（森林经理学专业论文）modis数据的土地利用分类研究.pdf

摘要 摘要 土地利用现状调查是国家对国情、国力的一项重要调查，也是遥感技术应用中最早、 研究最多的一项基础性工作。过去，应用遥感图像进行宏观的土地利用分类丰要利用 n o a a a v h r r 数据，与之相比，m o d i s 数据具有更好的光谱和空间分辨率以及号为 ：地覆盖而设计的7 个波段，对土地利用分类具有很好的优势和应用价值。 本研究采用2 0 0 3 全年m o d i s 数据的3 2 天合成图像，对我国东北三省进行大面积 j ：地利用分类方法研究。该研究分为两个步骤。首先对较高分辨率的t m 影像进行分类， 从中获得m o d i s 数据的训练数据，基于多元逐步线性回归和回归树方法，进行林地、 革本、裸地三种地表连续覆盖定量估测：然后根据所生成的林地、草本和裸地的连续覆 盖图，基于专家分类器进行土地利用分类。最后将研究区共分为林地、耕地、草地、城 镇与未利用地以及水域5 个类别，总体精度为7 0 7 9 。本研究不仅表明了m o d i s 数据 进行土地现状调查、宏观监测具有很高的实用价值和应用潜力，而且为其进行大面积土 地利用现状调查提供了新的方法和途径，具有很好的应用前景。 关键字：m o d i s ；土地利用；分类 摘要 a b s t r a c t w uf e i ( f o r e s tm a n a g e m e n t ) d i r e c t e db yc h e x u e j i a n l a n du s es t a t u sq u os u r v e yi sa ni m p o r t a n ts u r v e yf o rn a t i o n a ls i t u a t i o na n dp o w e r i ti s a l s oab a s i cw o r kw h i c hr e m o t es e n s i n gt e c h n i c a lw a s a p p l i e dt oe a r l i e s ta n dr e s e a r c h e dm o s t o n i nt h ep a s t ，m a c r ol a n du s ec l a s s i f i c a t i o nu s e dn o a a a v h r rd a t am a i n l y h o w e v e r , m o d i sh a sb e t t e rs p e c t r a la n ds p a t i a lr e s o l u t i o n ，a n di th a ss e v e nb a n d sd e s i g n e df o rl a n d c o v e rs p e c i a l l y m o d i sh a sm a n ya d v a n t a g e sa n dg r e a ta p p l i c a t i o nv a l u e sf o rl a n du s e c l a s s i f i c a t i o n i nt h i ss t u d y , m o d i s3 2 一d a yc o m p o s i t e so f2 0 0 3a r eu s e df o rl a n du s ec l a s s i f i c a t i o n r e s e a r c hi nt h r e en o r t h e a s tp r o v i n c e s t h es t u d yh a st w os t e p s i nt h ef i r s t ，c o n t i n u o u st r e e c o v e r , h e r b a c e o u sc o v e ra n db a r ec o v e rq u a n t i t a t i v ee s t i m a t i n gw e r em a d e ，u s i n gt h et r a i n i n g d a t ad e r i v e df r o ml a n dc o v e rc l a s s i f i c a t i o n so ft mi m a g e s ，a n db a s i n go nm u l t i v a r i a b l e s t e p w i s er e g r e s s i o na l g o r i t h ma n dr e g r e s s i o nt r e ea l g o r i t h m ；t h e n ，b a s e do nt h ec o n t i n u o u s l a n ds u r f a c em a po ft r e e ，h e r b a c e o u sa n db a r e ，t h el a n du s ec l