生态学报矢量图如何提供

生态学报矢量图如何提供

投稿要求对字号是没有非常苛刻的要求的，正文五号字，标题三号字，这是非常普遍的一个格式。学报也好，期刊也好更看重的是文章的质量，学术价值的高低，祝好运。

基于MODIS数据的北京西北部地区土地资源监测研究

刘爱霞1 王静1 刘正军2

（1.国土资源部土地利用重点实验室，中国土地勘测规划院，北京，100035；2.中国测绘科学研究院，北京，100039）

摘要：本文主要讨论基于 MODIS 16 天合成的 NDVI 时间序列数据、8 天合成 LST 数据、1∶5 万DEM数据以及其他辅助数据相结合，进行北京西北部地区土地资源现状调查和土地利用及植被覆盖多年变化的研究。首先选取适合于 MODIS 数据分类的土地覆盖分类系统，用 PCA 方法对NDVI 时间序列数据进行信息增强与压缩处理，结合LST数据、DEM数据及降雨温度数据，利用模糊K－均值非监督分类法，进行研究区的土地覆盖分类，得到土地资源现状情况。然后利用变化矢量（CVA）分析方法对北京西北部地区的土地利用及植被覆盖的多年变化状况进行了分析。结果表明，MODIS 数据能很好地应用于大范围的土地资源监测中，并能得到较好的结果。

关键词：北京西北部；MODIS；土地资源现状；土地利用及植被覆盖变化

随着“人口－资源－环境”之间的矛盾日益尖锐，为了实现可持续发展的战略目标，世界各国政府都在大力加强资源与生态环境监测系统的建设。我国《全国生态环境建设规划》和《全国生态环境保护纲要》也明确提出要完善生态环境监测和信息服务体系。国土资源部《科技发展“十五”计划纲要》强调大力推进国土资源管理工作的信息化，强调努力实现国土资源调查评价工作的现代化。其中，土地资源调查与监测是其主要内容之一。

随着现代遥感技术的迅速发展，适合于不同空间尺度土地资源调查监测的各种遥感数据相继出现。目前，SPOT5、Landsat TM/ETM＋遥感数据是土地资源调查的主要数据源，适合于乡级、县级、区域级等不同尺度，但是应用于较大空间尺度的土地资源调查时，耗费大量人力、物力，且不经济。近年出现的中空间分辨率、高时间分辨率的 MODIS 数据为大尺度的土地资源调查提供了更好的数据源。Tucker 等人研究表明［1］，归一化植被指数 NDVI 实际反映了植被生物量、覆盖度和叶绿素含量三方面的生物物理化学性质，利用不同时相条件下的 NDVI序列，可以比较准确地反映植被的生长季相变化的规律。这成为利用遥感数据进行大区域范围植被和土地覆盖制图的基本思路［2～4］。

本文尝试以MODIS的NDVI时间序列数据集为主要数据源，结合MODIS LST、DEM、降雨、温度等辅助数据，首先选取适合的土地覆盖分类系统，通过 PCA 等数据处理方法，使用模糊K－均值非监督分类法，进行北京西北部地区的土地覆盖自动分类研究；然后利用变化矢量（CVA）分析方法对该区的土地利用及植被覆盖的多年变化状况进行分析，以便为大尺度土地资源的调查监测提供一种快速便捷的方法。

1 研究区概况

北京西北部地区是我国生态环境建设部门重点关注和投资的地区，本研究区主要包括北京市西北部的风沙源区，涉及河北、山西、内蒙古三省 8个市（地、盟）的 51个县（市、旗），土地总面积为22.83×104 km2。该区范围西起内蒙古的四子王旗，东至内蒙古的敖汉旗，南起山西的代县，北至内蒙古的阿鲁克尔沁旗，地理坐标为东经 110°20′～121°01′，北纬38°51′～45°25′。

研究区地处内蒙古高原中部、黄土高原的北端，位于内蒙古、山西和河北三省交界处，区内地表形态主要由高原、山地、丘陵和盆地几大部分组成，地势呈中间高、南北低趋势。研究区跨中温带和寒温带，属干旱、半干旱大陆性季风性气候，气候变化较为明显。冬春季节受西伯利亚和蒙古冷高压控制，气候干燥少雨，主导风向为西北风，风力强劲，风蚀型外营力地质作用极为强烈，研究区北部的浑善达克沙地和科尔沁沙地，生态环境极为脆弱，是北京西北部地区的主要风沙源区。区域夏秋季节受太平洋副热带高压控制，多东南风，风力较弱，水汽补给较少，气候炎热少雨。区域年均气温 12.6℃以下，年降雨量为200～750mm，但降雨集中，降雨强度大，外加区域地势比降大，土质疏松，水蚀型外应力地质作用和重力侵蚀作用强烈，水土流失严重，而且容易发生滑坡和泥石流。

2 数据及预处理

2.1 遥感数据

本文所用遥感数据是美国EROS数据中心提供的MODIS影像。NDVI数据是2001～2004年16日合成的时间序列数据，共23个时相，空间分辨率为250m。陆面温度（LST）是2002年的8日合成时间序列数据，共46个时相，空间分辨率为1 km。

在 MODIS 数据处理中，用 MRT 几何纠正与镶嵌软件完成了图像的几何纠正和镶嵌。然后用最大合成法（MVC）对同一区域内植被指数、陆面温度等多时相的数据进行合成预处理，即图像中每一像元用j天中的最大像元值来代替，该处理的目的是为了减少大气的云、颗粒、阴影、视角以及太阳高度角的影响（Brent，N.H.，1986）。虽然最大合成过程（MVC）减少了大气的云、颗粒等的影响，但是云污染仍存在，接着采用改进的 BISE （the best index slope extraction）方法进行 NDVI 的多时相去云处理。尽管所用 MODIS 的LST 数据都是8 天合成数据，但 Ts 数据质量非常差，为了解决数据残缺的问题，我们利用线形回归来模拟这些数据。地表温度是高度空间相关的，相邻时相同一区域内的 Ts 在空间上存在某种相同的相关性，用线性关系来拟和这种关系；用相同大小的模板同时在被修复图像和参考图像上滑动，如果处于被修复图像模板中心值是零值或异常值，则用最小二乘法求出两个模板内有效数据间的线性回归系数，然后用该系数和参考图像模板中心值求出新值替代原来的零值或异常值。

