贵州工程应用技术学院土地利用数据加工技术服务

一．背景介绍 

       土地是人类赖以生存和发展的最基本的自然资源。而土地利用又是人类根据土地的特点,按一定的经济与社会目的,采取一系列技术手段,对土地进行的长期性或周期性的经营活动。其具体表现是土地类型的面积变化、空间分布变化和土地的质量变化。它是人类活动作用于自然环境的重要途径之一,也是历史时期土地覆被变化的最直接和主要的驱动因子,人类通过土地利用活动改变地球陆地表面的覆被性质,进而对区域环境产生深刻影响。近几年来,对土地利用的研究大多集中于景观尺度上通过土地利用程度指数、土地利用动态度、景观多样性指数、景观总破碎度和景观优势等指标对土地利用时空变化进行研究,而对土地利用类型随地形的分布格局研究较少,地形因子作为土地利用重要的环境因子,直接影响着地表物质的迁移与能量的转换,在一定程度上决定着土地利用的方向与方式,因此进行土地利用类型随地形的分布格局的研究,将有助于区域土地利用的合理规划和农业结构调整。可进一步揭示人、地和环境之间的发展关系及人类活动和社会因素对自然生态环境的影响。

       土地利用现状调查是指在全国范围内，以县为单位，以图斑为基本单元，按土地利用现状分类，查清各类用地的面积、分布、利用和权属状况，又称土地数量调查。1984年5月转发《关于进一步开展土地资源调查工作的报告》，在全国开展土地利用现状调查工作。1986年国家土地局成立，此项工作由农业部转到土地局。1995年5月全国2843各县级单位的调查任务全面完成。1996年以原始资料为基础，进行外业补测，统一时点，汇总形成1996年我国土地资源现状的基础资料。

       能清楚了解区域内各类土地的比例，了解区域内土地开发的特点；通过土地类型的布局分析，更加清楚区域内各类土地的利用特点，对土地规划各类用地的合理布局具有一定的指导意义。

       地理国情监测云平台应贵州工程应用技术学院的要求，对2010年毕节地区30m土地利用数据供产品加工技术服务，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TM、ETM遥感影像生产的全国土地利用数据产品，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。将分类后的数据产品进过重采样后得到毕节地区2010年30m分辨率的土地利用数据产品。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，采用美国陆地卫星于2010年所拍摄的TM、ETM+30m遥感影像，云量均接近0%。本文的遥感影像成像时间不一致，但是季相接近，分别在4、5、6、8月份获得，由于3月到6月是研究区内冬小麦生长的季节，而6月到9月份是夏玉米生长的季节，因此地物信息较清楚，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4、3、2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LandsatTM和LandsatETM+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中国，则遥感影像数据需要覆盖整个中国区域，因此需要进行影响拼接，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TM、ETM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。

       （1）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。

       （2）数据图形处理

       1）矢量数据

       矢量数据的统一格式为arc/info的coverage格式。处理后的分县coverage，要严格按照县界确定界线，相邻县之间不得存在双眼皮等接边问题。省界接边要保证两个相邻省共用一条数字化边界线，并且与省界严格一致。所有的空间数据均要统一到系统的投影坐标系统下。所有的处理过程都不能增加数据的误差，无论是空间误差还是属性数据误差。

       2）栅格数据

       栅格数据统一采用arc/info的grid格式。处理后的分县grid，要严格按照县界确定界线。所有的空间数据均要统一到系统的投影坐标系统下。所有的处理过程都不能增加数据的误差，无论是空间误差还是属性数据误差。

       3）精度控制参数

差值(fuzzy)：10米；

线段最小值(weed):100米；

悬结点限值(danglc):10米；

结点归并空间距离限值(nodesnap):10米；

结点与弧段最短距离(snapping):10米。

       5.细小地物的处理技术与方法

       中国地域广阔、资源丰富、类型多样、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TM影像中抽取小于6×6个象元的面状细小地物；第二类是从TM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