《土地利用现状分类》国家标准的解读

2007年8月,我国新的土地利用分类系统(《土地利用现状分类)》首次作为国家标准颁布,标志我国土地利用研究的深入和土地管理水平的提高。为促进其更好地实施应用,论文对该标准进行了全面解读。在介绍《土地利用现状分类》国家标准主要内容的基础上,将新的分类标准与原有的《土地分类(试行)》标准进行了比较分析,指出了新的分类在土地利用类型的归并、调整等方面的改进之处及存在的问题,提出了新旧分类系统过渡和衔接的建议,为下一步国家制订新标准的实施细则提供了依据。

《土地利用现状分类》在土地利用现状调查中的应用研究

采用实例验证法和文献分析法探讨了《土地利用现状分类》在土地利用现状调查中的适用性及存在的问题,并在此基础上提出了相关的建议。

关于《土地利用现状分类》国家标准的探讨

在介绍《土地利用现状分类》国家标准颁布的背景及意义的基础上,将新的分类体系标准与原有《全国土地分类(试行)》进行了比较分析,使二者有效衔接起来,以便于国家标准更好地实施应用,并针对其不足之处,提出了建议。

对《土地利用现状分类》中有关问题的探讨

按照土地的属性、利用方式和覆盖特征,结合土地利用特点,对土地利用现状分类含义进行了深入的研究,认为部分土地分类的含义值得商榷,并提出了解决问题的途径。

土地管理又一里程碑——《土地利用现状分类》国家标准专家谈

2007年8月10日，国家质量监督检验检疫总局，国家标准化管理委员会正式发布《土地利用现状分类》国家标准，并于当日实施。此举标志着我国土地利用现状分类第一次拥有了全国统一的国家标准。这在业内及相关领域引起了不小的反响。

新《土地利用现状分类》在第二次土地调查中的应用

一、新土地分类与全国土地分类之间的主要差异1．两者的分类体系不同全国土地分类采用的是三级分类体系，即首先把所有的地类按照大用途分为“农用地、建设用地、未利用地”三个部分；然后再将其对应地分为15个二级类型；最后再将二级类型按照相应关系进一步细化到71个三级类型。

《土地利用现状分类》修改浅议

通过全国土地资源第二次普查工作实践体会及各行业专业工作的普遍反映,分析了当前发布执行的《土地利用现状分类》国家标准存在各方面的缺憾,尤其表现在分类方法和分类标准上不一致,同一级别类型概念外延和内涵互相交叉重叠不严密,从属与平行逻辑关系比较混乱。为此,对《土地利用现状分类》提出了进一步修改完善的具体建议,力求遵循分类学分类原则、方法和标准,从行业专业和国土管理两个层面进行优化衔接,真正实现一套标准统计数据能够全面反映各行各业的土地利用及发展动态。

全面覆盖 统一标准 提高利用——解读《土地利用现状分类》

近年来，随着经济社会的发展，土地利用状况日益复杂。国土资源管理在国家宏观经济发展中的地位越来越重要，掌握真实可靠的土地资源数据，成为加强和改善宏观调控、落实最严格的土地管理制度的关键。中国在加入世贸组织之后，社会经济领域标准化建设也亟须与国际接轨。在新形势、新任务面前，土地利用现状分类标准的不统一，越来越难以适应宏观调控形势和发展的需要。

新版《土地利用现状分类》国标发布实施

11月1日，由国土资源部组织修订的国家标准《土地利用现状分类》（GB／T21010-2017），经国家质检总局、国家标准化管理委员会批准发布并实施。

新修订《土地利用现状分类》国标发布实施

日前，由国土资源部组织修订的国家标准《土地利用现状分类》（GB／T21010—2017），经批准发布实施。新版标准秉持满足生态用地保护需求、明确新兴产业用地类型、兼顾监管部门管理需求的思路，完善了地类含义，细化了二级类划分，调整了地类名称，增加了湿地归类，将在第三次全国土地调查中全面应用。

