中国土地利用/覆被重建数据集历史文献数据源的应用现状与前景

历史时期土地利用/覆被变化(LUCC)是全球变化研究的重要组成部分。中国丰富的历史文献资料是开展长时段LUCC数据集重建的关键数据源。从百年以上历史文献数据源应用的角度分析现有中国LUCC重建数据集,将历史文献中蕴含的土地利用数据源归纳为统计、列举、描述和图像4种主要类型,从各类数据源应用现状、制备方法等方面对现有重建数据集进行了重点回顾,归纳重建数据集应用历史文献的主要特点和存在问题,并从多重历史数据源综合利用、重建思路调整、利用现代信息技术提高数据源制备效率等方面展望了LUCC重建数据集改进历史文献应用方式、方法的未来发展趋势。

黄河下游滩区1985–2020年30 m分辨率土地利用/覆被变化数据集

黄河下游滩区是黄河流域的重要组成部分。建立长序列、高精度的黄河下游滩区土地利用/覆被变化数据集,再现其历史轨迹,把握现实格局,对黄河下游滩区高质量发展及其相关问题的科学研究而言,是一项具有重要意义的基础性工作。本文选取1985–2010年36景Landsat5 TM、2015–2020年8景GF-1 WFV和12景Landsat8 OLI遥感影像,采用随机森林、人机交互解译和混淆矩阵精度评价等方法,研制了1985–2020年每5年共8期黄河下游滩区土地利用/覆被变化数据。数据空间分辨率为30 m,总体精度均达90%以上,Kappa系数高于0.85。本数据集可为区域生态环境保护、国土空间规划、黄河流域典型区域自然–人文系统耦合过程、机理、测度等研究提供科学数据支撑。

老工业城市土地利用/覆被变化及对生态系统服务价值的影响——以沈阳市为例

维持和改善生态系统服务是保障老工业城市可持续转型的重要基础。利用遥感影像解译和改进当量因子法,定量分析沈阳土地利用时空变化及对生态系统服务价值影响。结果表明:(1)沈阳土地利用以耕地为主,建设用地和水域呈增加趋势,而草地、林地等重要生态用地逐渐减少;2005—2010年其土地利用/覆被变化最为显著。(2)生态系统服务主要以调节服务为主,耕地和水域贡献超八成的生态系统服务,而草地、林地仅贡献约两成,且逐年减少;空间分布上呈中心低外围高的圈层结构;生态系统服务价值年均增加0.66亿元,人均价值年均降低47.95元。建议系统管理城乡土地资源,加强林地、草地等保护和质量提升,控制新城区和工业园区扩张,提升单位土地资源产出率。

济南南部山区土地利用/覆被变化对碳储量的影响研究

以黄河下游生态脆弱区-济南南部山区为研究对象,基于区域1980~2020年6期土地利用/覆被数据,结合InVEST模型(Integrated Valuation of Ecosystem Services and Trade-offs model),分析区域土地利用/覆被和碳储量的时空分布特征和动态变化规律,研究土地利用/覆被变化对陆地生态系统碳储量的影响.结果表明,土地利用/覆被变化对碳储量的影响较为显著,1980~2005年土地利用变化较小,人类活动影响较小,由于林草地碳储量的累积,碳储量增长速度明显高于其他时期;2005~2010年城市扩张速度最快,城乡建设用地大量侵占耕地、林地和草地,使区域固碳能力明显下降;2010~2020年,由于城市化扩张限制以及植树造林等生态保护措施的实施,区域碳储量逐渐呈增长趋势;1980~2020年济南南部山区的总碳储量呈“增长-下降-增长”的趋势;并且林地是济南南部山区碳储量的主要供给者,区域碳储量值随着远离城乡居民生活中心的距离增大而增大,说明人类活动对区域碳储量有重要的影响.另外,土地利用类型的转移引起地类碳密度的变化,是区域碳储量变化的主要影响因素,土地利用类型的碳储量变化与各地类的面积变化有一定的关系.该成果可为生态脆弱区塑造良好的陆地碳汇格局提供理论依据.

