中巴经济走廊专题 I 区论文(评审中) 版本 ZH3
下载
1990–2010年中国西北地区土地覆被数据集
A dataset of land cover in northwest China from 1990 to 2010
 >>
: 2018 - 07 - 09
: 2018 - 09 - 30
: 2018 - 09 - 30
865 6 0
摘要&关键词
摘要:土地覆被变化是全球环境变化最直观的表现之一,同时土地覆被变化又对全球环境产生影响。对区域土地覆被变化状况的动态分析,是开展全球变化、生态系统评估以及人类与环境之间相互作用研究的基础性工作。本研究以中国西北地区(新疆维吾尔族自治区、青海省、甘肃省、宁夏回族自治区、陕西省以及内蒙古自治区的阿拉善盟)为研究区,通过收集区域1990年、2005年和2010年的Landsat TM以及2000年的Landsat ETM+遥感影像数据,基于eCognition软件平台,采用面向对象计算机自动分类与人工目视解译相结合的方法,提取研究区四期土地覆被数据。最后采用野外样本点调查、高分辨率影像识别和Google Earth的样本点识别对数据精度进行验证。本数据集可以作为区域生态环境评估的本底数据,也是区域规划、气候变化研究、环境建模以及生物多样性和生态系统碳储量研究的基础数据。
关键词:中国西北地区;土地覆被;面向对象分类方法;eCongnition;Landsat
Abstract & Keywords
Abstract: Land cover change is one of the most direct manifestations of global environmental change, which influences global environment. An analysis of regional land cover dynamics lays a basis for researches on global change, ecosystem assessment and the interaction between human and environment. In this study we take northwest China as research area, including Xinjiang Uygur Autonomous Region, Qinghai Province, Gansu Province, Ningxia Hui Autonomous Region, Shaanxi Province and Alashan League of Inner Mongolia Autonomous Region. We collect Landsat TM image data of the area in 1990, 2005 and 2010, and Landsat ETM+ image data in 2000. Through the eCognition platform, we extract land cover data of the four periods using object-oriented automatic classification and artificial visual interpretation. Finally, data accuracy is verified through three methods, including field sample point survey, high-resolution image recognition and Google Earth sample point identification. This dataset can be used as background data for regional eco-environment assessment, regional planning, climate change research, environmental modeling, biodiversity studies, and ecosystem carbon research.
Keywords: northwest China ; land cover; object-oriented classification method; eCongnition; Landsat
数据库(集)基本信息简介
数据库(集)名称1990-2010年中国西北地区土地覆被数据集
数据作者谢家丽、颜长珍、常存
数据通信作者谢家丽(xiejl@lzb.ac.cn)
数据时间范围1990年、2000年、2005年、2010年
地理区域31°35′–49°52’N,73°56’–111°47’E
空间分辨率200 m
数据量574 MB
数据格式SHP
数据服务系统网址http://www.crensed.ac.cn/portal/metadata/215ea67d-cfa5-4636-8a12-dec526332224
基金项目西北地区地面–遥感数据信息平台建设项目(KFJ-EW-STS-006),国家科技基础条件平台“特殊环境特殊功能观测研究台站共享服务平台”项目(Y719H71006),中国科学院信息化专项“寒旱区环境演变研究‘科技领域云’的建设与应用”项目(XXH13506)
数据集组成1990-2010年中国西北地区土地覆被数据集,共25个文件,包括新疆维吾尔族自治区、青海省、甘肃省、宁夏回族自治区、陕西省、内蒙古自治区的阿拉善盟6个地区分别在1990年、2000年、2005年和2010年的土地覆被数据集,以及分类系统文档。
Dataset Profile
TitleA dataset of land cover in northwest China from 1990 to 2010
Data corresponding authorXie Jiali (xiejl@lzb.ac.cn)
Data authorsXie Jiali, Yan Changzhen, Chang Cun
Time rangeYear of 1990, 2000, 2005 and 2010
Geographical scope31°35′–49°52’N, 73°56’–111°47’E
Spatial resolution200 m
Data volume574 MB
Data formatSHP
Data service systemhttp://www.crensed.ac.cn/portal/metadata/215ea67d-cfa5-4636-8a12-dec526332224
Sources of fundingConstruction of Ground-Remote Sensing Data Platform in Northwest China (KFJ-EW-STS-006), National Science and Technology Infrastructure Platform project – “Shared Service Platform of Special Environment and Function Observation and Research Station” (Y719H71006), Chinese Academy of Sciences informatization special project – “Environmental Evolution Research in Cold and Arid Regions: ‘Technology Field Cloud’ Construction and Application” (XXH13506)
Dataset compositionThis dataset of land cover in northwest China from 1990 to 2010, contains 25 files, including land cover of Xinjiang Uygur Autonomous Region in 1990, 2000, 2005 and 2010, land cover of Qinghai Province in 1990, 2000, 2005 and 2010, land cover of Gansu Province in 1990, 2000, 2005 and 2010, land cover of Ningxia Hui Autonomous Region in 1990, 2000, 2005 and 2010, land cover of Shaanxi Province in 1990, 2000, 2005 and 2010, land cover of the Alashan League of Inner Mongolia Autonomous Region in 1990, 2000, 2005 and 2010 respectively, and a document of the classification system.
