土地覆盖变化范文

土地覆盖变化范文（精选10篇）

土地覆盖变化 第1篇

关键词：土地覆盖,变化检测,多源数据,面向对象影像分析

引言

土地覆盖变化检测, 简言之, 就是根据对同一物体或现象不同时间的观测来确定地表覆盖变化的处理过程[1]。

随着社会、经济和科学技术的快速发展, 人类对地表景观的开发、利用以及引起的土地覆盖变化已经成为全球环境变化的主要原因。为此, 国际地圈/生物圈计划 (IGBP) 和全球环境变化中的人文领域计划 (HDP) 于1995年联合提出“土地利用与土地覆盖变化” (Land use and land cover change, LUCC) 研究计划。时至今日, 土地覆盖变化仍是全球变化研究的前沿和热点。

本文在归纳总结变化检测技术现状的基础上, 分析了变化检测的基本流程, 重点对比分析了目前常用的变化检测方法, 并针对变化检测面临的困难探讨了未来变化检测的发展趋势。

1 土地覆盖变化检测的基本流程

变化检测的工作流程一般包含数据输入、数据预处理、特征提取、变化检测和精度评估5个基本步骤 (如图1所示) 。

1.1 数据输入

研究地表地物变化, 首先要选择与目标特征相匹配的数据源[2]。根据时间和费用预算, 输入的数据可以是具有合适分辨率的遥感影像, 也可以是地形图、DEM或专题图等其他GIS数据。最大程度地利用多源数据的差异部分, 减小多源数据的“冗余”是利用多源数据的参考原则之一[3]。

此外, 还应根据检测对象的时相变化特点来确定数据获取的频率, 如若干年一次、若干季一次或若干月一次等。相关研究表明, 最小3～4年的时间周期才能用来较为精确地检测土地变化, 提高时间间隔如1～2年检测结果会更优[3]。用来对比的空间数据应尽可能处于不同时期的相同或相近月份和时刻, 以消除太阳高度角、季节和物候差异的影响。

1.2 数据预处理

变化检测对数据的预处理要求较高。非遥感图像数据的预处理包括数据格式转换、矢量化采集、专题数据抽取以及坐标系转换等。

遥感图像预处理则包括图像增强与滤波、图像裁剪、图像镶嵌、几何校正和辐射校正。其中几何校正与辐射校正对变化检测结果的影响最大, 因此最为关键。

几何校正大都以一期影像为参考直接对其他影像进行相对几何配准, 使用ERDAS软件的AutoSync模块功能可实现配准的自动化和批量化处理[4]。Jensen (1987) 认为对于航空遥感影像2.26个像素的配准精度就足够了;而Townshend (1992) 用LandsatMSS数据进行的定量研究表明, 要获得90%的检测精度, 配准精度要小于0.2个像素。虽然目前关于几何校正对变化检测精度的影响缺乏全面深入的研究, 但通常认为各时相影像之间的相对位置误差 (均方根误差) 小于1个像素可以接受, 最好应小于0.5个像素。

辐射校正方法分为绝对辐射校正和相对辐射校正两种类型[5]。由于测量大气参数和地面目标昂贵且不切实际, 尤其对于历史数据几乎不可能做到, 所以一般采用相对辐射校正。其中, 直方图匹配法和图像回归法最为常用。

1.3 地物特征的提取

常用的图像特征包括3类:光谱统计特征、纹理特征和形状特征。

在使用单类特征进行的图像分类研究中, 单独使用光谱统计特征、纹理特征或形状特征得到的分类精度分别为90%、75%和30%。王文杰 (2009) 依此指出在多特征融合的变化检测中, 三种特征的融合权重应分别为0.46、0.38和0.16 (即9:7.5:3) 。

1.4 变化检测

目前提出的变化检测方法很多, 各国学者从不同的角度进行了总结归类。

早期的学者将变化检测分为图像直接比较法和分类后比较法[6]。其后有学者根据变化检测的信息层次把变化检测分为像素级、特征级和决策级。目前采用最多的是根据变化检测所采用的数学方法种类而提出的7类划分法[7]。国内学者周启鸣 (2011) 从变化检测的本质策略出发将变化检测方法归类为:直接比较法、分类比较法、面向对象比较法、模型法、时间序列分析法、可视化法和混合法。

变化检测方法的分类及其典型代表和优缺点如表1所示。

1.5 精度评估

变化检测的精度依赖许多因素, D.LU等 (2004) 将其归结为8个方面:图像几何配准精度、辐射校正或归一化精度、对地面情况的了解程度、研究区域的复杂程度、变化检测方法、分类和变化检测方案、分析技能和经验以及时间经费的限制等。其中, 几何配准、辐射校正和变化检测方法对结果的影响最大。

总体而言, 目前变化检测的精度评估主要是基于像素级的, 过度依赖“变化真值”的获取, 其中误差矩阵和Kappa系数评价方法最成熟最常用;对如长时间序列影像变化检测这种难以获取变化真值的情况需加强研究;缺乏特征级的评估方法;针对面向对象变化检测技术的精度评估研究几乎是空白。

2 土地覆盖变化检测方法对比分析

面对大量的变化检测方法, 许多学者从不同角度选择其中一部分进行了定性或定量比较、评价, 普遍认为变化检测是一个复杂的处理过程, 不存在适用于所有情况的“最优”方法。Virag和Colweii就曾指出, “对于一个特定的场合, 使用什么样的变化检测方法能获得最佳的检测结果, 取决于其特定的应用领域 (地物环境、目标以及感兴趣的变化类型) , 以及对变化细节的需求程度”。所以在实际应用中通常需要对几种方法进行测试和比较, 选择一种相对较优的方法。

面向对象影像分析技术早在20世纪70年代就应用于遥感影像的解译中, 它是结合了GIS和遥感两大工具的一种新型地学分析工具。近年来的研究与应用已经证明[8,9,11,12]:面向对象影像分析能很好的与传统变化检测方法以及多源数据相结合, 基于面向对象的变化检测方法明显优于传统的像素级变化检测方法 (检测精度更高, 方法更自动化且能有效抑制“椒盐”现象) , 其结果可直接进行变化检测的定量分析。

3 土地覆盖变化检测的发展趋势

变化检测的困难主要体现在两个方面:从理论上看, 变化检测是一个不完备的信息反演问题, 目前仍缺乏系统的理论基础研究。从实践上看, 现有的变化检测方法主要是面向具体应用提出来的, 其中的许多步骤和参数需要依靠经验指导, 自动化程度偏低。

针对这些问题, 未来的土地覆盖变化检测应具有以下特点:

从数据源的角度来看, 将多分辨率遥感影像及其他GIS数据集成起来处理分析能有效弥补单纯依靠光谱识别变化的不足, 提高变化检测数据的完备程度。

从处理过程的角度来看, 需要将影像配准与变化检测当作一体来处理。进一步考虑到立体影像的情况, 可将立体参数解算、配准、三维重建等与变化检测一体化处理, 解决目前配准与其他步骤割裂造成的误差积累与扩散问题[10]。

从方法策略的角度来看, 有学者发现[11,12,13]:在不同尺度、特征和方法下得出的检测结果之间通常具有互补性, 用一种策略检测不到的变化往往可以用另一种策略检测出来。在吸收模式识别理论和数据挖掘技术精华的基础上研究多尺度、多特征、多方法变化检测的融合策略, 对于提高变化检测结果的可靠性与实现变化检测的自动化智能化具有深远意义。

从精度评估的角度来看, 有必要建立一个标准的精度评估体系, 将每个步骤对最终结果的影响 (即产生的误差) 转化为相同 (或具有可比性) 的指标, 为变化检测技术/方法的自动比较与智能选取铺平道路。

土地覆盖变化 第2篇

针对山地城市复杂的城市地貌和下垫面类型,本文使用TM、DEM、ETM+等遥感影像资料,提取了重庆市土地利用覆盖类型;借助TM、MSS等遥感数据的红外波段,反演出1988年和的地表温度.分析了重庆市近十年的土地覆盖变化及其对地表温度的影响,结果表明,在1988～20间,研究区土地覆盖变化明显,特别是城市土地覆盖面积有显著增加.土地覆盖类型的变化会改变地表温度的空间分布,尤其是城市土地的扩展会提高地表温度.对山地、丘陵、平坝、陡坡四种耕地的.地表温度进行了深入分析与研究,结果表明:山地城市土地覆盖变化引起了植被覆盖度的变化,而植被覆盖度的变化又相应地影响了地表温度的变化,植被覆盖度每下降10%,地表温度上升0.49K.

