中科院地理与资源研究所内蒙古两旗多种数据技术服务

一．数据详情

地理国情监测云平台应中科院地理与资源研究所的要求，对1980、1985、1990、1995、2000、2005、2010、2015年内蒙古自治区新巴尔虎左旗、新巴尔虎右旗土地利用数据和呼伦贝尔功能区NDVI数据提供产品技术服务，以满足客户科研工作的需求。

二．案例详情

土地利用数据

1.1数据概述

土地利用是指人类有目的地开发利用土地资源的一切活动，对于土地利用变化的分析是希望通过长时间序列在相同空间范围内对于特定类型或特定区域的土地使用情况变化进行分析从而判断该区域或该类型土地变化的规律，从而分析人类生产生活和生活环境的变化对于土地利用的影响是土地社会属性的重要反映。

土地资源指可供农、林、牧业或其它利用的土地，是人类生存的基本资料和劳动对象，具有质和量两个内容。在其利用过程中，可能需要采取不同类别和不同程度的改造措施。土地资源具有一定的时空性，即在不同地区和不同历史时期的技术经济条件下，所包含的内容可能不一致。如大面积沼泽因渍水难以治理，在小农经济的历史时期，不适宜农业利用，不能视为农业土地资源。但在已具备治理和开发技术条件的今天，即为农业土地资源。由此，有的学者认为土地资源包括土地的自然属性和经济属性两个方面。

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。

1.1.1总体技术路线

2数据生产方案

2.1数据收集

1）遥感数据源

本项目数据生产拟采用的遥感数据源为Landsat陆地资源卫星。Landsat，即美国NASA的陆地卫星计划，从1972年以来共发射过8颗卫星。本项目数据需求时间为2017年，拟采用Landsat8卫星OLI传感器数据。此遥感影像数据包含波段9个，多光谱分辨率为30m，全色分辨率为15m。

 

图Landsat卫星OLI传感器波段介绍

2）遥感影像处理

a）影像配准

同一地区的两幅图像，使其中一幅图像的特征与另外一幅图像中该特征的相对位置一致，这一处理过程称为配准，数据配准是非常关键的一步，直接影响到数据产品的最终成果。

采集配准控制点的好坏直接影响配准精度，针对控制点的建立，均匀选取一定数量的同名点，点位分布要均匀且能够控制整景影像，数量一般为30个左右，也可根据实际情况适当增加配准点，选点位置要准确，在选择的过程中时时控制误差，监测X与Y方向的误差值和所有点的平均误差，在误差符合要求的情况下，导出并保存点信息文件。

b）彩色合成

影像的波段组合有多种方式，不同的彩色合成方式可以凸显不同地物的光谱特征。如下表罗列出了Landsat TM影像常用的波段组合方式及特点用途。

表Landsat影像常用的波段组合方式及特点用途

 

图真彩色合成影像和标准假彩色合成影像效果对比图

c）影像融合

影像融合是将同一目标或场景的用不同传感器获得的，或用同种传感器以不同成像方式，或在不同成像时间获得的不同影像，融合为一幅影像，在保持多光谱影像辐射信息的同时提高了影像的空间分辨率的遥感影像处理方法。常用的遥感影像融合方法主要有：HIS变换法、主成分变换法、BROVEY变换、高通滤波、小波变换等。

d）影像镶嵌

相邻影像，由于成像日期、软件处理条件等差异，不仅存在几何畸变问题，而且还存在辐射水平差异导致同名地物在相邻图像上的亮度值不一致。如不进行色调调整对相邻图像镶嵌，即使几何配准的精度很高，重叠区域复合的很好，但镶嵌后两景影像接边处色调差异明显，接缝线十分突出，既不美观，也影响对地物影像与专业信息的分析与识别，降低应用效果。因此，在进行镶嵌处理前，应用Photoshop等软件对其色调进行处理。色调调整需依据影像的用途而定。