引 言
土地覆被是陆地表面可被观察到的自然景观和人工景观的综合体,是自然过程和人类活动共同作用的结果,长时间序列的土地覆被变化过程既具有自然属性,也有社会属性。在全球环境变化研究中,土地利用/土地覆被变化可以说是自然与人文过程交叉最为密切的问题,“国际地圈和生物圈(IGBP)”和“全球变化人文项目计划(IHDP)”于1995年联合提出“土地利用/土地覆被变化科学研究计划”[1,2,3 ]。土地覆被变化是全球环境变化最直观的表现和反映,同时土地覆被变化又对全球环境产生影响。因此,对区域土地覆被变化状况进行动态分析,是开展全球变化、生态系统评估以及人类与环境之间相互作用研究的基础性工作。遥感技术的快速发展,为获取土地覆被数据源提供了强有力的支持。通过遥感监测手段重建区域地表覆被数据库,成为了解地表景观格局变化的新途径。
我国西北地区地处干旱半干旱区,属于典型的温带大陆性气候,主要地貌类型包括盆地和高原两大类。本区域气候干燥,降水量少,冬冷夏热,气温日较差和年较差都很大。河流多为内流河发育,水源补给以山区降水和冰雪融水为主。一个内陆河流域就是一个完整的地表水、地下水与大气水分相互联系的水分循环系统,以及一个完整的山地–平原–荒漠生态功能单元系统[4]。我国西北地区由于基础设施薄弱和水资源短缺,生态环境呈现出很多问题,包括植被退化、水土流失、河湖干涸、土地沙化等。近年来,国家先后实施了退耕还林还草、天然林保护、风沙源治理、退牧还草、生态分水等生态工程,区域土地覆被变化明显。
2015年3月28日,《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》的发布标志着中国“一带一路”战略进入全面推进建设阶段,西北地区作为丝绸之路经济带建设的境内外重要结合点,丝绸之路经济带建设给西北地区的发展带来了机遇。因此,加强对西北地区生态环境的监测与建设尤为重要,其中土地覆被作为区域生态环境最直观的表现形式,对土地覆被进行长时间序列的解译和监测极其关键,可为区域生态环境保护和社会经济可持续发展提供本底数据。
本研究以我国西北地区为研究区,包括新疆维吾尔自治区、青海省、甘肃省、宁夏回族自治区、陕西省和内蒙古自治区的阿拉善盟,如图1所示,以国家测绘局网站(http://bzdt.nasg.gov.cn/index.jsp)提供的“中国地图1:1600(审图号:GS(2016)2923号)”为底图。以Landsat系列数据为主要数据源,利用遥感监测并通过地面调查验证和高分辨率卫星影像解译验证的手段,得到研究区1990年、2000年、2005年和2010年四期土地覆被数据集。


图1   研究区范围地理位置示意图
1   数据采集与预处理
1.1   数据来源与预处理
数据源为Landsat TM和ETM+数据(表1),主要从美国地质调查局(USGS,https://glovis.usgs.gov/)获取,少数从中国地理空间数据云(http://www.gscloud.cn/)获取。遥感影像云量覆盖要求小于10%,时相要求每个轨道号影像必须有一景为植被生长季,以7–9月为最佳。其次根据土地覆被类型提取时阈值设定范围,补充非生长季影像和其他可以反映不同地物差异的时相影像。然后对影像进行波段合成、投影转换以及裁剪等预处理。
表1   研究采用的数据列表
数据名称时间来源类型
Landsat TM1990、2005、2010USGS、中国地理空间数据云栅格
Landsat ETM+2000USGS、中国地理空间数据云栅格
1.2   土地覆被数据提取流程
1.2.1   土地覆被数据分类流程