作 者：彭征 廖和平郭月婷 李清 PENG Zheng LIAO He-ping GUO Yue-ting LI Qing  作者单位：彭征,郭月婷,PENG Zheng,GUO Yue-ting(西南大学资源环境学院,重庆,400716)

廖和平,李清,LIAO He-ping,LI Qing(西南大学地理科学学院,重庆,400715)

天水市植被覆盖变化动态遥感监测 第3篇

关键词：天水市；植被覆盖；动态变化；遥感监测

植被是地表生态系统的重要组成部分，有水土保持，调节气候和改善环境质量等作用。近10年来，随着关中—天水经济区的建设和发展，天水市区域植被覆盖度有着很大的变化。但天水植被覆盖面积有限，区域生态环境脆弱，植被覆盖在生态功能中扮演着重要的角色，生态保护显得尤为重要。分析植被覆盖变化可为该区域人地和谐发展及生态保护提供科学参考。

植被覆盖度是指植被植株冠层或叶面在地面的垂直投影面积占植被区总面积的比例，是评价生态环境优劣的重要指标，可反映地表植被分布规律，有利于分析和监测植被动态变化。[1]

其范围分布在0-1之间，数值越大表明植被覆盖度越高。

遥感技术是用先进的对地观测探测器为技术手段，对目标物进行遥远感知的整个过程。已广泛应用于资源、环境、生态研究的众多领域[2]

与实地调查和观测法相比，其在投入成本与及时监测植被覆盖变化等方面有着明显优势。

1 研究区概况

天水市位于甘肃东南部，属温带大陆性气候和亚热带气候的过渡地带，年平均气温11.5℃，年平均降水量574mm，海拔在1000到2100m之间。地貌区域分异很明显：东部与南部由于古老地层褶皱而隆起，形成了山地地貌；北部受地质沉陷和红土层、黄土层沉积的原因，形成了黄土丘陵地貌；中部受纬向构造带的断裂原因，形成了渭河地堑，经过第四纪河流发育与侵蚀堆积作用，形成了渭河河谷地貌。

2 数据来源及处理平台

本文数据来源于中国科学院对地观测与数字地球科学中心。遥感数据采用的是2006年6月Landsat7 ETM 和2013年6月 Landsat4-5 TM影像数据。使用Arcgis软件和Erdas软件处理数据。天水市2006年和2013年原始遥感图像如下：

图1 2006年原始图像 图2 2013年原始图像

3研究区植被变化遥感分析

关于遥感测量植被覆盖度的方法，Purevdorj等人将其归结为三种，分别是盖度—幅射关系模型法，植被指数法和混合模型法。其中植被指数法是使用植被指数直接来估算植被覆盖度的一种方法，其所用的植被指数可能是现有的植被指数，也可能是研究者为了测量植被覆盖度所发展出来的新植被指数。

本研究采用的方法是NDVI植被指数法，NDVI植被指数法经常被用来监测植被变化的情况，也是通过遥感来估算植被覆盖度的研究中常用的植被指数。其计算公式为：NDVI=NIR-R/NIR+R 其中，NIR为近红外波段（0.7～1.1?m），R为红波段（0.4～0.7?m）。NDVI计算结果会分布在0至1之间，一般说来，NDVI数值越高说明植被覆盖度越高、长势越好。

图像预处理包括图像几何校正，图像裁剪处理和图像镶嵌处理三个部分。由于遥感系统波谱、空间、时间及辐射分辨率的限制，因而很难精确地记录相对复杂地表的信息，所以数据获取过程中可能存在着一些误差。这些误差降低了遥感数据的图像分析的精度和质量。因此在图像处理和分析之前，先对遥感原始图像进行了预处理。通过图像增强技术，改善图像质量，突出所需要的信息，为进一步的图像判读做好准备，如下图：

图3 预处理后的2006年图像 图4 预处理后的2013年图像

然后利用NDVI提取植被指数，最后得到的NDVI指数图如下：

图5 2006年植被DNVI指数图 图6 2013年植被DNVI指数图

4结果分析

用Arcgis对得到的NDVI指数进行重分类，分为5类，依次为0-0.2；0.2-0.4；0.4-0.6；0.6-0.8；0.8-1.0，得到各类指数对应的面积，如表1所示：

表1 2006年和2013年天水市植被覆盖面积

植被覆盖指数 2006年植被覆盖面积（km2） 2013年植被覆盖面积（km2）

0～0.2 10110 5048

0.2～0.4 1933 4177

0.4～0.6 1999 2340

0.6～0.8 1207 4827

0.8～1.0 916 1358

从上表可看出，2006—2013年，天水市植被覆盖发生了明显变化，植被覆盖面积呈增加趋势，其中植被指数低于0.2的低植被覆盖区域减少了将近一半。不同植被覆盖度等级变化中，高植被覆盖度面积有所增加，中植被覆盖区域和低植被覆盖区域的变化趋势主要是由低植被覆盖度向中植被覆盖度转变，表明天水市植被覆盖面积越来越大。

植被覆盖面积呈增加趋势的结果与天水市的植被变化调查结果相一致。这个变化很大程度上和土地利用的变化、相关政策与人类对资源的需求量与是否对资源进行了合理的开发利用等人为因素有关。近几年在相关政策的引导与推动下，天水市在发展经济的同时每年进行植树造林，植被覆盖面积增加的同时大气环境也有所改善。在今后的经济发展过程中，应该完善并加强生态环境保护措施，且须继续加强植树造林与种草面积，尽可能实现土地的合理利用。

参考文献

土地覆盖变化 第4篇

国内外有关城市土地覆盖变化及地表温度响应研究主要集中在反演模型的建立以及如何提高反演的精度, 其中多种信息源的综合应用也是近年来研究的主要方向。目前, 常用的地表温度反演模型主要有:大气校正法, Jim&Sobrino提出的单通道算法[2]以及谭志豪的单窗算法[3];多种信息源的综合应用方面主要是李海峰[4]的多源遥感数据在城市热环境上的研究。随着遥感与GIS技术的发展, 其为通过遥感监测土地覆盖类型和地表温度的变化提供了技术支持。多时段的遥感数据 (TM数据、ETM数据、Modis数据等) 为定量研究地表覆盖类型以及地表温度变化的关系提供了可靠的数据来源。基于此, 本文通过多时段的TM数据评价了长沙地区地表覆盖类型变化对地表温度变化的影响。通过监测各土地覆盖类型利用及其温度变化情况, 为快速评价城市扩张对生态环境带来的压力以及更为合理规划城市布局提供了一定参考。

1 研究区域

长沙市位于湖南省东部, 属亚热带季风性湿润气候, 气候温和, 降水充沛, 雨热同期, 四季分明。长沙市区年平均气温17.2℃, 各县16.8℃~17.3℃, 年积温为5457℃。夏季日平均气温在30℃以上有85天, 气温高于35℃的炎热日, 年平均约30天, 盛夏酷热少雨。近年来, 随着长株潭城市群战略地实施, 使得该地区的土地覆盖类型发生剧烈变化。本文研究区域包含长沙市市区以及长沙县部分地区, 中心纬度28.1476, 中心经度113.2688 (图1) 。

2 研究方法与数据来源

2.1 数据来源及处理

采用1996年10月份, 条带号123、行编号40;条带号123、行编号41以及2009年9月份, 条带号123、行编号40;条带号123、行编号41, 四幅LANDSAT5 TM数据。对数据进行拼接、裁剪, 几何校正等处理, 具体包括:通过遥感软件对1996年10月份和2009年9月份两期Landsat TM数据以波段2、3、4假彩色组合进行最大似然分类, 得到了研究区土地利用类型图。本文将研究区分为城市、建设用地;林地、灌木;水体;水田;旱地;未利用六种用地类型。利用ENVI、ERDAS等软件对影像进行辐射标定、几何校正、图像增强处理、图像分类、精度评价等处理, 分别得了到研究区1996年、2009年两期土地利用覆盖图。并使用ENVI等遥感软件得出了1996~2009年土地覆盖类型转移矩阵, 统计出每类用地的增减以及用地类型之间的相互转移情况。

2.2 地表温度反演的方法

地表温度反演是依据遥感技术手段提供的可测参数值去反推地表温度。目前比较常用的方法有:大气校正法、单窗算法、劈窗算法。其中大气校正法要求研究区的大气剖面数据, 但是在实际操作中这些数据往往难以获取, 因而影响了应用范围。而劈窗算法虽然精度较高, 但需要根据两个相邻热红外通道 (一般为10.5~11.5μm、11.5~12.5μm) 对大气吸收作用的不同, 通过两个通道测量值的各种组合来剔除大气作用的影响, 来进行大气和地表比辐射率的修正[5]。

2.2.1 单窗算法

仅用一个热红外波段反演地表温度的方法称为单窗算法, 本文采用谭志豪单窗算法。通过引入大气平均温度的概念和根据地表热传导方程提出利用TM数据获取地表温度的单窗算法。根据前人研究:在没有探空数据的情况下, 对于只有一个热红外波段的TM5数据采用该单窗算法反演地表温度效果较好[6]。该算法采用公式 (1) 反演地表温度。

式中:Ts、T6、Ta分别是地表温度 (K) 、卫星高度热红外辐射亮度温度 (K) 、大气平均作用温度 (K) ;a6、b6是常量, 根据研究区的情况, 这里分别取-67.355251、0.458606;C6、D6是中间变量, 分别采用公式 (2) 和公式 (3) 计算。

式中:ε6表示地表反射率;τ6表示大气透射率。

2.2.2 大气透射率

地表辐射在大气层中的传到会受到气压、气温、气溶胶含量、大气水分含量等的作用而产生衰减, 因此准确的求算大气透射率需要较详细的大气剖面数据, 但是这些数据一般很难获取。前人研究表明:大气水分含量是影响大气透射率的主要因素。根据文中所数据采集的时间, 本文采用的是高气温、大气总水汽含量w在0.4~1.6 (g/cm2) 之间的大气透射率计算模型。估算方程见公式 (4) 。

式中:w是大气水汽含量, 大气中的水分主要集中在对流程, 其中对流层空气柱中水汽总量也称为可降水量, 可降水量可以通过与地面水汽压之间的关系确定, 其中e是绝对水汽压 (h Pa) :w=0.0981e+0.1697[8]。