《土地利用现状分类》国家标准出台

8月10日．中华人民共和国质量监督检验检疫总局和中国国家标准化管理委员会联合发布《土地利用现状分类》，标志着我国土地资源分类第一次拥有了全国统一的国家标准。

基于土地利用现状的耕地种植属性空间分布特征研究

耕地是人类赖以生存的基本资源,耕地保护是事关国计民生的战略问题。为充分掌握耕地种植现状,及时为耕地保护提供数据参考,本文以寿光市为例,基于年度变更调查土地利用现状数据,采用核密度分析法、最近邻指数法、标准差椭圆法等方法对耕地进行统计分析,综合评估耕地及其种植属性空间分布特征,从而为后续耕地保护提供数据参考,进一步促进耕地资源可持续发展。

基于BP神经网络的土地利用智能分类识别与雨洪风险模拟

土地利用分类数据的精度对雨洪风险淹没模拟研究具有重要影响.土地利用分类中不同地物之间存在复杂的非线性关系,为提高土地分类数据的精度,本研究引入具有非线性映射能力的BP神经网络模型,提出了一种基于深度学习的遥感影像土地利用分类方法.选取野三坡风景名胜区GF-2遥感影像数据,对该影像进行多尺度分割.同时将能够反映土地利用信息的光谱数据和DEM数据、坡度数据,作为输入层神经元,将土地利用类型作为输出层神经元,归一化处理后进行迭代训练,构建了基于BP神经网络的土地利用分类模型.该模型的分类总体精度达到91%,Kappa系数为0.890 6.基于该模型的识别结果,利用水文模型和ArcGIS空间分析工具,模拟并分析野三坡景区百年一遇的极端降水事件造成的雨洪淹没区,并提出应对雨洪灾害的相关策略.

基于GEE的洱海流域土地利用/覆被分类算法对比研究

快速准确地进行复杂高原山区的土地覆被长时序自动分类,可为国土规划、资源利用提供依据。利用GEE云平台,选取Landsat影像地表反射率、植被指数、水体指数、DEM 4种空间数据集作为土地覆被分类的基础和辅助数据,分别运用CART、RF和SVM 3种分类算法,实现洱海流域土地覆被信息的自动提取和精度对比。结果表明:(1)3种分类算法中,RF的总体分类精度最高,SVM的总体精度最低;RF是洱海流域LULC的最适宜分类算法。(2)采用光谱指数、地形特征等辅助数据集会进一步提高解译精度,而样本点的选取是最主要的影响因素。(3)Erhai_RF能够达到较高的精度,同时更加突出细节特征,在局部实际分类精度上会更高。研究结果可为洱海流域长时序土地覆被数据产品智能快速提取以及最优分类算法筛选提供方法和技术支撑。

基于CA-Res2-Unet的遥感图像土地利用现状信息提取研究

遥感图像信息提取与人工智能算法结合是国土资源及环境部门进行土地利用现状调查、监测和管理的重要技术手段。针对U-net在遥感图像提取产生的空间信息定位不足和多尺度目标特征分割不准确的问题,提出了一种在Res2Net头部融入注意力模块取代U-net编码部分的CA-Res2-Unet模型,旨在增强U型网络的空间定位和多尺度特征信息分割能力;通过WHDLD公共数据集和沈抚新区自制数据集,在主流网络和改进模型上进行了实验。结果表明,该模型较基础模型U-net在WHDLD公共数据集和沈抚新区自制数据集上实验的整体准确率、平均交并比和mF1分数(各类F1分类的平均值)三个评价指标分别提高了0.92%、2.00%、1.58%和1.18%、2.87%、1.91%,所提出方法的图像分割视觉效果和各项定量指标均优于其他主流语义分割网络,可为区域土地利用现状调查和相关部门决策提供科学依据。

蒙古国中央省土地利用现状评价研究

本文以蒙古国中央省为研究区域,利用2021年土地利用数据,基于土地利用多样化指数、土地利用集中化指数、土地区位指数及土地利用程度等计量地理模型评价其土地利用现状,结果表明:1) 蒙古国中央省土地利用多样化指数较低,土地利用类型单一,高多样化区主要分布于东北部、西北部少部分林草地分布区域,西北部为中多样化区,南部地区草地广泛分布,为低多样化区;2) 中央省土地利用集中化程度较高,各苏木集中化差异性较为明显,空间上呈现出南部高于北部的特点;3) 中央省下辖苏木土地利用类型中耕地和草地区位意义相对较突出,其中耕地区位意义较突出的苏木主要分布在首都乌兰巴托周边和全省地势较低的西和西北部,由于草地是全省主导用地类型且面积最大,草地区位意义较显著的苏木数量最多;4) 中央省土地利用程度不高,土地利用程度综合指数为201.53,下辖各苏木间的差异不明显,空间分布上西北部土地利用程度高于南部和东北部。