土地覆被数据分类方法采用基于面向对象的分类算法,并利用决策树的思想逐级开展[5]。面向对象分类方法越来越广泛地应用于基于遥感数据的信息分类中,该方法是指通过对影像进行分割,使同质像元组成大小不同的对象[6-7],以每个对象为处理单元,获取对应地物的光谱信息,并综合利用影像对象的纹理、形状、空间拓扑关系等信息。由于不同土地覆被类型的尺度不同,因此在分类过程中采用多尺度对象分割。影像的多尺度分割技术是一个局部优化过程,从任一个像元开始,采用自上而下的区域合并方法形成对象,每一个对象的大小调整都必须确保合并后的对象的异质性小于给定的阈值[8]。对所有面向对象的信息提取方法来说,成功的影像分割是必要前提,影像分割本身不是目的,但其分割的尺度和精度对下一步分类的精度影响很大[9]。具体流程图如图2。


图2   土地覆被数据分类流程图
最后,对基于30米分辨率的影像数据解译的区域土地覆被数据进行重采样,得到200米分辨率的中国西北地区土地覆被数据产品。
1.2.2   主要特征指数
基于面向对象分类方法提取土地覆被数据时,在对不同地物进行阈值设定时需要不同的参数信息,除了影像的波段和纹理信息,还有DEM、坡度、坡向等数据,以及一些表征特定地物的指数,如下:
(1)云指数(Cloud Index,CI)
进行土地覆盖分类时,尽量选择无云或者云覆盖量小于10%的影像,对有云的影像需要进行处理。为了提高土地覆被信息提取的精度,采用许章华等[10]提出的替换法思路对影像中云覆盖区域进行处理。因此,引入云指数以检测云覆盖面积,公式如下:
CI = (TM1 +TM2 +TM3 )/3 (1)
式中,TM1TM2 TM3 分别为Landsat数据的蓝光波段、绿光波段和红光波段。
(2)归一化植被指数(Normalized Difference Vegetation Index,NDVI)
归一化植被指数是植被生长状态及植被覆盖的最佳指示因子,它的时间变化曲线可反映季节和人为活动的变化,公式如下[11]
NDVI = (TM4 - TM3 )/ (TM4 + TM3 ) (2)
式中,TM4 为Landsat数据的近红外波段。
(3)植被覆盖度(Fractional Vegetation Cover,FVC)
植被覆盖度是指植被在地面的垂直投影面积占统计区总面积的百分比,通常利用像元二分模型进行估算,公式如下[12]
FVC = (NDVI- NDVIsoil )/ (NDVIveg + NDVIsoil ) (3)
式中,NDVIsoil 为裸土区域的NDVI值;NDVIveg 为纯植被像元的NDVI值。
然而,由于西北地区气候干旱,植被稀疏,类群结构简单,在光谱曲线上往往不具备健康植被的典型特征,此外由于受地面土壤背景信息的干扰强烈,使得从遥感影像上获取的植被光谱信息极其微弱。根据已有文献和实地采样验证,对干旱区的植被覆盖度计算采用改进的最大三波段梯度差法,公式如下[13-14]
(4)
式中,TM5 为Landsat数据的短波红外波段;λ3λ4λ5 分别为红、近红、短波红外波段波长;d为像元梯度差,dmax 为像元最大梯度差。
(4)改进型归一化差异水体指数(Normalized Difference Water Index-Blue,NDWI-B)
NDWI被用于提取开阔的地表水面信息[15],由于水体在近红外波段的反射率远低于其他地物,并且随着波长从蓝光增加到近红外,水体的反射率降幅很大,根据对水体的光谱特征分析,建立基于蓝光波段的归一化差异水体指数,公式如下[16]
NDWI -B = (TM1 TM4 )/ (TM1 + TM4 ) (5)
(5)归一化建筑指数(Normalized Difference Built-up Index,NDBI)
归一化建筑指数由查勇[17]提出,用于城市区域信息的遥感自动提取。建筑用地反射电磁波在TM的5波段和TM的4波段上具有明显异质性,公式如下:
NDBI = (TM5 - TM4 )/ (TM5 + TM4 ) (6)
(6)归一化雪盖指数(Normalized Difference Snow Index,NDSI)
归一化雪盖指数是植被指数在冰川遥感监测中的延伸和推广,它是将冰川的可见光强反射波段和中红外低反射波段进行归一化处理,以突出冰川特性,公式如下[18]
NDSI = (TM2 - TM5 )/ (TM2 + TM5 ) (7)
2   数据样本描述
1990-2010年中国西北地区土地覆被数据集包括中国新疆维吾尔族自治区、青海省、甘肃省、宁夏回族自治区、陕西省和内蒙古自治区的阿拉善盟等区域1990年、2000年、2005年和2010年的土地覆被,空间分辨率为200米,保存格式为shp,数据命名为中国西北地区XX省1:70万土地覆被数据集。土地覆被数据的分类系统是在FAO分类系统的基础上,重新定义了适合区域特点和相关应用需求的分类系统,包括6个一级类和33个二级类(表2)[19]。所有数据最终坐标及其投影参数采用Albers正轴等积双标准纬线割圆锥投影,数据结果如图3所示。
表2   西北地区土地覆被分类系统
I级代码I级分类II级代码II级分类指标
1林地102落叶阔叶林自然或半自然植被,H=3−30 m,C>20%,落叶,阔叶
103常绿针叶林自然或半自然植被,H=3−30 m,C>20%,不落叶,针叶
104落叶针叶林自然或半自然植被,H=3−30 m,C>20%,落叶,针叶
105针阔混交林自然或半自然植被,H=3−30 m,C>20%,25%<F <75%
106常绿阔叶灌木林自然或半自然植被,H=0.3−5 m,C>20%,不落叶,阔叶
107落叶阔叶灌木林自然或半自然植被,H=0.3−5 m,C>20%,落叶,阔叶
109乔木园地人工植被,H=3−30 m,C>20%
110灌木园地人工植被,H=0.3−5 m,C>20%
111乔木绿地人工植被,人工表面周围,H=3−30 m,C>20%
112灌木绿地人工植被,人工表面周围,H=0.3−5 m,C>20%
2草地21草甸自然或半自然植被,K>1.5,土壤水饱和,H=0.03−3 m,C>20%
22草原自然或半自然植被,K=0.9−1.5,H=0.03−3 m,C>20%
23草丛自然或半自然植被,K>1.5,H=0.03−3 m,C>20%
24草本绿地人工植被,人工表面周围,H=0.03−3m,C>20%
3湿地33草本湿地自然或半自然植被,T>2或湿土,H=0.03−3 m,C>20%
34湖泊自然水面,静止
35水库/坑塘人工水面,静止
36河流自然水面,流动
37运河/水渠人工水面,流动
4耕地41水田人工植被,土地扰动,水生作物,收割过程
42旱地人工植被,土地扰动,旱生作物,收割过程
5人工表面51居住地人工硬表面,居住建筑
52工业用地人工硬表面,生产建筑
53交通用地人工硬表面,线状特征
54采矿场人工挖掘表面
6其他61稀疏林自然或半自然植被,H=3−30 m,C=4−20%
62稀疏灌木林自然或半自然植被,H=0.3−5 m,C=4−20%
63稀疏草地自然或半自然植被,H=0.03−3 m,C=4−20%
65裸岩自然,坚硬表面
66裸土自然,松散表面,壤质
67沙漠/沙地自然,松散表面,沙质
68盐碱地自然,松散表面,高盐分
69冰川/永久积雪自然,水的固态
注:C:覆盖度/郁闭度(%);F:针阔比率(%);H:植被高度(米);T:水一年覆盖时间(月);K:湿润指数。
3   数据质量控制与评估
3.1   数据验证样本调查
