基于决策树分类的橡胶林地遥感识别

中老缅交界地区是橡胶林地的主要种植区,利用遥感手段快速动态监测橡胶林地的时空变化,对于橡胶合理种植、生态环境保护以及边境安全保障具有重要的科学价值和实践意义。研究基于Landsat数据和MODIS-NDVI数据,采用决策树分类的方法提取中老缅交界地区的橡胶林地。研究发现：1）1月上旬至3月下旬为提取橡胶林地的主要时间窗口;根据橡胶林不同树龄所表现的光谱差异,按照橡胶幼林（<10 a）和橡胶成林（≥10 a）提取橡胶林地;橡胶成林、高植被覆盖度的旱地、有林地容易发生误分,橡胶幼林、茶园、灌木林地和草地容易发生混淆。2）基于原始光谱特征、归一化指数、K-T变换指数以及纹理特征分别构建橡胶幼林和橡胶成林决策树分类模型;2010年橡胶成林分类总精度超过90%,橡胶幼林分类总精度超过75%;对同一地区1980、1990、2000年3个时相的决策树分类发现,橡胶幼林和橡胶成林决策树分类模型简单有效,结合晚期的橡胶成林来验证提取早期的橡胶幼林可以达到更高的分类精度。3）1980-2010年间,中老缅交界地区橡胶林地由7.05万hm2增至60.14万hm2,橡胶林地扩张趋势显著;橡胶幼林扩张速度明显快于橡胶成林,特别是近10 a来;西双版纳橡胶种植面积在中老缅交界地区占主导地位,橡胶林地不断向老挝、缅甸边境地区扩张。     

西双版纳橡胶林面积遥感监测和时空变化

旨在利用遥感手段监测橡胶林种植面积,探讨橡胶林的林龄划分方法,揭示橡胶林时空格局变化规律,为认识橡胶林的林龄结构、空间扩展模式和理解区域土地利用变化及其生态环境效应提供科学基础。该文基于RS和GIS技术,研究了西双版纳地区橡胶林的生长过程,并提出了基于橡胶林从种植到生长过程的归一化植被指数(NDVI,normalized difference vegetation index)时间序列变化,判断橡胶林的林龄阶段的方法。并进一步从种植面积、空间分布、林龄结构、地类转变关系4个方面,探讨了西双版纳地区1990-2014年橡胶林的时空变化。研究发现:西双版纳橡胶林按年龄阶段可划分为橡胶幼林(0~5 a)、橡胶成林(5~13 a)、橡胶老林(13 a);1990-2014年,橡胶林种植面积总体上呈增加趋势,橡胶林的林龄结构有所变化。1990年橡胶林空间分布从中心到外围为老林-幼林/成林,2000年变为老林-成林-幼林,2010年和2014年为幼林-老林-成林且这一趋势更为明显;西双版纳自然保护区橡胶林种植面积和种植密度远远低于非自然保护区。橡胶林扩张以侵占天然林为代价,热带季雨林是受橡胶林扩张干扰最强烈的天然林。该研究以2月下旬-4月中旬为提取橡胶林的时间窗口,利用逐旬的归一化植被指数、土壤亮度指数、土壤湿度指数、近红外反射率变化特征提取橡胶林空间分布信息效果较好。此外,基于NDVI阈值的橡胶林林龄阶段判别方法,也具有一定的普适性。     

基于时空滤波Sentinel-1时序数据的田块尺度岭南作物分布提取

为解决岭南地区作物制图中光学影像时空覆盖缺失以及作物种植结构复杂导致不确定性高等问题,以满足对高精度作物制图日益迫切的应用需求。该研究提出了一种基于Sentinel-1的双极化时间序列和作物物候信息建立时空维度典型物候特征的作物分类方法,选择广州市南沙区为试验区,通过XGBoost机器学习算法,实现了田块尺度下的不同作物类型的准确识别及种植面积的精细提取。结果表明：1）相比像素时序特征分类结果,经过雷达时空滤波后的田块时序特征分类方法不仅能有效抑制合成孔径雷达（Synthetic Aperture Radar,SAR）影像斑点噪声产生,而且总体分类精度和Kappa系数分别提高了12.5个百分点、0.19;2）与仅基于Sentinel-1(VV+VH)时空滤波后的全年时序特征分类方法相比,在分类过程中添加物候特征变量的方法表现出更高的精度,Kappa系数可达0.91,甘蔗和香蕉播种面积提取精度分别达到82.04%和71.01%。研究结果表明中高分辨率SAR影像（10 m×10 m）时间序列结合XGBoost算法和雷达数据时空滤波策略可实现区域作物准确识别及种植面积提取,同时,可从数据源与分类方法上为岭南地区农业遥感应用提供思路,对该地区农业灾害管理和灾后救助具有重要参考价值。     