a s s i f i c a t i o nw a s m a d eu s i n g e x p e r tc l a s s i f i e r t h eo v e r a l la c c u r a c yi s7 0 7 9 t h er e s u l tf r o mt h i ss t u d ys h o w st h a tt h e m o d i sd a t ai sp e r f o r m i n gw e l li nl a n du s ec l a s s i f i c a t i o na n di th a sh i g h l yp r a c t i c a lv a l u ea n d a p p l i c a t i o np o t e n t i a lt om a c r o m o n i t o r i n go fl a n du s es i t u a t i o n m o r e o v e r , t h en e wa p p r o a c h f o rl a r g ea r e al a n d - u s es u r v e yp r o v i d e db yt h i ss t u d yh a sg o o da p p l i c a t i o nf o r e g r o u n d k e y w o r d s ：m o d i s ；l a n du s e ；c l a s s i f i c a t i o n 且录 图表目录 表l lm o d i s 技术指标表2 表1 2e o s k m o d i s 各通道的技术性能参数和光谱特性3 图1 1 技术路线示意图1 2 图2 1 试验区地理位置示意图1 3 图2 2m o d i s 图像处理流程一1 6 图2 3m o d i s3 2 天合成影像各月l 、2 、7 波段合成1 8 图2 4t m 图像处理和分类工作流程图一1 9 图2 54 景t m 影像分类结果及在东北试验区的分布一2 0 表2 1 林地、草本和裸地分类表2 l 图2 6 从t m 土地覆盖图产生连续训练数据2 2 表3 1 参数与规则数2 9 图4 一i 林地连续覆盖图3 0 图4 2 草本连续覆盖图3 l 图4 3 裸地连续覆盖图3 2 图4 4 地表连续覆盖合成图3 3 表4 一l 森林连续覆盖精度检验结果3 5 表4 2 基于森林连续覆盖定量估测结果计算得到的森林覆盖率与全国第六次森林 资源清查结果的对比 表4 3 草本连续覆盖精度检验结果 表4 4 裸地连续覆盖精度检验结果 图5 一i 专家系统框图 图5 2 耕地与草地直方图 劂5 - - 3m o d i s 土地利用分类结果， 表5 一l 东北地区m o d i s 土地利用分类精度评价 表5 2 东北地区m o d i s 影像土地利用分类误差矩阵 表5 3m o d i s 土地利用分类面积与土地利用调查统计数据的分省比较 表5 4 三省m o d i s 土地乖j 用分类总面积及比例与统计数据的比较 强弱”骋鸵钙帖 1 1e o s m o d i s 数据简介 1 1 1e o s 卫星概述 第一章引言 美国国家航空航天局( n a s a ) 自1 9 9 1 年起开始了对地观测系统( e o s ) 计划，目 的是为了加强对全球变化的研究，了解地球表层陆地、海洋、大气和它们之间的相互关 系，对我们的生存环境有一个全面的认识。地球观测卫星系列是其中最基本和最重要的 环节，e o s 卫星系列计划由1 0 颗卫星组成，其重点观测和研究领域包括：水与能量循 环，海洋，大气化学，陆地表面，水和生态系统过程，冰川和极地冰盖以及固体地球。 作为e o s 系列中的第一颗星，t e r r a 卫星已于1 9 9 9 年1 2 月1 8 日成功发射上天， 计划使用五年。t e r r a 是太阳同步极轨卫星，过顶时间为当地时间上午1 0 ：3 0 和晚上 1 0 ：3 0 ，以取得最好光照条件并最大限度减少云的影响，因此也把它称作地球观测第一 顿上午星( e o s a m l ) 。t e r r a 卫星上共载有五个对地观测传感器，它们分别是：云与 地球辐射能量系统测量仪一c e r e s 、中分辨率成像光谱仪m o d i s 、多角度成像光谱仪 一m i s r 、先进星载热辐射与反射测量仪a s t e r 、和热带污染测量仪一m o p l t t 。目前卫 星和星上的各类仪器运行正常，在许多领域的应用取得了较好的效果。 这些传感器有以下几个特点：对大气进行观测的传感器是全部传感器中最重要的 部分，并且在卫星运转周期、传感器通道的设计上保障了在时间、空间和化学成份组成 方而对大气圈变化的可靠观测：多光谱、多角度、雷达、微波等多功能的传感器综合 运用，使得对陆地和海洋的多方位观测的目的可以实现：高、中、低分辨率传感器的 有效运用，有利保障了各种不同目的的对地观测信息的获取。 