2.2.3 地表比辐射率

地表比辐射率 (LSE) 是地物向环境辐射电磁波能力的一种指标, 是地表温度反演重要的基本参数。地表比辐射率常用的计算方法有两种:经验公式法、混合像元法。其中经验公式法主要是Van de Griend等人[9]提出的, 由于归一化植被指 (NDVI) 与地表比辐射率有着很好的正相关, 因而可以在一定程度上反应地表比辐射率的情况。本文根据可见光和近红外光谱信息采用混合像元分离法 (HHXY) 研究区的地表比辐射率。将研究区的遥感影像分为水体、城镇、自然三种表面类型。其中水体像元单一, 其比辐射率为0.995、自然 (εs) 、城镇 (εb) 表面比辐射率计算方程分别为公式 (5) 和公式 (6) 。

式中:vP是植被所占的混合像元比例, 也可以理解为研究区的植被覆盖度。可以通过公式 (7) 计算得到。

其中:NDVI为植被归一化指数、NDVIs是土壤的植被指数、NDVIv是植被的植被指数, 本文分别取NDVIs=0.00;NDVIv=0.70。

2.2.4 卫星高度亮度

TM数据使用灰度值 (DN值) 来表示了卫星高度传感器所接收的辐射能量强度。对于LANDSET5热红外波段的中心波长是11.475μm。其热辐射值和DN值之间的关系近似简化为:

式中:Q (dn) 为热红外影像的像元辐射强度、L (λ) 为热红外影像辐射标定值。其卫星高度亮度 (T6) 计算方程为公式 (8) 。

式中:DNTM6为LANDSET5热红外波段的像元亮度值。

2.2.5 大气平均作用温度

由于没有实时大气剖面数据, 本文根据研究区所在的地理位置, 采用中纬度夏季高温标准大气来替代实时大气数据。由公式 (9) 计算得出。

式中:T0为近地点平均空气温度, 可根据研究区实际气象资料确定。

3 结果与分析

3.1 1996~2009年长沙地区土地覆盖类型的变化情况

1996~2009年两期研究区遥感数据分类结果的整体精度评价分别是94.14%, 93.36%。研究区土地利用类型分类结果有着较高的分类精度, 基本上满足了土地覆盖变化的监测需求。

运用ENVI软件对两期研究区土地覆盖分类结果进行处理, 得到1996~2009年长沙地区土地覆盖转移矩阵。由长沙地区土地覆盖转移矩阵 (表1) 可以看出1996年到2009年13年里研究区的土地覆盖发生了较大变化 (占研究区总面积的19.76%) 。其中城市、建设用地和林地、灌木面积增幅较大 (增幅分别为54.47%、18.13%) , 旱地和未利用用地面积有所下降 (分别减少32.46%、37.28%) , 水体和水田面积则基本保持不变。

由表1可以看出城市建设用地2009年较1996年有了大幅度增加 (增幅为54.47%) , 增加来源主要是旱地和林地、灌木, 分别占34.33%、12.94%。耕地数量2009年较1996年减少了16.83%, 主要原因为城市的扩张侵占城市周围的耕地。未利用土地中2009年较1996年明显减少了37.28%, 其中多数被转换为城市、建设用地 (占29.18%) 。

图2是研究区1996年和2009年的两期土地覆盖类型图, 由此图可以看出长沙市城区面积进一步扩大, 城区扩展主要朝东南方向;西南地区森林覆盖面积有所增加, 旱地和林地、灌木两种地类之间转换剧烈;水田主要分布在西北毗邻洞庭湖流域的地区;未利用地类则主要沿湘江分布, 且多为江心岛、河岸滩涂等。

3.2 长沙地区地表温度分布情况

图3分别是长沙地区1996年10月4日、2009年9月6日的地表温度分布情况。通过对比可以看出, 低地温地区主要集中在研究区的西北部, 包括岳麓区和望城区。该地区森林茂密, 河流湖泊众多, 是著名的旅游景区。高温主要集中在研究区的东南部, 主要包括长沙市中心城区以及毗邻的长沙县。这些地区建筑密集、人口稠密、其中长沙县通过承接长沙市区产业和人口转移、把优先发展重工业作为自己的产业重点。且高温区图斑出现向城市郊区扩展的趋势, 这与长沙县的城镇化水平的提高以及工业园区的建设在地理方位上是一致的。东北部则出现高温图斑分布减少的现象, 这可能是1996年10月4日这期数据里研究区域的旱地上农作物被收获, 使得旱地裸露有关。

3.3 土地覆盖变化与地表温度响应

通过将研究区域的两期土地覆盖类型图分别与对应时期的地表温度图叠加分析, 得到了长沙地区每种土地利用类型的温度特征曲线。图3是1996年和2009年6种土地覆盖类型的地表温度特征曲线。水体和水田的温度较低, 而城市、建设用地和旱地的温度较高。森林的温度居中。

通过对图4中的6种地物覆盖类型的温度进行加权求和, 并除以每类地物的像元总数, 得到每种地物的平均温度。考虑到两幅影像来自不同时期, 其环境温度也有差异, 为了增加两期数据的可比性, 本文采用差值法对温度数据进行标准化。本文将河流温度当做环境温度, 将所得研究区所得的地物覆盖类型的平均温度与河流温度做差, 得到地表覆盖的相对温度。通过对比两期同类别地表覆盖温度, 来评价人类的活动以及城市的扩张给环境所带来的影响。

从表2可以看出无论是绝对地表温度还是相对地表温度, 城市或建设用地类型都是最高, 这也说明城市的扩张提高了环境温度;水体温度则相对最低, 其温度也基本符合长沙9、10月份上旬的历史平均气温。水田温度较水体稍高, 但低于其他用地类型;林地温度略高于水田。

4 结论与展望

通过遥感技术与GIS技术的结合, 对1996~2009年间研究区的土地覆盖变化及地表温度进行评估, 结果表明:

(1) 研究区内各土地利用类型面积变化比较明显, 各用地类型的地表温度均有不同程度的增加。其中:城市、建设用地、林地、水田、旱地、未利用的地表覆盖温度分别增加了1.16、1.33、1.22、2.73、0.01摄氏度。其中旱地类型的温度增幅最大, 原因可能是:2009年的旱地主要呈现聚集式的分布模式, 而1996年旱地多为镶嵌分散式的分布模式。城市温度依旧是所有用地类型中最高的。城市地区的温度与河流的温差在拉大, 城区的相对温度也增加了1.16摄氏度, 可以看成是城区的扩张加剧了热岛效应。且高温区主要向东部和南部郊区扩展, 这可能与长株潭城市圈的建设有关。

(2) 通过地表覆盖类型和地表温度图像的叠加分析、影像比较得出地表覆盖与地表温度的变化关系, 进而评价土地覆盖类型对环境温度的影响。同时运用遥感易于识别城市的特点, 结合地表温度反演, 为评估城市扩张对其地表温度影像提供了有效方法。

(3) 由于数据来源的限制, 本文只选择了两个时期的数据, 今后还需要收集研究区的历史气象数据, 对研究区域进行更为深入地研究。

摘要：土地覆盖是影响地表温度重要因素之一。研究快速城市化地区土地覆盖与温度变化之间关系具有重要意义。文章通过多时段的遥感数据, 研究了长沙市土地覆盖类型的变化情况, 并结合LANDSAT5的热红外波段反演了地表温度, 通过遥感与GIS技术结合, 分析19962009年长沙地区土地覆盖变化及地表温度响应, 结果表明:19962009年间长沙市城市建设用地增幅为54.47%, 耕地数量较1996年减少了16.83%。伴随着土地覆盖的剧烈变化, 各用地类型的地表温度均有不同程度的增加。其中:城市、建设用地、林地、水田、旱地、未利用的地表覆盖温度分别增加了1.16、1.33、1.22、2.73、0.01摄氏度。

关键词：Landsat/TM,地表覆盖,温度反演,遥感

参考文献

[1]彭少麟, 周凯, 叶有华, 等.城市热岛效应研究进展[J].生态环境, 2005, 14 (4) :574-579.

[2]SOBRINO J A, RAISSOUNI N.Toward remote sesing methods for land cover dynamic monitoring application to Morocco[J].International Journal of Remote Sensing, 2000, (21) :353-366.

[3]谭志豪, Zhang Minghua, Amen Kamieli, 等.用陆地卫星TM6数据演算地表温度的单窗算法[J].地理学报, 2001, 56 (4) :456-466.

[4]李海峰.多源遥感数据支持中的中等城市热环境研究[D].成都:成都理工大学环境遥感, 2012.

[5]赵英时.遥感应用分析原理与方法[M].北京:科学出版社, 2003.

[6]黄妙芬, 邢旭峰, 王培娟, 等.利用LANDSAT/TM热红外通道反演地表温度的三种方法比较[J].干旱区地理, 2006, 29 (1) :136-137.

[7]谭志豪, 单窗算法的大气参数估计方法[J].国土资源遥感, 2003, 56 (2) :37-43

[8]谢元礼, 范熙伟, 段汉明, 等.基于TM影像的兰州市地表温度反演及城市热岛效应分析[J].干旱区资源与环境, 2011, 25 (9) :173-174.