近40年济南南部山区土地利用/覆被的变化特征及影响因素研究

基于济南南部山区1980、1995、2005、2010、2015、2020年6期土地利用/覆被数据,结合土地利用/覆被变化的转移矩阵、单一动态度和综合动态度等指标,研究近40年济南南部山区土地利用/覆被的时空演变特征,采用主成分分析法,探究了研究区土地利用变化的影响因素。结果表明:南部山区的主要土地利用类型为耕地、林地和草地,其占比为90%左右,林地、草地主要分布在上游河源区及海拔较大的中部地区,城乡用地及耕地主要分布在河流两岸及下游地区;1980—2010年,由于经济社会发展以及城市扩张,耕地逐渐减少,林地、草地、水域有略微的减少,且基本转化为城乡用地,城乡用地逐渐从下游向上游河源地区扩展,其中,2005—2010年各土地利用类型变化最为剧烈,其综合动态度为0.49%;2010年以来,南部山区禁止一切与水源保护、生态保护无关的建设活动。2010—2015年,只有水域面积存在明显变化。2015—2020年各土地利用类型基本保持稳定,城市扩张速度得到了减缓。经济社会发展是引起城市快速扩张的重要原因,积极的保护政策有利于南部山区生态格局的优化和生态环境改善。

基于Landsat ETM+数据的福州市土地利用/覆被与城市热岛的关系研究

在利用Landsat ETM+遥感数据提取的4种信息指数的基础上,采用决策树方法,对福州市土地利用/覆被进行分类,并运用辐射传输方程算法反演了地表温度,进而对研究区城市热岛的空间分布特征及其与土地利用/覆盖类型的关系进行定量研究.结果表明,福州市存在热岛效应,热岛空间分布与城市建成区轮廓基本一致;城市建筑用地和裸地对地表温度的贡献最大,是城市热岛的主要贡献因素,而水体和林草地具有较好的降温作用;不同土地利用/覆盖类型的地表温度存在较大差异,并且地表温度与反映土地利用/覆盖类型的4种指数在一定范围内具有明显的相关性.

新疆天山北坡城市群土地覆被数据产品精度评价

土地覆被产品为全球各种地球系统科学应用提供了重要的地表覆被信息,如CLCD30(30 m)、GlobeLand30(30 m,简称Globe30)、GLC_FCS30(30 m)、FROM-GLC10(10 m)、Esri_Land_Cover_2020(10 m,简称Esri10),以及ESAWorldCover2020(10 m,简称ESA10),然而其在局地的精度和适用性如何尚不明确。基于Sentinel-2影像,通过样本精度评价和类别混淆评价对上述6套土地覆被数据产品在天山北坡城市群的精度及误差情况进行了研究和分析,并探讨了误差成因和不同数据产品的适用性。结果表明:(1)6套数据产品中,除Esri10外,其余5套数据产品的类型构成、面积占比相对一致。(2)GLC-FCS30、Globe30、CLCD30、FROM-GLC10、ESA10、Esri10的总体精度分别为0.8080、0.8147、0.7880、0.8531、0.8047、0.4725。(3)从产品适用性来看,GLC_FCS30适用于对耕地、裸地的分析,CLCD30适用于对林地、裸地的分析,FROM-GLC10适用于对草地、水体、冰/雪以及建筑的分析,ESA10适用于对耕地和草地的分析,Esri10适用于对林地、冰/雪以及建筑的分析,Globe30在各类别精度评价结果上更均衡。(4)类别混淆主要是耕地、林地以及草地之间及与其他类别的相互混淆,尤其是在土地覆被复杂的地区,如城市边缘区域。

基于Landsat TM数据的江苏海岸带土地利用/覆被变化检测方法比较研究

土地利用/覆被变化是全球环境变化研究的核心问题之一,选择适当的变化检测方法在江苏海岸带土地利用/覆被变化研究工作中具有重要意义。本研究选取江苏海岸带具有典型代表性的大丰市作为变化检测方法比较研究的试验区,采用1992年和2002年两期Landsat TM影像,分别运用主成分分析法、混合变化检测法和变化矢量分析法进行变化检测,提取土地利用/覆被变化信息,并对每种变化检测方法进行定量分析和综合比较。研究表明,主成分分析法对于试验区的土地利用/覆被变化研究具有检测速度快、检测精度高等优点,适合试验区以及整个江苏海岸带的土地利用/覆被变化的检测。最终,综合运用主成分分析法和分类后比较法获得了5期近30年江苏海岸带土地覆被分类图,证明了主成分分析法可有效应用于江苏海岸带的变化检测。

2015年黄土高原地区土地利用/覆被栅格数据

土地利用/覆盖是反映地表开发利用和覆被状态的重要参数,是许多地理和生态研究的基本参数。本数据集以Landsat 8卫星OLI无云或少云(云量小于10%)的遥感影像为数据源,根据影像数据满足质量要求的影像覆盖情况,利用ArcGIS软件进行解译分区。土地利用/覆被的提取采取面向对象分类方法。经eCognition8.7软件支持下的多尺度分割后,选择空间、光谱、纹理、形状作为分类特征,采取基于规则集的计算机自动分类和人工目视修改相结合的方法进行分类。利用实测的1028个样本点进行精度评估,得到数据总体精度和Kappa系数分别为85.4%和0.807。将eCongnition里解译的每个分区结果导出为shapefile格式的矢量数据,通过Arc/info AML语言脚本程序对矢量数据进行矢量–栅格转换,使用ArcGIS软件对数据按照研究区范围拼接、裁剪、重采样,得到最终分辨率为250 m的土地利用/覆被栅格数据。