基于HJ-1CCD遥感影像的西双版纳橡胶种植区提取

利用橡胶林第一蓬叶变色-稳定期环境遥感影像作为遥感信息源,根据橡胶林这一时期特有的影像特征,通过监督分类方法实现对西双版纳橡胶种植分布区信息的提取,解决了监督分类时树龄、品种和耕作制度造成的光谱差异问题;监督分类前利用NDVI阈值对非提取目标进行剔除,有效减少了分类数和工作量.分析表明,本次提取精度达到97.6％,较好地反映了西双版纳橡胶种植分布情况,同时对国产卫星的推广应用具有良好的示范作用.     

海南岛天然橡胶林春季物候期的遥感监测

橡胶林第一蓬叶的展叶期、稳定期和老化速度,极大影响橡胶树叶片的数量和质量,从而影响干胶产量,因此,监测橡胶林春季叶片生长情况对防治病虫害、指导割胶作业和林间水肥管理具有积极意义。本研究基于2001-2014年1-5月每16d的遥感增强型植被指数（EVI）分布图,通过计算相邻时段EVI的变化量,分析橡胶林MODIS/EVI指数的时空分布及变化特征,确定判断橡胶叶片春季物候期的EVI指标。结果表明：第一蓬叶展叶期橡胶林平均EVI值为0.4,稳定期平均EVI值为0.5,以此作为这两个生育期的判断标准,对2001-2014年逐年橡胶林第一蓬叶的展叶期和稳定期进行反演,结果表明,海南岛橡胶林叶片平均展叶期出现在3月中旬前期,稳定期主要出现在5月上旬,叶片老化平均历时50d,与历年人工观测结果相比有一定差异,平均偏晚8.2d。该方法简便易行,可以用来监测区域天然橡胶物候的变化态势。     

中老缅交界区2005-2017年土地利用/覆被变化及其生态状况

[目的]以中老缅(中国-老挝-缅甸)3国接壤地带为例,通过对其土地利用/覆被的演变过程及生态状况的评估,为该区土地资源的合理利用与生态风险的降低防控提供依据。[方法]基于研究区土地利用/覆被遥感影像数据,通过构建土地利用/覆被变化趋势与状态指数等模型,对其2005-2017年的演变过程及生态状况进行测度。[结果]①研究区以林地、耕地为主导,土地利用组合的一致性较强,但作为多国接壤地带,该区土地利用程度存在一定的国别分异;②随时间演进,研究区土地利用的结构及变化幅度均发生了显著的时空及地类分异,其中林地扩张显著,耕地大幅减少而草地及水体的面积变化相对平稳,后6 a的土地利用变化幅度整体高于前6 a;③12 a间,研究区土地利用变化整体呈不平衡状态,各地类间的变化趋势与状态差异较为显著。随时间演进,受林地外延扩张态势减弱等影响,研究区土地利用变化的稳定性有所增强,但各地类间的变化趋势与状态差异略显增加;④2005-2017年,研究区生态状况整体改善,且国别与空间分异有所减小,12 a间,老挝段生态状况整体较优,缅甸段次之,而中国段的生态状况相对较差,生态综合功能高值区与3国交界处间的距离整体减小。[结论]研究区土地利用/覆被的演变过程及生态状况存在一定的国别分异及阶段性变动特征,中老缅3国对其接壤地带生态本底功能的修复与提升工作正不断增强。     

