Scientia Geographica Sinica  2012 , 32 (12): 1488-1495

Orginal Article

基于环境减灾卫星CCD数据与决策树技术的植被分类研究

刘睿12, 冯敏2, 孙九林2, 廖顺宝2, 王卷乐2

1.重庆师范大学地理科学学院 重庆 400047
2. 中国科学院地理科学与资源研究所,资源与环境信息系统国家重点实验室,北京 100101

The Vegetation Classification Based on HJ-CCD Data and Decision Tree

LIU Rui12, FENG Min2, SUN Jiu-lin2, LIAO Shun-bao2, WANG Juan-le2

1. College of Geographical Science, Chongqing Normal University, Chongqing 400047, China
2. State Key Laboratory of Resources and Environmental Information Systems, Institute of Geographical Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China

中图分类号:  TP79

文献标识码:  A

文章编号:  1000-0690(2012)12-1488-08

通讯作者:  通讯作者:王卷乐,副研究员。E-mail:wangjl@igsnrr.ac.cn

收稿日期: 2011-09-19

修回日期:  2012-04-5

网络出版日期:  2012-12-20

版权声明:  2012 《地理科学》编辑部 本文是开放获取期刊文献,在以下情况下可以自由使用:学术研究、学术交流、科研教学等,但不允许用于商业目的.

基金资助:  国家自然科学基金(40801180)、重庆师范大学博士启动基金项目(11XLB034)、国家重点基础研究发展计划项目(2010CB950904)和国家科技基础性工作专项(2011FY110400)资助

作者简介:

作者简介:刘 睿(1983- ),男,重庆人,博士,讲师,主要从事生态资源遥感方面研究。E-mail:liur@lreis.ac.cn

展开

摘要

以内蒙古呼伦贝尔地区为例,基于遥感数据获取区域7种典型植被的NDVI时间序列曲线。在此基础之上,分析曲线趋势及其特征值,研究基于曲线差异的植被分类信息提取方法。同时,以国产环境减灾卫星CCD数据作为主要遥感数据源,提取研究区5月上旬与8月上旬两期NDVI数据及其比值,采用决策树分类方法研究得到区域30 m空间分辨率植被分类结果。经实地验证,一级类型总体分类精度为83.64%,二级类型为70.91%,其中乔木林的分类精度最高,然后是农田与草地,灌丛的分类精度相对最低。结果表明该方法能够快速、准确据提取植被分类信息,为国产环境减灾卫星CCD数据的广泛深入应用提供理论与数据支持。

关键词: 植被分类 ; 环境减灾卫星CCD数据 ; NDVI时间序列曲线 ; 呼伦贝尔

Abstract

Vegetation is critical for researches about global environmental change and regional sustainable development, and remote sensing is an important method for obtaining classification result. However, the Normalized Difference Vegetation Index (NDVI) time series method classification was limited by the coarse spatial resolution, and application of the medium high data such as Landsat TM was limited by the coverage and accessibility of remote sensing data. The Chinese environmental mitigation HJ satellite CCD sensors are capable of large area, all-time monitoring, and have a great advantage in coverage and frequency of repeated observations. A case study of Hulunbuir, Inner Mongolia was carried out in this paper. The NDVI time series curve of 7 vegetation types were extracted from both MODIS and HJ CCD data. Then, the curves and eigenvalue were analyzed. The result showed that between the 7 vegetation types, there was significant differences in the value range of early May NDVI, early August NDVI and the ratio of the two NDVI image. The vegetation classification rules were extracted based on these differences. The HJ-CCD was used as the main data sources in this paper. Three images including two NDVI and one ratio were extracted and the decision tree method was applied. Based on the result, 30 m spatial resolution vegetation classification result was carried out. By field verification, the result shows a 83.64% overall accuracy in the level one classification, and 70.91% in the level two classification. The cartographic accuracy of evergreen coniferous forest can achieve 100%, followed by cropland 82.61%, mixed forest 76.19% and desert steppe 75%. The accuracy of shrub is relatively low to 50%. This result proved a fast, simple and accurate method for vegetation classification, and provided the theory and data support for application of the Chinese HJ satellites.

Keywords: vegetation classification ; HJ-CCD data ; NDVI time series curve ; Hulunbuir

0

PDF (749KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

刘睿, 冯敏, 孙九林, 廖顺宝, 王卷乐. 基于环境减灾卫星CCD数据与决策树技术的植被分类研究[J]. , 2012, 32(12): 1488-1495 https://doi.org/

LIU Rui, FENG Min, SUN Jiu-lin, LIAO Shun-bao, WANG Juan-le. The Vegetation Classification Based on HJ-CCD Data and Decision Tree[J]. Scientia Geographica Sinica, 2012, 32(12): 1488-1495 https://doi.org/

植被信息及其变化对于全球变化、生态环境监测等研究至关重要,遥感技术的出现为提取植被分类信息提供了快速、准确的方法。近年来,随着遥感传感器以及数据处理技术的发展,传统的计算机分类方法如监督分类、非监督分类等方法已经得到了长足改进。学者们提出了不同的植被覆被分类方法,主要分为两类:一是基于遥感传感器红与近红外波段数据计算的归一化植被指数(NDVI)时间序列数据,能够综合反映植被的季相变化等特征[1],其数据源以AVHRR与MODIS等数据为主[2~4]。然而,较粗的空间分辨率(250 m~8 km)存在着较大的混合像元问题,限制了其区域应用的精度。二是基于多传感器的多波段多数据组合分类方法,如MODIS提取的波段与指数组合[5, 6],AVHRR NDVI数据与陆地表面温度(Ts)的组合[7]以及TM传感器的NDVI与归一化水体指数(NDWI)的组合[8]等。这些方法能够获取中高空间分辨率的分类结果,然而影像覆盖范围以及重访周期限制了其数据的可获取性,导致以美国陆地卫星(Landsat)为代表的中高空间分辨率遥感数据大多在小区域范围(community level)内开展应用[9]