第j 二颗卫星e o sa q u a 也已于2 0 0 2 年5 月4 曰发射，它保留了t e r r a 卫星上已 有的c e r e s 和m o d i s 传感器，并在数据采集时间上与t e r r a 形成互补。它也是太阳 | l j j 步极轨卫星，每日地方时1 3 ：3 0 过境，又称为下午星( e o s p m l ) 。a q u a 卫星上另 外还有4 个传感器，即大气红外探测器( a i r s ) 、先进微波探测器( a m s u a ) 、巴西 湿度探测器( h s b ) 和地球观测系统先进微波扫描辐射器( a m s r e ) “。 a q u al ! 星发射的主要目的是获取对地球水循环的观测数据。观测的主要对象是大 7i 和地球表层。n a s a 对a q u a 卫星所载的6 个传感器的数据同时全部采取全天候商 接广播的方，和集中接收、嘲络共享的方式向全世界免费开放。 a q u a 、t e r r a 以及2 0 0 4 年发射的a u l a ( 地球舭测系统化学星) 的集成数据将 成为人类历史i ：首次大规模对地球各个圈层进行全面调查和综合诊断的最宝贵和最完 第聋引占 整的数据资源。而整个e o s 卫星发射计划至少持续1 5 2 0 年，因此，应用e o s 卫星 可咀建立一套长期的对地观测综合应用服务体系”。 1 i 2m o d i s 数据的主要技术指标 m o d i s 数据是地球观测系统中很有特色的数据，在t e r r a 和a q u a 卫星上均搭 载有m o d i s 传感器。它有4 套探测器，波段涉及陆地、海洋、大气等综合信息，从0 4 1 4pm 共有3 6 个通道，分别探测从可见光、近红外到热红外的光谱区间，空间分辨率 最高可达2 5 0 m ( 技术指标和波段分布特征见表1 一l ”1 、表1 2 ”1 ) 。每1 2 d 可以获 取全球地表数据，可用于观测地表温度、海洋水色、海面温度、叶绿素、植被、火灾、 雪盖、云、水汽、气溶胶等。其良好的空间、时间及光谱分辨率为生态环境和自然灾害 的监测提供了更为广阔的应用前景“。 m o d i s 采用直接广播的形式下发数据，下发使用x 波段信号，频率为82 1 2 5 g h z ， 错开了我国无线通信领域目前使用很多的1 7 g 波段，其接收基本上无重大干扰，只要 净空条件有保证就可以收到较好的卫星图像。 表i im o d i s 技术指标表 t a b l e i 一1m o d i st e c h n o l o g i c a lc h a r a c t e r s 项目指标 轨道7 0 5 k i n ，降轨上午1 0 ：3 0 过境，升轨下午1 ：3 0 过境，太阳同步，近极 地圆轨道 ( 特殊通过时间见：h t t p ：w w e a r t h o b s e r v a t o r y n a s a g o v m i s s i o n c o n t r o l o v e r p a s sh t m l ) 扫描频率每分钟2 0 3 转，与轨道垂直 扫描范围2 3 3 0 k m + 5 5 。交叉轨道 颦远镜主镜直径1 7 7 8 c n 体积 1 o m x l 6 m 1o m 霞量2 5 0 k g 功耗 2 2 5 w 数据速率 1 1 兆比特秒( 日间峰值) 量化 1 2 比特 一。!j!jjji：。一 星底空间分辨率 2 5 0 m ( 1 2 波段) ，5 0 0 m ( 3 - - 7 波段) ，1 0 0 0 m ( 8 3 6 波段) 重复周期 纬度3 0 。以上地区每天，纬度3 0 。以内地区每两天 没计寿命 5 年 数据播发 x 波段8 0 2 5 8 5 0 0 m h z 表1 2e o s 、l v i o d i s 各通道的技术性能参数和光谱特性 t a b l e l - 2e o s m o d i st e c h n o l o g i c a lp a r a m e t e ra n ds p e c t r a lc h a r a c t e r so f e a c hc h a n n e 通道 波段宽度( nm ) 光谱辐射率信噪比n e t地面分辨率m主要用途 16 2 0 - 6 7 02 181 2 82 5 0 陆地、云边界 28 4 1 - 8 7 62 4 72 0 l2 5 0 34 5 9 - 4 7 93 5 3 2 4 3 5 0 0 4 5 4 5 5 6 5 2 9 02 2 85 0 0 5 1 2 3 0 - 1 2 5 05 47 45 0 0 陆地、云特性 6 1 6 2 8 - 1 6 5 27 32 7 55 0 0 2 1 0 5 - 2 1 5 51 0l l o5 0 0 8 4 0 5 4 2 04 4 98 8 01 0 0 0 9 4 3 8 - 4 4 84 1 98 3 81 0 0 0 l o4 8 3 4 9 33 2 18 0 21 0 0 0 1 1 5 2 6 5 3 62 7 97 5 41 