[9]郑国强, 刘国恒, 张涛, 等.地表比辐射率求算对济南市地表温度反演结果的影响[J].山东建筑大学学报, 2010, 25 (5) :520-521.

土地覆盖变化 第5篇

东亚土地覆盖动态与季风气候年际变化的关系

以东亚地区1982～1989年时间序列降水资料及AVHRR 8 km NDVI数据为基本数据源,应用地理信息系统技术,分别研究了东亚地区夏季(5～9月)降水及土地覆盖的年际变化,并揭示了研究时间段内各自的`变化规律.进一步用奇异值分解(SVD)模型方法分析了以降水变化为表征的东亚地区气候年际变化与土地覆盖年际变化之间的关系.

作 者：香宝 刘纪远  作者单位：中国科学院地理科学与资源研究所,北京,100101 刊 名：地理学报  ISTIC PKU英文刊名：ACTA GEOGRAPHICA SINICA 年，卷(期)： 57(1) 分类号：F301.24 P467 X87 P208 关键词：东亚   土地覆盖动态   季风气候   年际变化   奇异值分解  

土地覆盖变化 第6篇

1 研究区概括( 图1)

太谷县位于山西省中部,晋中盆地东北部,与榆次区、榆社县、祁县、清徐县接壤,总面积1 048 km2。地理位置介于东经112°28' ~ 113°02',北纬37°13' ~37°33'之间。境内交通方便。同蒲铁路、太焦铁路途经本县,太焦高速公路纵贯南北,108 国道和102、319 省道构成主干交通网。境内地貌呈现出西北低、东南高的趋势,全县海拔在700 ~ 1 900 m之间。该县属华北型高原气候,冬冷夏热,春旱秋涝。年均气温为10 ℃左右。年降雨量450 mm,霜冻期为十月上旬至次年四月中旬,无霜期160 d。主要河流有象峪河、乌马河,均为季节性河流[12]。

2 数据源和预处理

从地理空间数据云上获取了2000 年和2007 年的landsat4 - 5 的多光谱遥感影像,从遥感集市上获取2015 年的高分1 号( GF-1) 数据。其中GF-1 卫星搭载了2 m分辨率全色和8 m分辨率多光谱的两台相机,四台16 m分辨率多光谱相机。卫星工程突破了高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术,具有多载荷图像拼接融合技术和高精度高稳定度姿态控制技术。现选用的是16 m分辨率多光谱数据具体参数见表1。

在ENVI5. 1 下以不同波段将三期遥感影像进行组合,并参考太谷县的行政界线进行裁剪; 同时进行辐射定标和FLAASH大气校正等处理; 最后进行图像拉伸处理,以增强影像判读,利用监督分类,参考Google Earth工具进行人机交互目视解译,选择训练样本。在对GF-1 进行辐射定标准需要利用Apply Gain and Offset工具进行数据定标,在进行大气校正之前根据卫星参数添加对应的波段响应函数。

3 基于遥感的土地覆盖类型获取

根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统; 对影像进行特征判断,评价图像质量,首先结合Google Earth工具进行人机交互目视解译,选择训练样本,样本均匀分布在整个图像上; 然后选取支持向量机( support vector machine,SVM) 方法进行分类,支持向量机分类是一种以统计学习理论基础建立的机器学习方法。SVM可以对分类有较大区分能力的支持向量进行自动寻找,由此来构造出分类器,进而将类与类之间的间隔最大化,所以SVM具有较好的推广性和较高的分类准确率[13]。最后利用混淆矩阵结合收集的太谷县第二次土地调查数据对分类数据对精度进行验证,其中Kappa系数均超过了85% ,达到分类精度标准。

为了对研究区的土地覆盖类型动态变化进行研究,本研究以各地类的面积为研究对象,进而综合反映区域土地覆盖变化。面积变化能够直接反应不同土地覆盖类型的总量的变化上,进而可掌握土地覆盖变化总体规律和土地覆盖内部结构的变化状态。在Arc Gis 10. 0 中运用GIS的空间分析功能获取研究区的转移矩阵,并以此来分析研究区土地覆盖类型动态变化,结合不同环境因子,研究不同土地覆盖类型在不同环境因子下的时空变化,进而对获取动态变化趋势。

4 结果与分析

4. 1 土地覆盖动态变化特征( 图2)

根据2000 年、2007 年和2015 年太谷县分类结果,通过统计16 年来太谷县不同土地覆盖类型的面积变化来反映区域土地覆盖变化。面积变化主要反映不同土地覆盖类型的总量变化,通过研究分析土地覆盖类型的总量变化,可获取土地覆盖变化的总体态势和土地覆盖类型结构的改变[14]。根据2000年、2007 年和2015 年两期土地覆盖类型图,在ArcGIS10 中运用Spatial Analysis的功能,获取太谷县16 年来的土地覆盖类型面积转移矩阵。

为了更好地对太谷县土地覆盖动态变化的过程主导因素进行研究,在选取土地覆盖面积转移矩阵的同时还建立土地覆盖转换模型进而获取土地覆盖转移的概率矩阵,从定量的角度进一步描述太谷县的土地覆盖变化的概率和速度,为全面了解土地覆盖变化的区域性差异提供参考。

具体公式如下

式( 1) 中S为土地覆盖类型,i转变为土地覆盖类型,j的转换概率,Lij为土地覆盖类型表示i转变为土地覆盖类型j的面积。根据式( 1) 计算出土地覆盖转换概率矩阵。

引入单一土地覆盖类型动态度来更好地研究太谷县土地覆盖的年变化规律,其表达式为

式( 2) 中M为研究时段T内某一土地覆盖类型动态度; Aa为研究初期的某一种土地覆盖类型的面积;Ab为研究末期的某一种土地覆盖类型的面积。根据式( 2) 计算出太谷县土地覆盖类型的年变化率。

结合上述表格可以得知,2000 ~ 2015 年间太谷县土地覆盖类型主要变化过程,除了草地减少以外,其他的地类都有不同程度的增加,面积增加最大的是林地16 年间增加了218. 20 km2,年增长率为15. 38% ,根据表4 和表7 得知,林地的主要转入源主要是草地和耕地,其中草地转入了206. 07 km2占草地总总变化的46. 18% ,结合图2 可以得知转换的地区主要位于海拔较高的东北部,耕地转入23. 00 km2,主要受到退耕还林政策的影响。此外2000 ~ 2007 年和2007 ~ 2015 年之间增加的面积变化不大分别是110. 14 km2和108. 06 km2,前8 年的增长率为7. 76% 。仅次于林地增长率的水域的变化,虽然面积变化不大仅有1. 17 km2,但是增长率达到了17. 43% ,并且呈现出一种先增加后减少的趋势,结合表3 和表4 得知,水域的主要变化来源于耕地,现增加主要是国家蓄水等政策的引导,后减少主要与近年来降水量不稳地有所减少有关系。

由土地覆盖类型年变化率( 表8、表9 和表10)可以得知16 年间耕地的年变化率最低,并且呈现出一种先减少后增加的趋势,结合表5 和表6 得知,先减少主要转出为草地和未利用地及其建设用地,说明由于前8 年出现了撂荒化和建设用地扩展占用耕地的现象。后增加主要的转入源比较均匀各种地类都有,其中最主要的是草地和建设用地,主要原因是土地整理和补充耕地等政策的引导。除了林地、耕地和水域的面积有所增加之外,建设用地的面积也持续增加,其中增长幅度最大的是2000 年到2007年,增加了16. 84 km2,主要的增长源是耕地和草地,其中从耕地转换了9. 04 km2,占耕地总变化的6. 92% 。

从土地覆盖类型年变化表中可以得知草地的面积逐渐减少,年均减少面积超过了15 km2。从转移面积和转移比例的矩阵表上看16 年主要的转出类型是林地和耕地,转换面积达到了206. 07 km2和78. 86 km2,占分别占总转出的46. 18% 和17. 67% ,其次是建设用地。由此可知16 年来主要的土地类型变化是草地大幅度减少主要变换为林地和耕地,其他类型土地都有所增加,增长幅度最大的是林地,16 年间的变化是林地和建设用地面积逐年增加,耕地面积先减少后增加,水域面积呈现出一种先增加后减少的趋势。

4. 2不同环境因子下的土地覆盖类型时空分布

4. 2. 1 不同地理位置下的土地覆盖类型时空分布

以太谷县2000 年、2007 年和2015 年的土地覆盖类型数据为基础,在Arcgis中利用面积制表,对太谷县各乡镇的土地覆盖类型进行研究( 图3) 。

从图3 结合图2 中可以得知,明星镇、胡村镇和水秀乡位于市中心地形以平原为主,土地覆盖类型主要是以耕地和建设用地为主,有部分草地及未利用地,林地数量较少,16 年间随着城市的扩张明星镇建设用地的面积在2015 年已经超过了耕地的面积。分布在西南部的北洸乡近年来耕地和草地的数量都在减少,其中林地的数量在增加。分布在东南部山地丘陵区的范村镇、侯城乡和阳邑乡,土地覆盖类型以林地、草地和耕地为主,近年来林地面积不断增加,同是草地的面积在减少。位于丘陵平原区的小白乡和任村乡,土地覆盖类型以耕地为主,近年来土地覆盖类型变化不大。

