中国地质大学土地利用、DEM、降水与高分一号影像数据技术服务

一、背景介绍
     土地是一个自然和经济综合体,受自然,社会经济和生态环境属性不同的限制,决定土地财产和土地利用差异,从而形成了服务于不同的土地用途的区域。表现为土地质量、使用方法、使用特点、选用方向、利用潜力是不同的,所以土地资源的使用需要选取合适的区域,这就要求对土地资源的区域研究。合理的宏观调控和土地用途管制分区的制定,可以使区域的经济和社会效益,得到的区位优势的最佳组合,实现社会经济的可持续发展,生态环境良性循环。

      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。

   降水是指空气中的水汽冷凝并降落到地表的现象，它包括两部分，一是大气中水汽直接在地面或地物表面及低空的凝结物，如霜、露、雾和雾淞，又称为水平降水；另一部分是由空中降落到地面上的水汽凝结物，如雨、雪、霰雹和雨淞等，又称为垂直降水。但是单纯的霜、露、雾和雾淞等，不作降水量处理。在中国，国家气象局地面观测规范规定，降水量仅指的是垂直降水，水平降水不作为降水量处理，发生降水不一定有降水量，只有有效降水才有降水量。

    高分一号卫星是国家高分辨率对地观测系统重大专项天基系统中的首发星，其主要目的是突破高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术，多载荷图像拼接融合技术，高精度高稳定度姿态控制技术，5-8年寿命高可靠低轨卫星技术，高分辨率数据处理与应用等关键技术，推动我国卫星工程水平的提升，提高我国高分辨率数据自给率。

卫星历经30个月的研制，于2013年4月26日由长征二号丁运载火箭在酒泉卫星发射基地成功发射入轨。配置了2台2米分辨率全色/8米分辨率多光谱相机，4台16米分辨率多光谱宽幅相机。

地理国情监测云平台应中国地质大学的要求，对岷江流域、龙溪白沙河流域以及通河口流域2013年10米DEM、2015年30米土地利用、2007-2015年6-9月250米降水与2015年8月4景2米高分一号影像数据提供技术服务，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：土地利用数据是基于Landsat8-OLI遥感影像生产的研究区土地利用数据产品，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；降水数据是根据地面气象监测站数据，应用气候数据空间插值软件Anusplin预测年降雨量分布；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10m分辨率的DEM数据。

本次土地利用数据的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2015年所拍摄的Landsat8-OLI 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，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岷江流域、龙溪白沙河流域以及通河口流域，则遥感影像数据需要覆盖整个研究区，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.技术服务成果展示如下图1-3所示

图1.岷江流域2015土地利用分布图

图2.岷江流域2013DEM分布图

图3.岷江流域2015降水分布图

 附件:

      表1  土地利用分类内容及含义