土地利用数据|气象数据|社会经济数据|npp数据|ndvi数据-地理遥感生态网

一、背景介绍
     土地资源是人类赖以生存与发展的基础资源和物质保障，土地利用反映了人类与自然界相互影响与交互作用最直接和最密切的关系。土地利用数据是国土资源数据的核心，是国土资源管理部门开展土地利用规划、土地利用开发整理、建设用地审批、基本农田保护等业务的基础。常被用来描述某一区域内各地块的土地利用类型、土地权属性质、权属单位、坡度和面积等信息。

土地利用数据重点是反映区域范围内土地利用系统及土地利用各要素的状态、特征、动态变化、分布特点、区域土地利用结构等基本属性，还可以进一步获取人类对土地的开发利用治理改造、管理保护和土地利用规划等衍生数据。除此之外还可以以土地利用数据分析及推理得到更多视角、更深层次的信息。最直接的利用方式是制作土地利用类型图、按照权属或用地类型统计各类用地的比例以及为土地利用和土地资源评价提供基础信息等，其结果通常采用地图、图表、表格以及文字报告表现单一的数据处理结果。总之，土地利用数据在土地利用现状调查和制图、全球变化、环境监测、粮食估产、碳循环计算与评估等及其它具有特定目的、特定尺度的研究活动和具体应用方面具有重要的指导意义。      

地理遥感生态网平台应北京市应对气候变化研究中心的要求，对北京市1980年、1990年、1995年、2000年、2005年、2010年、2015年1:10万矢量土地利用数据提供技术服务，以满足客户项目及科研工作的需要。

二、案例详情

      本次技术服务的核心是基于Landsat-MSS/TM/OLI遥感影像生产的北京市土地利用数据产品，包括耕地、林地、草地、水域、建设用地和未利用地在内的6个一级类和包括有林地、灌木林、疏林地、其他林地和高、中、低覆盖度草地等25个二级类型，具体土地利用分类内容及含义如附件中表1所示。本次技术服务主要流程如下：

1.数据获取与数据准备

      本研究采用的遥感影像数据来自美国马里兰大学和中国科学院国际科学数据服务平台，均采用美国陆地卫星于1980年、1990年、1995年、2000年、2005年、2010年、2015年所拍摄的Landsat-MSS/TM/OLI遥感影像，云量均接近0%。本文的遥感影像成像时间不一致，根据瞬时状态下最大限度使图像上尽可能丰富地反映地表信息的原则，本次遥感调查主要选择5月下旬至6月中旬或8月下旬至9月中旬的图像，由于地物信息较清楚，由此带来的地物反射光谱差异显著，容易识别，影像解译比较容易。

2.数据预处理

      在对影像数据进行分类解译之前，首先要对数据做预处理工作，主要步骤有:

    （1）波段选择及融合

      本文采用最佳指数法（Optimum Index Factor，简称）和特征值法相结合，共同确定了最佳波段组合，也就是Landsat-MSS的4、5、7波段，Landsat-TM的4、3、2波段，Landsat8-OLI的5、4、3波段，分别赋予红、绿、蓝色作为标准假彩色合成的RGB波段。这一假彩色影像最关键的是突出了植被特征，并且能提供丰富的信息，能充分显示各种地物特征的差别，便于分类，可以保证分类的准确性。

    （2）图像几何校正与配准

      本次技术服务采用的Landsat图像已经在中国遥感卫星地面站进行过辐射校正和几何粗校正，但为了使研究结果更加的科学、可信，则必须的对影像进行几何精校正。几何精校正是利用地面控制点(Ground control Point，GPC)对由各种随机因素引起的遥感图像进行几何畸变的校正。本研究以研究区的地形图作为参考图像，必要时辅以实地考察的GPS点，采用多项式几何纠正计算模型，对遥感影像进行几何精校正。

    （3）图像增强处理

      传感器获取的遥感图像含有大量地物特征信息，在图像上这些特征信息以灰度形式表现出来，当地物特征间表现的灰度差很小时，目视判读就无法辨认，图像增强处理是的目的在于突出图像中有用的信息，扩大不同图像特征之间的差别，从而提高对图像的解译和分析能力。遥感数字图像增强处理一般可分为两大类：频域法和空间域法。本文主要采用空间域图像增强方法，其遵循视觉效果比较好、计算相对简单、合乎应用要求的原则。另外，在后面遥感图像分类的新波段变量构造部分还应用了NDVI指数以区分植被和非植被以提高分类精度。

    （4）影像拼接与裁剪

      本案例中的研究区域为全北京市，则遥感影像数据需要覆盖整个北京市，因此需要进行影像拼接，进行拼接时首先要参照某一遥感影像，将其它遥感影像进行直方图匹配处理，使得所有用到的遥感影像具有基本一致的色调，然后再将要用到的影像进行无缝的拼接处理，之后经过裁剪得到覆盖整个研究区的遥感影像。

3.分类方法

      本次服务是基于Landsat等遥感信息基础上，在多位专家的参与下，采用全数字人机交互作业方法，同时参照有关地理图件和统计资料，结合外业实地考察验证，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，并在综合各位专家意见后，建立遥感影像解译标志。在内业建立解译标志与实现数据获取的基础上，不断的对解译模板进行修改，直到修改的模板经过评价以后比较满意为止，以提高土地利用/覆盖类型精度。动态图斑数据主要采用“动态分割图斑法”。参照国内外现有土地利用/土地覆盖 的分类体系，结合本项目的开展的目的和要求以及遥感信息源的情况，制定了有6个一级分类，25个二级分类的土地利用/土地覆盖分类体系。

    在分类过程中，由于遥感图像自身的空间分辨率，同物异谱以及异物同谱现象广泛存在，所以错分和误分的情况很常见，因此对分类结果要做进一步的处理工作，也就是去除小图斑的工作，我们常称之为分类后处理。常用的分类后处理方法有：聚类统计（Clump）、过滤分析（Sieve）、去除分析（Eliminate）和分类重编码（Recode）等。

 4.质量控制与检查

      各工序过程质量按要求进行过程检查 ,需100%检查。

    土地利用/覆盖数据抽样检查

      对获取的土地利用/覆盖数据产品进行空间抽样检查，验证土地利用/覆盖数据类型定性是否正确。验证的方式主要依靠高分影像（要考虑影像的时效性）与野外实地验证相结合的方式作业，未达到抽样精度90%的重新修正数据。

5.细小地物的处理技术与方法

      北京市土地利用类型和土地利用结构复杂，特别是近十年土地资源的利用类型变化巨大，要得到准确的土地利用面积，必须采用相应的采样技术，获取有关信息，从而保证资源类型尤其是耕地资源面积的准确性。因此，综合考虑，并考虑到耕地内部细节一般相对不变。将细小地物抽样分三类扣除：第一类是从LANDSAT影像中抽取小于6×6个象元的面状细小地物；第二类是从LANDSAT影像中扣除重要线状地物；第三类是结合分辨率更高的航片抽取更加细小的地物。这三种抽样方法都各自形成一个细小地物抽样成数数据库用于细小地物的面积扣除。

6.技术服务成果展示

附件：     

 表1  土地利用分类内容及含义