2.2 其他辅助数据

辅助数据主要有通过 ETM＋数据目视解译得到的 2002年北京西北部地区土地利用现状图，北京西北部地区 1∶50000 DEM 数据，北京西北部地区的降水、温度数据。利用北京西北部地区各气象站点资料先计算各站点的年平均积温、年平均降水量，然后利用Kriging 插值方法获得北京西北部地区栅格的年平均气温、年平均降水量分布图。

3 研究方法

3.1 土地覆盖分类

（1）选取适合于 MODIS 数据分类的土地覆盖分类系统，本研究采用《基于遥感数据的土地利用/土地覆被分类体系》［5］。该分类体系最重要的特色在于，针对不同空间尺度和所对应的遥感数据源，都具有其相应的分类，而且分类类型逐渐细化。对于一级分类和二级分类，侧重于土地覆被的分类，即对于中、低空间分辨率遥感数据，以土地覆被分类为主。

（2）用 PCA 方法对 NDVI 时间序列数据进行信息增强与压缩处理，以排除各种干扰因素，提高分类精度。采用 PCA变换可以将原有的12个月中有用的NDVI信息中的绝大部分压缩到少量的前几个主分量中，同时排除了部分由于数据质量等原因引起的噪声。因此，利用 PCA变换可以有效保证分类精度不受损失。实际结果的研究也表明，PCA 在对于抑制噪声影响和保证分类精度起到了重要的作用［6］。

（3）结合 LST 数据、DEM 数据及降雨温度数据，利用模糊K－均值非监督分类法，进行研究区的土地覆盖分类［7］，经过分类后处理，对分类发生明显错误的图斑进行更正，得到北京西北部地区的土地覆盖分类图。

3.2 土地利用及植被覆盖多年变化分析

变化向量（CVA）分析是一种非常有潜力的植被比较分析方法，根据变化矢量的强度和方向判定变化的区域和类型［8］。变化矢量分析技术用指示参数年时序中的每个数据值作为时序空间的一点，时序空间连续几年的点连接成变化矢量。变化矢量的方向确定了变化的推进，矢量的大小表征了变化的强度。

例如，用连续多年12个月的数据来进行变化矢量分析，则变化矢量空间由每年的12个变化监测指示因子图像构成，故全年指示因子对应于一个12 维的时间矢量：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

P （i，x）表示像元i对应于x年的矢量，x （t）为像元i在时间t1到tn的指示因子值，n表示时间维数。矢量的模‖P‖ 代表了全年指示因子累积，矢量的方向为全年指示因子的时间曲线形状的综合反映。

任意两年间指示因子的任何变化都会表现在这12维空间中，这种变化可用变化矢量描述如下式：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

ΔP （i）是像元i从x年到y年的变化矢量。ΔP （i）包含了（y－x）年间，像元i在每一时间维上的变化信息。变化矢量的模‖ΔP （i）‖，由欧氏距离（Enclidean distance）决定，表示了指示因子变化的强度。

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

当‖ΔP （i）‖超过某一阈值时，往往对应着植被覆盖类型从一种类型转变成另一种类型。ΔP （i）的方向由一系列的角度定义，决定了指示因子的变化过程。

对计算出变化矢量强度，依据图像的直方图特征和地面资料可以采用阈值分割的方法划分不同的矢量变化强度等级。

借助于指示因子累计值的变化率来判断矢量变化类型。变化率的定义如下：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

4 结论与讨论

4.1 土地资源现状调查

通过对研究区2002年12个月的NDVI时间序列数据进行主成分分析得到的前四个主分量，基于1 km 分辨率的 MODIS 8 天合成 LST 数据得到的研究区年均 LST 数据，1∶5 万DEM数据，然后结合降雨温度数据，采用模糊K－均值非监督分类法，得到北京西北部地区的土地覆盖分类结果。然后，对分类结果进行分类后处理，对分类发生明显错误的图斑进行更正，最后得到2002年北京西北部地区的土地覆盖分类图（图1）。

图1 2002年北京西北部地区土地覆盖分类图

通过图1和图2可以看出，北京西北部地区土地覆盖类型中草地的覆盖面积所占比例最大，约占总面积的53%，内蒙古高原的浑善达克沙地和丘陵区及研究区东部的科尔沁草原南缘地带呈集中连片分布；中西部坝上高原地区的低洼处和河湖滩地的周边、阴山山脉东部及周边地区的丘陵地区也比较集中。牧草地总面积的60%以上分布在沙质甚至沙砾质干旱草原区。农用地占研究区总面积的21%，主要分布在研究区西南部高原和盆地中，多呈条带状沿河谷和河流冲积平原分布。林地占研究区土地总面积的13%，主要分布在大兴安岭、燕山、恒山、阴山山脉地区，在研究区的东部和西南部山区是林地集中分布地区，且大多分布在山体的上部。裸地占研究区总面积的8%，主要分布在北部浑善达克沙地和东部的科尔沁沙地。研究区中，湿地、水域和建设用地所占面积比例最小。

图2 2002年北京西北部地区各土地覆盖类型所占比例

4.2 土地利用与植被覆盖多年变化

用变化矢量分析法对北京西北部地区2001～2004年NDVI 的变化进行监测。所用数据是北京西北部地区2001～2004年的每月的最大 NDVI 时间序列值，首先计算 NDVI的变化矢量模，然后采用对变化矢量模进行图像分割的技术来生成 NDVI 的变化强度。图像分割满足：①相似性原则，即同一区域内像元应相似；②非连续原则，即从一个区域向另一个区域搜索，像元一定有某些变量特征（梯度等特征）发生突变，从而确定边界。

4.2.1 变化强度

NDVI 变化强度反映了植被覆盖的变化情况。综合考虑植被覆盖度变化矢量模的直方图、均值和方差来确定每个分割点，对变化矢量模进行分割得到变化强度。

表1 矢量变化强度不同等级阈值

从图3和图4中可以看出，2001～2004年4年间，北京西北部绝大部分地区土地利用/植被覆盖状况没有发生大的变化，生态系统基本维持平衡。无变化和低变化地区占北京西北部地区总面积的92.3%。

