向量机）分类器,对河南省的土地覆盖进行分类。分类结果上,一方面参照2005年河南省农作物种植面积的统计数据得到面积精度,对大面积种植的农作物：小麦为81.47%、玉米94.87%、水稻82.43%;经济作物：油菜39.81%、大豆93.65%、棉花95.21%、花生74.27%;另一方面,参照2000年1：10万全国土地覆盖的分类数据,将2000年的对应数据和分类结果分别归并为：耕地、林地、草地、水体、建筑进行精度比较,结果表明总体识别精度为78.07%,Kappa系数为0.6556。从分类精度验证来看,表明MODIS植被指数时序数据及该文研究方法在农作物信息提取中的有效性。     

基于MODIS温度/植被指数的东北地区土地覆盖分类

该文采用MODIS NDVI时序数据对东北区土地覆盖分类进行研究，以验证MODIS区域土地覆盖制图的可靠性。通过试验发现经过Savizky-Golay滤波处理能有效去除云、缺失数据及异常值的影响，使得NDVI时序曲线能更好的反映植被季相变化特征，分类结果表明NDVI时序数列能较好的区分植被与非植被、草本(一年生)与木本(多年生)覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征，混分现象比较严重。该研究通过添加地表温度(land surface temperature, LST)数据解决这一问题，利用所得温度/植被指数TVI对研究区进行土地覆盖分类。所得结果用363个野外调查样区进行验证，NDVI及TVI时序数据的分类精度分别为62.26％与71.63％。结果表明TVI比NDVI对土地覆盖类型中的植被类型识别更有效。     

陕北黄土高原地区土地利用/覆被分类及验证

陕北地区自退耕还林工程实施以来,区域土地覆被发生巨大变化,退耕后土地利用/覆被分类有利于实现退耕前后土地利用/覆被动态监测,评价退耕还林工程进展程度。该文在前人分类系统的基础上,通过对研究区不同土地覆被类型分布特征的实地调查,首先构建了适合陕北地区的土地覆被分类系统;其次依照上述分类系统,以MODIS/NDVI数据、DEM数据和陆面温度数据为依据,采用决策树分类方法对2008年陕北地区土地覆被进行分类;最后采用野外调查数据和Google Earth高分辨率遥感数据,利用误差矩阵的方法对分类结果的整体精度和典型区域不同土地覆被类型的区分精度进行验证。结果表明,基于上述方法的土地覆被分类不仅反映了土地覆被分布的整体情况,而且不同的土地覆被类型之间也得到较好的区分。     

基于线性光谱混合模型分解MODIS多光谱影像的研究

为了获取多时相的土地覆盖基础数据以支持区域土壤侵蚀定量评价,基于线性光谱混合模型分解MODIS多光谱影像,并对分解结果进行了定性、定量评价。结果表明,结合像元年内植被指数变化特征,基于线性混合像元分解,可解译出耕地、林地、草地、裸地、水体、居民地等类型。分类结果与2006年TM分类结果的总体一致性为64.46%,Kappa系数为0.519 9,土地覆盖类型分类结果可靠;各类端元估算误差基本小于20%,且与对应TM分类结果具有相关性,总体精度较好;林地端元能够较好地反映植被盖度信息。基于LSMM分解MODIS影像可为区域环境研究提供可靠的土地覆盖类型图和植被覆盖信息。     

中国1999－2009年土地覆盖动态变化的时空特点

基于SPOT NDVI时间序列研究中国近10 a来（1999－2009年）土地覆盖动态变化的时空特点。首先,对BISE模型进行改进并对数据进行预处理;其次,结合光谱角分类和最小距离分类算法各自的优势构建了一个新的分类算法（SAM-MDM）,并对多年NDVI数据分类和后处理,提高了分类精度,能满足土地覆盖变化趋势分析要求;再次,应用土地覆盖动态度模型和GIS叠加方法分析了全国土地覆盖的时空变化,建立了土地覆盖类型转移概率矩阵;最后,应用马尔科夫（Markov）过程建立了类型转移演化模型,对未来20 a土地覆盖动态变化过程进行了预测。通过该研究探讨了中国土地覆盖近10 a来在时间上的动态变化特点、空间上的变化差异、土地覆盖类型的转移概率分布和未来10～20 a的时空变化趋势。     

基于MODIS植被指数时间谱的华北平原土地覆盖分类

中分辨率成像光谱仪(MODIS)已在全球资源环境监测中发挥了重要作用，但是它的低分辨率成为提高分类精度的阻碍。利用MODIS的高时间分辨率弥补其低空间分辨率的不足，设计分类器改善分类精度。利用2003年23个时相的MODIS_EVI图像，构建华北平原植被指数图像时间立方体。在谐波分析去噪标准化基础上，从EVI时间谱上提取5个表征物候差异的特征向量，结合表征地气交互作用差异的地表温度(LST)信息及表征地表固有的空间分异特征的坡度信息，建立分类二叉树进行土地覆盖分类。结果表明，与2000年TM分类结果的总体一致性为75.5%，Kappa系数为0.68。而NASA USGS基于MODIS分类精度为66.0051%，Kappa系数为0.3209。进一步与2003年耕地面积的官方统计资料的比较表明，该文的估算误差为34.0507 khm²，而NASA USGS的估算误差高达66.1205 khm²。研究表明利用高时间分辨率的MODIS植被指数时间序列获得较高精度的土地覆盖分类结果是可能的。     

年际尺度上土地覆盖类型时空分异及其对气候和地形的响应

为了更加深刻地理解气候和地形条件对土地覆盖的作用机理,该研究以2001年-2009年逐年的MODIS Land Cover(MCD12Q1)为主要数据源,参考中国土地覆盖分类体系整合国际上通用的5种(IGBP、UMD、LAI-fPAR、NPP和PFT)土地覆盖分类体系,分析年际尺度上中国西北干旱半干旱地区的土地覆盖时空分异及其对气候和地形的响应。研究结果表明:IGBP较其他4种更适合年际尺度上干旱半干旱地区土地覆盖的时空分异研究。2001年-2009年,5种分类体系中农田和草地增加,水体湿地和荒漠减少,聚落保持不变,森林有增有减,并且土地覆盖类型间相互发生转换,其在空间上的转移与干旱半干旱地区的自然条件变化和人类活动相适应。6种土地覆盖类型对自然条件的响应与光、热、水在时空格局上的分配以及人类活动作用的强弱相一致。研究结果可为区域或全球土地利用和土地覆盖研究提供参考。     

基于证据理论的多源遥感产品土地覆被分类精度优化

针对现有土地覆被遥感产品及融合方法存在的不足,该文提出了一种新的分类体系转换方法,实现了证据理论(Dempster-Shafer)框架下多源产品的集成,并以GEOWIKI、林业调查数据为参考,通过绝对及交叉验证方法对融合结果精度进行了评价。研究结果表明:无论总体精度还是类别精度,融合结果与原始数据相比均有一定提高,说明在融合过程中,吸收了多源数据的类别分布特征,做到了多源数据间的互补。通过融合结果的不确定性分析,总体上融合结果的不确定性较小,但在景观异质性较强区域,融合结果的不确定性显著,不确定性值集中于0.4~0.7之间,这说明如何提高景观异质性区域的土地覆被类别精度,实现该区域数据重构是未来亟需解决的问题。该文所得成果为未来全球或区域尺度土地覆被遥感产品的研制及产品精度验证提供了参考。