中国的环境与灾害监测预报小卫星星座(简称环境减灾卫星,HJ)于2008年9月6日发射升空,其A、B双星搭载的4部宽覆盖CCD(Charge Coupled Device)传感器能够提供2 d重访的高时间分辨率以及30 m的高空间分辨率的遥感监测数据,其数据质量已经得以评定[10],同时具备大范围、全天时、全天候环境与灾害监测等方面的能力,对于提取大范围,中高空间分辨率植被分类信息具有巨大的应用潜力。基于此,本文立足于环境减灾卫星双星4部CCD数据以及MODIS遥感影像,结合已有的土地覆盖遥感制图数据集,通过提取不同植被类型的NDVI时间序列曲线,分析不同曲线的差异,判断植被分类规则,以内蒙古呼伦贝尔地区为例,以期得到快速、准确提取大范围中高空间分辨率植被分类信息的方法。

1 数据与方法

1.1 研究区域概况

研究区呼伦贝尔地区位于中国内蒙古自治区东北部(图1),介于47°05′N~53°20′N,115°31′E~126°04′E之间,总面积约为25.3×104km2,西部为呼伦贝尔高原,中部为大兴安岭山地,东部为低山丘陵地区,植被类型丰富,是研究基于遥感的植被分类的理想区域。

图1   研究区域与野外考察采样点分布

Fig.1   Study area and field points

1.2 数据选择与预处理

1.2.1 遥感数据

遥感数据包括MODIS数据与环境减灾卫星CCD数据,时间范围为3~10月植被生长季。两种遥感数据源基本特征对比如表1所示。

表1   MODIS与环境减灾卫星CCD传感器主要性能对比

Table 1   Main characters of MODIS and HJ CCD

遥感传感器空间分辨率(m)时间分辨率(d)波段数
MODIS250/500/10001/436
HJ/CCD3024

新窗口打开

MODIS数据选择8 d合成的地表反射率产品MYD09Q1,其空间分辨率为250 m,通过波段提取与波段计算得到8 d合成250 m空间分辨率NDVI产品,时间范围为2009年057(2月26日)~297 d(10月24日),共31期数据。

环境减灾卫星CCD数据时间范围为2009年66(3月7日)~301d(10月28日),影像几何精校正选择2005年USGS的全球陆地测量数据(The Global Land Survey)作为几何精校正参考数据[11],采用二次多项式拟合法,RMS误差不超过2个像元(60 m)。辐射定标参数来自中国资源卫星应用中心。采用基于辐射传输理论的6S模型对环境减灾卫星CCD数据进行大气校正,输入参数包括MODIS的水汽含量与气溶胶光学厚度大气产品[12],以及美国宇航局(NASA)的Ozone Monitoring Instrument (OMI)臭氧产品[13],经重采样后逐像元计算大气校正后反射率,进而计算得到NDVI产品。同时,考虑到环境减灾卫星4部CCD传感器间波段差异,对环境减灾卫星4部CCD获取的NDVI以1A星 CCD1传感器为基准进行校正[14]

以上数据空间范围均为呼伦贝尔地区,转换至Albers等积投影。影像处理过程中除CCD数据几何校正外,波段提取、辐射定标、大气校正与NDVI计算均在中国科学院“科研信息化环境(e-Science)及其在地学中的应用示范”平台支持下通过模型与云计算自动完成[15]

1.2.2 土地覆被数据

土地覆盖遥感制图数据集来源于“地球系统科学数据共享平台”,比例尺为1:25万,如图2所示。该数据将土地覆被分为6大类25小类,综合应用人机交互判读分析、遥感自动分类、调查、相关资料综合分析等方法[16]。经验证,该数据集在内蒙古东部地区的总体精度达到84.21%[17]

图2   研究区1:25万土地覆被数据集(2005年)与植被制图点分布

Fig.2   The 1:250 000 land cover dataset and the mapping points of vegetation in study area

1.2.3 野外考察

2009年7月31日至8月11日,在呼伦贝尔地区开展了为期12 d的野外科学考察,考察范围包括10个市/旗,在研究区域内共获取有效野外考察采样点110个。采样过程中每个样点记录的信息包括:定位点的经纬度、海拔高度、样点的植被类型、两张代表性样点照片(1张远景、1张近景)以及照片编号。

1.3 研究方法

方法流程如图3所示。

图3   研究方法流程

Fig.3   Methodology flow

1.3.1 植被分类体系

参考全国1:25万土地覆被遥感制图数据集分类系统与中国植被图集(1:100万)[18]属性表,结合研究区实际植被情况,将研究区植被分为3个一级类型,7个二级类型,如表2所示。