0 0 0 海洋水色、浮 1 25 4 6 5 5 62 1 0 7 5 0 1 0 0 0 游植物、生物 1 36 6 2 6 7 29 59 1 01 0 0 0 地球化学 】4 6 7 3 6 8 3 8 7 1 0 8 71 0 0 0 l5 7 4 3 7 5 31 0 25 8 61 0 0 0 j 6 8 6 2 8 7 7 6 2 5 1 61 0 0 0 】78 9 0 9 2 01 0 o 1 6 71 0 0 0 】r 9 3 1 9 4 l3 65 71 0 0 0 大气、水燕，i ， 】99 15 9 6 51 5 02 i 01 0 0 0 3 第蕈引击 通道波段宽度( m )光谱辐射率 等效温筹地面分辨率 主要用途 2 03 6 6 0 3 ，8 4 0 0 4 5 0 0 5】0 0 0 2 139 7 , 9 39 8 9 2 3 82 0 01 0 0 0 表面和云温度 2 239 2 9 3 9 8 9 0 6 70 0 71 0 0 0 2 34 0 2 0 - 4 0 8 0 0 7 9o 0 7l 0 0 0 2 4 4 4 3 3 - 4 4 9 8 0 1 70 2 51 0 0 0 大气温度 2 5 4 4 8 2 4 ，5 4 90 5 9 0 2 5 1 0 0 0 2 6 1 3 6 0 一1 3 9 0 6 0 01 5 01 0 0 0 卷云 2 7 6 5 3 5 6 8 9 5 1 1 6o 2 5 1 0 0 0 2 871 7 5 7 4 7 5 2 、1 8 o 2 51 0 0 0 水蒸气 2 98 4 0 0 8 7 0 09 5 80 0 51 0 0 0 3 09 5 8 0 - 9 8 8 03 6 90 2 51 0 0 0 臭氧 3 1 l 0 7 8 0 1 1 2 8 0g 5 5 00 5 1 0 0 0 地球表面和云 3 21 1 7 7 0 - 1 2 2 7 089 4o 0 51 0 0 0温度 3 3 j 3 1 8 5 1 3 4 8 54 5 20 2 51 0 0 0 3 41 3 4 8 5 - 1 3 7 8 53 ，7 6n2 51 0 0 0 云顶高度 3 5 1 3 7 8 5 1 4 0 8 53 1 l0 2 51 0 0 0 3 61 4 0 8 5 - 1 4 3 8 52 0 80 3 81 0 0 0 1 1 3m o d i s 数据的主要特点 m o d i s 数据用于土地利用分类主要有以下一些特点： n a s a 对i o d i s 数据实行全球免费接收的政策( t e r r a 卫星除m o d i s 讣的其他 传感器获取的数据均采取公开有偿接收和有偿使用的政策) ，这样的数据接收和使用政 策肘于目前我国大多数科学家来说是不可多得的、廉价并且实用的数据资源。 适宜的空间分辨率：不同类型的遥感资料具有不同的信息提取精度，从而适应 。j 二4 i i 可的研究尺度。”。用于大区域范围的土地利用与土地覆盖遥感研究，一般采用低分 辨，蕾小比例尺的图像，如a v h r r1 8 m o d i s2 5 0 m 和5 0 0 m 空间分辨率的m o d i s 数 掂le1 1 k m 分辨率的a v h r r 拥有更好的瞬间视场，改善了a v h r r 的空问分辨率；并 翁争g n 许多由人类活动引起的土地利用土地覆盖变化多是发生在近2 5 0 m 的尺度上”，在这 个尺度上，m o d i s 数据对千分类和监测都具有较高的使用价值。 m o d i s 数据涉及波段范围广共有3 6 个波段，且有专门为土地应用设计的7 个 波段，比仅有5 个波段的a v h r r 具有更好的光谱分辨率。其中5 0 0 m 的红和近红外波 段是植被遥感最重要的光谱区域，由于m o d i s 的波段较窄，使得近红外波段的水汽吸 收区被剔除红外波段对叶绿素将更敏感，这将大大改进n d v i 的质量【l 。因此，m o d i s 数据非常适宜地表覆盖的研究。 o t e r r a 和a q u a 卫星都是太阳同步极轨卫星，t e r r a 在地方时上午过境，a q u a 将在地方时下午过境。t e r r a 与a q u a 上的m o d i s 数据在时间更新频率上相配合， 加上晚间过境数据对于接收m o d i s 数据来说，可以得到每天最少2 次白天和2 次黑夜 更新数据。这样的数据更新频率，对实时地球观测和应急处理( 例如森林和草原火灾监 溺和救灾) 有较大的实用价值。 1 2 本研究的目的和意义 土地般是指地球表面上的陆地区域，包括陆地、岛屿和内陆水域。土地是一个综 合的概念，它是包括地貌、壤、气候、水文、植被等各种自然因素在内的自然综合体， 同时也包括人类活动的作用和影像”“。土地覆盖是指地球陆地表面和近地面层的自然状 态，包括生物群落、土壤、地形、地下水、地表水及人文结构。而土地利用主要研究各 种土地的利用现状( 包括人为和天然状况) ，它指地球表面的社会利用状态，是对土地 覆盖方式的一种利用，通常一种土地利用类型可以包括多种土地覆盖类型“。 