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。

全球历史土地利用数据集中国草地数据可靠性评估

全球历史土地利用数据集已在全球变化研究中得到了广泛的应用,但其草地数据在区域尺度上的可靠性,尚未得到验证和评估.文章以中国学者基于历史文献重建的过去百年中国草地数据集(葛氏数据集)、过去300年中国东北地区数据集(叶氏数据集)以及1980～2015年中国遥感土地利用/覆盖数据库(CLUDs)为基准,采用趋势对比法、相对差异比值法和空间网格对比法对HYDE3.1、HYDE3.2、SAGE和PJ等全球数据集中国草地数据的可靠性进行评估.结果表明:(1)全球数据集中国历史草地数据与本国学者所重建的数据相比,不仅呈现的变化趋势完全相悖,而且绝对数量也存在巨大差异.(2)从2000年中国草地空间格局看, HYDE3.1、HYDE3.2和SAGE与CLUDs的草地数据对比,相对差异率大于60%的网格占比分别高达50.9%、52.8%和63.0%.而小于20%的网格占比分别仅为24.9%、26.7%和16.0%.(3)从东北地区过去300年草地空间动态过程看, HYDE3.2数据反映了草地空间分布呈不断扩张态势,而本国学者重建的结果则反映了该地区随土地垦殖活动的增强,草地空间分布范围日渐萎缩的特征.(4)造成上述差异的原因除全球数据集与中国区域数据集秉承不同草地概念的内涵外,主要是源于区域性不同土地利用范式而形成的不同的逻辑基础与重建方法.

2种常用的全球土地利用/覆被历史数据集在中国区域的精度评价

【目的】分析全球土地利用/覆被历史数据集在中国区域的精度。【方法】分别搜集耕地、草地的统计资料和空间数据以及林地的统计资料,采用升尺度方法对耕地和草地的空间数据进行处理,分析全球土地利用/覆被历史数据集SAGE和HYDE 3.1与我国统计资料中耕地、林地和草地面积的差异。【结果】SAGE数据集中耕地、草地和林地面积与我国统计数据相差较大,HYDE 3.1数据集中耕地和草地面积与我国统计数据虽然相近,但其反映的耕地和草地面积变化趋势以及空间分布与我国实际情况存在较大差距。【结论】鉴于全球土地利用/覆被历史数据集SAGE和HYDE 3.1在我国的精度较低,因此有必要依据国内的历史统计资料,重建一套适用于中国的高精度土地利用数据集,以服务于我国气候变化研究。

六个全球历史土地覆盖数据集数据来源的对比分析

主要从源数据角度分析了当前存在的6套全球历史土地覆盖数据集是如何发展和改进的,并对比了这些数据集的数据来源的继承性及其在空间覆盖范围和分辨率上的差异.得到以下结论:1)基于HH数据,SAGE和HYDE2.0不断地添加亚国家尺度的数据并将土地利用统计数据进行网格化;HYDE数据集的不同版本,通过不断搜集亚国家人口数据和人均土地利用估计而进行不断提高和完善;LSCAN数据集改进了欧洲殖民国家的土地利用分配;LUH数据集以HYDE和SAGE/HYDE为输入情景,模拟了年土地利用转化率;KK10数据集似乎是与HYDE相独立的一套数据集,其假定随着人口密度的增加人均土地利用逐渐降低.2)HYDE2.0的数据源主要包括Ramankutty等、Richard等、Richard、Goldewijk等,其耕地数据源的空间分辨率存在差异:美国为州尺度,南亚和东南亚为国家尺度,其他区域为大洲尺度,且大洲尺度的耕地数据均已通过假定区域内各国家耕地与该区域变化趋势相同的方法而降尺度到了国家尺度.HYDE3.2的源数据的空间分辨率已与HYDE2.0没有差异,所有区域都通过历史人口和人均土地利用而获得国家尺度或亚国家尺度的耕地数据估计.3)未来改进数据可靠性的可能的途径有2个:一是补充人均土地利用估计和改进其可靠性;二是采集和补充国别以下尺度的耕地和牧草地面积数据.