表2   研究区植被分类系统

Table 2   Vegetation classification system in study area

一级类型二级类型含 义
森林常绿针叶林郁闭度>30%,高度>2 m的常绿针叶天然林和人工林
落叶针叶林与混交林郁闭度>30%,高度>2 m的落叶针叶林、阔叶天然林和人工林
灌丛郁密度>40%,高度>2 m的灌丛和矮林
草地草甸草地覆盖度>30%,以草本植物为主的各类草地
典型草地覆盖度在10%~30%,以旱生草本为主的草地
荒漠草地覆盖度在5%~10%,以强旱生植物为主的草地
农田种植农作物的耕地

新窗口打开

1.3.2 NDVI时间序列曲线提取

针对不同植被类型的时序特征曲线,以1:25万土地覆盖遥感制图数据集为基准底图,人工选取典型植被制图点(其分布如图2中红色点所示),以提取不同植被类型的时序特征曲线,进而分析其曲线异同。考虑到土地覆盖数据集制作时间(2005年)与研究分类时间(2009年)存在差异,选点的原则是选择植被类型较“单一”,面积尽可能大的中心点,且包含全部植被类型。

MODIS与CCD传感器间存在波段差异,必须考虑该差异对NDVI的影响。同时,1:25万土地覆盖遥感制图数据集中呼伦贝尔地区草地分类结果中无荒漠草地分布,与野外考察工作中得到的野外考察样点存在差异。基于此,通过计算得到的2009年3月3日~10月28日共17期环境减灾卫星CCD传感器的NDVI结果,在野外考察样点针对3种草地类型(草甸草地、典型草地与荒漠草地)分别获取环境减灾卫星NDVI曲线与MODIS NDVI曲线,通过比较以验证6种植被类型NDVI曲线应用的可靠性。

2 结果与分析

2.1 NDVI曲线分析

按照制图点选取原则,研究选取234个制图点,其分布如图1所示。包括常绿针叶林点26个,落叶针叶林与混交林点36个,灌丛点41个,农田点46个,草甸草地点37个,典型草地点48个。基于MODIS数据得到的6种采样点NDVI曲线如图4所示。值得一提的是,研究着重于在NDVI曲线中判断植被分类特征,为避免精度损失与误差增加,未对所有NDVI曲线进行拟合与平滑。同时,环境减灾卫星NDVI曲线与MODIS NDVI曲线对比结果如图5所示。

图4   基于MODIS数据的6种采样点NDVI曲线

Fig.4   NDVI time series curve of 6 vegetations sample points based on MODIS data

图5   草地样点的环境减灾卫星CCD和MODIS NDVI曲线结果对比a 草甸草地; b 典型草地; c 荒漠草地

Fig.5   NDVI time series curve of grassland sample points extracted from HJ CCD and MODIS

可以看出,相同草地样点获取的NDVI曲线趋势一致,传感器间差值均值约为0.04,表明传感器以及时空分辨率等造成的差异仍然存在,然而对曲线整体影响有限,得到的7种植被NDVI曲线精度足以反映植物生态季节变化趋势,满足研究需求。同时,考虑到农田与3种草地类型的NDVI曲线均从0.2附近开始升高(3月初影像中为冰雪覆盖),因此研究将土壤背景的NDVI值确定为0.15。

2.1.1 森林

图4 a、b中可以看出林地的NDVI在全年保持在0.3以上。在3月上旬出现NDVI增长的趋势,于5月下旬达到NDVI高值,保持平缓,至9月中旬开始出现NDVI下降的过程。在2种林地类型中间,常绿针叶林的NDVI增长速率更快,表现为5月上旬NDVI值大于0.5,而此时落叶针叶林与混交林的NDVI峰值仍位于0.35~0.5的区间内。

图4 c中可知,灌丛的NDVI在4月下旬出现一个显著的增长过程,至6月中旬达到其NDVI高值,保持平稳。在8月下旬到9月下旬间出现显著的NDVI减小过程,此后NDVI减小趋势变缓,至10月中旬其NDVI仍然超过0.3。

2.1.2 农田

农田、灌丛以及草甸草地存在非常近似的NDVI曲线。然而农田的NDVI曲线直到6月上旬才出现增长的趋势,且增速较快,至8月上旬达到峰值。从8月下旬开始表现出明显的NDVI陡降趋势。

2.1.3 草地

图5可以看出,3种草地类型4月下旬出现NDVI增长趋势,持续至7月中旬达到高值,此后表现平缓。从8月上旬开始缓慢下降,至10月下旬其NDVI值基本为土壤背景NDVI值。然而其峰值的大小存在着明显的差异,分别为:大于0.55,0.4~0.55,小于0.4。

2.2 NDVI分类规则提取

与其他植被类型相比,林地的NDVI增长时间早,峰值持续时间长,在5月上旬NDVI大于0.35。常绿针叶林在5月上旬的NDVI值即超过0.5。

灌丛的NDVI峰值与乔木林、农田的NDVI峰值近似,均接近0.9,然而在5月上旬其NDVI值已经超过0.25,而此时农田NDVI仍然未开始增长,其NDVI值不超过0.25。

考虑到作物类别以及耕种等多方面的原因,农田的NDVI峰值处于0.7~0.9这样一个较大的区间,与其他的植被类型都有重复。然而不难看出,农田的NDVI曲线增长时间晚,增长速度快。其8月上旬NDVI峰值与5月上旬NDVI峰值的比值为几种植被中最大的。

