基于像元转换的土地覆盖变化监测方法——以北京市区县为例

doi:10.6046/gtzyyg.2018.03.09

基于像元转换的土地覆盖变化监测方法——以北京市区县为例

于冰¹^,², 王继燕¹, 苏勇¹, 肖东升¹, 刘福臻¹

1. 西南石油大学土木工程与建筑学院,成都 610500

2. 东华理工大学江西省数字国土重点实验室,南昌 330013

A pixel transform-based land cover change detection approach: A case study of Beijing City

YU Bing¹^,², WANG Jiyan¹, SU Yong¹, XIAO Dongsheng¹, LIU Fuzhen¹

1. School of Civil Engineering and Architecture, Southwest Petroleum University, Chengdu 610500, China

2. The Key Laboratory for Digital Land and Resources of Jiangxi Province, East China University of Technology, Nanchang 330013, China

责任编辑: 陈理

收稿日期: 2017-03-27 修回日期: 2017-07-23 网络出版日期: 2018-09-15

基金资助:

西南石油大学“过学术关”资助计划项目“高分辨率遥感地表变化及形变监测”. 201599010140
东华理工大学江西省数字国土重点实验室开放研究基金项目“基于高分辨率时序差分雷达干涉的平原城市大梯度沉降监测与分析”. DLLJ201712

Received: 2017-03-27 Revised: 2017-07-23 Online: 2018-09-15

作者简介 About authors

于冰(1985-),男,博士,主要从事遥感全球变化监测及雷达干涉的理论和应用研究。Email:rs_insar_bingyu@163.com。。

摘要

叠置像元比较分析方法常用于遥感分类后土地利用/土地覆盖变化检测,该方法通过栅格数据计算实现,方便快捷。提出一种利用像元转换的变化检测方法,结合ArcGIS软件平台,实现了对不同区域的土地覆盖类别变化分析的一体化处理方式。该方法是叠合像元比较方法的一种扩展,能对具有多类别的覆盖场景进行同步变化检测,依据新定义的覆盖类别编码,将不同时相的土地覆盖图进行叠置分析或分区统计分析,从而统计不同范围中各覆盖类别的定量转化及发生转化的空间分布。实验以2期北京市GlobeLand30数据为对象,利用新检测方法对不同范围和覆盖类别变化进行了计算,更为高效快捷地获得了变化结果,展示了覆盖类别变化和景观格局变化,验证了该变化检测方法的适用性。

关键词： GlobeLand30 ; 土地覆盖变化 ; 类别转化 ; 时空变化 ; 驱动力

Abstract

Pixel overlay and comparative methods have been widely used to detect land use/ cover change. In view of such a situation, the authors propose a pixel transform-based change detection method for land cover data in this study. This method is an extended method of pixel overlay analysis, and it supports change detection of diverse land cover types synchronously for different time phases. According to the re-definition of the type code and through map overlay analysis and zone statistical analysis for different phases of land cover maps, the authors quantified every cover changes and displayed the changes spatial distribution. Taking two phases data of Beijing in 2000 and 2010 as a study case, the authors applied this detection method for different categories of land cover with different ranges. The results show more accuracy land cover classes change, and the practicability and applicability of the extended change detection method are accordingly verified.

Keywords： GlobeLand30 ; land cover change ; conversion of the land use types ; spatial and temporal changes ; driving force

PDF (4181KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

于冰, 王继燕, 苏勇, 肖东升, 刘福臻. 基于像元转换的土地覆盖变化监测方法——以北京市区县为例. 国土资源遥感[J], 2018, 30(3): 60-67 doi:10.6046/gtzyyg.2018.03.09

YU Bing, WANG Jiyan, SU Yong, XIAO Dongsheng, LIU Fuzhen. A pixel transform-based land cover change detection approach: A case study of Beijing City. REMOTE SENSING FOR LAND & RESOURCES[J], 2018, 30(3): 60-67 doi:10.6046/gtzyyg.2018.03.09

0 引言

土地覆盖是一个复杂地表要素覆盖的自然属性或人工建造的综合体。检测土地覆盖变化是对同一空间区域的地表覆盖对象、不同时间观测的空间现象来确定变化检测的处理过程,依据不同时期的地理信息数据或者遥感图像来提取和描述随时间产生的对象变化^[1,2]。遥感影像因其获取时间短、覆盖范围广等优势而被广泛应用于土地覆盖变化检测。覆盖变化检测方法通常可分为2大类: 分类前变化检测法和分类后比较法^[3]。