融入辅助数据集的面向对象土地利用分类研究

土地利用分类结果对国土空间的管理至关重要。为提高土地利用分类结果的准确性,本文以博湖县为研究区,使用Sentinel-2A影像提取光谱特征,并结合雷达、光谱指数、土壤和地形特征构建6个面向对象的土地利用分类模型,使用简单非迭代聚类(SNIC)算法和随机森林(RF)算法对影像进行分割和分类,得出模型的分类精度以及特征重要性排序,最后使用分类回归树(CART)算法验证辅助数据集对提高分类精度的影响。结果表明:使用SNIC算法分割影像时,分别设置种子大小为17、紧凑度为0时,该研究区影像分割效果最好。基于RF分类算法,在只使用光谱信息进行分类时分类精度最低,加入雷达、光谱指数、土壤和地形特征中任何一个辅助数据集均可提高土地利用的分类精度,其中地形特征对提高分类精度的效果更显著,加入所有辅助数据集时分类精度达到最高,OA=92.34%,Kappa系数=0.91。使用CART算法进行分类有效性验证得出,基于RF算法的分类效果优于CART算法。基于遥感云平台的SNIC分割算法,融入辅助数据集进行面向对象分类,为提高土地利用分类精度提供参考。

晴隆县紫马乡土地开发利用现状及综合评价

为进一步加大土地开发力度,确保土地资源的可持续利用,需按照土地利用总体规划,开发未利用土地,配套基础设施,增加有效耕地面积,最终实现保护耕地的目标。通过开发项目区的2.2 hm^(2)土地,改变土地利用结构,可实现新增耕地1.65 hm^(2),年总收入为31788.9元,每年净收益为320662.79元,投资回收期为4.78年。因此,探究土地规划与管理,提升土地规划与管理的精度与科学性,并分析晴隆县紫马乡的闲置土地现状,充分发挥土地规划与管理的作用,利用闲置土地自身优势进行土地的开发利用,建设集约型、绿色发展型社会,实现绿水青山的美好愿景,最终依靠绿色青山所带来的附加值创造出更大价值。

一种基于多特征组合的EnMap-BOX土地利用分类方法研究

为研究多特征组合在国产高分卫星影像土地利用分类中的应用效果,本文采用GF6-WFV多光谱影像数据,构建基于光谱波段、植被指数、纹理特征的多特征组合,并采用ReliefF算法进行特征优选获取信息量冗余较小的优选特征集合,结合EnMap-BOX工具包寻优改进的SVM算法中惩罚参数C和核函数系数g获取最优分类模型,对研究区进行分类。结果表明:1)特征选择能够较好地降低多特征集合的信息量冗余。2)基于特征选择的改进SVM算法模型能获取较高的土地利用分类精度,总体精度达到82.89%,Kappa系数达到0.78,可以为土地利用分类提供一种具有较高应用价值的方法。

基于FSO算法的洱海流域土地利用分类适用性研究

精确提取土地利用类型是治理流域生态环境的重要途径,而分类算法繁多,针对分类的对象效果不一。洱海流域作为高原断陷湖泊具有其独有的特征,开展分类方法适用性研究具有重要意义。以洱海流域作为研究区,基于Sentinel-2影像数据,创新地融合了地物的光谱特征、几何结构和纹理特征,筛选出34个最优分类特征值,运用特征空间优化算法,对比分析支持向量机、随机森林和决策树3种分类方法在洱海流域的适用性。结果表明,在特征重要性排名中,红边指数(NDREI)相对于归一化植被指数(NDVI)和比值植被指数(RVI)表现出更为显著的优势,在所有特征中贡献率排名居首位;在优化特征空间后,支持向量机(SVM)的分类总体精度和Kappa系数效果最好,提高3.75和5.06个百分点,决策树(DT)效果最差,仅提高了1和1.17个百分点;相对于其他两种分类方法,优化特征空间的随机森林(RF)分类总体精度和Kappa系数最高,达到90.63%和88.87%,并且在细节上更符合真实地物分布,如在地物分布的细碎区域、区分湿地、水体和建设用地的效果明显。利用特征空间优化算法提高了分类方法的精度,随机森林对洱海流域的土地利用分类具有最强的适用性。