基于多期数据集的中亚五国土地利用/覆盖变化分析

针对目前中亚地区土地利用变化和分布格局方面的信息相对匮乏,现有资料较为陈旧且零散,无法满足中亚生态与环境变化研究需求的现状,利用全球的UMD,DISCover,GLC2000,GlobCover2005和GlobCover2009的5期土地覆被遥感数据集,提取中亚地区长时间序列土地覆被信息。并针对上述4个土地覆被分类系统无法进行直接对比和变化分析的问题,分别将其综合为4类土地覆被类型:耕地、自然植被、水体和其他,以分析近30 a中亚土地利用/土地覆被变化趋势。中亚土地利用类型多样,草地、裸地、农田、灌丛占绝对优势。自前苏联解体以后,20世纪90年代初至2000年期间,耕地面积大幅度减少,至2010年尽管有所恢复,但仍无法达到20世纪90年代初水平。而自然植被表现出了相反的趋势,这说明在此时间段内,由于社会政治制度的变化和市场经济的建立,耕地发生了较大规模的弃耕,弃耕地通常转换为草地、灌丛等自然植被。近10 a由于社会经济条件的变化,前苏联解体后所弃耕的土地又被收复和重新开发为耕地。90年代初至2000年期间,水体呈现先减少后增加的趋势。利用全球基于多期不同信息源获得的中亚土地覆被数据,尽管分类体系不统一,但均可较好地表征当时地表覆被状况。这在一定程度上弥补了中亚地区土地覆被数据不足的现状。通过对耕地、自然植被、水体及其他土地覆被类型进行大类合并,可基本体现中亚土地覆被的宏观特征和变化趋势。

基于土壤特征和土地利用变化的土壤质量评价最小数据集确定

进行土壤质量评价前,必须先从大量土壤理化、生物学参数中严格选取对土壤质量敏感的评价参数最小数据集(MDS)。考虑到目前经济转型期我国剧烈的土地利用变化对各种土壤过程的深刻影响,通过以下3步选取土壤质量评价MDS:通过主成分分析(PCA)计算各土壤参数在所有特征值≥1的主成分上的综合荷载;通过多变量方差分析定量了土地利用变化对各土壤参数的贡献;通过均值多重比较确定了土地利用年限对土壤性质的定量影响。最后经过线性变换、分组、相关分析检验等过程,得到一个能最大限度的代表所有候选土壤参数而又尽可能少的损失这些候选参数所包含的土壤质量信息的最小数据集。该土壤质量评价MDS因子选取方法能很好地整合土地利用变化的综合定量影响,同时具有很好的灵活性、可扩展性并能外推到其它地区。通过将该方法分别应用在1985年及2004年采样分析的两套数据各12个土壤候选参数集上,得到了各包含6个因子的MDS及其在20a尺度上的变化规律,发现MDS因子略有不同,但变化不大。

基于土地利用变化建立土壤质量评价最小数据集

基于研究区194个土壤样点数据,利用方差分析、主成分分析及其他相关统计方法确定了苏州市土壤质量评价最小数据集(MDS)。与先前研究不同的是,本研究将土地利用方式及利用年限对土壤质量的影响作为进入MDS的衡量标准之一;此外,计算了每个候选的土壤理化变量在所有主成分上的综合荷载,而不是只比较该变量在某一个主成分上的荷载就剔除其他变量,从而避免了丢失过多的土壤质量信息。最后对该方法的可靠性从不同角度进行了验证,对54个黄泥土样点、77个黄松土样点及所有194个样点数据分别采用该MDS确定方法,得到了同样的最小数据集。这说明该方法具有很好的稳定性、可重复性,加以完善后,本方法完全可以借鉴到其他地区,从而一定程度上能够克服由于我国地域广、各地情况差异大而采用不同的土壤质量评价方法,最后得到的评价结果难以比较的缺点。

青藏高原南部4种土地利用方式土壤质量评价

为了阐明青藏高原南部土壤质量的基本特征,本研究采集了该地区4种典型土地利用类型(草地、耕地、乔木林地和灌木林地)的土壤样品,测定土壤相关理化指标,利用主成分分析法筛选最小数据集指标,并运用土壤质量指数法(SQI)定量评估土壤质量。结果表明:土地利用方式对土壤理化性质具有显著影响,饱和导水率属于极敏感指标,电导率、全氮、有机质、砂粒属于高度敏感指标,pH、容重、粉粒、黏粒属于中度敏感指标。青藏高原南部土壤质量评价最小数据集由全氮、粉粒、黏粒、电导率构成,最小数据集能够较为准确地体现青藏高原南部土壤质量信息(P<0.01)。根据最小数据集计算的SQI表现为乔木林地>草地>耕地>灌木林地,且乔木林地土壤质量显著高于其他3种土地利用类型(P<0.05)。评价结果对于青藏高原南部地区土地的合理利用和生态保护具有重要的参考意义。

国土调查历史与现状数据一体化整合建库探讨——以东莞为例

通过历史国土调查数据库和现状国土调查数据库建设,解决了不同年份的国土调查数据成果存储分散、应用难度大的问题,建立了多时期、全聚合、覆盖全面、统一更新的国土调查数据库,实现了涵盖一调、二调、三调3个时期的土地利用数据库和数据资源管理体系。国土调查历史与现状数据一体化数据库的建设有效提升了国土调查数据成果的利用价值和历史价值,为全市自然资源业务协同和相关部门的管理工作提供了重要数据支撑。