无变化区面积最大，占总面积的53.7%，主要分布于北京西北部地区的赤峰市、敖汉旗、翁牛特旗、巴林右旗和阿鲁科尔沁旗，北部的锡林郭勒盟和四王子旗等地，表明5年间三峡库区的植被覆盖在水平方向上很少变化。

低变化区面积占总面积的 38.6%，主要分布在北京西北部地区的察哈尔右翼中旗、察哈尔右翼前旗、克什克腾旗、正镶白旗、正蓝旗和太仆寺旗的交界处等地区。

中变化区的面积比较小，主要集中在北京西北部地区的凉城地区。

剧烈变化区，主要集中在北京西北部地区的西部地区、浑善达克沙地周围、克什克腾旗北部和四王子旗等地。

图3 北京西北部地区 2001～2004年植被指数 （NDVI） 变化强度

图4 植被覆盖度矢量变化强度面积比例

4.2.2 变化类型

以上计算了北京西北部地区4年间NDVI矢量变化强度。矢量变化强度反映了2001～2004年4年间北京西北部地区NDVI的变化程度，但无法判断这4年间植被覆盖度到底是增加还是减少了。因此可以同时借助 NDVI 变化强度和 NDVI 累计值的变化率来判断ND-VI 矢量变化类型［9］。

取变化强度的无变化和低变化的界值作为阈值 M，变化强度小于 M 的像元，被认为其变化为平稳型，当变化强度大于 M 时，再根据累计变化率来确定其变化类型。具体参数如下：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

根据计算出NDVI的累积变化率，再考虑公式（5）可以得到NDVI矢量变化类型图。

从图5和图6可以看出，2001～2004年北京西北部地区的植被覆盖总体上表现为稳中增加的趋势。归纳起来的变化特征为：

图5 北京西北部地区 2001～2004年植被覆指数 （NDVI）

图6 植被覆盖度矢量变化强度面积比例

（1）植被覆盖变化类型中以平稳型为主，占整体面积的56.9%，主要分布于北京西北部地区的东北、西北等地区。

（2）增加型占的比重也比较大，占北京西北部地区面积的30.2%，主要分布在北京西北部地区中南部地区。

（3）减少型代表植被覆盖度有一定的减少，所占比重很小，主要分布在北京西北部地区的北部零散地区。

（4）波动型占北京西北部地区面积的10.9%，主要分布在北京西北部地区的东北部地区。植被覆盖的波动是正常的自然现象，它是植被正常生长、长期的气候变化等自然作用和各种人类经济活动共同作用的结果。

参考文献

［1］Tucker，C.J.，Townshend， Goff，ental land cover classification using meteorological satellite data ［J］.Science，1984 （227）：369～375

［2］Cihlar cover mapping of large areas from satellites：status and research priorities ［J］. Sensing.2000，21 （6＆7）：1093～1113

［3］Townshend J.R.G，et Land Cover Classification by Remote Sensing：Present Capabilities and Future Possibilities ［J］.Remote Sensing of Environment，1991 （35）：243～255

［4］Lloyd D.A phenological classification of terrestrial vegetation cover using shortwave vegetation index imagery ［J］. Sensing，1990，11 （12）：2269～2279

［5］，ping a land use/cover classification system based on remote sensing data in dings of SPIE－Remote sensing for environmental monitoring，GIS applications and Geology IV，2004，（5574）：52～60

［6］刘爱霞，刘正军，王静.基于PCA变换和神经元网络分类方法的中国森林制图研究.长江流域资源与环境，2006，15 （1）：19～24

［7］刘爱霞，王静等.基于MODIS数据的北京西北部地区土地覆盖分类研究.地理科学进展，2006，25 （2）：96～102

［8］陈云浩，李晓兵，陈晋，史培军.1983～1992年中国陆地植被NDVI演变特征的变化矢量分析.遥感学报，2002，6 （1）：12～18

［9］中国测绘科学研究院.三峡库区相关生态环境监测技术研究.项目验收总结报告.2005，10

国家尺度土地资源信息获取与更新技术体系建设探讨

张定祥 李宪文 刘顺喜

（中国土地勘测规划院，北京，100035）

摘要：在分析阐述国家尺度土地资源信息基本概念、作用、目前获取的方式和存在问题的基础上，提出了满足国家级土地资源宏观管理目标的国家尺度土地资源信息获取及更新的技术难点、技术体系以及工作基础条件。研究表明我国国家尺度土地资源信息获取与更新技术体系建立已经极为迫切，其目标在于建立国家尺度的土地资源调查监测本底库和动态数据库，形成基于多元信息支持下土地利用/覆盖信息获取和动态更新技术体系，为土地资源宏观管理提供更为有效的数据支持。国家尺度土地资源信息获取与更新技术体系各项条件已经具备，该系统建设对国家可持续发展具有战略意义。

关键词：信息获取与更新；国家尺度；土地资源；本底数据库

1 前 言

土地资源信息反映了区域土地利用/覆盖状况，是地学空间信息的重要内容之一，它具有时间尺度和空间尺度特征。不同的管理目标和方式决定了管理所需要土地资源信息空间尺度不同。获取相应尺度的土地资源信息是各级国土资源管理机构进行土地资源管理的基础（见图1）。国家尺度土地资源信息可以理解为反映全国覆盖（或重点区域）、满足国家级决策的土地利用/土地覆盖数据信息，其精度要求1∶10 万～1∶400 万之间，其信息内容可以满足国家级层次土地资源宏观管理对主要土地资源类型，如耕地、建设用地和生态保护用地等重要用地类型的数量、空间分布、质量等级信息的需求。