分类前的变化检测,即影像对影像的比较^[4]。该类方法包括分析不同影像的光谱特征来识别感兴趣变量引起的真实光谱差异^[5]。相关方法中有的仅得到了变化和未变化的结果,而有的则可得到土地覆盖变化检测矩阵^[6,7,8]。如支持向量机的变化检测^[9],对象变化矢量分析^[10]、基于图像像斑统计分析的高空间分辨率影像变化检测^[11]和基于像斑光谱向量相似度的变化检测^[12]等。对于影像的变化检测也有一些通用软件包,如ENVI,Erdas Imagine和Fragstats等。早在20世纪末,EI-Gamily^[13]使用Erdas Imagine 处理软件中的工具来检测土地覆盖变化,结果显示了Kuwait东南部地区环境破坏的变化情况。

分类后的变化检测,即图与图的比较,主要基于空间叠置分析和统计原理分析。该类方法简单易操作,但是方法的有效性以及检测结果的可靠性则依赖于遥感影像的分类精度。李静等^[14]早期使用一种叠合像元二值化的变化检测方法进行变化检测,该方式仅能检测变化及未变化区域; 张学等^[15]提出一种扩展的基于像元转化的变化检测方法,该方法给出了各种土地覆盖类别相互转化的转换公式,提高了分类后数据变化检测的效率; 唐朴谦等^[16]提出了针对遥感分类后数据的一种基于像素比值的面向对象检测方法,该方法可以有效地减少误差传递的影响,尤其是对未发生变化区域分类所产生的误差。尽管如此,分类后变化检测仍然有可探究的新方法和新策略。

本文基于像元转换的思想,提出一种新的像元转换的土地覆盖变化检测方法,旨在优化检测过程中的处理策略。以北京市辖区2000—2010年间土地覆盖数据为例,计算各种土地覆盖类别的变化情况,同时探讨研究区样点土地覆盖变化的驱动力,验证该方法的适用性。

1 变化检测方法原理

利用GlobeLand30土地覆盖图对北京市16个区2000—2010年土地利用/土地覆盖变化进行了统计分析。数据可从http: //globeland30.org/GLC30Download/index.aspx网站免费下载,下载后数据经过拼接、投影变换和裁剪等预处理后得到北京市2期土地覆盖图。原数据类别编码如表1所示,需要进行像元编码转化; 然后,进行叠置分析、分区统计分析等得到北京市辖区土地覆盖变化情况信息; 最后,使用土地覆盖变化量化评价指标和景观测度指标对检测变化结果进行分析。

表1 覆盖类别新旧对照

Tab.1 Old and new value for land categories

编码	地类
编码	耕地	森林	草地	灌木丛	湿地	水体	苔原	人造覆盖	荒地	永久冰雪
原编码值	10	20	30	40	50	60	70	80	90	100
新编码值	2⁰	2¹	2²	2³	2⁴	2⁵	2⁶	2⁷	2⁸	2⁹

新窗口打开| 下载CSV

1.1 转换像元的变化检测方法

先前研究中的土地覆盖变化检测方法,主要是通过叠置分析得到变化区域与未变化区域,即先将分类结果灰度图进行二值化,然后进行变化检测计算,过程存在较大不确定性。由于二值化的阈值是由人为设定,其结果存在较大误差。为克服这一缺陷,本文提出一种基于像元转换思想的变化检测方法,该方法不需要对分类后结果进行二值化,而是在变化检测的过程中将分类结果中的像元值重新编码,然后进行叠置分析达到变化检测的目的。这种方法可以用于多种土地覆盖类别间的变化检测,增强了方法的适用性,简化了处理流程。

原始数据中不同栅格编码值对应不同类别,2期数据同一覆盖类别的栅格值做栅格计算将无法得到类别变化信息。土地覆盖变化结果是由2个不同时相的土地覆盖图叠置运算得到的。将原先不能进行变化叠置计算的图像像元值统一重分类到唯一的像元灰度值编码,重新定义各种类别像元编码值。例如表1中,类别变化完全不同的情况下有可能得到一样的计算差值,例如耕地变为森林和苔原变为人造覆盖的栅格计算后差值都是10,但是该值无法唯一表示从哪类地物变为另外一类覆盖地物。因此,需要对原编码值进行编码,然后计算变化结果。例如重新定义表1中类别新编码值依次为2的N次方(N=0,1,2,…,9),新编码值可用于栅格作差计算,计算后得到的值可以唯一标识类别变化状态。该唯一标识值表示从A类型变为B类型,8种类型之间的标识一共有57个像元编码值,其中为0的值表示前后没有发生变化。在处理的过程中,可以利用ArcGIS model builder综合数据处理工具,简化土地覆盖类别变化分析流程。变化检测分析流程如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 数据处理流程