土地利用现状调查是国家对国情、国力的一项重要调查，基本任务是分县查清各种 士：地利用类型的面积和空间分布状况、土地权属状况和利用现状，并在此基础上按行政 区逐级汇总各乡、县、地、省及全国的土地总面积和各地类的面积。土地利用现状调查 是进行土地利用总体规划的重要前提，是土地管理中的一项重要基础环节。为了合理利 用资源，控制环境污染，改善生念环境，促进我国经济可持续发展和社会全面进步，我 们迫切地需要科学、定量和及时地了解国土资源现状。而土地利用现状调查所涉及的面 ! i ! 广、信息复杂、数据量大、动态更新频繁、调查统计工作量大，因此在调查中必须结 合以现代遥感为主的窄问技术和以汁算机科学为主的高新信息技术。 运用遥感技术进行土地利用现状调查，以摸清土地的数量及分布状况，是遥感应用 中最早、研究最多的一项基础性工作。通过对遥感影像的解译可以迅速的了解土地的数 紧、类型、分布及其动态变化的情况，为土地的科学管理、合理利用提供依据。作为能 提供全球重复、连续的地球表面定位、定性和定量数据的遥感技术，随着信息获取和信 息处理技术的不断进步和完善，遥感在国土资源凋奁、环境灾害监测等诸多领域中取得 j ，长足的发展。从最初的航空干h 片到t m 数据、n o a a 数据或者现在的快鸟数据等，人们 第争引占 已经做了大量的研究和应用工作。 由于m o d i s 图像分辨率高、通道数量多、仪器定标和定位精度更高、环境资源调 查时效快等特点，非常适合大范围自然资源的调查和动态监测。因此，应用m o d i s 数 据做宏观土地利用现状调查的研究前景是非常广阔的。 本研究的目的正是利用m o d i s 的2 5 0 m 和5 0 0 m7 个波段的数据，对土地利用分类 方法做系统的研究，通过采取一定的分类算法和分类系统，对m o d i s 图像进行分类，来 获取大范围的土地利用现状调查数据，并能达到一定的精度。本研究的成果，对于我国 大面积的土地利用调查及更新调查、动态监测以及m o d i s 数据的推广应用都是具有重 要意义的，不仅能获得较为准确的宏观土地利用数据，更能节省大量的人力和物力。 1 3m o d i s 土地利用土地覆盖分类及连续覆盖定量估测方法研究进 展 1 3 1m o d i s 土地利用土地覆盖分类研究 作为遥感技术一项最基本的应用，国内外都对遥感在土地利用调查和分类方面的应 用做，大量广泛的研究，许多科学家一直致力于土地利用土地覆盖的研究。 1 3 1 1 土地利用，土地覆盖遥感分类方法 ( 1 ) 传统的监督分类和非监督分类 监督分类。又称训练区分类。是在分类之前已有了先验的知识，计算机便按照这些 已知类剐的特征去“训练”判决函数，以此完成对整个图像的分类“。经典的监督分类 法有最大似然法、m a h a l a n o b i s 距离法和最小距离法等。 非监督分类即仅凭遥感图像地物的光谱特征的分布规律，随其自然地进行分类。其 分类的结果，只是对不同类别达到了区分，但并不确定类别的属性：其类属是通过事后 对各类的光谱响应曲线进行分析，以及与实地调查时间相比较后确定的。经典算法有 i s o d a t a 、k 一均值法等。 ( 2 ) 一些新方法 人r 神经网络( a n n ) 是以模拟人体神经系统的结构和功能为基础而建立的一种 信息处理系统，是一种人工智能。目前在遥感图像分类处理中应用的较为广泛和深入， 从单+ 的b p ( 反向传播) 网络发展到模糊神经网络、多层感知机、学习向量分层一2 嘲 络、k o h o n e n 自组织特征分类器、h y b r i d 学习向量分层网络等多种分类器。如应用人 工神经网络模型对陆地卫星t m 多光谱图像进行了森林植被分类的研究。 譬家系统是模式识别和人工智能相结合的产物，应用人工智能技术，运用遥感图像 第尊引占 已经做了大量的研究和应用工作。 由于m o d i s 图像分辨率高、通道数量多、仪器定标和定位精度更高、环境资源调 查时效快等特点，非常适台大范围自然资源的调查和动态炼测。因此应用m o d i s 数 据做宏观土地利用现状调查的研究前景是非常广阔的。 本研究的目的正是利用m o d i s 的2 5 0 m 和5 0 0 m7 个波段的数据，对地利用分类 方法做系统的研究，通过采取一定的分类算法和分类系统，对m o d i s 图像进行分类，来 获取大范围的土地利用现状调查数据，并能达到一定的精度。本研究的成果，对于我国 大面积的土地利用调查及更新调查、动态监测以及m o d i s 数据的推广应用都是具有重 要意义的，不仅能获得较为准确的宏观土地利用数据，更能节省大量的人力和物力。 1 3m o d i s 土地利用土地覆盖分类及连续覆盖定量估测方法研究进 展 1 3 1m o d i s 土地利用土地覆盖分类研究 作为遥感技术一项最基本的应用，国内外都对遥感在土地利用调查和分类方面的应 用做，大量广泛的研究，许多科学家一直致力于土地利用土地覆盖的研究。 