4. 2. 2 不同海拔高度下的土地覆盖类型时空分布

根据研究区的地形地貌将海拔高度分为< 800m的平原区、800 ~ 1 000 m平原丘陵区、1 000 ~1 200 m丘陵区、1 200 ~ 1 500 m丘陵高山区和>1 500 m高山区等5 类,在Arcgis中利用面积制表,对太谷县不同海拔高度下的土地覆盖类型进行研究( 图4) 。

从图4 可以得知,800 m以下的平原区以耕地和建设用地为主,且耕地的面积在逐渐减少,同时建设用地的面积不断增大。在800 ~ 1 000 m平原丘陵区土地覆盖类型以耕地和草地为主,16 年间草地的面积逐渐减少,耕地的面积变化不大。在1 000 ~1 200 m丘陵区主要分布着草地为主,16 年间该区的土地覆盖类型变化较大,草地面积逐年减少,耕地和林地面积增加迅速。1 200 ~ 1 500 m丘陵高山区的变化从2000 年的以草地为主到2015 年以林地为主,草地主要转换为林地。在大于1 500 m高山区以林地为主。

4. 2. 3 不同地形坡度下的土地覆盖类型分布

根据国际地理学联合会地貌调查与地貌制图委员会对坡度的定义在Arcgis中将坡度分为坡度< 2°的平地区、2° ~ 6°的缓斜坡区、6° ~ 15°的斜坡区、15° ~ 25°的陡坡区、和> 25° 的峭坡区[15],并利用面积制表对太谷县不同地形坡度下的土地覆盖类型进行研究( 图5) 。

从图5 可以得知,耕地主要分布在15°以下的地区,其中分布面积最广的是小于6°的地区,由于25 度以上陡坡不得开垦耕种的限制,25° 以上的地区没有耕地的分布。林地主要集中在6°以上的地区,16 年间林地的面积在不断增加,到2015 年分布面积最广的是6° ~ 25°之间,并且2° ~ 6°的出现了大量林地。草地及未利用地主要分布在6° ~ 25°之间,且逐年减少,这个坡度的土地覆盖类型从2000年的草地为主,变化为2015 年的林地为主。建设用地主要分布在小于15°之间,以2° ~ 6°为主,16 年来有增加的趋势。

5 结论和讨论

现以太谷县为例结合最新的国产高分1 号( GF-1) 和传统的陆地卫星TM数据通过辐射校正和大气校正等预处理,采用支持向量机的监督分类方法获取研究区2000 年、2007 年、2015 年的土地覆盖类型图,最后通过转移矩阵对研究区土地覆盖类型总体变化和不同环境因子土地覆盖类型时空分布进行研究,为整体把握黄土丘陵区土地覆盖动态变化研究提供参考。通过以上研究得到下面几条结论。

1) 通过转移面积矩阵、转移概率矩阵和年变化率对太谷县土地覆盖类型动态变化发现2000 年到2015 年之间来主要的土地类型变化是草地大幅度减少主要变换为林地和耕地,其他类型土地都有所增加,增长幅度最大的是林地,16 年间的变化是林地和建设用地面积逐年增加,耕地面积先减少后增加,水域面积呈现出一种先增加后减少的趋势。

土地覆盖变化 第7篇

1 不同类型遥感资料的选择

不同类型的遥感资料具有不同的信息提取精度,从而适用于不同的研究尺度。目前遥感数据的常用信息源有NOAA,MSS,TM,SPOT等航天遥感数据及部分不同尺度的航空照片。NOAA气象卫星地面分辨率低,最小为1 km。利用NOAA图像开发的土地覆盖数据库可用于地表覆盖对中尺度大气环流和区域天气影响检验、分析气候干湿变化及季节降水、温度和蒸发对地表植被及其动态变化的依赖性和敏感性。目前利用NOAA数据开发的大面积土地覆盖数据库有全球1 km空间分辨率的土地覆盖数据库、全球一个经纬度间距地表生物物理量、全球一个经纬度间距土地覆盖类型图。

MSS影像为多光谱扫描仪(MultiSpectral Scanner)获取的影像,具有4个波段,被命名为4,5,6,7波段,其中第5波段为红色波段,可用于城市研究,对道路、大型工地等反映明显。

TM图像的最小分辨率为30 m,几何精度较高,有利于图像配准和制图,可用于编制1∶10万,甚至1∶5万的地形图。SPOT数据定位精度高,结构可靠性强,能确保获取高精度的几何图像,因而可以用于编制1∶5万,1∶10万的地形图,但是价格较高。所以SPOT图像、TM图像等各有所长,适用于局部区域尺度土地利用/覆盖变化的研究。

2 传统的分类方法

2.1 目视解译

目视解译是通过分类系统的确定、解译标志的建立、图像的判读等,完成土地覆盖的分类,这种方法目前仍被广泛使用。CihlarJ.等人甚至提出,目前目视解译仍是成功的分类方法。它具有灵活性好、擅长提取空间相关信息等优点,但是耗费时间多,结果因人而异。

2.2 计算机的自动分类方法

计算机的自动分类方法是在数理统计的基础上,进行遥感图像数据的自动分类,它包括监督分类和非监督分类等。

监督分类是在分析者对图像所在区域进行了解的基础上,选择能准确代表整个区域内每个类别的光谱特征差异的训练样本,作为图像分类的判别依据,并依一定的判别准则对所有图像像元进行判别处理,即用被确认类别的样本像元去识别其他未知类别像元的过程[1]。

监督分类中将一个未知像元划分到一个类别中,可以分为最大似然法、最小距离法、光谱分类法等。

非监督分类是以集群为理论基础,通过计算机对图像进行集聚统计分析的方法。根据待分类样本特征参数的统计特征,建立决策规则来进行分类,而不需事先了解类别特征。把各样本的空间分布按其相似性分割或合并成一群集,每一群集代表的地物类别,需经实地调查或与已知类型的地物加以比较才能确定,是模式识别的一种方法。一般算法有:回归分析、趋势分析、等混合距离法、集群分析、主成分分析和图像识别等。

监督分类和非监督分类由于其单一地依靠地物的光谱特征,对某些图像的分类效果并不理想,随着计算机技术、遥感技术的发展以及人们实践经验的增加,研究者在此基础上发展了很多其他分类方法。

3 传统分类方法的改进

3.1 神经元网络分类

人工神经元网络是生理学上的真实人脑神经网络的结构和功能以及若干基本特性的某种理论抽象、简化和模拟而构成的一种信息处理系统。从系统观点看,人工神经元网络是由大量神经元通过极其丰富和完善的连接而构成的自适应非线性动态系统[2]。近年来,人工神经网络在土地覆盖和土地利用方面受到了广泛的应用。神经网络的计算模型有人工神经元模型、感知器模型、Hopfield网络模型、自组织竞争网络模型。张友水等通过分析BP网的分类原理与学习算法,采用了融合遥感影像光谱数据和GIS产生的地理辅助数据,并以逻辑波段的方式加入光谱数据中进行人工神经网络的分类研究,对提高“同物异谱和异物同谱”情况下的影像分类精度有一定意义[3]。

3.2 分类树方法

分类树算法可以象分类过程一样被定义,依据规则把遥感数据集一级级往下细分以定义决策树的各个分支。决策树由一个根结点(Root nodes)、一系列内部结点(Internal nodes)及终极结点组成,每一结点只有一个父结点和两个或多个子结点。决策树的每一个内部结点对应一个非类别属性或属性的集合,每条边对应该属性的每个可能值。决策树的叶结点对应一个类别属性值,不同的叶结点可以对应相同的类别属性值。李爽等人在1999年5月以LandsatTM5-125/036洛宁子区为实验区,进行决策树理论支持下的土地覆盖分类应用,并与最大似然法进行比较,结果表明,决策树分类方法相对简单、明确,分类结构直观[4]。

3.3 专家系统分类

专家系统是人工智能的一个分支,它是采用人工智能语言如:C,LESP等将某一领域的专家分析方法或经验,对地物的多种属性进行分析、判断、从而确定各地物的归属。张树清等通过分析三江平原湿地植被的光谱、景观季相及其生境等特点,找出了不同湿地的遥感影像特征,建立湿地遥感专家分类决策模型库,实现湿地信息自动分类提取[5]。

4 遥感与GIS的结合

将遥感与GIS结合,建立土地覆盖数据库,是当前土地覆盖研究的热点。它的研究方法是借助于GIS空间查询、分析功能,通过归纳学习发现知识,并用产生式规则表示,将知识储存到专家系统的知识库中,专家系统的推理机接受来自知识库中的规则和GIS数据,以遥感图像预分类结果为基础,利用规则进行不确定性推理,产生最终的分类结果。韩玲等在GIS系统支持下,建立了土地资源分类系统的数学模型。通过实验得出以RS和GIS技术开展土地资源分类调查是完全可行的,具有快速、准确、耗资少等优点。

5 其他分类方法

5.1 土地分类方法的结合

上文提到的各种遥感土地分类方法各有自己的优缺点,采用两种或两种以上的方法对土地进行分类比使用单一的方法能提高分类的精度,研究如何吸取各种方法的优点,怎样将单一的土地分类方法结合起来,在这方面,不少学者也提出了不同的结合方法。吴非权等将传统的监督分类与非监督分类方法与遥感影像解译中的决策树分类方法结合使用,建立统一的分类模型,并以皖东地区TM影像为例,进行了分类实验。结果证明,采用该模型分类比单一的最大似然法分类精度提高了4.45%,Kappa指数提高了0.107。