2.3 分类结果

基于以上分析结果,采用1 a内5月上旬与8月上旬的两期环境减灾卫星CCD数据的NDVI开展植被覆被分类研究。7种植被类型在两期产品上取值区间如表3所示。根据表3的结论,采用决策树分类方法与环境减灾卫星CCD数据提取呼伦贝尔地区植被分类信息,决策树如图6所示。

表3   不同植被类型在影像上NDVI取值区间

Table 3   The NDVI value range of different vegetation type

常绿针叶林落叶针叶林与混交林灌丛农田草甸草地典型草地荒漠草地
5月上旬0.50~0.700.35~0.500.26~0.380.19~0.250.25~0.300.20~0.300.15~0.22
8月上旬0.85~0.90.84~0.910.78~0.880.65~0.900.55~0.750.40~0.550.30~0.42
8月上旬/5月上旬1.3~1.71.6~2.42.1~3.22.7~4.71.8~3.01.3~2.81.4~2.8

新窗口打开

图6   植被分类决策树

Fig.6   Decision tree of vegetation classification

根据分类决策树系统得到呼伦贝尔地区30 m空间分辨率的植被分类结果,如图7所示。需要指出的是,基于大研究范围、中高空间分辨率遥感数据的处理过程中,不可避免地存在时相不完全匹配以及影像拼接等问题,在结果中体现为分类结果中存在一定的影像拼接的痕迹,对分类结果同样造成影响。

图7   植被分类结果

Fig.7   Vegetation classification result

2.4 结果验证

草原分布在西部牧业四旗,从东向西从北到南草原的质量逐次下降,荒漠草地大量分布于呼伦贝尔西南部新巴尔虎右旗,与2004年金良[19]的研究结论吻合。大兴安岭贯穿整个呼伦贝尔地区,是主要的林地分布,其北部两市为樟子松(Pinus sylvestris var. mongolica)等主要常绿针叶林树种分布地区,向南则分布以兴安落叶松(Lanix gmelinii)为代表的落叶针叶林与混交林。西侧山地区域为灌丛的主要分布地区,农田分布较少,与野外考察情况以及1:25万土地覆盖遥感制图数据集相符,与2010年宫攀[20]的研究结论中该区域主要植被类型为农田存在一定出入。呼伦贝尔地区东南侧大兴安岭山地与松嫩平原的交汇地区为主要农田所在地,草原极少,与该区域的降水分布趋势一致[21]

基于野外考察采样点,建立误差矩阵对分类结果的精度进行验证。表4为一级类型分类结果,表5为二级类型分类结果。

表4   一级类型分类结果混淆矩阵与精度

Table 4   Confusion matrix and precision of level 1 classification result

森林草地农田非植被总和制图精度(%)
森林241302885.71%
草地447505683.93%
农田131902382.61%
非植被0102366.67%
用户精度(%)82.76%90.38%70.37%100.00%
总和2952272110
总分类精度:83.64%Kappa系数:0.73

注:表中数字为验证点个数。

新窗口打开

表5   二级类型分类结果

Table 5   Level 2 classification result

常绿针叶林落叶针叶林
与混交林
灌丛农田草甸草地典型草地荒漠草地非植被总精度kappa系数
制图精度(%)10076.195082.616167756770.91%0.64

注:表中数字为验证点个数。

新窗口打开

森林的分类精度最高,制图精度为85.71%,其中常绿针叶林的制图精度达到100%。落叶针叶林与混交林的制图精度达到76.19%,误分点主要体现为与灌丛、农田的误判。

农田制图精度为82.61%。可见农田的NDVI时序曲线特征明显,利用两个时相的NDVI比值能够有效提取农田的分布信息,分类结果可靠。同时,考虑到农田斑块的破碎性,基于中高空间分辨率数据能够有效降低混合像元的影响,对于获得高精度的农田信息分布十分必要。

草地的整体分类精度为83.93%,然而草地类型的内部误分现象明显,其中野外采样点与遥感分类对于草地类型判断的不一致是重要原因。如某典型草地被牛羊大量啃食,遥感分类结果表现为荒漠草地。

二级类型中灌丛的分类结果最低,野外采样点的制图精度仅为50%,4个点中有2个被误分为农田。样点数量的限制导致难以开展进一步判断。然而,在1:25万土地覆盖遥感制图数据集中选择的41个灌丛样点制图精度为60.98%,同样为最低。结果表明灌丛的类型丰富,不同类型的灌丛NDVI曲线差异明显,其精确分类方法有待更进一步研究。

3 结论与讨论

1) 环境减灾卫星的CCD数据具备高时空分辨率以及覆盖范围大的特点,在大区域应用中具备获取高精度、高空间分辨率的植被分类信息的能力,能够快速、准确提取植被分类信息;

2) CCD数据生产的NDVI时间序列数据与MODIS数据生产的时间序列数据曲线趋势一致,在草地类型的差异约为0.04,表明传感器以及时空分辨率等造成的差异仍然存在,然而其精度足以反映植物生态季节变化趋势;

3) 基于植被NDVI时序曲线异同分析的植被分类信息提取,能够有效降低分类的不确定性,同时具有良好的适用性。在研究中基于2期NDVI数据及其比值即可得到分类结果,一级类型分类精度超过80%,二级类型分类精度超过70%。考虑到研究区域的面积约为25×104km2,范围辽阔,处理的数据量极大,可以预计在小区域尺度内,基于同样的方法,增加曲线关键点的信息,能够得到更加准确的结果;

4) 环境减灾卫星CCD数据缺乏有效的大气校正手段,然而其高空间分辨率能够有效降低混合像元的影响,同时2 d的高时间分辨率,对于诸如多云地区或南方地形、植被复杂区域数据可获取性更强,然而其应用精度与适用范围有待深入研究。

致谢:感谢地球系统科学数据共享平台为研究提供数据。特别感谢呼伦贝尔草原生态系统国家野外科学观测研究站陈宝瑞博士以及地球系统科学信息共享中心团队在野外考察过程中提供的帮助。审稿老师在审稿过程中提出了宝贵的修改意见,在此一并感谢。

The authors have declared that no competing interests exist.