1 3 1 1 土地利用土地覆盖遥感分类方法 ( 1 ) 传统的监督分类和非监督分类 监督分类，又称训练区分类是在分类之前已有了先验的知识，计算机便按照这些 已知类别的特征去“训练”判决函数，以此完成对整个图像的分类“”。经典的监督分类 法有最大似然法、m a h a l a n o b i s 距离法和最小距离法等。 监督分类即仅凭遥感图像地物的光谱特征的分布规律，随其自然地进行分类。其 分类的结果，只是对不同类剐达到了区分，但并不确定类别的属性：其类属是通过事后 对备类的光谱响应曲线进行分析，以及与实地调查时间相比较后确定的。经典算法有 i s o d a i - a 、k 一均值法等。 ( 2 1 些新方法 人1 神经网络( a n n ) 是以模拟人体神经系统的结构和功能为基础而建立的一种 信息处野系统，是一种人工智能。目前在遥感图像分类处理中应用的较为广泛和深入， 从中+ 的b p ( 反向传搔) 网络发展到模糊神经囤络、多层感知机、学习向量分层一2 剐 络、k o h o n e n 自组织特征分类器、h y b r i d 学习向量分层网络等多种分类器。如“”麻用人 1 神经网络模型对陆地卫星t m 多光谱图像进行了森林植被分类的研究。 专家系统足模式识别和人工智能相结合的产物，应用人工智能技术，运用遥感图像 缘系统是模式识别和人工智能相结合的产物，戍用人工智能技术，运用遥感斛像 第 学引言 解译专家的经验和方法，模拟遥感图像目视解译的具体思维过程，进行遥感图像解译。 它是采用人工智能语言如：c 、l e s p 、p r o l o g 语言，将某一领域的专家分析方法或经 验，对地物的多种属性进行分析、判断，从而确定各地物的归属。如郭鹏、孙艳玲等“” 研究了基于知识的土地利用土地覆盖遥感分类方法，将遥感影像数据与地理信息系统 数据有机地结合起来，并与最大似然法的结果做了比较。 模糊数学分类方法是一种针对不确定性事物的分析方法，它是以模糊集合论作为基 础。使用模糊分类方法，必须首先确定训练样本中像元各类别的隶属度，过程比较麻烦， 因而研究不多，也影响了该方法的推广应用“。 树分类器其基本思想是依据规则把遥感数据集一级一级往下细分以定义树的各个 分支。分类树由一个根结点、一系列内部结点( 分支) 及终极结点( 叶) 组成。实质是按光 谱特征的相似程度来逐级分类的。 ( 3 ) 一些辅助处理技术 不仅考虑单个像元的光谱特征，还考虑相邻像元的相关性和结构特征的分类方法， 包括上下文分析、基于地形的分类和基于纹理分类等方法。 1 3 1 2 国外研究进展 目前，遥感技术在宏观土地利用土地覆盖的应用已取得了很多成果。如利用n o a a 数据开发完成的全球和区域尺度土地覆盖数据库主要包括：1 、全球1 公里空间分辨率。 的土地覆盖数据库：2 、全球1 个经纬度间距的地表生物物理量数据库：3 、全球1 个经 纬度间距的土地覆盖类型图等。 国外许多学者近年来对m o d i s 数据在多个领域的应用也作了许多深入的研究，取得 了一大批应用成果，发布了许多新的m o d i s 数据应用产品，有： 辐射平衡产品陆地覆被产品 一表面反射率 一植被指数 一表面温度和发射率 一l a l f p a r 一雪覆盖 一n p p p s n 一海冰扩展 一陆地覆盖和变化 一热异常 一植被覆盖等 对分类方法，国外做过许多研究。许多研究显示，人工神经恻络和决策树等新方法 都比传统的如最大似然法等分类方法精度要高。 h a n s e n 等”7 1 利用n o a a j a v h r r l 。l 。经纬格网的全球数据( 空间分辨率8 k m ) ， 选用1 9 8 7 年1 2 个月的n d v i 、月平均n d v i 、最大n d v i 以及相关的c h i 、c h 2 反射 率和c h 4 、c h 5 亮度温度，推导出植被的1 6 种生物物理特征参数，并从全球土地覆盖 第鼋引击 数据集中选择反映全球主要生物群系的i 3 种植被类型，圈定训练区，进行最大似然分 类法和分类树法的比较分析。结果显示，分类树方法的精度优于最大似然分类法，且区 分的类别具有更高的验证比例。 如r s d c f r i e s 等【1 8 l 在全球8k m 的土地覆盖分类的研究中，把从1 5 6 景l a n d s a t 获得的洲练数据用到p a l 数据中，识别出9 0 0 0 多个像元，并根据表面温度和n d v i 的 比值、不同时期表示季节变化的n d v i 值及队l 数据光谱与热波段的年度变量，使用 决策树方法建立了系列规则，并测试其对土地覆盖类型的描述，选择测试结果最好的 年度变量用于1 9 8 4 年的8k mp a l 数据，得到全球8k m 土地覆盖分类，总体精度达到 8 1 4 。 m c h a n s e n i l 9 1 又用相似的方法对1 9 9 2 1 9 9 3 年l k m 多时相的a v h r r 数据进行 了土地覆盖分类。对3 7 2 9 4 个像元，采用二叉分类树方法将a v h r r 数据分为1 2 个类 型，为研究m o d i s 分类算法准备了必要土地覆盖类型数据。