图1 土地资源管理对数据空间尺度要求

国家尺度土地资源信息获取通常可采取的方法有抽样调查和全面调查方式，执行方式有自上而下调查模式和自下而上模式。中国科学院先后3 次采用TM/ETM＋影像进行了20世纪80年代、90年代中期和21世纪初三个时期的全国土地利用/土地覆盖遥感调查，基本构建了宏观的空间型国家资源环境遥感动态数据库［1～2］。1999年以来，国土资源部开展的50万人口以上城市土地利用动态遥感监测，为土地执法提供了有力保障［3］。以上基于遥感技术的国家级调查均属于自上而下抽样调查方式。目前在国土资源调查管理方面，我国国家级土地资源调查技术体系主体仍然采用自下而上的调查方式，即国家尺度数据由地方各级土地管理机构调查采集加工、然后按县—市—省—国家逐级汇总方式形成。主要代表性的调查有全国土地详查和土地年度变更调查［4－5］。比较而言，自上而下的方式具有调查速度快、成本低的优势，可避免人为造成的数据偏差，但获取数据详细程度有限；自下而上的调查方式可以获得比较全面的数据、但是调查周期长、成本高、调查成果质量受人为影响较大。近年来，随着信息技术的飞速发展，我国在利用“3S”技术获取土地资源信息能力不断增强［6～7］。以土地利用变更调查、县级土地利用建库和城市土地利用动态遥感监测为一体的土地资源信息获取技术体系不断完善，在一定程度上满足了当前国家土地资源宏观管理需求。但是由于我国地域广阔，受经济和技术各方面条件的限制，特别是对土地资源管理国家目标认识不够深入，我国国家尺度土地资源信息获取方面还存在着诸多问题。如权威性的国家尺度土地资源空间信息本底数据库还没有建立，适用于遥感技术信息快速获取的国家尺度土地资源分类标准、信息采集方法研究不够深入，实现耕地监管必须的有效数据全面更新机制更没有提上议事日程，国家土地资源宏观管理所急需的现势性国家尺度土地资源有效信息严重匮乏。

本研究拟在充分利用第一次全国土地资源调查、全国50万人口以上城市土地利用动态遥感监测、土地年度变更调查、县级1∶1万土地利用建库和基础数据更新调查技术方法及数据成果基础上，采用自上而下与自下而上相结合的方式，以中高分辨率遥感影像为基础数据，采取多尺度数据综合、多元数据融合、数据抽样等技术为核心，构建国家尺度土地资源信息获取与快速更新技术体系，实现为土地资源宏观管理提供持续信息和技术支撑的目标。

2 目标与技术难点

2.1 目标

国家尺度土地资源信息获取与更新技术体系建设目标包括建立国家尺度土地资源信息库、形成国家尺度土地资源信息本底数据库构建技术体系和多种技术融合下的国家尺度土地资源数据更新技术体系三个方面。具体内容为：

（1）建立国家尺度土地资源信息库，并实现每5年更新。以多元历史数据为基础，建立以中、高分辨率遥感影像（TM/ETM＋、SPOT、中巴资源卫星等）为主要信息源的国家尺度土地资源信息本底库，并实现2～3年重点区域更新一次，每5年全国范围更新一次。国家尺度土地资源信息本底库内容包括：遥感正射影像数据、土地利用/覆盖矢量数据、行政区划矢量数据、土地利用分区等基础的背景数据，可以满足国家尺度耕地保护、基本农田保护、建设用地监控和生态环境保护需要。

（2）形成国家尺度土地资源信息本底数据库构建技术体系。以1996年结束的全国土地详查资料为基础资料，以该时期的TM、ETM＋、中巴资源卫星和SPOT影像数据为背景，充分利用土地详查资料、“数字国土”工程1∶1万土地利用矢量数据等历史数据和资料。通过数据抽取、数据制图综合、基于知识的信息提取、数据挖掘技术，建立以新的土地利用/覆盖分类为主要内容的矢量数据库和多源遥感正射影像库，形成国家尺度土地资源信息本底数据库构建技术体系。

（3）多种技术融合下的国家尺度土地资源数据更新技术体系。深入研究并运用多时相遥感影像对比分类解译方法［8］、土地利用矢量地类图斑控制下的土地覆盖分类［9］、多时态数据表达、多元数据挖掘和知识发现等关键技术问题，形成基于多种技术融合下的国家尺度土地资源信息更新技术体系，为国家尺度土地资源数据更新提供技术保障。

2.2 技术难点

（1）国家尺度土地资源信息获取与更新技术体系建设目标确定。国家尺度土地资源信息获取的目的不同于各级土地资源管理机构为日常的土地资源管理所开展全面的土地利用调查建库，也不同于以土地执法为目的开展的高分辨率影像城市土地利用动态遥感监测。本研究目的在于构建国家级土地资源信息获取和更新的技术体系，建设国家尺度土地资源信息本底库和动态库，为国土资源部及时掌握耕地、建设用地、生态用地等重要土地资源数量、质量及其分布的状况，为制定土地资源参与国民经济宏观调控政策服务，为中央进行社会经济可持续发展决策服务，为科学研究提供国家尺度土地资源信息。

（2）国家尺度土地资源调查采取的信息分类、精度要求以及成果与相关调查协调。国家尺度土地资源调查信息获取以现代遥感技术为核心，其信息分类原则上尽量满足国家尺度土地资源监管需要，同时充分考虑利用遥感数据源进行土地利用/土地覆盖类型识别能力，扬长避短，减少大量的野外调查核实工作。本研究重点掌握耕地、建设用地、生态用地等重要土地资源的状况，国家尺度土地信息分类原则上侧重于以反映地面覆盖为主要特点的土地利用/地覆盖分类，而不宜采用传统土地利用分类标准。国家尺度土地资源信息精度采用10～30米之间遥感影像为数据源，调查精度1∶10万，全国数据精度1∶50万。国家尺度土地资源调查分类数据与其他土地资源调查保持在耕地、建设用地等重要类型一致性，其他类型仅为参考数据。

（3）本底信息来源与综合信息快速抽取。鉴于本底数据的重要意义，国家尺度土地资源调查信息本底数据可以选择1996年结束的全国土地详查资料为基础资料，充分利用土地详查积累的县级1∶5 万土地利用栅格图、“数字国土”工程1∶1 万土地利用数据建库、已有的TM、ETM＋、SPOT、中巴资源卫星影像数据。通过数据抽取、数据制图综合、基于知识的信息提取、数据挖掘技术，建立以新的土地覆盖分类为主要内容的矢量数据库和多源遥感正射影像库。