参考文献

[1] Rees M, Condit R, Crawley M, et al.

Long-term studies of vegetation dynamics

[J]. Science, 2001, 293: 650-655.

URL      PMID: 328097111516348217162284200129222322221147410188561568643785470271      [本文引用: 1]     

[2] Hansen M C, DeFries R S.

Detecting long-term global forest change using continuous fields of tree-cover maps from 8-km Advanced Very High Resolution Radiometer (AVHRR) data for the years 1982-99

[J]. Ecosystems, 2004, 7(7): 695-716.

https://doi.org/10.1007/s10021-004-0243-3      Magsci      [本文引用: 1]      摘要

<a name="Abs1"></a>This paper describes global changes in forest cover from 1982 to 1999 based on the 8-km Pathfinder Advanced Very High Resolution Radiometer (AVHRR) data set. The procedure involves the use of a regression tree in predicting percent tree cover for the years 1982&#x2013;99. Training data are created from high-resolution imagery and used with phenological metrics derived from the annual AVHRR time series. Using the 18&nbsp;years of estimated tree cover, and based on a thresholding approach, we identified locations where change in tree cover has occurred. The change sites were then compared to a set of high-resolution deforestation analyses to yield area estimates of deforestation and regrowth. Percent tree cover was found to have decreased globally, from the 1980s to 1990s, in contrast to United Nations Food and Agriculture Organization (FAO) reports of a global increase in forest cover. Latin America and tropical Asia are the two dominant deforestation regions. Paraguay shows the highest rate of forest clearing over the time series, while Indonesia had the greatest increase in deforestation from the 1980s to 1990s. We also suggest that the percent tree-cover maps can be used in standardizing national forest statistics, as an objective means of identifying hot spots of change, and for facilitating ecosystem monitoring.
[3] Lunetta R S, Knight J F, Ediriwickrema J, et al.

Land-cover change detection using multi-temporal MODIS NDVI data

[J]. Remote Sensing of Environment, 2006, 105(2): 142-154.

https://doi.org/10.1016/j.rse.2006.06.018      URL      摘要

Monitoring the locations and distributions of land-cover changes is important for establishing links between policy decisions, regulatory actions and subsequent land-use activities. Past studies incorporating two-date change detection using Landsat data have tended to be performance limited for applications in biologically complex systems. This study explored the use of 250m multi-temporal MODIS NDVI 16-day composite data to provide an automated change detection and alarm capability on a 1year time-step for the Albemarle鈥揚amlico Estuary System (APES) region of the US. Detection accuracy was assessed for 2002 at 88%, with a reasonable balance between change commission errors (21.9%), change omission errors (27.5%), and Kappa coefficient of 0.67. Annual change detection rates across the APES over the study period (2002鈥2005) were estimated at 0.7% per annum and varied from 0.4% (2003) to 0.9% (2004). Regional variations were also readily apparent ranging from 1.6% to 0.1% per annum for the tidal water and mountain ecological zones, respectfully. This research included the application of an automated protocol to first filter the MODIS NDVI data to remove poor (corrupted) data values and then estimate the missing data values using a discrete Fourier transformation technique to provide high-quality uninterrupted data to support the change detection analysis. The methods and results detailed in this article apply only to non-agricultural areas. Additional limitations attributed to the coarse resolution of the NDVI data included the overestimation of change area that necessitated the application of a change area correction factor.
[4] 南颖, 刘志锋, 董叶辉, .

2000~2008年长白山地区植被覆盖变化对气候的响应研究

[J]. 地理科学, 2010, 30(6): 921~928.

URL      [本文引用: 1]     

[5] 孙艳玲, 杨小唤, 王新生, .

基于决策树和MODIS数据的土地利用分类

[J]. 资源科学, 2007, 29(5): 169~174.

Magsci      [本文引用: 1]      摘要

土地利用类型的识别是土地利用/土地覆盖研究中的重点内容,如何准确、快速的获得大尺度范围的土地覆盖信息进行土地变化的动态实时监测一直是关注的重点。本文针对MODIS数据多光谱的特点,以山东省为例,选取8月份8-day的一期MODIS09Q1、MODIS09A1产品及全年16-day的MODIS13Q1NDVI时间序列产品,通过分析各种土地利用类型的光谱间关系,同时选择NDVI、EVI、NDWI、NDMI、NDSI等分类指数,并构造新的波段B2/B1、B7/B6(B1、B2、B6、B7分别代表1波段、2波段、6波段、7波段),利用决策树分类法,进行土地利用分类试验。结果表明,仅利用MODIS数据自身信息对宏观的土地利用分类就可以达到较高的精度,分布范围完整的土地利用类型如耕地、城市居民点精度较高,零星分布的土地利用类型如农村居民点、草地分类精度较低。决策树分类法充分发挥了MODIS数据的多光谱特点,总体精度达到71.4%,kappa系数为0.68。相对于最大似然法,总体精度提高近10个百分点,对耕地及沼泽等类型的精度提高20%到25%。
[6] 张景, 姚凤梅, 徐永明, .