5.2 模糊数学分类法

模糊数学方法是一种针对不确定性事物的分析方法。它以模糊集合论为基础,有别于普通集合论中事物归属的绝对化。尤淑撑等人将模糊分类技术用于多时相的Scan SAR作物识别中,结果表明该方法比传统的最大似然分类法有较高的分类精度。模糊分类法的关键在于确定隶属度和或隶属函数,然而这一过程比较复杂,至今没有一般的规则可以遵循。所以这种方法一直没有得到较好的推广使用。

5.3 分层分类法

分层分类法是根据各类目标的不同特征,采取相应的信息提取方法,分别建立专题信息层,最后把各专题层合并得到整体分类图。李四海等结合辽宁省东港市土地覆盖变化遥感监测工作,对该方法进行了实验。结果表明,分层分类法分出的类型较常规监督分类方法明显增多,分类结果的可信度高。

5.4 基于影像纹理信息的分类

影像纹理反映了影像灰度性质及它们之间的空间关系,是描述和识别影像的重要依据。与其他影像特征相比,它能更好地兼顾宏观性质和细部结构。传统的纹理分析方法大致分为统计方法、结构方法和谱方法。

6 结语

在土地利用/覆盖分类中,传统的遥感图像分类方法如目视解译、监督分类,算法非常简单,应用最为成熟,仍然是目前应用较多的方法。随着人工智能技术和理论的发展而发展起来的人工智能分类方法,如神经网络分类方法、决策树分类方法、专家系统分类方法,分类精度都比传统的分类方法高,而且神经网络分类和决策树分类不需要统计分布的假设,因此比传统的分类方法应用范围广泛。另外,一些分类方法如模糊分类,由于算法比较复杂,还未能在实践中得到广泛应用。在目前遥感图像的分类中,很少单独采用一种方法,而是相互借鉴,相互结合,并且目前将遥感与GIS结合,也是土地分类研究的热点,总之,在土地利用与土地覆盖分类中,应充分利用各种方法、各门学科的优势,以达到提高遥感图像分类精度的目的。

摘要：介绍了目前遥感数据的信息源,针对不同遥感数据的特点,进行了不同类型遥感数据的融合技术研究,并在总结传统分类方法的基础上,对近年来发展起来的人工智能分类法以及其他一些分类方法进行了综述,以达到提高遥感图像分类精度的目的。

关键词：遥感图像,神经元网络,土地利用,数据库

参考文献

[1]赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003.

[2]胡伍生.神经网络理论及其工程应用[M].南京:东南大学出版社,2003.

[3]张友水,冯学智,阮仁宗.基于GIS的BP神经网络遥感影像分类研究[J].南京大学学报(自然科学版),2003,39(6):806-813.

[4]李爽,张二勋.关于决策树的遥感影像分类方法研究[J].地域研究与开发,2003,22(1):17-21.

豫西地区植被覆盖的空间变化研究 第8篇

1 研究区概况

河南省豫西地区, 包括三门峡、洛阳、南阳3个地级市, 共21县4市9区, 总面积约52295km2, 人口1963万人;介于110°21′113°49′E、32°17′35°05′N之间 (图1, 见封三) 。豫西地区地势西高东低, 境内山川丘陵交错, 地形复杂多样, 主要有小秦岭、崤山、熊耳山、外方山、嵩山、伏牛山等多座山脉, 山势高峻, 变化规律性明显;境内河渠密布, 多“V”型河谷, 分属黄河、淮河、长江三大水系, 黄河、洛河、伊河等10余条河流蜿蜒其间 (图2, 见封三) 。河谷上游呈“V”型, 谷地狭窄, 多激流深潭, 下游水势较缓, 沙滩广布。

豫西地区水土流失严重, 岩溶地貌发育, 重力地貌作用较明显。中山低山区年水蚀模数为5002000t/km2, 是全省流水侵蚀强烈地区。在灰岩露出地区, 溶蚀作用明显, 岩溶地貌较发育。在黄土丘陵台地, 由于植被较少, 土质松软, 面蚀、沟蚀十分强烈, 大部分年水蚀模数在2000t/km2以上, 是全省流水侵蚀最强烈地区。豫西山区独特的地理地貌特点对植被覆盖有较大影响, 因此定量分析植被覆盖的地貌特点对该区生态建设具有十分重要的意义。

2 数据来源及处理

2.1 数据来源

本研究拟采用的数据是长时间序列中国植被指数数据集, 主要是针对NDVI指数。SPOT VEGETATION NDVI数据集是基于1km的从1998年4月1日开始每10天合成的4个波段的光谱反射率和10天最大化NDVI数据集, 时间分辨率为旬;采用5年的时间间隔进行定量分析, 即从上述时间序列的数据集中选取1998年、2003年和2008年的每旬10天合成最大化植被指数NDVI数据作为研究数据。本研究用到的其他数据还包括河南省1∶10万数字栅格地形图和河南省行政边界矢量数据等。

2.2 数据处理

几何订正:以河南省1∶10万数字栅格地形图为基准, 通过挑选地面同名控制点的方法, 对1998年7月21日的影像进行校正。针对研究区多为山地, 地形变化复杂的特点, 尽可能多地选择控制点, 并采用双线性重采样和德洛内三角网格纠正方法进行几何校正, 精度 (RMS) 优于0.5个像素。然后, 以校正好的影像为基准, 采用同样的方法对1998年、2003年、2008年各旬影像进行配准, 几何校正精度均优于0.5个像元[7]。

NDVI计算:SPOT VEGETATION数据最终由比利时佛莱芒技术研究所植被影像处理中心负责预处理成逐日1km全球数据。预处理包括大气校正、辐射校正、几何校正, 生成10 天最大化合成的NDVI数据, 并将-1-0.1的值设置为-0.1, 再转换为0250的DN值, 转换公式为:DN= (NDVI+0.1) /0.004。因此, 要得到NDVI数据, 需对所选影像进行转换。由上式可知, 要得到NDVI数据只需要按下式对影像进行计算即可:NDVI=DN0.004-0.1。利用ENVI 4.1的Band Math工具, 将选用影像代入上式运算即得到NDVI数据, 然后利用所选研究区的边界矢量数据对影像进行剪裁, 得到豫西山区3个时期的NDVI数据。通过处理, 最终得到豫西山区1998年、2008年最大化NDVI图像 (图3、图4, 见封三) 。利用统计直方图可得到研究区在各个时间的植被覆盖度平均值, 见表1。

3 豫西地区植被覆盖变化的空间分布

3.1 不同海拔植被覆盖的空间变化

对利用几何校正好的豫西地区DEM影像按照小于200m、200600m、6001000m、10001400m、14001800m和1800m以上进行分类, 然后利用各个海拔段和豫西地区19982008年植被覆盖变化专题图进行叠加统计, 得到植被覆盖变化与海拔高度的关系图表。可以看出 (表2) , 高海拔区植被覆盖相对稳定, 植被恢复和稳定的概率相对较高, 而退化的概率较低。低海拔区域的植被生态变化较剧烈, 植被退化和恢复的概率相对较高, 这主要由于低海拔 (600m以下) 人为活动干扰对生态环境变化影响较大, 居民地建设、退耕还林、生态建设工程等主要集中在低海拔区。说明自然状态下的植被覆盖较稳定, 豫西地区生态退化严重区域主要是因为城镇建设、公路和水利设施建设、采石采矿采沙等人为活动引起的。

3.2 不同坡度植被覆盖的空间变化

把由DEM影像衍生得到的坡度文件按照05°、510°、1020°、2030°、3040°、4050°和50°以上7个等级进行分类, 并与豫西地区植被覆盖变化专题图进行叠加统计和分析, 得到坡度与植被覆盖变化关系见表3。从表2、表4可见, 坡度较小的区域人为活动相对较多, 植被退化和修复的概率较高;坡度较大的区域植被生态较脆弱, 轻微退化的概率增大, 坡度越大, 植被覆盖修复的概率越低。当坡度大于20°时, 坡度越高, 水土流失的可能性越大, 植被退化的概率也越高, 特别是植被严重退化 (覆盖度降低于15%以上) 的概率随坡度增加而迅速增加的事实特别令人担忧, 其植被修复的难度极大, 依靠自然力进行生态修复的过程漫长, 甚至是不可逆转的。水土流失对豫西山区植被覆盖影响较大, 并会继续造成严重和长期的生态损失。一方面需要加大水土保持研究和投入;另一方面更需要将有限的生态建设能力投入到水土流失治理工作中, 提高生态建设效率。

4结论

利用长时间序列中国植被指数数据集SPOTVEG-ETATIONNDVI结合改进的像元二分模型对豫西山区1998年、2003年和2008年的植被覆盖度进行了计算, 并利用DEM数据、衍生的坡度和坡向数据对植被覆盖的地貌特点进行了定量研究, 结果表明: (1) 豫西山区高海拔区域的植被覆盖相对稳定, 恢复和稳定的概率相对较高, 而退化的概率较低;低海拔区域的植被变化较剧烈, 植被退化和恢复的概率都相对较高;自然状态下的植被覆盖较稳定, 豫西地区生态退化严重区域主要是人为活动引起的, 如城镇居民地建设, 公路和水利设施建设, 采石、采矿、采沙等。 (2) 豫西山区坡度较小的区域人为活动相对较多, 植被退化和修复的概率较高;坡度较大的区域植被生态较脆弱, 轻微退化概率增大, 坡度越大, 植被覆盖修复的概率越低。 (3) 豫西山区南坡和北坡植被覆盖度相对较高, 东坡和西坡植被覆盖度较低;西南坡向的植被退化相对严重, 东南坡向植被退化概率相对较低。

豫西山区植被退化主要是低海拔人为活动干扰的结果, 对退化区域的生态修复可考虑更多地借助自然力进行生态修复, 适当辅以人工修复;人工与辅助生态修复应优先考虑生态脆弱区域, 如坡度较大区域和西北坡向, 其植被覆盖退化的风险较高。由于依靠自然力进行生态修复的过程漫长, 甚至是不可逆转的。因此, 水土流失已经并会继续造成了严重和长期的生态损失, 豫西生态屏障建设需要将有限的生态建设能力投入到水土流失治理工作中。

参考文献

[1]马超飞, 马建文, 等.USLE模型中植被覆盖因子的遥感数据定量估算[J].水土保持学报, 2001, 21 (4) ∶6-9.