（4）利用高分辨率遥感影像进行数据的抽样统计与核查技术。为了提高土地资源信息获取精度，并尽量减少外业调查工作量，国家尺度土地资源信息获取在利用中高分辨率遥感影像解译获取全面的土地利用/覆盖信息后，需要选取一定面积区域作为样带，充分利用城市土地利用动态监测成果—高精度遥感正射影像作为检验标准和数据判读核查纠错的依据，并建立中、高分辨率影像土地利用/覆盖分类数据换算系数。

（5）利用多元信息挖掘技术实现信息的快速更新。利用先期土地利用数据、地形数据、土壤和植被数据，可有效提高土地利用动态遥感监测变化发现和类型识别精度，在实际应用中具有极大的价值。综合应用地学相关的多元背景信息进行数据挖掘，可以实现国家尺度土地资源信息的快速更新。

3 技术路线

本研究技术特点表现在技术综合性和客观有效性两个方面。技术综合性表现为：将综合应用多种遥感数据、县级土地利用数据、全国1∶50万土地利用数据、中科院系统的土地利用数据、全国土地利用变更数据，以遥感技术、多元数据融合、数据抽样统计验证、数据挖掘等为核心技术，形成多学科的土地利用/覆盖信息获取与更新技术体系。客观有效性表现为：以土地利用/覆盖分类为出发点，主要依赖已有知识和信息建立解译标识，分类结果核查主要依靠典型样区高分辨率影像，充分利用动态遥感监测多年积累的大量数据成果，不以野外核查为重点以减少工作量。主要技术路线主要包括五个方面：①国家尺度土地资源信息分类、数据源、调查精度研究；②多元信息支持下的全覆盖土地资源本底信息获得；③利用高分辨力遥感影像对典型样带解译数据进行校验和精度分析；④利用多元信息挖掘技术实现信息的快速更新；⑤综合信息应用与服务。（总体技术路线图见图2）。

图2 多媒体空间数据库系统的结构

4 工作基础和支撑条件

4.1 开展了大规模的土地利用动态遥感监测

我国国土资源系统已经开展了大规模的土地利用动态遥感监测，调查监测的组织方法和工作流程已经日趋成熟和完善。如1996～1997年原国家土地管理局利用TM和SPOT数据，对119个城市的扩展进行了调查监测。从1999年开始，国土资源大调查项目开始利用TM、ETM＋和SPOT数据，每年对全国50万以上人口城市的土地利用变化情况进行了监测。2002年以后，遥感监测项目开始采用高精度的2.5米SPOT影像作为主要遥感数据源，大大提高了遥感监测精度。此外，新一轮国土资源大调查启动了利用SPOT、IKNOS、IRS、Quick-Bird和航空遥感数据，对全国县级土地利用基础图件和数据进行更新工作。2002年国土资源部首先启动了环北京地区资源与生态环境遥感监测工程。该项目采用TM或ETM＋以及SPOT遥感数据，对环北京地区52个县进行了土地利用状况、土地退化状况和生态环境建设状况的监测［10］。以上基于遥感方法的土地利用调查监测实践，为国家尺度土地资源信息获取与更新技术体系建设提供了宝贵经验。

4.2 深入开展了土地资源遥感监测技术研究

我国在土地资源遥感技术研究方面开展了多方面的深入研究。在遥感监测技术研究方面，“土地利用动态监测技术与方法示范研究”创建了利用SPOT与TM遥感数据进行土地利用变化快速监测的产业化技术工艺流程，实现了对具体地块的遥感监测，快速发现土地覆盖/利用变化，发展了用图像图形阵列替代单个控制点的影像纠正和无DEM支持的卫星影像纠正技术，完善了自动化手段与人工目视解译相结合的土地利用变化信息提取方法。在成像光谱技术研究方面，国家863 项目“成像光谱技术在土地动态监测中的应用”，利用成像光谱技术高光谱分辨力的特点可增加土地利用类型识别的程度和精度，研究成像光谱技术对土地类型的识别和土地质量的监测，对土地动态监测的方法有所创新，具有重要理论价值［11］。在县级土地利用/土地覆盖快速建库研究方面，我院技术人员多次参加中国科学院组织的土地利用遥感监测项目，并在典型地区进行了多源遥感数据支持下的县级土地利用/土地覆盖动态建库深入研究［8］，积累了丰富的经验，本项目所需要的技术基本具备，只需进行进一步技术集成。

4.3 为系统建设准备了坚实的数据基础

国土资源大调查项目取得了丰富的数据成果，为国家尺度土地资源信息获取与更新技术系统建设提供了坚实的数据基础。目前，国家级已经完成对2000 多个县的土地详查1∶5 万县级土地利用栅格图库建设，积累大量的原始数据，为国家尺度本底遥感解译提供了翔实的资料。土地利用动态遥感监测项目完成了1999～2004年度土地利用动态遥感监测数据集，取得卫星TM数据700 余景、SPOT1/2/4 卫星数据2300 多景、SPOT5 卫星数据513景、资源2号数据5景、SAR数据6景、航空相片630张；耕地后备资源调查评价项目完成了西部大开发土地资源调查评价数据库和全国耕地后备资源调查评价数据库两个数据库建设任务。土地资源基础图件与数据更新项目完成了广东省佛山市南海区、广州市十区等试点城市的更新数据成果。全国土地利用数据库建设项目取得了1000余县的土地利用数据库成果等。这些数据成果为国家尺度土地资源信息获取与更新技术体系建设奠定了坚实的数据基础。

4.4 基础软硬件系统建设

通过多年努力，国家级土地数据中心的土地数据存储硬件、基础软件（Oracle10 g、Unix）、数据整理整合的GIS软件条件业已基本具备，土地数据存储网络系统已经初步建立，土地数据存储应用管理系统开发即将完成。国家级土地数据中心还积极参与科技部科技技术共享建设，土地数据分中心建设正在进行中，并将成为国土资源科学数据中心的三大分中心之一。近年来，中国土地勘测规划院先后启动了《土地遥感监测数据集成应用》、《土地利用数据质量检查软件》和《土地数据存储管理系统》开发项目，这些软件系统具有数据质量检查、数据整合、集成管理功能模块，可批量地进行数据资源的整合，将为国家尺度土地资源信息获取与信息更新的数据整合集成和信息挖掘提供便利，可大大提高工作效率。