GEE联合多源数据的西安市土地利用时空格局及驱动力分析

近十年来,西安市经济快速发展,人地矛盾日益突出,开展西安市土地利用时空演变及驱动因素研究,对促进土地资源优化配置及生态环境可持续发展具有重要意义。该研究利用谷歌云计算平台（Google Earth Engine,GEE）在长时序分析中所具有的运算处理效率高、多源数据融合便捷、可有效降低云影响等独特优势,联合Landsat TM/OLI光学影像和PALSAR雷达影像,构建基于光谱、地形、纹理和后向散射特征的分类特征集,采用随机森林（Random Forest,RF）算法实现2010、2015和2019年西安市土地利用快速分类,分析土地利用格局时空变化规律,并利用地理探测器从自然和社会两方面探讨土地利用格局变化的驱动机制。结果表明：1）2010、2015和2019年西安市土地利用RF分类效果良好,精度较高,总体精度分别为92.30%、86.66%和90.78%,对应Kappa系数分别为0.89、0.81和0.88。2）西安市主要土地利用类型为林草地和耕地。近十年来,耕地面积大幅减少,以主城区外围最为显著;建设用地剧烈扩张,以中北部地区最为典型,大量耕地为建设用地所取代;林草地先减后增,在中南部及东部地区变化明显;水域和未利用地呈现逐年渐减的特征。3）地形、温度和降雨等自然因素是土地利用格局变化的基本控制因素,工业生产活动对西安市土地利用变化具有重要影响,且解释力不断增大,人口解释力先增后减,地形、人口和经济等因素的交互作用影响土地利用总体格局。基于GEE联合多源遥感数据,采用RF分类和地理探测器分析能够有效反映土地利用时空变化格局及其驱动机制,可为城市土地资源规划管理提供科学依据。     

橡胶林常见病虫害防控策略

橡胶产业作为国内朝阳产业之一,近几年都处于快速发展的状态中,伴随着我国工业化程度的不断提高,橡胶的需求量也逐年递增。但目前我国只有极少数区域种植橡胶树,并且受到病虫害的影响极为严重,橡胶产量不高,制约了橡胶产业的发展。为改善橡胶林种植状况,扩大橡胶林种植面积,解决我国橡胶需求量激增的问题,急需对橡胶病虫害进行科学有效的防控。基于此,分析总结了防治橡胶病虫害的必要性,并结合原有的防控经验,对当前存在的白粉病、六点始叶螨、介壳虫进行深入研究,提出科学有效的防控策略。     

基于GIS的儋州市橡胶种植用地适宜性评价

为了充分合理利用儋州市丰富的橡胶土地资源,运用GIS与数学模型对橡胶用地适宜性进行评价。结果表明,儋州市宜橡胶用地面积为17.11万hm2,占全市农用地总面积的67%。全市宜橡胶用地质量总体较好,其中橡胶最适宜、适宜和次适宜用地面积分别是6.08万hm2、6.91万hm2和4.12万hm2,分别占宜橡胶用地面积的35.55%、40.39%和24.07%;风害、旱、涝、障碍层砂砾多、土壤养分贫瘠等是儋州市橡胶用地的主要限制因子。     

基于GEE的广西北部湾沿海水产养殖池塘遥感提取

沿海水产养殖池塘带来经济效益的同时,也会引起诸多环境问题,了解其空间分布对于海岸带的科学管理和渔业可持续发展具有重要意义。广西北部湾海岸带地形错综复杂,养殖池塘沿岸线散乱分布,导致传统遥感识别方法难以实现高精度提取。针对此问题,该研究提出一种基于Google Earth Engine（GEE）平台和全年Sentinel-1和Sentinel-2时序遥感数据的水产养殖池塘识别方法,结合多阈值分割和面向对象分类提取2019年广西北部湾海岸带的水产养殖池塘。结果表明：1）广西北部湾海岸带养殖池塘面积总计199.3 km2,遍布整个沿岸地区;识别结果总体精度达到0.921,Kappa系数为0.842;2）选取4个典型区域,对比该研究方法提取结果与Google高清影像目视解译结果,在规模化集聚型养殖区域中,识别结果占目视解译的面积比例达到90%以上,在排布密集的小型池塘区域面积占比也能达到80%以上;3）以时序遥感数据作为分类特征值,能够有效排除废弃池塘、水稻田和季节性水域。该方法在大范围复杂环境中仍具有良好性能,显著提高了水产养殖池塘遥感识别的精度,能够为海岸带生态环境的智能监控、养殖区域空间优化提供技术支持。     