Fig.1 Flowchart of data processing

数据关键处理步骤如下:

1)重分类。原始数据中不同栅格编码值对应不同类别,但对2期土地覆盖类别的栅格值做栅格计算将无法得到类别变化情况。对原编码值进行重新编码,可用于重分类(reclassify),改变像元值,定义表1中类别新编码值依次为2的N次方(N=0,1,2,…,9)。

2)定义对照表。新的编码可以预先定义类别转换状态,以便于后续数据表关联作变化统计。栅格计算器对2期数据求差后得到唯一栅格值指示类别转移状态,其转化对照表如表2所示,第一列表示2000年原始土地覆盖类别状态,第一行代表2010年变化后土地覆盖类别状态,表格中数值128代表人造覆盖变化为荒地,-128代表荒地变为人造覆盖。栅格作差数据与对照表进行字段连接,得到像元点指代的变化情况。

表2 类别变化唯一值对照表

Tab.2 Unique value for cover change

2000年	2010年
2000年	人造覆盖	荒地	耕地	森林	草地	灌木丛	永久冰雪	苔原	水体	湿地
人造覆盖	0	128	-127	-126	-124	-120	384	-64	-96	-112
荒地	-128	0	-255	-254	-252	-248	256	-192	-224	-240
耕地	127	255	0	1	3	7	511	63	31	15
森林	126	254	-1	0	2	6	510	62	30	14
草地	124	252	-3	-2	0	4	508	60	28	12
灌木丛	120	248	-7	-6	-4	0	504	56	24	8
永久冰雪	-384	-256	-511	-510	-508	-504	0	-448	-480	-496
苔原	64	192	-63	-62	-60	-56	448	0	-32	-48
水体	96	224	-31	-30	-28	-24	480	32	0	-16
湿地	112	240	-15	-14	-12	-8	496	48	16	0

新窗口打开| 下载CSV

3)制表求交分析。通过上述计算得到北京市整体地表覆盖变化分布数据,结合北京市辖区行政矢量图使用制表求交工具计算辖区的变化前后情况。该求交计算可以快速获得行政区域内类别统计分布情况,如类别数、类别面积及比例^[17]。

通过上述变化计算流程,得到了变化量及变化空间状况。随后利用土地利用/土地覆盖变化评价指标和景观指标来揭示变化结果,可简要分析变化驱动原因。

1.2 变化评价指标

1.2.1 土地利用/土地覆盖动态变化分析

单一土地利用/土地覆盖动态度指标用于表示某一研究地区一定时间跨度范围内某一类覆盖类别的数量变化情况,通常用该比率值表示变化程度^[18],其表达式为

(1)

LC = \frac{(U_{b} - U_{a})}{U_{a}} \frac{1}{T} \times 100 %

式中: LC为单一土地利用动态度; $U_{a}$ 和 $U_{b}$ 分别为研究期始末单一土地覆盖类别的数量(如面积大小); T为研究时间跨度,当T的单位为a时,LC的值代表该研究区某一种土地利用/土地覆盖类别年变化程度。

1.2.2 景观指标

景观指标是反映一个场景要素特征的重要参数。其中斑块数量和大小直接反映出景观格局的聚集度和丰富性等特征^[19,20]。通过不同时间段斑块数量及斑块大小的对比分析,可以探寻斑块分布对土地覆盖变化的影响,进而分析变化趋势,预测土地覆盖变化发展方向。斑块描述指标包括斑块个数(NP)、斑块总面积(AT)、斑块面积标准差(SD)、平均斑块面积(AV)、斑块面积变异系数(CV)、最大斑块指数(LPI)、斑块丰富度(PR)等^[21]。在此使用Fragstats工具(http: //www.umass.edu)计算NP,LPI,PR和聚集指数(AI)。

1)NP代表整个景观场景中斑块的总个数。斑块是景观格局的基本组成单元,是指不同于周围背景的、相对均质的非线性区域。斑块统计需要遵循邻域规则,规则分为四邻域和八邻域2种。

2)LPI表征某一类型最大斑块在整个景观中所占比例。计算公式为

(2)

LPI = \frac{\max (a_{1}, \dots, a_{i}, \dots, a_{n})}{A} \times 100 %

式中: a_i为景观中第i个斑块的面积; A为整个景观的总面积。

3)PR为景观中不同类型斑块的数量和。

4)AI则基于同类型斑块像元之间公共边界长度来计算。当某类型中所有像元间不存在公共边界时,该类型的聚合程度最低; 当类型中所有像元间存在的公共边界达到最大值时,具有最高聚合程度。计算公式为