多时相规则使用最多的是 年最小红光反射率、年最大n d v i 和最小波段值。与其它信息源相比，分类结果对林地 和机械化耕作农田的描述相对准确，而对生物景较低的农田、高纬度的阔叶林以及农区 中的牧场识别较差。 j s b o r a k 等【20 】人利用时相规则，收集了1 6 个试验区的低分辨率数据，研究了非洲 撒哈拉沙漠地区的土地覆盖变化检测问题。 过去作大面积的土地利用土地覆盖分类多用a v h r r 数据，但由于a v h r r 图像的 信息对土地覆盖制图应用的限制，制图中还存在大量的不确定【2 ”。随着t e r m 卫星的发 射，m o d i s 数据的研究业逐渐增多。 x ，z h a n 和r a s o h l b e r g t 2 2 1 提出植被覆盖变化( v c c ) 算法用于2 5 0 mm o d i s 数据 的土地覆盖变化监测。收集了五个由于人为活动或极端自然事件引起土地覆盖变化的地 区的m o d i sl b 级数据用于测试v c c 变化检测算法。并用决策树来更新查找表。检测 结果较为满意。 c e n ，y i l 23 】基于模式分解法( p d m ) 对日本k i i 半岛2 0 0 1 年的m o d i s 数据进行了 土地覆盖分类的研究。采用模式分解法，多光谱卫星数据的数字信号被表达为三个标准 光谱模式与三个分解系数乘积的合成。用这三个系数和基于p d m ( v i p d ) 的植被指数 进行i 地分类，识别出k i i 半岛7 6 8 为植被覆盖，与1 9 9 5 年用t m 数据得到的结果几 乎一样。 n ：对m o d l s 数据开展的系列研究中，马里兰大学取得了较好的效果。 d m u c h o n e y ，j b o r a k 等“”用m o d l s 全球有监分类模型对美国中部的植被和土地覆盖进 行分类。首先使用s t e p 模型从高分辨率的遥感数据获得了4 2 8 块样地，然后分别采用 i g b p 羊i iv l c 分类系统，用高斯a r t m a p 、模糊a r t m a p 、决策树( d t ) 和最大似然 法等疗法对美国中部的a v p i r r 数据进行分类，结果表明两种n n 算法和d t 算法均优 于疑人似然法，精度可望达到8 5 以上，不同分类系统对精度也有影响。这些方法同 样可以用于m o d i s 数据，m o d i s 具有更高的光谱分辨率和空间分辨率，还可以进一 步提高分类精度。 在此基础上，m a f r i e d l 等人【2 5 l 应用s t e p 全球样地数据库和i g b p 分类系统，采 用m l c c a ( m o d i sl a n dc o v e rc l a s s i f i c a t i o na l g o r i t | n n ) 方法对2 0 0 0 年5 个月的m o d i s 数据做了全球土地覆盖分类。采用的两种主要分类算法是单变量决策树( c 4 5 ) 和人工 神经网络( a r t m a p ) 。同时，采用了“b o o s t i n g ”技术来提高分类精度。 另外许多分类研究表明2 6 0 7 郄1 植被的空间分布与生长季的绿度变化有关，可用两 者之间的相关性，来判别植被空间分布。植被绿度指标通常用植被指数衡量，各种植被 指数，尤其是n d v i 应用非常广泛。如gt b a t i s t a 等【29 】利用n o a a 图像分析巴西北部 亚马逊河区土地覆盖与气候环境的关系，研究表明通过多时相n o a a 图像获得的n d v i 数据对于监测陆地环境、气候及森林生态系统有很大的优越性，并显示出较大的研究潜 力。 c j l h c k e r 等【3 0 曾对全非洲大陆的多时相n d v i 图像进行主分量变换，然后取前3 个主分量进行监督分类。做出全非洲的土地覆盖图。 r s d e f r i e s 等【3 1 l 利用低分辨率的n d v i 数据，用最大似然法将全球植被分为1 1 种 类型。s w r u n n i n g 和t r l o v e l a n d l 3 2 j 用a v h r r 一年多时相的n d v i 图像对美国植被 进行了分类。 但是，a v h r r - n d v i 仍有一些缺陷，存在一定的局限性，对此在( m o d l s ) 的“增 强型植被指数( e v i ) ”产品中做了不同程度改善。 1 3 1 2 国内研究进展 我国运用遥感技术进行土地利用现状调查，起步较晚，但发展迅速。 从8 0 年代到9 0 年代初，用航空相片和t m 图像进行判读、调绘和转绘等。以人工 判读和手工编绘为主。如“三北”防护林遥感综合调查( 1 9 8 61 9 9 1 ) 、农业部全国土壤 普查办公室主持的“第二次全国土壤普查( 1 9 7 9 1 9 9 3 ) ”及国家土地局主持的“全国土 地利用现状详查( 1 9 8 7 ) ”的前期工作等。 