色调调整遵循两项原则：

①用于变化信息提取的增强侧重于保留原多光谱数据的光谱信息和全色数据的全部纹理细节，以便进行变化分析，不要求天然真彩色；

②用于制图背景的增强侧重于图面视觉效果，必要时会牺牲部分光谱信息和纹理，来去除杂色保证整体反差，达到天然真彩色的效果。

③色调调整采用的主要方法包括色阶拉伸、亮度对比度、色彩平衡、色度饱和度明度调整。

e）质量检查与质量评定标准

对遥感影像处理各工序过程质量按要求进行过程检查,需100%检查。

①影像质量检查

检查影像产品分辨率是否正确，文件命名是否正确。遥感影像生产产品应反差适中、色调饱满、框标清晰，灰度直方图在0～255级呈正态分布。对影像质量较差的应进行影像增强处理，包括灰度拉伸处理、反差与亮度处理、边缘信息增强处理等。

②参数文件

卫星影像参数文件设置是否正确，控制点文件是否正确。

③正射影像图平面精度与接边检查

正射影像图平面精度是否符合要求。影像图接边精度是否符合限差要求；相邻图幅影像色调一致性。接边处影像清晰度应良好,正射影像图接边重叠带不允许出现明显的模糊或重影。

3）其他辅助资料收集

其他需要收集的参考资料数据有：该区域的地形图、植被类型区划图、中华人民共和国植被图集1:100万；该区域多个年份的土地覆盖类型分布图；该区域的DEM及坡度坡向数据等。

2.2构建解译标志库

1）建立土地利用分类体系

根据本项目的土地利用分类要求，制定了包含6个一级分类，25个二级分类的土地利用分类体系，详见下表。

表土地利用分类体系详细介绍

2）野外考察

野外考察工作是解译人员积累的先验知识重要途径，通过考察可掌握各土地利用类型的空间分布区域、形状、大小等特征及其与周边地物之间联系，同时也有利于掌握Landsat影像特征与实际地物对应关系。通过野外考察，也有助于选取人工解译和自动提取的标准训练参考样本；有助于建立验证点数据库；有助于验证解译分类结果。

（1）采样原则

根据土地利用本底遥感的主要技术路线和分析研究的需要，外业调查线路分布选取主要依据以下原则：

①环境梯度。根据生态环境的地域分异特征，样点应能代表库区不同地貌、气候、植被分异以及不同人类活动强度类型。

②采样点密度。每100000平方公里范围内每一主要土地利用类型的采样点不低于20个，平均40个点。其中2/3的点用于解译标志库建设或样本训练，另外1/3的样点用于精度验证。并考虑到各类型的面积大小，库区以植被、农用地为主，该大类的样点按权重方式增加。一个采样点土地利用调查面积大约为500米×500米，土地利用调查表主要描述该范围内土地利用特征。

③采样可达性。由于野外验证受经费、人力条件等诸多因素的限制，本次遥感解析数据野外验证应综合考虑经济、人力条件，样点都选在主要公路经过地区，以保证验证工作能达到预期目的；

④采样成本。考察线路选择尽可能短并不重复，以便在有限的经费条件下，能够实现对所有土地利用类型进行全面调查。

⑤遥感解析力。不同的地类的解译能力不同，可分为直接解译、间接解译、无法确定三种类型，针对不同类型进行野外调查，并对无法确定类型和间接解译类型进行重点调查。

⑥土地利用比例。根据历史的资料，分析各土地利用类型的面积比例，按一定比例分配样数。

⑦土地利用的重要性。有些地类的重要性和精度要高于其它类型，这样，其采样的数量要有所提高，如城市用地、耕地等。在自然和人为景观单一、景观异质性小，采样线可以少一些，而环境梯度大，类型复杂的地区，需要加密样线布设。

（2）土地利用类型的标注要点

尽量保证等距采样，同时不要忽视一些重要的、分布较少类型的采集，如大型采矿场等。

减少不确定的类型标注。容易混淆的参数有植被混交，工业用地、盐碱地、裸地与居民地之间等。若是孤立的（与现有耕地分开）大面积“休闲地”且长满草丛，可视为草地；但在平原区（特别是城市周边）的类似的休闲地应划归为耕地；工矿用地定义为独立于城市以外的或者在城市周边单成片的工矿区。

注意影像尺度与地面尺度的关系，影像上1个象元是地面的30米×30米的大小，往往在野外调查中，调查者会夸大地面地物的大小。水平尺度往往会被低估，而垂直尺度会被高估。