[2]张云霞, 李晓兵, 陈云浩.草地植被盖度的多尺度遥感与实地测量方法综述[J].地球科学进展, 2003, 18 (1) ∶85-93.

[3]胡良军, 邵明安.论水土流失研究中的植被因子度量指标[J].西北林学院学报, 2001, 16 (1) ∶40-43.

[4]章文波, 符素华, 刘宝元.目估法测量植被覆盖度的精度分析[J].北京师范大学学报 (自然科学版) , 2001, 37 (3) ∶402-408.

[5]张本昀, 何富中, 喻铮铮, 等.基于RS的北京山区植被覆盖变化空间特征[J].测绘科学技术学报, 2008, 25 (3) ∶160-163.

[6]郭锦, 张晓丽, 赵丽琼, 等.基于3S技术的北京市植被覆盖空间格局变化研究[J].安徽农业科学, 2009, 37 (7) ∶8264-8266, 8277.

土地覆盖变化 第9篇

秸秆覆盖是保护性耕作的一种重要形式,也是一种用途广泛、效果良好的栽培技术,在美国、加拿大、前苏联的所有气候条件下进行了试验推广[1,2,3,4,5,6]。我国也在不同地区不同作物领域进行了大量的试验研究和推广。秸秆覆盖一方面可以形成缓冲层,避免雨滴直接击打土壤,延缓水分入渗时间,阻隔地表径流,调节土壤水分,秸秆覆盖还可以调节土壤容重和孔隙状况。另一方面秸秆覆盖的农田太阳光对地表的辐射以间接辐射为主,秸秆是良好的隔热层,进而调节土壤与大气之间热量交换[7,8],土壤水、气、热状况发生变化,土壤生物活性[9,10,11]、土壤有机质的分解以及土壤中养分物质的转化与释放随之改变,最终影响着土壤的肥力水平[13,14,15,16,17],并影响作物的生长以及产量。本研究旨在探讨秸秆覆盖和速腐剂处理对三峡库区旱地土壤养分、油菜生长指标和产量影响,以便为保护性种植技术的深入研究和应用以及保护性耕作在该区适应的评价提供科学依据。

1 材料与方法1.1 试验地概况

试验于2006年9月-2007年5月在西南大学教学试验农场进行,试验用地是典型的旱地紫色土,坡度平缓,地力相对均匀,有机质含量16.827g/kg,全氮2.0g/kg,全磷3.829g/kg,全钾10.332g/kg,碱解氮含量90.772mg/kg,有效磷32.692mg/kg,速效钾56.472mg/kg,pH值6.47。

1.2 试验材料

油菜供试品种96v44,于2006年9月25日育苗,11月5日统一移栽。秸秆选用水稻秸秆和玉米秸秆,人工截成10～20cm长度。施N肥为尿素,P肥为有机复合磷肥,每个小区施N肥150g,P肥200g。速腐剂为微生物速腐剂,由北京春熙生物工程有限责任公司提供,以秸秆质量的2‰添加,不做堆腐处理。

1.3 试验设计

本试验共设8个处理:①无秸秆覆盖,简写为CK;②水稻秸秆3 750kg/hm2覆盖,简写为RS3750;③水稻秸秆7 500kg/hm2覆盖,简写为RS7500;④玉米秸秆3 750kg/hm2覆盖,简化写为CS3750;⑤玉米秸秆7 500kg/hm2覆盖,简写为CS7500;⑥水稻秸秆7 500kg/hm2覆盖无化作物,简写为WRS7500;⑦水稻秸秆7 500kg/hm2覆盖+速腐剂无农作物,简写为FWRS7500;⑧水稻秸秆7 500kg/hm2覆盖+速腐剂,简写为FRS7500。设3次重复,小区面积(44)m2,采用随机区组设计。

1.4 测定与分析方法

土壤取样时间为2007年5月8日油菜收获后第3天,运用五点梅花状布点取样,取0～20cm土层的土壤进行风干制样,备室内分析之用。2007年3月10日和4月21日进行了油菜的生长观测,主要记录其花序数、株高和分枝数。株高和花序数测定,每个小区选取7株记录,分枝数的测定选取10株进行观测。

土壤养分指标采用传统方法进行测定,有机质用重铬酸钾容量法;全N用Foss KjeltecTM 2300全自动开始定氮仪测定;全P采用钼蓝比色法测定;全钾采用碱熔融火焰光度法;碱解氮采用碱解扩散法;有效磷测定用NaHCO3(Olsen)法;速效钾用NH4Ac火焰光度法测定。

1.5 统计分析

所有数据采用Excel-2003上机处理,运用DPS(Data Processing System)软件进行方差分析和显著性检验。

2 结果与分析

农田土壤养分含量在空间和时间上都存在动态变化,而农田覆盖对其含量和分布的影响是覆盖农田生态效应综合作用的结果。

2.1 土壤有机质动态变化

秸秆覆盖不同处理耕层土壤有机质变化如图1所示。从图1中可以看出,在油菜的整个生育过程中,每个处理有机质的变化过程基本都呈“下降上升轻微下降”的趋势。在油菜生长过程中,在油菜休眠时期(a-b)有机质含量出现下降趋势,玉米秸秆3 750kg/hm2覆盖下降最多,CK下降最少,并且秸秆覆盖处理的有机质含量高于CK。土壤有机质含量在1月份达到最低。2月份随着气温的回升,秸秆腐解速率加快,此时油菜生长缓慢,出现了有机质的较大值。有机质含量最高,随着油菜加速生长以及开花结实的需要,土壤中有机质含量出现了不同程度的下降。在0～10cm土层,RS7500kg/hm2有机质含量稍微高于CK和RS7500kg/hm2,玉米秸秆3 750kg/hm2覆盖的土壤有机质含量变化在2006年12月-2007年2月之间的变化幅度较大,且土壤有机质含量高于CK和RS7500kg/hm2。速腐剂覆盖种植油菜的处理有机质变化较大。在12月份有速腐剂无油菜的处理土壤有机质含量达到最高。秸秆覆盖10～20cm土层,水稻秸秆3 750kg/hm2覆盖,土壤有机质在前期变化幅度较大,对照和水稻秸秆覆盖的变化趋势近似。在12月份和次年2月份3 750kg/hm2玉米秸秆覆盖,10～20cm土层土壤有机质含量均高于对照(CK)和CS7500kg/hm2。无速腐剂无农作物的处理在12月份和次年2月份有机质含量处于最高,有农作物的处理有机质含量在同期最低;在12月份到次年3月份无农作物的处理变化相似,后期变化出现较大差异,有速腐剂的处理土壤有机质含量较低。

注:1表示CK,2表示RS3750kg/hm2,3表示RS7500kg/hm2,4表示CS3750 kg/hm2,5表示CS7500kg/hm2,6无速腐剂秸秆覆盖无农作物,7有速腐剂无农作物秸秆覆盖,8表示速腐剂覆盖处理。a表示2006年12月5日,b表示2007年1月4日,c表示2007年2月3日,d表示2007年3月7日,e表示2007年5月8日。下同。

2.2 土壤N素动态变化

秸秆覆盖耕层土壤全氮动态变化如图2所示。秸秆覆盖耕层土壤碱解氮动态变化如图3所示。

2.3 土壤P动态变化

秸秆覆盖耕层土壤全磷动态变化,如图4所示。

秸秆覆盖耕层土壤有效磷动态变化如图5所示。

2.4 土壤K动态变化

秸秆覆盖耕层土壤全钾动态变化,如图6所示。秸秆覆盖耕层土壤速效钾动态变化如图7所示。

2.5 土壤pH动态变化

秸秆覆盖耕层土壤pH值动态变化如图8所示。

3 讨论与结论

3.1 讨论

作物秸秆本身含有各种营养元素,是土壤养分的主要补给源。秸秆覆盖还可以改善农田近地面小气候,调节土壤的水热状况,秸秆覆盖可以增加土壤微生物的含量和种类。土壤养分的变化和土壤环境有关,并且随着作物生长季节的不同而发生变化,土壤微生物的种类和活性影响秸秆的腐解,养分释放的速度影响着土壤的肥力水平,土壤肥力水平的差异,直接影响作物的生长状况。

秸秆覆盖为农田生态系统提供了碳源,可以增加土壤的有机质含量,本研究在最后收获季节0～10cm土层土壤有机质含量总体上高于基础值,这与杨学明(2004),张志国(1998)等人研究结果近似。

