基于MODIS土地覆被数据的江苏省农地景观变化及其驱动因子分析

基于2001—2013年MODIS土地覆被数据,对江苏地区农地景观动态变化进行有效分析,探索江苏地区农地景观变化与城市化进程之间的内在联系,并进一步识别江苏省农地景观的地域差异性,讨论城市化水平与农地景观协调发展的概念,得到结果如下:(1)2001—2013年间江苏省土地利用方式变化显著。湿地、农地及未开发用地呈下降趋势,建设用地、草地及林地面积逐步增加,近13年间农地景观面积下降趋势显著,下降幅度达到了4.55百分点。(2)2001—2013年间江苏省农地景观面积呈显著波动性下降趋势,农地景观形状趋于复杂,空间破碎化及离散化程度上升。农地景观指数地域性差异显著,苏南地区农地景观指数变化率明显强于苏中和苏北地区。(3)2001—2013年间江苏省城市化进程显著加快,与同期农地景观指数变化呈显著相关,随着城市化进程加快,农地景观面积百分比及聚集度指数快速下降,分离度及分形维数显著上升。(4)近13年间江苏地区城市化进程与农地景观协调度呈波动性变化趋势,基本上遵循好-差-好的变化特征。

不同分辨率土地覆被数据在省域的适用性分析——以江西省为例

为获得The MODIS Land Cover Type product(MCD12Q1)、欧空局ESACCI、全球30 m地表覆被数据(FROM-GLC)在省级尺度的精度,从土地利用变更数据抽取含6个一级土地覆被类型、8个二级土地覆被类型的162478个样本点,采用混淆矩阵方法,从总体精度、制图精度和用户精度角度评价3套数据的精度及适用性。结果表明:总体精度中,MCD12Q1一级总体精度为72.71%,二级为71.58%;ESACCI一级为75.63%,二级为64.61%;FROM-GLC一级为77.58%,二级为75.32%。研究发现,数据集在不同区域的总体精度不同,且总体精度与研究区的主导地类占比相关。运用统计分析方法得出3套数据总体精度的预测方程,本项研究克服了传统的总体精度应用不广泛的缺陷,并且建议遥感数据集使用者在选取遥感数据集时,将地域性因素纳入考虑范围中。

我国区域多源土地覆被数据生态系统服务价值比较研究

生态系统服务价值是生态保护、生态功能区划、自然资产核算和生态补偿决策的依据和基础。以谢高地提出的我国区域生态系统服务价值计算方法为依据,从生态系统类型价值、生态服务类型价值2个方面对比分析3种土地覆被遥感数据的差异。结果表明,3种土地覆被数据在生态系统类型价值方面存在较为明显的差异,ESACCI(European space agency climate change initiative,简称ESACCI)的阔叶林和灌木丛的生态服务价值最高,MODIS COLLECTION5(moderate resolution imaging spectroradiometer collection5,简称MODIS COLLECTION5)的混合林和草原的生态服务价值最高,GLOBCOVER的针叶林的生态服务价值最高;除气候调节及水文调节外,3种数据的生态服务类型的服务价值差异较小,尤其食物生产、材料生产及水源供给3种服务类型的服务价值比较接近。研究成果将为我国区域用户合理选择数据进行生态系统建模提供一定的参考,也为未来大尺度生态系统类型制图提供一定的研究方向。

多源30 m分辨率土地覆被数据在蒙古高原的一致性分析和精度评价

蒙古高原土地覆被的变化表征着区域内生态环境的变化,许多环境问题的研究依赖于准确的土地覆被信息。因此,评估当前全球土地覆被数据在区域尺度上的准确性非常重要。本文以蒙古高原为研究区,从构成相似性、类型混淆程度、空间一致性、绝对精度4个方面,分析了GlobeLand30、GLC_FCS30和FROM_GLC 3种30m高分辨率全球土地覆被数据的一致性和准确性。结果表明:(1) 3种土地覆被数据都显示,草地和裸地是蒙古高原的主要土地覆被类型,任意2种数据的面积序列相关系数都优于0.95;(2) 3种土地覆被数据中完全一致的区域占蒙古高原总面积的61.87%,主要集中在土地表面异质性低的区域;(3) GLC_FCS30数据的总体精度(78.33%)最高,GlobeLand30数据的总体精度(76.85%)次之,FROM_GLC数据的总体精度(75.86%)最低;林地、草地、水体和裸地在3种土地覆被数据中的精度较高(75%以上),灌丛、湿地等地类的精度较低(50%以下)。因此,对蒙古高原土地覆被进行全要素研究时,可以综合考虑选择总体精度最高的GLC_FCS30数据。对特定地类研究的用户,可参考3种土地覆被数据的分类精度有针对性的进行选择。本文可为蒙古高原相关研究选择合适的土地覆被数据提供参考。