全球历史LUCC数据集新疆地区耕地数据可靠性评估

全球历史土地利用/覆被变化数据是开展长时段气候与生态效应模拟研究的科学基础,然而,现有全球LUCC数据集在区域尺度上仍存在较大不确定性。结合区域土地垦殖史实评估全球数据集的可靠性,是改进数据集质量的基础和前提。文章以中国学者利用区域历史文献和土地资源调查数据重建的清中后期(1776—1909年)奇台-吉木萨尔地区、清末民国时期(1909—1944年)玛纳斯河流域和建国以来(1960—2000年)新疆地区耕地数据为基准,结合清康乾时期(1716—1778年)区域屯田点数据,采用趋势对比、数量对比和空间格局对比相结合的方法,对全球数据集中新疆地区耕地数据的可靠性进行了评估。结果表明,HYDE 3.2和SAGE数据集中清代以来新疆地区的耕地数据与区域重建结果相比,虽然耕地变化趋势均呈增加态势,但数量上差异较大。其中,HYDE3.2数据集在奇台-吉木萨尔地区的耕地数据存在明显低估,仅为区域数据的0.04—0.56;而在玛纳斯河流域地区,HYDE3.2和SAGE中的耕地数据又存在明显高估,分别为区域数据的3.08—8.95和4.80—5.12;与之相比,1960年以来全球数据集中新疆地区的耕地数据与区域数据差异有减小趋势,分别为陈氏数据的0.67—0.75和0.71—1.05。从耕地空间分布格局看,清康乾时期新疆地区屯田点扩散过程及区域垦殖史实均表明该区土地垦殖经历了“从南到北,由东向西”逐步推进的历史过程,且在清前期北疆地区仍以游牧为主,而该时期全球数据集中北疆地区已有较多耕地分布,且分别占到区域耕地总量的42.84%和61.26%。可见,全球数据集中新疆地区耕地数据未能客观反映该区域耕地变化的过程与格局特征,而数据来源和重建方法的差异是造成不同全球与区域性数据集结果差异的主要原因。

芝加哥大数据发展与应用对我国土地节约集约利用的启示

1引言 数字时代的发展对于未来全球经济的增长起到了至关重要的作用。在信息量不断增长的同时，寻求一种新的方式去把这些信息更高效的搜集、整合和利用变得尤其雨要。自2008《Nature》杂志出版了“bigdata”专刊后，“大数据”就持续不断地被使用并流行至今。美国白宫指出，“大数据”就是未来的新石油，世界各国包括美国、新加坡、韩国、日本和中国等，都先后将大数据开发和利用作为推动国家科技进步和经济发展的重要战略，以强化政府机构、莆大行业、学术界和工业界对人数据技术的探索研究和应用。如果能够借鉴芝加哥实施大数据研发计划的经验，分析其推动大数据应用的积极做法，有利于我国学习借鉴大数据研发的先进经验，明确有关行业发展路径和发展重点，更快地迈入“大数据时代”。

基于多期数据集的塔吉克斯坦土地利用和土地覆盖变化分析

利用全球的UMD土地覆盖数据集、Global Land Cover 2000数据集、GlobCover全球陆地覆盖数据和GlobCover全球陆地覆盖数据2009这4个数据集,提取出塔吉克斯坦4个时期长达28年的土地覆盖信息.并针对这4种数据集的土地覆盖分类系统不统一的问题,将塔吉克斯坦的土地覆盖类型大致分为6类:自然林木、自然草本、农田、裸地、水体和其他,分析出塔吉克斯坦土地覆盖的变化趋势.塔吉克斯坦土地覆盖类型多样,其中草地、裸地、农田和冰雪占绝对优势.1981年～1994年至2000年农田面积的急剧下降,主要是耕地弃耕转变为草地和裸地.与此同时,草地和裸地面积有所增加.这种变化与1991年前苏联解体导致的经济政策变动有关.而1981年～2009年近30年来,草地在空间上的东移和裸地在空间上的西移则是由气候变化引起,气候变暖导致冰川融化,位于塔吉克斯坦东部高寒地区的裸地也逐渐长出草本.从这些变化中可看出,人类活动和气候变化是影响塔吉克斯坦土地覆盖分布的主要原因.