耕地细碎化农业区冬小麦遥感制图方法

从遥感影像中提取作物播种面积和空间分布对耕地可持续发展和粮食安全意义重大。目前的遥感小麦制图研究主要依靠光学图像和高复杂度的分类方法,且现有分类算法在小样本条件下、耕地细碎化农业区的分类性能以及时间迁移性能仍然不确定,探索适合小样本的低复杂度的稳定算法具有现实意义。该研究基于Google Earth Engine（GEE）遥感云平台,使用Sentinel-1 SAR和Sentinel-2光学时间序列遥感数据,评估了时间加权动态时间规整算法（Time-Weighted Dynamic Time Warping,TWDTW）、随机森林算法（Random Forest,RF）和基于相似性测度（Difference and Similarity Factor,DSF）的OTSU阈值法在小样本条件下、耕地细碎化农业区的冬小麦制图精度和时间迁移性能。研究结果表明,在有限样本条件下,TWDTW方法小麦制图精度最高,总体精度（Overall Accuracy,OA）和Kappa系数分别为0.923和0.843;其次是RF（OA=0.906,Kappa=0.809）和DSF算法（OA=0.887,Kappa=0.767）;基于欧式距离的OTSU阈值法分类精度最低。当利用算法进行时间迁移分类提取2021年的冬小麦分布图时,TWDTW和DSF算法表现出更好的稳定性且分类精度优于RF算法,其中TWDTW算法的精度最高,OA和Kappa系数分别为0.889和0.755;RF算法分类精度下降明显,OA和Kappa系数分别降低了7%和19%,说明RF算法的迁移分类性能较差。综合来看,TWDTW算法对样本和耕地细碎化的敏感性较低,可以在有限样本条件下实现耕地细碎化农业区的高精度连续冬小麦制图;而RF算法对样本和耕地细碎化的敏感性较高,在有限样本条件下的耕地细碎化农业区进行连续冬小麦制图时稳定性较差。     

基于多源遥感数据的纳板河国家级自然保护区人类活动用地监测

人类活动对自然保护区内的珍稀及濒危野生动植物资源产生威胁。以自然保护区土地利用及其变化作为保护区内人类活动的代表。针对在低纬度热带地区多云雾天气对光学遥感成像产生严重干扰的条件下,如何实现基于多源遥感数据构建高时间、高空间分辨率遥感数据,监测复杂地形及气候环境下的热带雨林环境自然保护区土地利用变化监测,进而分析保护区人类活动这一问题展开研究。采用时空数据融合技术实现了2000年、2004年、2010年和2015年纳板河国家级自然保护区内人类活动(主要为人类活动用地:橡胶林、耕地、建筑用地)和自然地表(水体和自然林)分类识别,结果表明:1)时空数据融合技术能够实现复杂地形以及多云多雾天气条件下的高时空分辨率遥感数据,实现基于该时间序列数据的人类活动用地较高精度识别(2000年、2004年、2010年、2015年的总体分类精度分别为88.13%、86.88%、89.38%、90.63%,Kappa系数分别为0.834 0、0.817 6、0.853 3、0.871 1);2)纳板河国家级自然保护区内2000年至2015年期间,自然林的面积持续减少,橡胶林、耕地及建筑的面积持续增加;3)保护区内人类活动随地形的变化特征是:橡胶林及耕地范围在向坡度较大的地区扩张,大部分橡胶林种植在坡度为13?~24?之间,耕地也在向坡度较大的地区逐步扩张。该研究可为自然保护区监管部门及环境保护研究领域提供技术支持。     

青海诺木洪地区多源遥感及多特征组合地物分类

遥感技术是研究土地覆盖类型的重要手段，但大部分研究仅采用单一数据源、少特征，该研究基于GEE环境对多源遥感数据、多特征协同进行地物类型分类研究。采用哨兵一号（Sentinel-1）合成孔径雷达数据、哨兵二号（Sentinel-2）多光谱数据和国产高分二号（GF-2）多光谱数据，构建了青海省诺木洪地区地表8类地物的波段特征、植被指数特征、纹理特征和极化特征空间，利用特征优化算法和RF算法实现了研究区域地物的有监督分类，以此评估构建的多特征空间性能及多源数据协同分类的能力。结果表明，基于Sentinel-1与Sentinel-2数据源，使用多特征空间协同分类时的总体精度和Kappa系数可达到97.62%和0.971 6，精度均高于使用单一数据或部分特征的分类精度（总体精度为95.91%，Kappa系数为0.951 1）。而基于Sentinel-1、Sentinel-2与GF-2数据提取的波段、植被指数、纹理特征和极化特征进行的协同地物分类结果总体精度达到了96.67%，Kappa系数达到了0.960 2。总体上，基于多数据源、多特征协同分类结果精度要优于单一数据源或少特征分类结果，而不同空间分辨率图像提取的纹理特征对分类结果有着不同影响，在适宜的分辨率下提取纹理特征参与分类才能达到更好的效果。     