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。

鄱阳湖滨湖区多季相Landsat 8 OLI数据遴选及其土地利用/覆被遥感分类提取

鄱阳湖滨湖地区是中国南方内陆浅水型湖泊滨岸带与红壤丘陵交错的典型区域。研究以江西省上饶市鄱阳县为例,在ENVI遥感平台的支持下,利用2014年多季相Landsat 8 OLI遥感影像数据资料,通过实地土地利用/覆被调查与地物光谱分离度分析进行遥感数据遴选,对优选数据采用马氏距离(MD)法、最大似然(ML)分类器、人工神经网络(ANN)分类器、支持向量机(SVM)分类器、光谱信息散度(SID)分类器、波谱角分类器(SAM)等8种监督分类方法进行监督分类。在先验知识和野外调查数据的基础上,对分类结果进行分析;然后通过总体分类精度、混淆矩阵和Kappa系数对几种分类器的精度进行评价和比较。并针对鄱阳湖滨湖地区土地利用/覆盖分类问题探究几种遥感分类方法的优劣,挑选最适用遥感分类方法。结果表明:在鄱阳湖滨湖地区,各季节影像中地表光谱可分性在8月达到最佳值,期间所获取是优选数据,有利于遥感分类识别;人工神经网络法、支持向量机法(SVM)具有较好的的分类效果和分类精度,总体分类精度>96%,Kappa系数>0.94。总体上讲,SVM分类器的分类精度和Kappa系数都要优于其他分类器,相比之下7-10月获取的影像更适合于鄱阳湖滨湖地区土地利用/覆被的遥感识别和提取。通过遥感数据最优遴选,并结合优选遥感分类器,可以显著提高鄱阳湖滨湖区土地利用/覆盖信息提取效率和遥感高精度分类的总体精度,有助于提升该地区大范围土地利用/覆盖遥感宏观监测的可靠性和精准度。

2000、2010和2020年中国广西土地利用/土地覆盖融合数据集

本研究选取全球/中国广泛应用的6大土地利用/土地覆盖遥感数据产品,包括欧空局全球土地覆盖产品(ESAGC)、ESRI全球10米土地利用/土地覆盖数据(ESRI-LULC)、清华大学高分辨率全球土地覆盖产品(FROM-GLC)、武汉大学中国土地覆盖数据集(CLCD)、全球30米高分辨率系统土地覆盖产品(GLC_FCS30)以及Globe Land30(GLC30),通过对多个数据产品进行重分类,提出基于一致性评估的多源数据产品融合方法,合成新的广西区域2020年度土地利用/土地覆盖数据产品,与地方统计年鉴数据相关系数大于0.94。研究进一步选用有长时间序列的三套数据(CLCD、GLC_FCS30和GLC30)融合形成广西2000、2010及2020年共三期土地利用/土地覆盖融合数据产品。本研究可以为区域土地利用/土地覆盖数据产品的融合应用提供方法基础,融合数据可以更好的支持广西区域的环境保护、农业生产规划和城市发展规划等相关研究。

四川省土地利用/覆被变化数据库建立与应用研究

运用RS,GIS和GPS技术,以2005年中巴资源卫星(CBERS-02)遥感影像为信息源,2000年TM遥感影像解译的数据为基础,对2005年遥感影像进行动态变化解译,修改2000年数据库;手持GPS接收机,在野外对解译成果进行验证,更新数据库,最终建成2000-2005年土地利用/覆被变化本底数据库;最后对四川省土地利用/覆被变化信息进行分析,并为四川省生态环境下一步研究指明了方向。

2013-2022年G市土地利用/覆被变化分析

为研究G市近十年的土地利用情况,选取2013和2022年的地表覆盖数据作为数据源,借助ArcGIS10.8软件进行镶嵌、裁剪和融合等处理,通过分析土地利用的变化幅度、动态度以及转移情况,了解其土地利用/覆被变化情况。结果显示,与2013年相比,2022年研究区的耕地、裸地、灌木地和人造地表面积均有所增加,而林地、草地和水体面积呈减少趋势。耕地、灌木地、裸地和人造地表的土地利用动态度指数分别为0.95%、1.46%、6.80%和1.63%,其中裸地的变幅最为明显;林地、草地和水体的土地利用动态度指数分别为-0.73%、-7.28%和-3.10%。总体而言,土地利用转移变化主要体现在林地、人造地表和水体方面,其中部分林地和水体主要向耕地等转变。本研究为土地可持续利用发展提供参考。