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。

全球地面天气报资料质量控制和数据集特征分析

在参考借鉴国内外质量控制的先进方法和技术的基础上，结合全球地面天气报资料的实际情况，阐述了全球地面天气报历史资料质量控制的方法以及质检码综合决策算法的原理。通过对“全球地面天气报质量控制数据集”(1980～2002年)中的270个数据文件进行全面的测试，分析了数据集的主要技术特征。

历史时期土地利用空间信息再现方法初探

设计了一个历史时期土地利用空间信息再现模型 ,通过对 TM、MSS影像数据和地形图、气候、地质、地貌、土壤、植被、水文等自然环境背景图件及数据 ,还有社会经济统计等多源数据进行综合 。

发展NECT土地覆盖特征数据集的原理、方法和应用

着重探讨了建立中国东北样带 (NortheastChinatransect,NECT)土地覆盖特征数据集的原理、方法及其在全球变化研究方面的重要应用。NECT土地覆盖特征数据集是以多时相的 1km分辨率的NOAA/AVHRR归一化植被指数NDVI(Normalizeddifferencevegetationindex)数字影像为基础 ,同时采用高程、气候、土壤、植被、土地利用、土地资源、生态区域、行政边界、经济、社会等多源数据作为数据源 ,并经过标准化处理 (如数字化、空间插值、几何配准、投影转换 )集成而成。在土地覆盖特征数据集的主要应用方面 ,如 :1)利用多时相、1km分辨率的NOAA/AVHRR影像完成了中国东北样带土地覆盖分类图。一级分类系统包括森林、草原、荒漠和沙地、灌丛、农田、混合覆盖类型、城镇和水体等 8类 ,二级分类体系包括 12类。经过地面采样进行精度检验 ,分类精度达到 81.6 1%。 2 )对主要植被类型的植物生长季变化进行的研究。利用多时相的遥感影像构造了能够反映植被年际、季节生长变化的遥感植被指数ND VImax、NDVI变幅xam以及NDVI的标准偏差x′s 等 ,分析这 3个参数 1983～ 1999年的 17年中的变化情况。该数据集的建立是研究该样带土地覆盖特征及其变化规律的基础 ,对基于样带的全球变化研究有重要的意义。

基于最小数据集的喀斯特不同利用方式下土壤质量评价

为了探究贵州喀斯特区域不同土壤利用方式对土壤质量的影响,我们对该地区的林地、人工草地、天然草地、农田、弃耕地5种土地利用方式下的土壤理化性质进行研究。基于最小数据集对该区域的土壤质量进行评价,构建的最小数据集包括:土壤pH值、容重、全盐、阳离子交换量、全氮、有效铜、有效铁等指标。结果表明:全量数据集和最小数据集获得的土壤质量均表现为林地>人工草地>天然草地>农田>弃耕地;人工草地、天然草地、农田、林地的土壤质量等级为二级,位于土壤质量分级中的“较高”水平,弃耕地土壤质量为三级,位于“中等”水平。以上结果表明,人为对自然生态系统的开垦降低了土壤的质量。

全球及区域尺度土地覆盖土地利用遥感研究的现状和展望

９０ 年代以来，利用遥感进行大面积土地覆盖土地利用的研究取得了一系列重要进展。已建立的全球及区域土地覆盖土地利用数据库正在得到广泛的应用， 取得明显的社会效益和经济效益。土地覆盖土地利用及其变化的研究成果也被应用于有关全球环境变化国际公约的执行监督。利用遥感进行大面积土地详查已经逐步摆脱单一制图的传统概念， 正在向建立以应用为目的且便于用户使用的综合信息数据库的方向迈进。此外， 如何对大面积土地覆盖数据库进行精度评价已引起广泛重视，出现了一些新的理论和研究方法。进入２１ 世纪。

沂蒙山区不同土地利用方式下土壤理化性质及土壤质量的差异性

基于沂蒙山区祊河流域不同土地利用方式下土壤理化性质分析,采用主成分分析法(principal component analysis,PCA)建立最小数据集(minimum data set,MDS),利用土壤质量指数(soil quality index,SQI)研究了该区不同土地利用方式下的土壤质量状况。结果表明:(1)不同土地利用方式下土壤物理性质变化明显。林地的土壤容重最小,砂粒含量最少,黏粒含量最多,土壤含水量较高,而园地正好相反;耕地土壤容重较大,砂粒和黏粒含量都较少,土壤含水量最高,而草地正好相反。(2)不同土地利用方式下土壤化学性质差异显著。土壤pH值由大到小依次为草地、林地、耕地、园地;林地和草地的土壤有机质、全氮、碱解氮和全钾含量均较高,而速效磷含量均较低;林地的土壤全磷含量最低而速效钾含量最高,草地正好相反;耕地和园地的土壤有机质、全氮、碱解氮和全钾含量均较低,而全磷、速效磷含量较高,耕地的速效钾含量较高而园地的最低;研究区域耕地和园地的土壤有机质、全氮和速效钾含量处于相对缺乏状态。(3)不同土地利用方式的土壤质量指数为SQI_(林地)(0.64)>SQI_(草地)(0.51)>SQI_(耕地)(0.35)>SQI_(园地)(0.23),土壤全氮含量是限制研究区域耕地、园地土壤质量的关键因素。(4)由土壤容重、砂粒含量、全氮含量构成的最小数据集(MDS)能够替代全量数据集(total data set,TDS)评价研究区域土壤质量。