土地覆被数据质量验证样本的调查采用三种途径:野外样本点调查、高分辨率影像识别和Google Earth的样本点识别。大部分野外样本点分布在公路两侧,调查路线选择通达性好的道路,并尽可能多地经过各种土地覆被类型。沿途平均间隔20公里左右进行GPS定点调查,以便获取的景观照片能够比较完整、连续和全面反映目前的土地利用状况,对于连片单一地物可适当放宽。GPS调查点选择视线较好、地物变化显著或地物交错地带,利用手持GPS定位后,沿不同方向拍摄土地覆被景观照片,记录景观特征。每个调查点应不少于4个方向的照相,标明拍摄方向角、主要拍摄内容和周围环境并填写外业调查表,并对外业调查所获取资料数字化。野外调查未能到达的区域,验证样本点采用高分辨率影像和Google Earth进行抽样,为确保验证点的真实性判读,采用多个判读人员独立对影像进行目标点的识别,三人判读达成共识的类型为有效验证点。


图3   中国西北地区土地覆被现状图
3.2   土地覆被数据精度评估
将验证样本点的土地覆被类型与相应位置的土地覆被矢量数据进行空间叠加,逐个图斑判断正误率。验证精度包括土地覆被数据一级分类和二级分类精度,精度的计算可以通过分类结果与验证样点之间的比较,计算其正确率。对于某一样本,其分类的正确率(yi )计算公式为:
(8)
式中, pa 为解译正确的图斑数;p为样本i中所包含的所有图斑数。
对数据进行验证、修改后,最终使得土地覆被数据产品精度满足95%的要求。
4   数据价值
土地利用/覆被变化是表征人类活动强度和全球环境变化的关键要素,是模拟全球气候效应和生物地球化学效应的重要输入参数,其时空过程的量测、模拟与动力学机制的理解已经成为科学界关注的前沿内容[20]。本研究以Landsat影像为主要数据源,并结合地面调查验证、高分辨率影像解译和Google Earth样本点识别验证,以我国西北地区为研究区,总面积达325×104 km2,制备1990–2010年间四期土地覆被数据集,在较大时空尺度上,验证了面向对象信息提取方法在干旱半干旱区土地覆被提取的适应性,并为西北地区生态环境评估、可持续发展以及生态系统碳存储估算等研究提供重要的基础数据。
5   数据使用方法和建议
1990–2010年中国西北地区土地覆被数据集在http://www.crensed.ac.cn数据服务系统平台网站免费开放共享,为了规范数据共享使用,在平台上下载数据时需要填写数据使用申请表。1990–2010年中国西北地区土地覆被数据集保存为矢量shp格式。ArcGIS、ArcView、ENVI、ERDAS等常用的GIS与遥感软件均可支持该数据的读取和操作。对四期土地覆被数据进行空间叠加分析,可以得到区域1990–2010年土地覆被时空变化分布及趋势,结合区域气象因素及人类活动可以进行区域生态环境变化的评估和驱动力分析,以及区域可持续发展研究。
致 谢
感谢USGS和中国地理空间数据云提供Landsat系列数据。
[1]
Turner II BL, Skole D, Sanderson S, et al. Land-Use and Land-Cover Change, Science/Research Plan[R]. IGBP Report No. 35/HDP Report No. 7 , Stockholm, Sweden, and Geneva, Switzerland, 1995.
[2]
李秀彬. 全球环境变化研究的核心领域──土地利用/土地覆被变化的国际研究动向[J]. 地理学报, 1996, (06): 553-558.
[3]
于兴修, 杨桂山, 王瑶. 土地利用/覆被变化的环境效应研究进展与动向[J]. 地理科学, 2004, 24(5): 627-633.
[4]
陈曦. 中国干旱区自然地理[M]. 北京: 科学出版社, 2010.
