全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
一、背景介绍
土地是人类赖以生存与发展的重要资源和物质保障,在“人口-资源-环境-发展(PRED)”复合系统 中,土地资源处于基础地位。随着现代社会人口的不断增长以及工业化、城市化进程的加速,人类对土地资源的开发利用强度不断增大,对土地资源的不合理利用,导致了严重的水土流失和生态环境恶化,人类面临的土地利用问题较历史上任何时候都更为突出。土地利用现状分析是在土地利用现状调查的基础上进行的。通过对土地资源的数量与质量、结构与分布以及土地利用现状与开发潜力等方面的分析,明确规划区域内土地资源的整体优势与劣势、制约优势土地资源开发利用的主要因素,揭示土地利用中存在的问题,从而明确土地资源开发利用的方向和重点,提出改善土地利用、提高土地利用率和生产力的对策和途径,既可以发挥区域资源优势、强化区域土地系统功能,又强调人地协调发展的土地利用规划,为制定土地利用规划提供重要的科学依据。因此,进行土地利用现状分析,对促进土地利用结构的调整与优化、综合整治、保护土地、充分挖掘土地利用上的潜力以及保持国民经济的持续健康发展等都具有十分重要的意义。
DEM,即数字高程模型,是对地貌形态的虚拟表示,可派生出等高线、坡度图等信息,它在测绘、水文、气象、地质、土壤、工程建设、军事等国民经济和国防建设以及人文和自然科学领域有着广泛的应用。如在工程建设上,可用于如土方量计算、通视分析等;在防洪减灾方面,DEM是进行水文分析如汇水区分析、水系网络分析、蓄洪计算、淹没分析等的基础。
由于内力和外力是塑造地貌的两种营力,地貌是内力过程与外力过程对立统一的产物。因此地貌数据对研究地壳变化有重要的意义。地貌对人类的经济建设有重要影响,其中对农业生产、工程建设、城市发展、旅游的影响尤为显著。
蒸散发(Evaportranspiration,ET)通常是指土壤蒸发(E-vaporation,E)和植物蒸腾(Transpiration,T)的总和,是土壤-植物-大气连续体系(SPAC)中水分运动的重要过程,是农作物生长发育至关重要的水分和能量来源,是陆面生态系统与水文过程的重要纽带,其强度大小与下垫面条件、植物等有密切的关系。是水文循坏的重要组成部分。
NDVI(Normalized Difference Vegetation Index)归一化植被指数,又称标准化植被指数,在使用遥感图像进行植被研究以及植物物候研究中得到广泛应用,它是植物生长状态以及植被空间分布密度的最佳指示因子,与植被分布密度呈线性相关。用NDVI判断植物生长的状态:植物叶绿素发生光合作用而吸收红光,所以长势越好的植物吸收红光越多,反射近红外光也越多。所以NDVI能反应植物生物量的多少,NDVI越大,植物长势越好。
气温是反映地区热量资源的最主要的指标,平均气温指某一段时间内,各次观测的气温值的算术平均值。根据计算时间长短不同,可有某日平均气温、某月平均气温和某年平均气温等。
年降雨量,是指某地一年降雨量总和,或某地多个观测点测得的年降雨量均值。年降雨量是一地气候的重要衡量指标之一。降雨数据对预测和防范洪涝灾害、对水文水资源系统的预报预测、农业作物生产及生态环境变化都有着极其重要的意义,为农业水利等相关部门工作及制定相应的政策措施提供决策支持。
地理国情监测云平台应新疆地质工程勘察院的要求,对新疆柴窝堡2000和2013年土地利用30m栅格数据;2004年新疆柴窝堡DEM 30m栅格数据;2004年新疆柴窝堡地貌90m栅格数据;2004-2008年新疆柴窝堡多种卫星遥感数据反演地表蒸腾与蒸散率(ET)1Km栅格数据;2004-2008年(每年5、6、7、8、9月)新疆柴窝堡多种卫星遥感数据反演植被指数(NDVI)1Km栅格数据;2000-2010年新疆柴窝堡多年平均气温空间分布1Km栅格数据;2000-2012年新疆柴窝堡年降雨量空间分布1Km栅格数据提供技术服务,以满足客户项目及科研工作的需要。
二、案例详情
服务单位
新疆地质工程勘察院
服务时间
2016.05
服务内容
新疆柴窝堡2000和2013年土地利用30m栅格数据;2004年新疆柴窝堡DEM 30m栅格数据;2004年新疆柴窝堡地貌90m栅格数据;2004-2008年新疆柴窝堡多种卫星遥感数据反演地表蒸腾与蒸散率(ET)1Km栅格数据;
2004-2008年(每年5、6、7、8、9月)新疆柴窝堡多种卫星遥感数据反演植被指数(NDVI)1Km栅格数据。2000-2010年新疆柴窝堡多年平均气温空间分布1Km栅格数据;2000-2012年新疆柴窝堡年降雨量空间分布1Km栅格数据
土地利用数据技术服务核心是基于Landsat-TM/OLI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。具体过程如下:
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2000. 2013年所拍摄的Landsat- TM/OLI30m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,Landsat5-TM4、3、2波段,Landsat8-OLI5、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系列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柴窝堡,则遥感影像数据需要覆盖整个柴窝堡,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。
DEM数据技术服务核心建立DEM的方法有多种。从数据源及采集方式讲有:(1)直接从地面测量,例如用GPS、全站仪 、野外测量等;(2)根据航空或航天影像,通过摄影测量途径获取,如立体坐标仪观测及空三加密法、解析测图、数字摄影测量等;(3)从现有地形图上采集,如格网读点法、数字化仪手扶 跟踪及扫描仪半自动采集然后通过内插生成DEM等方法。DEM内插方法很多,主要有整体内插 、分块内插和逐点内插三种。整体内插的拟合模型是由研究区内所有采样点的观测值建立的。分块内插是把参考空间分成若干大小相同的块,对各分块使用不同的函数。逐点内插是以待插点为中心,定义一个局部函数去拟合周围的数据点,数据点的范围随待插位置的变化而变化,因此又称移动拟合法。有规则网络结构和不规则三角网(Triangular Irregular Network,简称TIN)两种算法。TIN模型在某一特定分辩率下能用更少的空间和时间更精确地表示更加复杂的表面.特别当地形包含有大量特征如断裂线、构造线时,TIN模型能更好地顾及这些特征。本次技术服务采用的是在地形图上进行采集,然后在TIN基础上通过线性和双线性内插法生成30m分辨率的DEM数据。
地貌数据技术服务核心是地貌数据产品利用GIS和遥感技术,基于DEM数据,利用ArcGIS软件中的TIN工具,以地貌渲染法为基础,利用色彩和光影有规律的变换和组合表示地面的起伏变化,直观的将地貌特征展现出来。
ET数据技术服务核心是利用MODIS产品数据、AMSR-E亮温数据及辅助数据(DEM、气象数据),采用ETWatch方法,反演地表蒸散。
NDVI数据技术服务核心是利用MODIS产品数据,归一化植被指数(NDVI)是近红外与红色通道反射率比值(SR=NIR/RED)的一种变换形式,NDVI=(NIR-R)/(NIR+R)
年平均气温数据技术服务核心是基于该地区气象监测站的观测数据、历史资料等多种辅助数据基础上,应用气候数据空间插值软件Anusplin预测该地区年均气温空间分布数据成果,实现属性表到空间化的数据格式。
年降雨量数据技术服务核心是结合2000-2012年各地区地面气象监测站数据,应用气候数据空间插值软件Anusplin预测全国年降雨量分布数据成果。
三、技术服务成果展示