土壤氮素的变化与作物的生长密切相关,全氮在油菜的营养生长阶段,出现了积累;在生殖生长阶段消耗增大,出现了下降;油菜成熟时期随着对养分需求的降低除了增长,但碱解氮的变化与全氮的变化出现了相反的趋势。究其原因,一方面,秸秆覆盖除了能直接补充土壤一部分氮素外,还可以促进固氮微生物的固氮作用(Thompson,1992;张电学,2005);另一方面,秸秆的腐解与土壤中的微生物的活性有很大的关系,土壤微生物受外界环境的影响很大,环境温度降低的时候,土壤下垫面的温度也相对较低,土壤微生物的活性较低,养分的积累较少。秸秆覆盖可以调节地表温度,在低温时期可起到增温作用,在温度升高的时期土壤表层温度回升较慢,出现养分在冬季苗期养分的积累,返青后下降的趋势,(逄焕成, 1999;陈素英,2002),因而出现折线变化,与韩宾(2007)的研究存在差异。

土壤全磷早期含量较低,随着油菜生长季节的推移,出现增长,在收获阶段达到高于基础水平。在表层0～10cm加速腐剂处理含量偏高,10～20cm有速腐剂无农作物的处理变幅最大,这与速腐剂的成分有关,速腐剂是一种微生物制剂,实践证明是堆肥处理一种良好的添加剂,所以本研究把速腐剂引进到秸秆覆盖的研究中,采用不堆肥处理。微生物的活性与环境温度关系密切,就出现了上述结果。另外,与土壤养分的淋溶作用有关,土壤的磷供应能力发生变化。有效磷的变化在0～10cm与10～20cm土层的变化一致,出现了有效磷含量的下降,这说明在深松模式不利于土壤磷营养的累积,这可能与深松模式下溶磷微生物少(范丙全等,2005),降低了土壤供磷能力(林启美,2002)有关。

农作物秸秆中一般含有数量较多的钾素,本研究秸秆覆盖处理后,土壤的全钾表现出比基础增长的趋势,而土壤速效钾在10～20cm土层出现了降低,这与袁家富(1996)的研究存在差异。钾由新叶片向老叶集中的趋势,并且向表层富集,而且土壤中养分的积累与土壤供给水平与植物的需求的差值呈正相关,作物的根系有趋水趋肥的特性,根系又可增强土壤微生物的活性,因而表层土壤的钾素较高。

盖秸土壤富含有机质,由于土壤有机质有较高的阳离子交换量,土壤的缓冲能力加强[30],不会因施用化肥过量或施用大量新鲜有机物质,使土壤pH值发生太大变化而影响作物生长。本研究的秸秆覆盖处理后,土壤pH增高,有向中性趋向的趋势,这与袁家富(1996)的研究保持一致。

3.2 研究中存在的问题展望

试验研究结果表明,在三峡库区旱地农田实施秸秆覆盖处理得出的研究结果,因当地土壤粘性大的特殊性,该区实施秸秆覆盖不适宜免耕覆盖,采取常规翻耕秸秆覆盖,与全国许多地方得到的结果基本符合,在三峡库区旱地实施翻耕秸秆覆盖切实可行。秸秆覆盖在发挥其优势的同时也存在一些问题,是今后应该致力研究的方面:

1)秸秆覆盖在寒冷季节可以增加地表温度,使得很多虫卵顺利越冬,增加了病虫害的发生;秸秆覆盖可产生生化他感作用,会抑制农作物的生长,因此秸秆覆盖过程中的如何防虫要避免他感和自毒的发生,成为新的研究方向。

2)将速腐剂应用到秸秆覆盖中是一个新的研究方面。速腐剂的使用可以增加秸秆的腐解,其作用效果有待进一步研究。因此,今后应加强农作物对秸秆腐解的作用机制、速腐剂对秸秆覆盖条件下土壤养分的贡献、人工模拟控制条件下秸秆覆盖的农田土壤养分变化规律等方面的研究。

3)秸秆覆盖可以增加土壤生态系统的某些养分含量,调节土壤pH值,但是并不是说可以完全不施用其他肥料,秸秆覆盖条件下合理精准实施也是需要解决的重要方面。

3.3 结论

1)不同类型秸秆覆盖处理下土壤有机质,0～10cm和10～20cm土层的土壤有机质含量变化相近,各个水平梯度间的差异不明显,有速腐剂处理的有机质含量要相对较高,变化差异也相对较大;秸秆覆盖处理下,土壤全氮0～10cm土层与10～20cm土层呈“增加降低增加”的趋势;不同类型秸秆覆盖处理下土壤碱解氮0～10cm和10～20cm土层变化相似,呈“下降增长下降”的变化趋势;秸秆覆盖不同处理土壤全磷在 0～10cm和10～20cm土层变化相似,均出现波动增高的趋势;土壤有效磷0～10cm和10～20cm土层变化一致,前期微小增长,接着下降,结实成熟期增高;土壤全钾在0～10cm出现先增后将的趋势,10～20cm土层,先增长后下降然后增长;土壤速效钾的变化与全钾各土层变化一致;在土壤的pH值在 0～10cm和10～20cm土层变化一致,随着作物生长季节的推移,出现波动增长。

2)与对照相比秸秆覆盖处理下油菜的株高高于不覆盖处理,花序数也多于对照。速腐剂与不加速腐剂同水平覆盖相比株高明显要高,但是花序数少于不加速腐剂处理的小区。一级分枝数速腐剂处理高于同水平不加速腐剂的处理,二级分枝数则是水稻秸秆7 500kg/hm2覆盖分枝数最多。

土地覆盖变化 第10篇

1 遥感影像分类原理

1.1 图像分类原理

图像分类 (Imagine Classification) 的目的是将图像中的每个像元根据其不同波段的光谱亮度、空间结构特征或者其他信息, 按照某种规则或算法划分成不同的类型。其最终目的是实现对遥感图像的理解。其基础工作是遥感数字图像的计算机分类。

利用遥感图像进行分类是以区别图像中所含的多个目标物为目的, 对每个像元或比较匀质的像元组给出对应其特征的名称, 这些名称称为分类类别 (class) 。在分类中所注重的是各像元的灰度及纹理等特征。用这样的多个特征量 (特征矢量) 所定义的空间叫特征空间。分类也可以说是按照若干分类基准对特征空间进行分割, 对其中所含的像元或匀质区域给出相同的名称。分类原理如图1所示。计算机遥感图像分类是统计识别技术在遥感领域中的具体应用。统计模式识别的关键是提取待识别模式的一组统计特征值, 然后按照一定准则做出决策, 从而对数字图像进行计算机分类。计算机处理图像的一般过程如图2所示。

1.2 监督分类法

监督分类方法又称“训练场地法”或“先学习后分类”法, 它的基本特点是在分类前人们对遥感影像上某些地物的类别属性己有一定的先验知识, 这些先验知识通常是通过实地的抽样调查, 地形图或配合目视判读技术来获得的。选好训练区后, 计算机对训练区进行“学习”, 得到训练组数据 (已知类别) 的统计数据和特征参数, 然后根据所选定的判别规则对像元进行分类。监督分类要比非监督分类的分类精度要高, 但是涉及运算量较大。根据判别规则的选择不同, 常见的监督分类方法有最小距离分类法、平行多面体分类法和最大似然分类法等。

1.3 非监督分类法

非监督分类方法完全按照像元的光谱特性进行统计分类, 原始图像的所有波段都参与分类运算, 分类方法简单。非监督分类主要采用聚类分析技术, 聚类分析也叫集群分析, 是依据特征空间中相似性样品集合于一定空间范围而形成集群的原理, 确定一种反映个体间内在联系的分类结构 (谱系图或树状图) , 即按照亮度值向量或波谱样式在特征空间聚集的情况划分点群或类别的分类方法。聚类分析的过程是动态的, 非监督分类的核心问题是初始类别的选定以及它的迭代调整问题, 根据分类过程中的差异, 常用的方法有K-均值聚类法和ISODATA分类法。

1.4 混淆矩阵

分类精度的计算是以混淆矩阵 (Confusion Matrix) 为基础的。混淆矩阵的形式如表1、2所示。

2 遥感影像分类试验

2.1 非监督分类实验 (图3) 。

2.2 监督分类实验 (图4) 。

2.3 专家分类器分类实验 (图5) 。

2.4 分类后精度分析

2.4.1 可以得出专家分类的总体分类精度和Kappa系数均高于监督分类方法和非监督分类方法。

2.4.2 非监督分类中不能对产生的类别进行控制, 因此产生的类别也并不是让人满意, 另外非监督分类所产生的光谱集群组并不一定对应着分析者想要的类别。

2.4.3 专家系统分类中还存在着漏分现象。

3 结论

本文通过对各种土地利用分类方法的研究, 尤其是采用了专家分类器这种逐渐在国际上流行的方法, 比较了非监督分类、监督分类和专家分类器的分类精度, 并对各种方法的优缺点进行了比较, 并取得了有益的成果。

参考文献

[1]李爽, 丁圣彦.遥感影像分类方法比较研究[J].河南大学学报, 2004, (6) :33-50.

[2]郝文化.MATLAB图形影像处理应用教程[M].第1版.北京:中国水利水电出版社, 2003.

[3]J.P.Marques de sa著.模式识别——原理、方法及应用[M].第1版.清华大学出版社, 2002.