基于Sentinel-2影像的西南山区不同生长期水稻识别

山区水稻种植呈现破碎分散的特点,中低分辨率的遥感影像分类效果不甚理想,需要寻找适用于山区水稻提取的遥感数据源和监测方法;水稻在不同生长阶段有不同的形态特征,适用的分类特征与得出的分类结果显然不同。该研究以Sentinel-2影像为数据源,对不同生长阶段的水稻进行提取。选取波段特征、植被指数、红边指数、水体指数、地形特征、纹理特征等58个分类特征,运用SEaTH算法进行筛选后,采用随机森林分类法进行分类,并构建误差矩阵比较分类结果。结果表明,分类特征经过筛选后,数量分别为发育期16个、生长期13个、成熟期12个;分类结果进行精度验证后,用户精度分别为发育期0.93、生长期0.88、成熟期0.85,水稻发育期为提取水稻的最佳时期。Sentinel-2影像和随机森林方法可作为理想的数据源和监测方法用于山区水稻时空信息的提取。     

基于Google Earth Engine的淮河流域越冬作物种植面积制图

越冬作物是中国重要的作物类型,其面积的变化不仅对中国粮食产量和经济产生直接的影响,还潜在地影响中国的粮食安全,因此有必要准确绘制越冬作物种植面积图来为决策制定者提供科学参考。该研究以淮河流域为例,基于Google Earth Engine云平台,融合时间序列Landsat-7/8和Sentinel-2A/B卫星影像,采用S-G（Savitzky-Golay）滤波器重构作物时间序列的归一化差异植被指数（Normalized Difference Vegetation Index,NDVI）,根据不同植被类型物候期的差异,选取越冬作物生长旺盛期NDVI最大值、越冬作物播种期和收获期中相应的NDVI最小值和中位数,在像元尺度上构建越冬作物提取算法,绘制淮河流域越冬作物的种植面积。研究结果表明,所构建算法能够精确提取淮河流域越冬作物的种植面积,总体精度为95.8%,Kappa系数为0.912,该研究可为作物面积的提取和监测提供方法参考。     

基于Google Earth Engine的典型峰丛洼地石漠化时空演变与驱动因子分析——以西畴县为例

石漠化是岩溶地区阻碍经济可持续发展、影响生态环境的重大问题,随着近几十年石漠化治理的开展,石漠化扩张的趋势已经得到了极大遏制。以我国典型峰丛洼地地貌的云南省文山州西畴县为研究区,基于遥感云计算平台Google Earth Engine(GEE)以1990年、2000年、2010年、2020年四期Landsat遥感影像为数据源,利用转移矩阵分析西畴县近30年石漠化动态变化,并采用地理探测器分析了西畴县石漠化形成的驱动因子。主要结论如下:(1)30年间西畴县石漠化演变总体呈现先小幅减少,再扩张,然后大幅减少的趋势,从时间上来看1990—2000年,石漠化类型转变主要是轻度和潜在石漠化向无石漠化转移,2000—2010年石漠化类型转变主要是无石漠化向潜在和轻度石漠化转移,2010—2020年石漠化类型转变主要是潜在、轻度和中度石漠化向无石漠化转移; 从空间上来看,西畴县石漠化分布北重南轻,在石漠化治理成效上,整体都呈现好转,石漠化改善面积为850.183 km²,在莲花塘乡西北部、新马街乡的东北部、鸡街乡和西洒镇的交界处也存在零星恶化,恶化面积为51.715 km²。(2)1990—2020年30年间,西畴县石漠化治理取得了巨大成效,到2020年西畴县无石漠化土地面积已经达到940.854 km²,共有648.476 km²的石漠化土地转化成无石漠化土地;(3)地理探测器分析结果表明西畴县石漠化形成的主要驱动因子为坡度和GDP交互作用(q=0.645),人口密度和GDP交互作用(q=0.639)这两对组合。(4)通过编程在遥感计算云平台Google Earth Engine(GEE)上在线获取和处理遥感数据,可以较大限度地提高工作效率。利用云计算实现石漠化表征因子的提取,解决相关地学问题,可为后续相关研究提供强有力的技术支撑。     