基于MODIS的土地覆盖遥感分类特征的评价与比较

[J]. 地理科学, 2010, 30(2): 248~253.

Magsci      [本文引用: 1]      摘要

选取华北地区为研究区,利用MODIS遥感数据多光谱、多时相优势进行分类特征提取,依据土地覆盖分类特征如地表反射率、植被指数、纹理特征等,并对这些分类特征分别从光谱维、时间维、空间维三个角度进行阐述,结合DEM数据,使用最大似然法进行土地覆盖遥感分类特征的评价与比较。结果表明,不同分类特征对分类精度影响不同,将多种分类特征结合能够有效提高区域尺度土地覆盖分类精度,但分类特征的加入不一定能提高某些类别的分类精度。
[7] 王长耀, 骆成凤, 齐述华, .

NDVI-Ts空间全国土地覆盖分类方法研究

[J]. 遥感学报, 2005, 9(1): 93~99.

https://doi.org/10.11834/jrs.20050114      Magsci      [本文引用: 1]      摘要

利用NDVI-Ts空间进行全国土地覆盖分类的方法。该方法利用1995年NOAA 10天合成的ch4、ch5通道亮温,先计算出陆地表面温度(Ts),然后用最大值合成法计算每月的最大Ts和NDVI,以每月最大Ts和NDVI建立NDVI-Ts空间。根据像素点(NDVI,Ts)在空间中的位置矢量,求出矢量在空间中的方向角度,并作归一化处理,得到温度植被角度(NTVA)。对12个月NTVA做主成分变换提取前三个主分量,辅以全年总NDVI和大于O℃ Ts积温,用模糊K-均值法进行全国土地覆盖分类。研究结果表明,基于NDVI-Ts空间的NTVA与NDVI、Ts一起作为分类特征在土地覆盖分类中具有较高的分类精度,能够取得较好的分类效果。
[8] 林川, 宫兆宁, 赵文吉.

基于中分辨率TM数据的湿地水生植被提取

[J]. 生态学报, 2010, 30(23): 6460~6469.

Magsci      [本文引用: 1]      摘要

利用湿地水生植被生长旺盛、光谱反射较强、光谱信息比较丰富的8月份中分辨率Landsat TM和ETM+多光谱遥感影像,采用面向对象的分类方法,进行野鸭湖湿地水生植被的提取。研究表明:在提取过程中,通过对原始影像进行主成分变换和穗帽变换,将主要信息与噪声分离,不仅减小了数据冗余和波段间的相关性,而且增大了影像上湿地水生植被与其他地物类型光谱和空间信息的差异性,并结合野外水生植被光谱特征分析,选择归一化植被指数NDVI与归一化水体指数NDWI辅助分类,构建特征波段或波段组合,然后,确定适当的隶属度函数和阈值范围,构建分类决策树,完成湿地水生植被的自动分类,提高了影像分割与面向对象分类的精度,取得了较为理想的湿地水生植被提取结果。2002年和2008年两景影像的总体分类精度分别达到86.5%和85.44%,表明中分辨率TM影像可以满足湿地水生植被提取的需要,又因为其具有较高的波谱分辨率、极为丰富的信息量、相对较低的价格、长时间序列,可以作为近20a湿地水生植被提取和动态变化监测的主要数据源。
[9] Xie Y, Sha Z, Yu M.

Remote sensing imagery in vegetation mapping: a review

[J]. Journal of Plant Ecology, 2008, 1(1): 9~23.

URL      [本文引用: 1]     

[10] 刘睿, 孙九林, 王卷乐, .

环境与灾害监测预报小卫星CCD数据质量评价

[J]. 地球科学进展, 2011, 26(9): 971~979.

Magsci      [本文引用: 1]      摘要

<p>中国环境与灾害监测预报小卫星星座双星4部CCD传感器具备大范围、全天时环境与灾害监测等方面的能力,在空间覆盖与重复观测频率方面有很大的优势。结合美国陆地卫星TM数据,从几何精度、辐射质量2个方面定量分析了该卫星CCD传感器的数据质量。结果表明:①环境减灾卫星CCD数据无波段错位现象,有极小的畸变与扭曲(0.05%),然而存在较大的整体几何误差。②CCD数据的整体辐射范围、信噪比与TM数据相比并无明显区别,但其清晰度的不足导致在地物识别、特征提取与图像量测方面的应用存在着一定的限制。③CCD数据的信息量较为丰富,4、3、2波段的标准假彩色合成包是波段合成方案中的最佳波段组合。CCD数据的功率谱保证了其具有丰富的纹理特征,对于诸如土地利用/覆被变化等方面的研究,其信息量与纹理特征能够保证其应用精度。④CCD传感器4个波段间,近红外与红波段表现最好,与TM传感器相应波段相比质量相当,其次为绿波段与蓝波段。</p>
[11] Gutman G, Byrnes R, Masek J, et al.

Towards monitoring land-cover and land-use changes at a global scale: The global land survey 2005

[J]. Photogrammetric Engineering and Remote Sensing, 2008, 74(1): 6-10.