(3)

AI = [\overset{m}{\sum_{i = 1}} (\frac{g_{ij}}{\max \to g_{ij}}) P_{i}] \times

100% ,

式中 $g_{ij}$ 为景观类型的相似邻接斑块数量。

2 数据处理与结果分析

2.1 研究区概况与数据

本实验中土地覆盖数据来源于全球30 m地表覆盖数据(GlobeLand30)。该数据是目前世界上首套30 m空间分辨率的全球地表覆盖产品,精细程度高出同类数据产品10倍。数据包括10个一级大类,包括湿地、水体、人造覆盖、灌木丛、耕地、森林、草地、荒地、苔原、永久积雪和冰川。这一数据共有2000年和2010年2期,数据分类精度在80%以上^[22]。该数据已将全球地表覆盖数据精度从原来的百m级提高到了30 m,不仅可以满足国土资源管理、环境、农业和城市化等科学研究需求,还可为全球变化研究、地球系统模拟和可持续发展研究提供数据支撑^[23]。

本文实验选取北京市为土地覆盖变化分析区域。按照北京市行政区划范围,现有16个市辖区。2期土地覆盖数据包含类别一致,共有水体、湿地、人造覆盖、耕地、森林、灌木丛、草地、荒地8个地类,不含有苔原、永久积雪和冰川。研究区概况如图2所示,不同土地覆盖类别面积统计如表3所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 研究区范围

Fig.2 Study area

表3 北京市2期数据土地覆盖数据

Tab.3 Two phases land cover data of Beijing City(km²)

年份	地类
年份	人造覆盖	荒地	耕地	森林	草地	灌木丛	水体	湿地
2000年	2 696.012	0.313	9 562.246	12 177.783	2 951.141	0.439	441.130	15.264
2010年	3 800.504	0.436	9 011.259	12 502.897	2 252.095	0.408	260.542	16.192

新窗口打开| 下载CSV

2.2 北京市土地覆盖变化

土地覆盖变化是监测地表覆盖状况的重要手段,土地覆盖变化的类型可分为3种: 土地覆盖退化、土地覆盖转换和土地覆盖改良。土地覆盖退化是指某种土地覆盖种类虽然没有发生变化,但是其质量已经降低,例如过度放牧或者垦荒导致草地退化,过度砍伐引起森林植被密度降低; 土地覆盖转换是指某种覆盖类别完全改变成了另一种类别,例如农业耕地被开发建设成住宅、商业用地,耕地变为人造覆盖用地,林地被开垦为耕地,或者建设为旅游商业用地; 土地覆盖改良是指某种覆盖类型获得保护、修复、更新,譬如森林抚育、土壤/草地改良等。这3种土地覆盖变化中,覆盖转换凸显变化最为明显,比较容易引起人们的关注,也比较容易监测,而退化和改良因其记录不完备不易观测。

北京市GlobeLand30数据共包含有8个类别,利用上述变化分析方法对土地覆盖变化做了统计描述。统计分为北京市整体变化与区级详细变化分布,同时给出了变化区域的空间位置。根据表3数据和式(1)计算单一土地利用动态度,北京市单一土地利用动态度如图3所示。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 北京市单一土地利用动态度

Fig.3 Dynamic degree of single land use of Beijing City

由图3可知,人造地表覆盖面积10 a间增长超过50%,直接说明北京城镇化发展迅猛。其中耕地、草地面积较之前有明显减少,这些地类从农业用地转向为建筑用地(人造覆盖); 水体面积也明显减少,可能退化或转向为农业耕地。土地利用变化主要表现为农业用地向建设用地扩展,空间格局上表现为外城蔓延和郊区城市化等增长形式^[24]。

为进一步探究类别间变化情况,量化计算了各类别状态转移矩阵(表4),并绘制了类别变化堆积图(图4)。

表4 北京市类别变化转移矩阵

Tab.4 Category change transition matrix of Beijing City(km²)

地类	人造覆盖	荒地	耕地	森林	草地	灌木丛	水体	湿地
人造覆盖	—	0.000 9	174.408 0	23.158 8	5.224 5	0.00^①	10.428 3	0.201 6
荒地	0.002 7	—	0.047 7	0.009 0	0.179 1	0.00	0.001 8	0.00
耕地	963.838 0	0.072 9	—	236.381 0	119.248 0	0.000 9	33.788 7	1.883 7
森林	87.159 6	0.014 4	105.224 0	—	517.523 0	0.204 3	4.984 2	0.109 8
草地	257.414 0	0.228 6	436.961 0	721.276 0	—	0.127 8	13.760 1	2.502 0
灌木丛	0.00	0.00	0.002 7	0.291 6	0.070 2	—	0.00	0.00
水体	11.457 9	0.034 2	85.049 1	56.625 3	82.207 8	0.00	—	10.867 5
湿地	0.353 7	0.00	6.468 3	1.178 1	4.200 3	0.00	2.438 1	—