5 应用前景与展望

我国是一个发展中的人口大国，耕地资源减少过快、矿产资源耗竭、能源短缺、生态环境恶化等已经成为影响国家可持续发展的核心问题。为了落实最严格的耕地保护政策，贯彻党中央利用土地资源有效参与国民经济宏观调控的决策，进行国家尺度土地资源信息获取与更新技术体系研究和建设具有很强的现实和长远意义。通过国家尺度土地资源信息获取与更新技术体系建设将改变国家层面对土地资源宏观管理的模式，可为国家利用土地资源进行国民经济宏观调控提供较为准确的客观数据，改变当前国家尺度土地资源空间数据缺乏，耕地监管过度依赖逐级上报的统计数据的被动局面，还可对地方上报数据真实性进行有效评估。在国家有限的持续性资金投入下，将可持续地提供国家宏观决策所需的土地资源信息。国家尺度土地资源信息获取与动态更新技术系统还可提供生态环境保护必须的土地资源生态本底背景条件和动态变化等重要信息，有利于建立人与自然协调发展的经济和社会和谐发展模式。国家尺度土地资源信息还可提供农业、林业、环保、规划等其他部门使用。此外，国家尺度土地资源本底数据和动态数据还是地学、环境、人文等相关领域研究的重要基础数据，可直接参加科学数据共享，为相关科学研究服务。

参考文献

［1］刘纪远，张增祥，庄大方.20世纪90年代中国土地利用变化时空特征及其成因分析.地理研究，2003，22 （1）：1～11

［2］刘纪远，庄大方，张增祥等.中国土地利用时空数据平台建设及其支持下的相关研究.地球信息科学，2002，4 （3）：3～7

［3］中华人民共和国国土资源部.土地利用动态遥感监测图集.北京：科学出版社［M］，2000

［4］李元主编.中国土地资源.北京：中国大地出版社［M］，2000

［5］国土资源部地籍管理司.2004年全国土地利用变更调查报告.北京：中国大地出版社［M］，2005

［6］任维春，王建卫，王歧岭.综合利用“3S”技术监测土地利用变化.遥感信息，2000 （3）：19～22

［7］丁军，王丹，王超鹏等.利用高分辨率卫星遥感数据进行土地利用动态遥感监测的实践与认识.工程勘察，2005 （3）：59～61

［8］张定祥，李宪文，刘顺喜等.基于多源信息的苏南典型地区县级土地利用现状与动态快速建库研究.中国土地科学，2002，（6）：20～27

［9］张定祥，李宪文，杨冀红等.基于成像光谱数据和高分辨率影像的土地利用数据库更新试验研究.农业工程学报，2004 （6）：272～276

［10］王静，郭旭东，汪秀莲等.环北京地区资源与生态环境遥感监测研究.遥感信息，2003，2：23～27

［11］“成像光谱技术在土地动态监测中的应用”课题组.成像光谱技术在土地动态监测中的应用.北京：地质出版社［M］，2005

动态平衡详细资料大全

动态平衡（Dynamic equilibrium），按不同的专业领域主要分为：物理动态平衡、化学动态平衡、生态平衡、生理平衡、经济平衡、社会发展与人口平衡等。

人类社会本身就是动态平衡的表现，包含混乱、战乱与【和平发展】均属于动态平衡的过程。

基于不同数据源的土地利用变化遥感动态监测方法

李翔宇 樊彦国

（中国石油大学地球资源与信息学院，山东东营，257061）

摘要：本文从所拥有的遥感数据源的可能情况出发，分别介绍了各种情况下利用遥感进行土地利用变化动态监测的方法，分析了其优势和劣势。

关键词：遥感；土地利用变化；动态监测；方法

1 引言

我国是一个人多地少的国家，土地是我们赖以生存的资源。建立土地动态监测系统以快速准确地提供各类土地资源面积及其分布、土地资源动态变化状况及土地资源生态环境信息是十分必要的，这样可以保证我国在科学翔实的资料基础上对土地资源进行科学的规划及合理的利用，实现土地资源的可持续健康发展。可是传统的统计或实地调查方式，耗时耗力，劳民伤财，并且难以适应土地利用的快速变化，而遥感可以提供及时准确且覆盖面广的地面影像资料，并且周期短、信息量大，通过后期的分析、处理、比较，可以使人们迅速准确地掌握土地利用变化的详细信息，即实现土地利用的动态监测。现在，遥感技术已成为进行土地利用变化动态监测的重要手段。

基于遥感影像的土地利用变化监测方法大致可分为两类：光谱直接比较法和分类结果比较法。多数变化提取算法属于前一种，主要包括影像差值法、比值法、主成分分析法和变化矢量分析法等，这些算法直接通过两时相数据的光谱差异确定变化发生的区域，但不能得出变化图斑的类型；后一种方法通过对各自时相的数据进行土地利用分类，通过对两个分类结果的比较提取变化信息，但其精度受两时相数据分类精度的制约。实际操作中可以根据所持有数据源的不同而采用相应的方法。

2 基于单一传感器的土地利用变化监测方法

2.1 基于单一传感器多时相遥感影像

当遥感数据源为单一传感器但可以获得多时相遥感影像时，可以考虑以下几种方法。

2.1.1 单变量图像差值法［1］

单变量图像差值法比较简单，是使用最广泛的一种探测方法。它是将两个时相的遥感图像按波段进行逐像元相减，从而生成一幅新的代表二时相间光谱变化的差值图像。辐射值的显著变化代表了土地覆盖变化，在差值图像中接近于零的像元就被看做是未变化的，而那些大于或小于零的像元表示其覆盖状况发生了某种变化，从而设定适当的阈值就可以把变化信息提取出来。

2.1.2 图像比值法［1，2］

比值处理被认为是辨识变化区域相对较快的手段。它是对于两个时相多谱段数据中同名像元的光谱灰度值施以除法运算。显然，经过辐射配准后，在图像中未发生变化的像元其比值应近似为1，而对于变化像元而言，比值将明显高于或低于1。比值法可以部分地消除阴影影响，突出某些地物间的反差，具有一定的图像增强作用。