七套土地覆被数据在羌塘高原的精度评价

基于羌塘高原8个一级土地覆被类型(包括10个二级土地覆被类型)的6851个样本点,采用混淆矩阵方法,从总体精度、制图精度和用户精度角度评价International Geosphere-Biosphere Program's Data and Information System Cover(IGBPDIS)、Global Land cover mapping at30 m resolution(Globe Land 30)、The MODIS Land Cover Type product(MCD12Q1)、Climate Change Initiative Land Cover(CCI-LC)和Global Land Cover 2000(GLC2000)等七套土地覆被数据产品在羌塘高原的精度。结果表明:(1)七套数据产品的一级类型和二级类型总体精度普遍偏低,在相对较高的Globe Land 30和CCI-LC数据中,一级类型总体精度分别为55.09%和53.92%,二级类型分别为46.55%和46.23%;(2)草地、裸地和荒漠三个主要一级类型生产者精度最高的数据对应为:GLC 2000(46.19%)、MCD12Q1(39.20%)和IGBPDIS(84.44%)。而三个主要一级类型的用户精度均低于50%。其他覆被类型中,雪被与冰川类型用户精度最高的数据为CCI-LC(92.80%),漏分比例为19.90%;(3)羌塘高原特殊的高原环境与土地覆被分类系统构成原则和标准是影响遥感解译数据精度的主要原因。

多分辨率遥感土地覆被数据质量综合评价——以湖南省桃源县为例

评价土地覆被数据质量是正确、合理使用数据的前提和保障,有助于遥感制图方法的改进。本文以1:10万土地利用数据为参考数据,选取2010年Rapid Eye_5 m、FROM_GLC(30 m)、MODIS_V005(500 m),以及2009年Glob Cover 2009(300 m)土地覆被数据,以湖南省桃源县为例对4种不同分辨率的遥感土地覆被数据质量,引入窗口的分类类别统计方法,进行了综合评价,并分析了其误差和空间分布。结果表明:(1)Rapid Eye_5 m数据总体精度最高,MODIS_V005和FROM_GLC次之,Glob Cover 2009数据相对最低。高分辨率土地覆被数据对于居民地、交通用地、水体等精细地物分类较好,具有一定优越性,各数据在一级类上的面积相关性和一致性总体高于二级类;(2)各数据在建筑用地和其他未利用地类型上的生产者精度均较低,FROM_GLC和MODIS_V005数据,在灌木草地上的空间一致性较差,4种数据在以耕地为主的平坦地区空间一致性较好,混淆主要发生在灌木草地、乔木林地和耕地之间;(3)随着土地覆被数据分辨率的提高,分出较多地物类型数的面积比例也随之增加,较高分辨率的Rapid Eye_5 m和FROM_GLC分出的类别数集中在7-16种较高水平上,低分辨率数据集中在1-5种较低水平上,在丘陵山区差异显著,而高分辨率数据对地物区分更好,集中于11-16种地物。

全球土地覆被数据集中哈萨克斯坦草地分布的异同及其成因

受社会制度变迁和气候变化的影响,哈萨克斯坦是中亚地区生态退化和草畜矛盾问题最为突出的国家。近百年来,放牧方式的改变、农业开垦的占用、加之暖干化的气候变化影响,使得哈萨克斯坦各类草地生态系统变化的时空格局具有鲜明的特点。因此,研究哈萨克斯坦草地退化的过程与机制对认识中亚地区草地生态系统对气候变化和人类活动的响应尤为重要,也是对绿色丝路建设过程中区域生态可持续发展的科学支撑。土地覆被数据是生态变化研究的基础数据,但目前广泛使用的各套全球数据集间往往存在很大的差异,这会导致对生态变化成因的认知以及对未来变化的模型模拟产生更大的不确定性。本研究从对草地类型识别的定义、空间分布的一致性和空间分布差异的原因3方面对比5类全球土地覆被数据(UMD1992-1993、MCD12Q1 2001、GLC 2000、CCI-LC 2000、Glob Cover 2005)中哈萨克斯坦草地分布的异同,以期为哈萨克斯坦的相关研究中土地覆被数据集的选择提供依据。研究结果表明:①分类系统中对草地类型的界定、遥感数据源、辅助分类数据、分类方法、验证数据和方法的不同是5套数据草地资源分布差异的主要原因,其中MCD12Q1数据与其他4套数据的草地分布面积相差最大;②5套数据中草地分布都重叠(完全一致)或四套数据重叠(高度一致)的区域仅占39.66%,主要位于哈萨克斯坦典型草原带和部分半荒漠草原带;围绕典型草地分布区,空间一致性由内向外逐渐降低。5套数据完全不一致区域占26.78%,主要位于荒漠草原带;③CCI-LC2000数据与其他几类数据的重叠区域最高,有76%的草地与5套数据的完全一致以及高度一致区重叠;在分布不一致区域中,极易造成混淆的土地覆被类型主要为旱作耕地、灌溉耕地、耕地与自然植被镶嵌体、裸地以及灌丛。