9 0 年代中期，采用t m 数据和新的遥感数据，以目视解译为主，数字幽像分析为辅 开展土地利用现状调查。包括“全国土地利用现状详查”的后期工作及中科院主持的“全 国资源环境遥感宏观调查( c 8 5 - 1 1 - 0 2 0 3 ) ( 1 9 9 l 1 9 9 6 ) ”项目 3 3 1 。 从9 0 年代中后期至今，多种数据源的采用，与g i s 、g p s 柏结合的商新技术，使 我国土地资源研究工作在技术上有了新突破。如原国家十地管理局和农、j k 部主持的“全 国基本农田保护与监测”、“国家级基本资源与环境遥感动态信息服务体系的建矿( 9 6 一 b0 2 一0 1 ) ”等。中科院遥感所将遥感与非遥感数据相结合，应用g i s 技术以8 0 年代初 车l l 9 0 年代的l a n d s a t t m 图像，经分层数字化的方法进行全国上地资源动态变化研 第 荜引占 究；黑龙江省应用1 9 9 7 年大比例尺l a n d s a t t m 合成图像对1 9 9 2 年土地详查图进行 了更新。中国科学院遥感卫星地面站应用1 9 8 7 年、1 9 8 9 年和1 9 9 2 年l a n d s a t 厂r m 图 像进行北京地区的土地覆盖变化的遥感实验研究等h “。 张树誉和颜胜安【3 5 i 利用监督分类和阈值判别相结合的方法，对n o a m a v h r r 各个 季相的晴空资料分别进行了计算n d v i 与判别分类，制作了陕西省遥感土地覆盖分类 图，探索了一种通过n o a a 资料进行宏观的土地覆盖分类的方法。 吴连喜等【36 1 基于多层感知神经网络对遥感融合图像和t m 影像进行了土地覆盖分类 的研究。周斌和杨柏林口”采用多时相直接分类法对贵州省( 原) 安顺市从1 9 8 7 - - 1 9 9 5 年 间的土地利用变化状况进行了遥感动态监测。中科院的骆剑承f 38 】等提出用遥感地学智能 图解模型进行土地覆盖土地利用分类。 木洪磊【3 9 l 以规则的形式表示遥感影像解译知识，使用t m 影像数据和d e m 、坡度、 土地利用图等地理辅助数据，从遥感影像处理地理数据专家知识一体化的角度出发， 使用基于知识的方法进行了研究，改善了分类精度。 潘耀忠等1 4 0 利用反映区域植被分布格局的气候综合指标可能蒸散，按照反映地带性 分别特征的量化数字模型，结合数字高程模型等多维信息，对a v h r r 连续时间绪论影像 进行了中国土地覆盖的综合分类。 对m o d i s 数据的研究也逐步开始，中科院的唐俊梅等( 2 0 0 2 ) 曾用m o d i s 数据 对松嫩平原的土地利用土地覆盖监测做了研究，并用n d v i 对土地的初级生产力做了估 算。 张晕阳1 4 1 i 曾做了e o s m o d i s 的处理方法和地表覆盖的研究。试验了北京地区 m o d i s 数据的i s o d a t a 非监督分类。 刘惠英【42 j 研究了m o d i s 数据的干旱区土地覆被分类和湖泊监测。 1 3 2 连续覆盖定量估测方法研究进展 | i 于m o d i s 数据分辩率较低( 2 5 0 、5 0 0 米) ，用一个时相的数据进行大范围的土 地利j f | 分类有较大的困难，需研究一些新的方法! 连续覆盖图是目前研究的较多的一项 连续覆盖定量估测是基于遥感图像用连续的数值估测每个像元不同地表覆盖类型 的覆盖率，如植被等，从而得到一定区域地表覆盖的连续分布情况。这是一种对离散分 类改进的专题数据表示方法。离散的类别无法描述空间分布复杂的区域性差异43 1 ，而连 续覆t 赢图可以改善对空间分布复杂的地表类型的描述，并用连续的量来描述森林分布的 变化 有很多方法用于描述亚像元的植被覆盖，如森林覆盖模糊估计1 4 4 1 和植被密度等值线 等1 4 5 】 m c h a n s e n 等”刨研究rm o d i s 数据的全球连续植被( 林地、草本、裸她) 覆盖囤。 他们先在赞比亚的西部省区试验了用多种数据源的复合集以及决策树算法成来生成 m o d i s 的连续林地图。又用从多时相的高分辨率数据得到的连续训练数据，生成r 部分 连续植被图。 2 0 0 3 年，m c h a n s o n 等4 7 1 已经从2 5 0 m 和5 0 0 m 共7 个波段的m o d i s 数据，运用 柯监回归树算法，得到了全球的林地、草本、裸地的连续植被图。还将做树叶类型和寿 命的连续图。 甘淑、何大明等4 8 塘用n d v i 在澜沧江流域进行了山区林地覆盖监测的研究。 我国对各种植被覆盖或土地覆盖虽研究较多，但对于地表连续覆盖定量估测的研 究，我国目前还很少开展，也缺少这方面的成果。因此，还有待进一步的研究。 1 4 研究目标和研究内容 1 4 1 研究目标 本研究期望达到的目标是在对国外已应用的效果较好的分类算法进行研究和比较 的基础上，实现对m o d i s 数据的连续覆盖定量估测，生成东北地区林地、草本、裸地 三三种类型的连续覆盖图，并形成一套利用不断更新的m o d i s 数