2.1.3 图像回归法［1］

图像回归法是首先假定时相Ⅰ的像元值是另一时相Ⅱ像元值的一个线性函数，通过最小二乘法来进行回归，然后再用回归方程计算出的预测值来减去时相Ⅰ的原始像元值，从而获得两时相的回归残差图像。

2.1.4 植被指数差值法［2］

植被指数差值法是用近红外与红光波段间的比值（植被指数）代替原始波段作为输入数据进行差值运算来生成变化图像。由于植物普遍对红光强烈吸收和对近红外光强烈反射，因此红光和近红外波段之间的比值有利于提高光谱差异。

2.1.5 主成分分析法［3］

（1）差异主成分法 两时相的影像经纠正、配准之后，先对影像作相差取绝对值处理，从而得到一个差值影像。差值影像作主成分变换之后的第一分量应该集中了该影像的主要信息，即原两时相影像的主要差异信息。这个分量可以被认为是变化信息而被提取出来，从而生成变化模板，作为指导下一步变化类型确认和边界确定的参考信息。

（2）多波段主成分变换 由遥感理论可得知，地物属性发生变化，必将导致其在影像某几个波段上的值发生变化，所以只要找出两时相影像中对应波段上值的差别并确定这些差别的范围，便可发现土地利用变化信息。在具体试验中将两时相的影像各波段进行组合，成一个两倍于原影像波段数的新影像，对该影像作主成分变换。由于变换结果前几个分量上集中了两个影像的主要信息，而后几个分量则反映出了两影像的差别信息，因此可以抽取后几个分量进行波段组合来产生出变化信息。一般说来，在上述多波段主成分变换之后，采用0、1、2分量进行波段组合能较好地反映出新旧时相影像的变化部分。

（3）主成分差异法 本方法和差异主成分方法所不同之处在于影像作主成分变换与差值处理的顺序不一样。要求先对两时相的影像作主成分变换，然后对变换结果作差值，取差值的绝对值为处理结果。在实际的试验中，两时相影像作主成分变换后相差的第一分量已经涵盖了几乎所有的变化信息。因此，可以认为这一分量属于影像的变化信息。

2.1.6 变化向量分析法［1］

由于多时相遥感数据中任一像元矢量都可用多维测量空间中的一个点来表示（空间的维数等于原始波段数），通过对不同时相下的同名像元矢量进行相减所得到的变化矢量就可以用于描述该像元第一时相 t1 到第二时相 t2 期间在多维空间中所发生的位置变化。其中变化矢量的模代表了变化的强度，而方向则指示了发生变化的类型。设时相 t1、t2 图像的像元灰度矢量分别为 G＝（g1，g2，…，gk）T 和H＝（h1，h2，…，hk）T，则变化矢量为：ΔG＝G －H。ΔG 包含了两幅图像中所有变化信息。变化强度由变化矢量的模||ΔG||决定，||ΔG||越大，表明图像的差异越大，变化发生的可能性越大。因此，提取变化和非变化像元，可根据变化强度||ΔG||的大小设定阈值来实现，即像元||ΔG||超过某一阈值时，即可判定为土地利用类型发生变化的像元；而变化的类型，可由ΔG的指向确定。

这种方法利用多频段信息，在提取变化位置的同时可以得到变化类型信息，是一种较理想的算法。当然，要用好变化向量分析法还取决于分析过程中变化/未变化阈值是否取值合理以及相关分类方法是否适当。

2.1.7 分类后比较法

分类后比较法是对两期遥感影像进行监督或非监督分类，然后比较在各图像系列同一位置上的分类结果，进而确定土地利用类型变化的位置和所属类型。该方法可直接获得变化类型信息，但如何选择合适的分类方法提高分类精度是准确获得变化信息类型的关键。

2.1.1至2.1.6均属于光谱直接比较法，此方法对变化比较敏感，可以避免分类过程所导致的误差，但需要进行严格的辐射标准化，排除大气状况、太阳高度角、土壤湿度、物候等“噪声”因素对图像光谱的影响，由于目前对各种干扰（尤其是物候）导致的辐射差异的校正方法仍不成熟，因此，只能通过选择同一传感器、同一季相的数据来尽可能减小“噪声”。同时光谱直接比较法只注重变化像元的提取，而不能提供变化中土地类型的转化信息（如地类属性）。与之相对照，分类后比较法对辐射纠正要求相对较低，适用于不同传感器、不同季相的数据的比较，同时该方法不仅可以提供变化信息，而且还能够给出各时期的土地利用类型信息。但这种方法的最终精度受到影像分类精度的限制，而且它对影像的全部范围都要进行分类计算而不管它们是否已经发生变化，这样无疑大大增加了变化信息检测的计算量。

在目前的土地利用遥感监测研究中，结合光谱直接比较法和分类后比较法的混合动态监测方法逐渐受到重视，并有了一些成功的案例研究。Jenson 通过对湿地变化的动态监测研究表明：先利用光谱直接比较探测变化区，再进行图像分类确定变化类型的混合法是一种非常有效的变化检测方法［4］；Macleod和Congalton的研究也表明以差值法为基础的混合动态监测法优于传统分类后比较法［5］。这样可以集两者之所长，取得更好的监测效果。

2.2 基于单一传感器单时相遥感影像

无论是光谱直接比较法还是分类后比较法都是基于多个时相的遥感影像来进行土地利用变化监测。而当前期遥感影像无法或者难以获得的情况下，依靠后期的单时相遥感影像与前期的土地利用现状图也可以进行动态监测，这就是采用将土地利用现状图叠加在遥感图像上的方法来监测土地利用变化情况［6］。具体说来，是利用土地利用现状图中不变的明显地物标志（如线状地物交叉点）作为控制点对遥感图像进行配准，然后将土地现状图叠加再校正后的遥感图像上，检查各图斑是否吻合，若图斑的角点有偏移，则发生变化。可通过遥感图像辨识当前的土地利用类型，而土地利用现状图含有先期的土地利用类型信息，所以可以比较容易地辨识土地利用类型的变更情况，并可测算出变化图斑的面积。若其中有不能确定的图斑，可以辅以外业调查，以提高监测精度。