URL      [本文引用: 1]      摘要

Land cover is a critical component of the Earth system, infl uencing land-atmosphere interactions, greenhouse gas fl uxes, ecosystem health, and availability of food, fi ber, and energy for human populations. The recent Integrated Global Observations of Land (IGOL) report calls for the generation of maps documenting global land cover at resolutions between 10m and 30m at least every fi ve years (Townshend et al., in press). Moreover, despite 35 years of Landsat observations, there has not been a unifi ed global analysis of land-cover trends nor has there been a global assessment of land-cover change at Landsat-like resolution. Since the 1990s, the National Aeronautics and Space Administration (NASA) and the U.S. Geological Survey (USGS) have supported development of data sets based on global Landsat observations (Tucker et al., 2004). These land survey data sets, usually referred to as GeoCover 鈩, provide global, orthorectifi ed, typically cloud-free Landsat imagery centered on the years 1975, 1990, and 2000, with a preference for leaf-on conditions. Collectively, these data sets provided a consistent set of observations to assess land-cover changes at a decadal scale. These data are freely available via the Internet from the USGS Center for Earth Resources Observation and Science (EROS) (see http://earthexplorer.usgs.gov or http://glovis.usgs.gov). This has resulted in unprecedented downloads of data, which are widely used in scientifi c studies of land-cover change (e.g., Boone et al., 2007; Harris et al., 2005; Hilbert, 2006; Huang et al. 2007; Jantz et al., 2005, Kim et al., 2007; Leimgruber, 2005; Masek et al., 2006). NASA and USGS are continuing to support land-cover change research through the development of GLS2005 - an additional global Landsat assessment circa 20051 . Going beyond the earlier initiatives, this data set will establish a baseline for monitoring changes on a 5-year interval and will pave the way toward continuous global land-cover monitoring at Landsat-like resolution in the next decade.
[12] Savtchenko A, Ouzounov D, Ahmad S, et al.

Terra and aqua MODIS products available from NASA GES DAAC

[J]. Trace Constituents in the Troposphere and Lower Stratosphere, 2004, 34(4): 710-714.

https://doi.org/10.1016/j.asr.2004.03.012      URL      [本文引用: 1]      摘要

The NASA Goddard Earth Sciences Distributed Active Archive Center (GES DAAC), known as GSFC-ECS in the Earth Observing System Data Gateway, distributes three major groups of MODIS products: Level 1 Radiometric and Geolocation data, and Level 2 and higher level of Atmosphere and Ocean products. The Atmosphere data types are aerosol, water vapor, cloud, temperature and moisture profiles, and cloud mask. The 107 (at present) Ocean data types include such parameters as normalized water-leaving radiances, chlorophyll and pigment concentrations (“ocean color”), total absorptions, sea surface temperatures, and ocean primary productivity. GES DAAC provides a broad spectrum of MODIS support, covering; data access, visualization tools, tools for search and order of the aforementioned data, documentation, data content, troubleshooting, and science and software support for the Earth Observing System Core System (ECS). The Web gateway for MODIS data products and services is http://daac.gsfc.nasa.gov/MODIS/
[13] Levelt P F, van den Oord G H J, Dobber M R, et al.

The ozone monitoring instrument

[J]. Geoscience and Remote Sensing, IEEE Transactions on, 2006, 44(5): 1093-1101.

URL      [本文引用: 1]     

[14] 刘睿, 孙九林, 张金区, .

中国北方草地覆被的HJ星NDVI校正研究

[J]. 草业学报, 2011, 20(1): 189~198.

https://doi.org/10.11686/cyxb20110127      Magsci      [本文引用: 1]      摘要

NDVI时间序列数据已经得到了广泛应用。中国的环境与灾害监测预报小卫星(HJ星)装载的4部CCD 传感器能够满足在中国及其周边地区植被动态监测时间与空间分辨率两方面的需求,基于其建立的NDVI时间序列产品对于研究该区域的植被变化状况具有重要意义。然而波段的差异对不同传感器获取的NDVI具有非常显著的影响。本研究立足于对HJ星4部CCD 传感器以及LandSat卫星TM、ETM+传感器的波段分析,利用同时相遥感影像对获取并推算6部传感器NDVI在中国北方中温带干旱半干旱草地的NDVI交叉校正系数,并通过野外实测光谱数据计算等效NDVI对研究结果进行验证。结果表明,HJ星4部CCD 传感器间获取的NDVI差异能够达到5%,本研究中得到的传感器间NDVI交叉校正系数能够将该差异有效减小到2%以内。同时证明了传感器中心波长对NDVI的影响大于波段宽度对NDVI的影响。</br>
[15] 诸云强, 孙九林, 宋佳, .

地学E-Science研究与实践——以东北亚联合科学考察与合作研究平台构建为例

[J]. 地球科学进展, 2011, 26(1): 66~74.

Magsci      [本文引用: 1]      摘要

<p align="justify">地学e-Science被认为是继理论分析、实验观察和模拟计算之后的地学科研方法,将促进传统地学科研模式的变革,提升地学研究的效率和水平。由于地学e-Science的研究刚刚起步,国内外学者对其本质、内容、技术架构和未来发展,还缺乏一个统一、清晰的认识。认为地学e-Science的实质就是支撑地学研究的信息化环境及其在此基础上开展的各类地学科研活动,其总体架构包括信息化基础设施、地学资源、功能服务和科研应用4个层次。基于地学e-Science的研究可以实现地学科研模式的4个转变。实践表明地学e-Science原型系统:东北亚联合科学考察与合作研究平台通过信息化技术和数字化资源改变了传统科学考察的模式,极大促进了中国、俄罗斯、蒙古3国科学家联合科学考察的效率。</p>
[16] 张增祥, 汪潇, 王长耀, .