黔中城市群碳储量对土地利用/覆被变化的响应及脆弱性

[目的]探究土地利用/覆被变化对区域生态系统碳储量及生态系统脆弱性的影响,以期为区域绿色低碳和生态系统的可持续发展提供参考依据。[方法]以2000,2010,2020年黔中城市群核心经济区3期土地利用/覆被数据为基础,运用InVEST模型和土地利用转移矩阵定量分析生态系统碳储量及其空间分布格局,并采用潜在影响指数(PI)对区域生态系统服务脆弱性进行评估。[结果]①2000—2020年,黔中城市群核心经济区土地利用/覆被变化总体表现为耕地和林地持续下降,建设用地持续上升。研究区土地利用/覆被转移主要表现为耕地、林地、草地向其他地类的转移,其中,2000—2010,2010—2020年分别有3339.35,3669.15km^(2)土地发生了转移,前者林地转为草地是主要转移类型,后者耕地转为建设用地为主要转移类型。②2000—2020年区域的碳储量表现为减少趋势,由4.42×10^(7)t减小到4.33×10^(7)t,累计减小9.40×10^(5)t,林地转为草地是引起碳储量减少的主要原因。各年度碳储量密度均呈现西部、东部高,中部低的分布态势;20a间,高密度区未发生明显变化,低密度区表现为由中心区域向外围扩散。③2000—2020年黔中城市群核心经济区主要扮演碳源的角色,土地利用程度指数增加了2.83,PI指数分别为-0.04,-0.31,均表现为负面潜在影响,且脆弱性不断增强。[结论]增加林地、控制林地转为其他用地及建设用地扩张是促进区域绿色低碳和生态系统的稳定可持续发展的重要手段。

基于时序NPP-VIIRS夜间灯光和土地利用数据的福州市GDP时空分布研究

基于时序NPP-VIIRS夜间灯光、社会经济统计等数据,构建GDP空间化模型,并结合空间分辨率为30 m×30 m的土地利用数据对模型进行修正,研究2013—2020年福州市经济空间差异性及演变趋势。结果表明:(1)利用土地利用数据对GDP空间化模型进行修正以提高单元网格精度和效度的方法是可行的,对较小尺度的经济空间分析具有意义。(2)将土地利用数据对应的各产业产值用于对GDP空间化模型修正,能够进一步提升单元网格的模拟精度。(3)从共时性比对来看,福州市的经济空间呈现东部GDP较高,西部和北部GDP以低值为主、高值零星分布的格局。从历时性来看,自2015年起,福州市GDP高值区域的扩张与GDP总值的增长速度明显提高,2018年后整体出现略微下降趋势。

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。

天津市土地利用/覆被变化对城市热岛的影响

利用1992—2020年6期Landsat LST数据计算的城市热岛比指数和中国年度土地覆盖数据,分析了天津市中心城区和环城4区的城市热岛和土地利用/覆被时空变化特征,并利用地理探测器对其影响因子进行探索。结果表明,研究期间建设用地面积增加了31.9%,耕地面积减少了26%,大部分耕地转化为建设用地,其他地类转出量变化较小;平均LST先升后降,城市热岛比指数先升后降再上升;归一化建筑指数(NDBI)和归一化植被指数(NDVI)分别与LST呈正相关和负相关。地理探测器分析结果显示:各因子对LST的影响程度为NDBI>NDVI>PD>DEM。研究结果可为缓解天津城市热岛提供依据。

基于人口位置大数据的高校土地集约利用评价研究

文章将人口位置大数据应用到校区尺度的土地集约利用评价中,为合理评价高校教育用地集约利用程度提供参考依据。研究发现:(1)各校区工作日与节假日、同一天不同时点人口在不同功能区的聚集情况存在差异。(2)老校区建成区面积占比较大,建筑密集,但容积率较低,人员较少、分布分散,总体利用效率较低;新校区面积较大,建筑密度较低,但容积率较高,人数众多、人口分布集中,整体利用效率更高。结果表明,人口位置大数据在高校土地集约利用评价中具有重要作用,合理评价高校教育用地集约利用程度,需将评价尺度具体到校区级,根据实际情况揭示不同校区土地集约利用水平,并在此基础上因校区施策,促进土地集约高效利用。

基于“大数据+AI”的黑土地保护与利用智能决策关键技术研究

黑土地是一种性状好、肥力高的土壤,非常适合植物生长,广泛分布在黑龙江省、吉林省、辽宁省和内蒙古自治区,其对维护粮食安全和生态平衡极为重要。本研究将大数据与人工智能(Artificial Intelligence,AI)相结合,设计基于“大数据+AI”的黑土地保护与利用智能决策系统。该系统融合遥感、气候、土壤和人类活动数据,通过智能分析提供全面的土地退化监测和修复方案。本研究对提高黑土地保护效率、促进农业可持续发展具有重要意义。