3 基于多源遥感的土地利用变化信息监测方法

不同传感器都具有各自的优势，获得的图像各有所长，如美国陆地卫星（Landsat）TM图像光谱信息丰富；法国SPOT卫星图像具有全色通道而空间分辨率高；SAR图像不受光照条件的影响而且几乎不受大气和云层的干涉，可用于探测地物的复介电常数和表面的粗糙度等等。利用不同传感器的多源遥感影像进行融合，可以使其优势互补，在此基础上的土地利用变化动态监测已成为国际遥感界研究的主题之一。以TM影像和SPOT影像为例，目前应用多光谱TM和全色SPOT数据融合的方法主要有LAB变换、HIS变换、线性复合与乘积运算、比值运算、BROVEY 变换、高通滤波变换（HPH）和主成分分析（PCA）等方法［7］，经上述算法融合后的图像可以有效地同时保留SPOT高分辨率图像的精细纹理和TM多光谱图像的丰富色彩信息，从而有利于提高图像的空间分辨率和光谱分辨率，为发生变化的地类图斑的提取提供良好的数据源基础。

3.1 光谱特征变异法［8］

针对基于多源遥感的土地利用变化监测，变化信息的提取方法除了2.1所述方法之外还可以选择光谱特征变异法。

同一地物反映在SPOT影像上的信息是与其反映在TM影像上的光谱信息一一对应的。因此作TM和SPOT影像融合时，才能如实地显示出地物的正确光谱属性。但如果两者信息表现为不一致时，那么融合后影像的光谱就表现得与正常地物有所差别，此时就称地物发生了光谱特征变异（例如同一位置，前期在遥感影像上呈现为绿色的麦地，后期新修道路在影像上呈现较亮的灰度，那么叠加之后会呈现一条绿色的道路，与正常地物相异），这部分影像在整个的影像范围内是不正常和不协调的，这些地物可以通过影像判读的方法勾绘出来，这种变化信息提取的方法具有物理意义明显、简洁的特点。但是经过试验发现，发生光谱特征变异的地物在几何尺寸上要足够的大才能被人工目视发现。此外，该方法的效率还受到被监测区地物光谱特性的限制。

3.2 变化信息提取方法的选择

根据土地利用动态监测项目所获取的数据源，可将遥感数据组合分为下述几种类型，针对不同的类型要采取相应的方法以获取较好的效果。

3.2.1 具有两时相的 TM 和 SPOT 数据

这种情况是最好的。在该条件下，先对两时相的数据以某一纠正后的TM或SPOT影像（首先处理TM还是SPOT视数据的具体情况而定，原则是利于TM和SPOT数据的配准融合处理）为参考分别作纠正和配准处理，为保留并结合原始数据中纹理信息和光谱信息要融合相对应的TM和SPOT影像，在两时相融合影像的基础上采用主成分差异的方法来提取变化信息。另外还可以用新时相的 SPOT 影像与旧时相的 TM 影像进行融合生成光谱特征变异影像来指导发现变化的区域。

3.2.2 具有两时相的 TM 和一个时相的 SPOT 数据

在此数据源的基础上，首先仍对某一时相的TM或SPOT数据作纠正处理，然后将其他时相的TM和SPOT数据都统一以这个纠正后的TM （SPOT）为参考影像作影像到影像的纠正和配准。之后，选择光谱特征变异的方法来寻找大部分的变化信息，借助于两时相的TM影像确认变化；此外，利用主成分分析的办法对两时相的TM数据进行处理，得到变化信息模板，将模板叠置在判读影像上补充单一方法进行变化提取的遗漏。

3.2.3 具有两时相的 SPOT 和一个时相的 TM 数据

通常，前面的数据预处理纠正配准部分同3.2.2相同，然后对其中交错时相的TM和SPOT数据进行融合得到光谱特征变异影像，借助于两时相的SPOT数据发现影像中纹理信息的变化，从而辅助提取影像中的变化信息部分。除此之外，两时相的SPOT影像数据理论上说，可以直接作比较得到变化的部分，但是由于成像条件的不同，这样直接比较的方法会导致产生很多伪变化信息，干扰了真正变化部分的提取。因此，首先要对原始SPOT影像进行去噪及辐射校正等预处理，然后才能用来提取变化的信息。

3.2.4 具有单时相的 SPOT 影像和另一时相 TM 影像的数据

首先要对SPOT和TM数据进行纠正处理，然后利用纠正后的SPOT和另一时相TM影像融合得到光谱特征变异影像，并以此作为判读变化信息的主要参考数据。此外，单时相的SPOT数据可以作为新增波段加入到原始的 TM 数据中去进行主成分分析来提取变化的信息，辅助发现漏判的变化图斑。

利用遥感进行土地利用动态监测的方法非常多，这些方法各有自己的优势和劣势，实际工作中，要针对所拥有的数据源的情况，综合各方面要求来选择合适的方法，也可以综合几种方法取长补短以达到更好的监测效果。至于如何更有效地识别土地变化的类型以及如何提高分类的精度仍有很大的研究空间。

参考文献

［1］卢珏.土地利用动态监测变化信息提取算法评估［J］.湖北农学院学报，2002，22 （5）：394～396

［2］张银辉，赵庚星.试论土地利用遥感动态监测技术方法［J］.国土资源管理，2001，18 （3）：15～18

［3］杨贵军，武文波，陈步尚，夏春林.土地利用动态遥感监测中变化信息的提取方法［J］.东北测绘，2003，26 （1）：18～21

［4］Jensen J R，Cowen D J，Narumalani S，et evaluation of coast watch change detection protocol in South Carolina ［J］.Photogram metric Engineering and Remote Sensing，1993，59 （6）：1039～1046

［5］Macleod R D，Congalton R G.A quantitative comparison of change-detection algorithms for monitoring eelgrass from remotely sensed data ［J］.Photogram metric Engineering and Remote Sensing，1998，64 （3）：207～216

［6］吴连喜，严泰来，张玮，薛天民，程昌秀.土地利用现状图与遥感图像叠加进行土地利用变更监测［J］.农业工程学报，2001，17 （6）：156～160

［7］张炳智，张继闲，张丽.土地利用动态遥感监测中变化信息提取方法的研究［J］.测绘科学，2000，25 （3）：46～50