记录行径路线。利用车载GPS记录行径路线、考察野外视频，以便解译影像参考。

3）解译标志库构建与完善

土地利用是自然地理要素和人类活动相互作用形成的自然综合体。要想直观反映研究区土地利用环境背景类型质量的空间分布，就必须对遥感影像特征（光谱特征、辐射特征、几何特征、变化规律等）综合分析，统一专业研究人员对分类系统和影像光谱特征认识上的差异，客观清晰地反映区域环境综合特征。

解译标志库是为土地利用人工目视解译标准的主要参考依据。基于各类型在遥感图像中的影像特征的最大差异的多种解译判读标志进行定性、定位判读，并对解译人员进行训练，以统一对解译判读标志的理解。

建立解译标志库基本原则是：

①各类地物的判读标志，要求能表现其影像特征在类型间的最大差异、类型内的最大一致性等最清晰的特征。

②对各类地物应尽可能考虑建立多种标志，包括直接或间接判读标志，也包括季相标志，如根据各类型在影像中的空间位置、光谱特征、色调、形状、大小和纹理及其组合规律建立判读标志，不能仅按单项标志作为判读依据。

③建立各类地物的判读标志，应便于判读人员掌握和应用，使之有效地进行地类的定位和定性。根据上述原则，可在野外工作基础扎实的地区，先在室内通过已知地物及相应地区的典型Landsat影像上的同名地物进行对比分析，找出各地物影像特征的基本规律，作为预判的依据；而后，将预判成果或疑难类型带到野外进行实地校核和抽样验证，对错判或漏判的地物要及时修改和补充。也可根据高分辨率遥感影像或Google Earth影像选择样本点来进行判断，但是必须保证样本点判断的准确性，才能将该样本点各特征作为解译判读标志。

此次数据目视解译过程中建立如下解译标志库：

表土地利用分类解译标志

2.3人工目视解译及数据编辑处理

遥感影像信息提取即基于处理后的遥感影像，通过人机交互的方式根据影像中地物的形状、大小、颜色、纹理等特征信息，对其进行矢量化，并赋予属性信息，以实现土地分类。

遥感影像解译采用人工目视解译的方法来完成，目视解译是指专业人员通过直接观察或借助辅助判读仪器在遥感图像上获取特定目标地物信息的过程。

本项目拟在ArcGIS软件平台下进行人工目视解译并进行图斑勾绘。需要解译人员对解译区域宏观地理环境有所了解，并尽量参考其他辅助数据，如地形图、植被图、土地利用图等。解译工作在处理好的遥感影像上进行。

目视解译的判读方法通常有以下几类：

1）直接判读法：根据遥感影像目视直接判读标志，直接确定目标地物属性与范围的一种方法。

2）对比分析法：将待判别的图像与其它图像或图形比较。同类地物对比法：同一景影像上，由已知地物推出未知地物的方法。空间对比法：由已知影像为依据判读未知影像。时相动态对比法：同一地区不同时间的遥感影像进行对比分析。

3）综合推理法：综合考虑遥感图像多种解译特征，结合生活常识，分析、推断某目标地物的方法。

4）地学相关分析法：指充分认识地物之间的相关性，并借助这种相关性，在遥感图像上寻找目标识别的相关因子，即间接判读标志，从而推断和识别目标本身。包括：主导因子相关分析法、环境本底法、分层分类法。

解译人员在解译前首先要熟悉土地利用类型的区域性分布规律，包括水平地带性和垂直地带性分布规律；其次土地利用类型的判定要充分利用各种参考资料和解译标志库，林地、居民地、沙地以及沼泽等都具有比较清晰的边界，对解译图斑类型的确定有很好的参考价值。另外，解译过程中要注意地貌类型对土地利用类型的控制作用，如同一山体阴坡多分布灌丛，而阳坡多分布草地，裸岩石砾地沿山脊线展布等。因此，在解译的过程中土地利用类型图斑的勾绘要充分利用地貌类型界限，阴坡灌木林要注意完整性，同时避免跨越山脊线的现象，河流谷地中草地图斑多沿河流展布，一般不会出现从河谷中上山，从阳坡到阴坡等“翻山越岭”的现象。

在进行室内解译时主要遵循以下原则:

(1)多尺度宏观原则:在详细解译之前,首先对影像总体轮廓和研究区生态概况进行研究,以获取整个研究区宏观生态分布类型。

(2)先易后难,循序渐进原则:整个遥感图像目视解译工作往往比较复杂,反复枯燥,工作量较大,需要有足够的耐心,可遵循先易后难,循序渐进的原则。

在进行图斑勾绘时，面状地物面积控制在6*6个像元以上（面状地物面积6*6个像元以下的可不勾绘）、线状地物宽度控制在1个像元以内、各图斑边缘位置精度控制在1-2个像元。

具体解译步骤如下：

1）选择合适时期的遥感影像，最好是夏季和秋冬季均有；

2）在ArcGIS中打开影像，将显示比例尺设置大于1：10万；

3）根据解译标志，手工勾绘地类图斑，先勾绘容易分辨的地物，如居民点、水体、道路，并赋二类代码；

4）再根据地物图型、纹理特征勾绘耕地，并结合解译标志，根据地物特征判断属性；

5）利用夏冬两期影像判读林地和草地，并判读是否有落叶情况，并赋属性；

6）对解译结果进行合并，接边、查错、补充、修正，形成覆盖整个区域范围，不存在自相交、空隙、重叠等拓扑错误的矢量数据层，最终得到该区域范围的1：10万土地利用矢量数据；

7）后一期数据基于前一期矢量数据的基础，在其上进行变化信息提取，针对变化图斑进行边界修改和属性赋值，没有变化的区域不做改变，以此基于一期数据形成后续各期数据。

 

图人工目视解译矢量数据样例图

2.4数据质量检查与集成

1）位置精度检查

本项目位置精度检查拟采用二级检查制度。

①遥感影像纠正采用投影变换方法（PROJECT），控制点要选择比较明显的地物，如道路交叉点等，并与地形图相对应，分布要均匀，控制点的个数要大于4个，误差控制在一个像元。

②对土地利用矢量数据与遥感影像进行100%位置精度检查，保证矢量图斑边缘与影像实际位置误差不大于2个像元，对于检查不合格的图斑全部返回修改。

2）分类精度检查

土地利用矢量数据分类精度检查采用人机交互判读实现。质检人员随机抽取10%-15%的矢量图斑进行精度验证，采用参照同时期高分辨率卫星影像和野外考察数据相结合的综合验证方式。

根据遥感影像，参照解译标志库和多种辅助资料，判断图斑分类精度。保证耕地、建设用地两个大类图班的属性判对率不低于90%，其他地类属性判对率不低于80%。最小图斑大于6*6个像元，图斑最窄距离为4个像元。

3）数据集成

空间数据集成是对数据形式特征（如格式、单位、分辨率、精度）等和内部特征（特征、属性、内容等）做出全部或部分的调整、转化、合成、分解等操作，其目的是形成充分兼容的数据库。

针对本项目要求，对土地利用数据在内部属性、空间数据精度、空间分析尺度等重新进行调整，使其有效的组织在一起，形成满足30米栅格要求的土地利用数据文件，客观科学地反映该区域各年份土地利用分布情况。

3.数据成果展示

 

图2.新巴尔虎左右旗土地利用

NDVI植被指数数据

1.数据概述

归一化植被指数（NDVI），是反映植被长势和营养信息的重要参数，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。

遥感影像中，NDVI即近红外波段的反射值与红光波段的反射值之差比上两者之和。NDVI的取值范围为-1-1之间，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，近红外波段与红波段反射值近似相等；正值表示有植被覆盖，且随植被覆盖度增大而增大。

2.数据生产方案

我公司提供的归一化植被指数产品，是通过多种卫星遥感数据（Landsat、MODIS等）反演得到的多种尺度栅格数据产品，已通过野外实测数据验证，空间一致性良好。

归一化植被指数计算的通用公式为：

NDVI=(NIR-R)/(NIR+R)

NIR为近红外波段的反射值，R为红光波段的反射值。

Landsat TM/ETM影像计算NDVI公式:

NDVI＝(Band4-Band3)/(Band4+Band3)

MODIS影像计算NDVI公式:

NDVI＝(Band2-Band1)/(Band2+Band1)

本项目提供的归一化植被指数（NDVI）年值为全年的最大值，通过各月NDVI数据进行最大值提取获得。

3.数据成果展示

 

图2.呼伦贝尔功能区NDVI