Forest degradation deepens around and within protected areas in East Asia

Forest degradation in protected areas has been monitored around the world with remote sensing data, but degradation processes undetectable by widely used satellite sensors have been largely overlooked. Increased human pressures and socioeconomic development make forest protection more challenging, particularly for forest ecosystems that lie across national borders because of the differences in national socioeconomic policies and conditions within them. Here with Landsat data, Google Earth images, and field observations, we show that, in two adjacent biosphere reserves across the border of China and North Korea, over one half of primary forest landscapes have been deteriorated by exploitive uses, including seed harvesting and systematic logging. The combined effects of detectable and hidden degradation processes have further damaged forest ecosystems in the core areas in the two biosphere reserves, threatening sustainable biodiversity conservation in the region. It is urgent to develop cross-border collaborative conservation strategies that can help combat both detectable and hidden degradation processes at a regional scale.     

基于主被动遥感数据和面向对象的大蒜识别

针对开封市大蒜种植破碎化程度高,光学数据难以高精度、快速提取问题。该研究基于谷歌地球引擎（Google Earth Engine,GEE）云平台、随机森林算法（Random Forest,RF）和面向对象方法,选择融合Sentinel-1卫星的后向散射系数与Sentinel-2卫星的光谱、光谱指数及纹理特征,分别应用10 m与加入植被红边波段的20 m空间分辨率遥感数据,探究不同特征组合对改善大蒜识别精度的性能。试验结果表明：应用10 m空间分辨率的Sentinel主被动遥感数据,在简单非迭代聚类（Simple Non-iterative Clustering,SNIC）分割尺度为5,灰度共生矩阵（Gray-level Co-occurrence Matrix,GLCM）邻域值为4,7个纹理特征选择第一、二主成分时,分类总体精度和Kappa系数最高,为94.54%、0.93,大蒜的制图精度和用户精度为97.83%、96.38%。应用加入植被红边波段的20m空间分辨率Sentinel主被动遥感数据,在SNIC分割尺度为3,GLCM邻域值为4,7个纹理特征选择第一、二主成分时,分类总体精度和Kappa系数最高,为94.14%、0.92,大蒜的制图精度和用户精度为95.72%、98.81%。单独使用Sentinel-2光学数据,加入植被红边波段的20m分辨率数据相对10 m分辨率数据,大蒜制图精度和用户精度分别提高0.49%和4.38%。单独使用时序Sentinel-1 SAR数据,10 m空间分辨率数据的大蒜制图精度和用户精度优于20 m分辨率数据0.66%和2.07%。本研究为遥感数据识别生长周期相同或重叠的大宗、小宗经济作物提供技术参考。     

黄土高原地区土地覆盖类型的时空格局

[目的] 构建黄土高原地区长时序、高精度的土地覆盖数据集,对该区2001—2020年土地覆盖的时空格局进行分析,并为该地区生态环境保护和可持续发展提供科学依据。[方法] 利用多源、多时期土地覆盖产品和地面特征数据构建训练样本,并使用谷歌地球引擎（Google Earth Engine,GEE）平台和随机森林分类模型生成黄土高原地区土地覆盖（land cover of Loess Plateau,LCLP）数据集。在此基础上,通过空间分析和一元线性回归模型对黄土高原地区土地覆盖类型的时空格局进行分析。[结果] 基于随机森林验证集的结果显示,LCLP产品的总体精度和kappa系数均高于90%。基于独立验证集的精度验证结果显示,LCLP的总体精度较现有产品提高了0.58%～20.23%。同时,耕地、林地、草地、不透水面和裸地的分类精度均得到了提升。[结论] 本研究构建的LCLP数据集分类精度相较于其他产品有了显著提升,适用于反映黄土高原地区土地覆盖的变化。2001—2020年,黄土高原地区耕地和灌木呈现下降趋势,而林地、水体和不透水面呈现为极显著的上升趋势。从土地覆盖的变化情况来看,耕地和草地是其他土地覆盖类型新增的主要来源。