基于框架数据控制的全国土地覆盖遥感制图研究

[J]. 地球信息科学学报, 2009, 11(2): 216~224.

https://doi.org/10.3969/j.issn.1560-8999.2009.02.013      URL      Magsci      [本文引用: 1]      摘要

土地覆盖研究是全球变化的一个重要内容。本文针对中国土地覆盖实际情况,从遥感制图角度和陆地生态系统观点出发,建立了一种基于陆地生态系统特点的土地覆盖遥感分类体系。充分利用目视解译的精确性和自动分类的快速性,在高精度目视解译数据提供的基本覆盖类型及其位置、边界的控制下,以250m分辨率的2005年MODIS植被指数产品为遥感分类信息源,获取主要类型的详细分类信息,并结合人机交互判读分析与相关资料等的综合运用,实现2005年全国土地覆盖遥感制图。对比实地调查结果的精度分析表明:土地覆盖制图的类型分类准确,基本上反映了各地区的土地覆盖特点和分布趋势,图斑格局与影像地理特征基本吻合,全国土地覆盖制图总体准确率为91%,各类型准确率也达89%以上。
[17] 廖顺宝, 刘睿, 尹芳.

全国1:25万土地覆被遥感制图精度在内蒙古东部的实地验证

[J]. 地理研究, 2011, 30(3): 555~563.

Magsci      [本文引用: 1]      摘要

土地覆被是全球变化和区域可持续发展研究的重要内容,土地覆被遥感制图是支持全球变化和区域可持续发展研究的基础数据,制图质量是相关研究成果科学性的重要保证。本文针对全国1∶25万土地覆被遥感制图的精度评价,用大类分错扣1分,同一大类中的小类分错扣0.5分的计分评价方法,共选取190个样点,在内蒙古东部进行了实地验证。验证结果表明:制图的总体精度为84.21%。其中,聚落10个样点,精度为100%;农田67个样点,精度为92.54%;湿地、水体20个样点,精度为87.50%;草地59个样点,精度为81.36%;森林34个样点,精度为66.18%。土地覆被类型错分的主要情况包括:将河湖滩地解译成沼泽、水浇地解译成水田、草甸草地解译成典型草地、典型草地解译成沙漠、森林解译成草地等。
[18] 中国科学院中国植被图编辑委员会.中国植被图集(1:100万)[M].北京:科学出版社,2001.

[本文引用: 1]     

[19] 金良.

呼伦贝尔市土地利用动态变化研究

[J]. 干旱区资源与环境, 2004, 18(2): 110~114.

https://doi.org/10.3969/j.issn.1003-7578.2004.02.022      URL      [本文引用: 1]      摘要

土地利用动态研究是全球变化研究的核心,是涉及到人类可持续发展的新兴的研究项目.本文以系统论、持续发展论为指导,对呼伦贝尔市土地利用时空变化进行了较深入、系统的研究.文中,以地理信息系统技术为研究手段,利用时间序列动态模型、动态度模型、分布重心模型和主要土地利用类型空间变化图对呼伦贝尔市近十多年的土地利用时空变化趋势、变化速率进行了分析,得出耕地正在向西北方向扩展,且速度快;林地稍有扩展趋势;牧草地面积则快速减少,向西南方向萎缩的结论,并从一定的深度研究了土地利用变化所带来的环境影响.
[20] 宫攀.

基于MODIS数据关键物候特征参数的东北地区植被覆盖分类

[J]. 资源科学, 2010, 32(6): 1154~1160.

Magsci      [本文引用: 1]      摘要

MODIS以其时间分辨率、光谱分辨率的优势成为全球及区域土地覆盖研究的主要数据源,但如何快速准确的提取所需土地覆盖信息一直是科学界研究的焦点问题。对于NDVI时序数列分类方面的研究很多,其中影响分类精度的一个重要因素就是NDVI的数据质量问题。本文利用1年MODIS旬最大值合成数据经过Savizky-Golay滤波器平滑滤波处理,应用Logistic模型提取东北地区6个关键物候参数,利用特征参数的主成分影像实现研究区植被覆盖分类,结果显示关键物候指标能提取NDVI时间变化曲线中的有效信息,去除造成植被类型混分的噪声,利用关键物候参数分类可提高植被类型的分类精度,对区域土地覆盖分类精度的提高提出了新思路。
[21] 陈彬彬, 王卫平, 黄文震, .

呼伦贝尔市降水时空分布特征研究

[J]. 干旱区资源与环境, 2008, 22(9): 71~75.

https://doi.org/10.3969/j.issn.1003-7578.2008.09.014      URL      [本文引用: 1]      摘要

选取呼伦贝尔市16个代表站的 降水资料,用地统计方法、墨西哥帽小波分析和一些常规统计方法进行降水时空分布分析。结果表明:呼伦贝尔市多年平均降水量分布特征是山区大、平原小,东南 部及北部降雨降水量大、中西部及东部地区降水量小;年降水量有上升的趋势但有部分地区呈减少趋势,年降水存在着8~12 a、2~4 a年的周期变化。

/