2套30 m分辨率土地覆被遥感数据类别精度及空间一致性特征研究

土地覆被数据是自然资源管理、城市规划、气候模拟、环境保护建模等领域的重要信息,对其进行精度评价并揭示其类别混淆特征对于众多科学领域具有重要意义。本文以中国研发的2套30米分辨率全球尺度土地覆被数据Globeland30和FROM-GLC-Hierarchy数据为研究对象,以国际组织发布的验证数据为参考,从国家、区域及类别尺度进行了比较和评价,探索了空间一致性随地形的变化特征。结果表明:2套数据的林地、耕地、水体三种类别均具有较高的分类精度,Globeland30的草地具有较高的用户精度和制图精度,林业、农业及水资源领域研究可以选择二者作为基础数据源,草地科学研究可以选择Globeland30作为基础数据源。2套数据的类别空间不一致性与高程具有典型的正相关,其不一致比例随着高程的增加明显增大,在1500 m以上区域,二者的类别不一致性比例最大,达到了42.91%;二者类别不一致性区域主要位于2~15度之间,其面积接近占60%,2度以下区域不一致性最低,约占7.09%。研究表明地形条件是影响大尺度土地覆被制图的重要因素,因此,未来应进一步加强高海拔及景观异质性区域土地覆被分类算法的研发。

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。

多尺度高分辨率全球土地覆被遥感产品相对一致性比较

国家及区域尺度的土地覆被信息对于解决环境演变、生物多样性保护、生态系统评价及环境建模等一系列问题起着至关重要的作用。该文从国家及区域尺度分别比较了当前全球2种最高分辨率的土地覆被遥感产品,以便解释两者在空间及专题上的一致性和异质性。结果表明,GLOBCOVER和MODIS2种产品在国家尺度上具有较好的一致性,但在区域尺度上仍有较明显的差异,特别是在中国东北和西南地区;2种产品在林地、灌木、耕地和草地间存在严重的混淆现象;总体精度和Kappa系数在全国尺度和区域尺度有着较大的差异,总体精度值从全国尺度的56.35%降为区域尺度的27.01%,Kappa系数值从全国尺度的47.09%降为区域尺度的16.57%。在全国尺度上东北区域有着最好的一致性,四川盆地的总体一致性最差;MODIS产品的类别均质性百分比明显优于GLOBCOVER,类别一致性百分比与空间一致性之间存在显著的相关性,其决定系数R2为0.724,说明产品间的类别均质性百分比差异越小,两者的空间一致性越高。该研究可为遥感产品的使用者提供准确可信的信息分布,为产品生产者有针对性改进分类算法提供科学合理依据。

多源土地覆被产品在长三角地区的一致性分析与精度评价

土地覆被数据是全球环境问题,人类活动对生态系统影响评估等相关研究的重要数据源。近年来国内外生产了众多全球尺度或国家尺度上的土地覆被数据集,这些数据集在应用于特定区域研究时精度的可靠性以及多源数据集间的一致性对数据集的选择有着重要意义。该研究以长三角为研究区域,采用混淆矩阵、构成相似性分析和空间一致性分析等方法,对CCI_LC、FROM-GLC、GLC_FCS30、GLCNMO、GlobeLand30和CGLS_LC6种土地覆被数据集进行了基本精度验证及一致性分析,并探讨了面向不同用户需求的土地覆被数据产品的适用性。结果表明:CCI_LC、FROM-GLC、GLC_FCS30、GLCNMO、GlobeLand30和CGLS_LC在长三角地区的总体精度分别为76.89%、78.42%、84.67%、74.26%、80.61%和85.43%;产品间土地覆被类型面积估算的相关系数均大于0.9;FROM-GLC、GLC_FCS30和GlobeLand30三套产品对长三角地区65.51%的土地分类有完全一致性,产品间一致性分别为72.23%、77.99%和76.41%。6种产品对于广泛分布且占研究区大部分面积的耕地、林地、水体和建设用地具有较好的分类精度,湿地、裸地、灌丛和草地分类结果较弱,需要辅助其他数据产品使用。结合地形地貌分析来看,长三角地区土地覆被分类精度整体受地形起伏影响较小,但丘陵密布的浙江省的部分区域受地形影响出现了分类不稳定的情况。从城市发展的角度看,长三角地区土地覆被分类精度受到城市经济发展活跃程度影响。面向用户应用需求来看,耕地类型上CGLS_LC数据具有最优表现,林地和建设用地类别上GLC_FCS30和CGLS_LC具有相近的优秀表现,而水体类别则是FROM-GLC数据更具有优势。

基于知识规则的土地利用/土地覆被分类方法——以黑河流域为例

本文提出了一种基于知识规则的土地利用/土地覆被分类的新方法。知识规则是基于专家经验建立起来的,反映研究区内不同分类系统下各类别的地理分布特性与地理分布交叉可能性。基于黑河流域90m分辨率DEM、2009年逐月1km分辨率NDVI,参考美国地质调查局(USGS)1km分辨率土地利用/土地覆被数据在欧亚大陆上各类别的聚类中心,应用在上、中、下游分别建立的知识规则,以知识规则结合最近距离的USGS类别聚类的方法,制作了一套与USGS全球土地覆被分类标准一致的、可以用于大气模式以及陆面过程模式的黑河流域土地覆被类型分布数据。本方法分类结果与以往研究采用的类别映射方法的分类结果及实际地物影像进行对比,表明知识规则下的分类结果更能准确表达流域地表覆盖特征,对冰雪、冻土类别和沙地荒漠类别的表现更优。