[5]
LAWRENCE RL, WRIGHT A. Rule-based classification systems using classification and regression tree (CART) analysis[J]. Photogrammetric Engineering and Remote Sensing. 2001, 67(10): 1137-1142.
[6]
陈云浩, 冯通, 史培军, 等. 基于面向对象和规则的遥感影像分类研究[J]. 武汉大学学报•信息科学版, 2006, 31(4): 316-320.
[7]
MYINT SW, GOBER P, BRAZEL A, et al. Per-pixel vs. object-based classification of urban land cover extraction using high spatial resolution imagery[J]. Remote Sensing of Environment. 2011, 115(5): 1145-1161.
[8]
BENZ UC, HOFMANN P, WILLHAUCK G, et al. Multi-resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information[J]. ISPRS Journal of Photogrammetry and Remote Sensing. 2004, 58(3): 239-258.
[9]
钱巧静, 谢瑞, 张磊, 等. 面向对象的土地覆盖信息提取方法研究[J]. 遥感技术与应用, 2005, 20(003): 338-342.
[10]
许章华, 龚从宏, 余坤勇, 等. 基于面向对象与替换法的遥感影像云检测与去除技术 [J]. 农业机械学报, 2013, 44(6): 210-214.
[11]
赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003.
[12]
李苗苗. 植被覆盖度的遥感估算方法研究[D]. 北京: 中国科学院, 2003.
[13]
唐世浩, 朱启疆, 周宇宇, 等. 一种简单的估算植被覆盖度和恢复背景信息的方法[J]. 中国图象图形学报. 2003, 8(11): 1304-1308.
[14]
古丽・加帕尔, 陈曦. 干旱区荒漠稀疏植被覆盖度提取及尺度扩展效应[J]. 应用生态学报. 2009, 20(12): 2925-2934.
[15]
McFeeters SK. The use of the normalized difference water index (NDWI) in the delineation of open water features[J]. International Journal of Remote Sensing. 1996, 17(7): 1425-1432.
[16]
曲伟, 路京选, 李琳, 等. 环境减灾小卫星影像水体和湿地自动提取方法研究[J]. 遥感信息, 2011, 4:28-33.
[17]
查勇, 倪绍祥, 杨山. 一种利用TM图像自动提取城镇用地信息的有效方法[J]. 遥感学报, 2003, 7(01): 37-42.
[18]
都伟冰. 冰川信息多源遥感提取及天山东段典型冰川变化监测研究[D]. 焦作: 河南理工大学, 2014.
[19]
张磊, 吴炳方, 李晓松, 等. 基于碳收支的中国土地覆被分类系统[J]. 生态学报, 2014, (24): 7158-7166.
[20]
刘纪远, 宁佳, 匡文慧, 等. 2010-2015年中国土地利用变化的时空格局与新特征[J]. 地理学报, 2018, (05): 789-802.
数据引用格式
谢家丽, 颜长珍, 常存. 1990–2010年中国西北地区土地覆被数据集[DB/OL]. National Science & Technology Infrastructure, 2018. (2018-08-31). DOI: 10.12072/casnw.057.2018.db.
稿件与作者信息
论文引用格式
谢家丽, 颜长珍, 常存. 1990–2010年中国西北地区土地覆被数据集[J/OL]. 中国科学数据, 2018. (2018-9-18). DOI: 10.11922/csdata.2018.0047.zh.
谢家丽
Xie Jiali
主要承担工作:数据预处理及土地覆被数据提取。
xiejl@lzb.ac.cn
(1986—),女,内蒙古乌兰察布市人,博士研究生,助理研究员,研究方向为寒旱区遥感应用。
颜长珍
Yan Changzhen
主要承担工作:数据处理流程的设计及数据集成。
(1967—),男,甘肃省定西市人,博士,研究员,研究方向为生态遥感。
常存
Chang Cun
主要承担工作:数据预处理及土地覆被数据提取。
(1981—),男,新疆乌鲁木齐市人,博士,副研究员,研究方向为生态环境遥感。
出版历史
I区发布时间:2018年9月30日 ( 版本ZH3
参考文献列表中查看
中国科学数据
csdata