①0.00是指该数值小于0.005 km²。

新窗口打开| 下载CSV

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 北京市10 a间土地覆盖类别转移变化

Fig.4 Category change of Beijing City for 10 years

从图4可以看出,原先是草地、耕地和森林覆盖类别转换为其他类别面积值最大,其中2000年是草地覆盖的地区到2010年大量变为森林、耕地和人造覆盖; 2000年是耕地覆盖的区域到2010年大量变为人造覆盖、森林和草地类型; 森林类型也主要变为草地、人造覆盖和耕地。原先是人造覆盖的区域也有不少变为耕地。由于草地、森林和人造覆盖转变为耕地的面积远小于耕地转变为其他类别的面积,所以总体上耕地面积是减少的,同理其他类别也因为类别相互变化出现类似情况。

为验证北京市人造覆盖区域的变化发展情况,绘制出2个时期的人造覆盖区域的空间分布变化(图5)。从图5可以看出,城市发展依附于城市本身形态以及向外形成环状或块状城市地区,外围土地利用和开发不断向周围地区蔓延,市区向南北和东方向扩张量较大,表现出明显的轴向扩张。从城市扩张的土地类别来源来看,主要是耕地、草地和森林这些农业用地为主的郊区转变为以非农业用地为主的城市地区。从北京市的郊区发展看,可以推测到由于城市人造覆盖区域面积的扩大,市郊的农业用地以及一些自然草地和水体区域逐渐转变为工厂、商店及住宅等非农业用地。该结论也验证了北京市城市化增长形式: 轴向扩展和郊区城市化。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 北京市人造覆盖区域扩张变化分布

Fig.5 Artificial land change map of Beijing City

利用上述方法,计算了2期地表覆盖数据的4个景观指数(表5),NP值减少了2 553个,LPI值有所增加,AI值增大,同时说明北京市土地覆盖类别更加成片化,以前零碎的斑块被整合,这也是用地向集中节约型发展的一个重要线索。PR值没有太大的变化,说明覆盖类别总体比较稳定。

表5 2期数据景观指数

Tab.5 Landscape metrics for two phases data

年份	NP	LPI	PR	AI
2000年	88 610	35.529 7	8	95.267 1
2010年	86 057	35.781 5	8	95.470 3

新窗口打开| 下载CSV

图6显示了变化区域变化前后的覆盖类别。根据土地覆盖变化数量(地类面积增减量、变化率)覆盖变化方向等因素,结合土地利用动态度,可分析出各个区土地利用/土地覆盖变化的强度、速度和方向。其中,门头沟区、大兴区和通州区3个区域人造覆盖区域变化超过了原先面积的50%,昌平区人造覆盖区域变化超过49%,具体数据参见表6(表中用加粗标记了人造覆盖变化在50%左右的数据)。进一步验证城市扩展主要向外围发展。耕地出现锐减的还有西城区和丰台区,其中西城区原有耕地变为林地。朝阳区耕地和草地有大量的减少,主要转变为人造覆盖和林地,说明该区域建筑用地和绿化面积有很大增长。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 各辖区2期数据土地覆盖类别空间分布

Fig.6 Category change of spatial distribution during two periods

表6 北京市各辖区类别变化统计

Tab.6 Land cover change of zone and county in Beijing City(%)

辖区	人造覆盖	耕地	森林	草地	灌木丛	水体	湿地
东城区	2.11	-98.78	9.46	0.00	0.00	-8.20	0.00
丰台区	35.79	-72.71	23.14	38.20	0.00	30.68	0.00
大兴区	84.91	-15.96	0.00	-29.77	0.00	38.30	0.00
密云区	26.46	-0.76	12.57	-16.50	0.00	-50.24	457.93
平谷区	36.29	9.43	1.21	-37.19	0.00	-15.86	0.00
延庆区	25.16	19.48	0.95	-25.14	0.00	-66.57	-33.58
怀柔区	47.07	10.85	0.06	-14.73	0.00	-22.02	0.00
房山区	33.35	-6.94	-0.26	-9.45	-38.10	8.04	0.00
昌平区	49.48	-1.96	0.95	-36.97	0.00	-17.80	138.54
朝阳区	31.35	-49.14	7 411.36	-75.20	0.00	-7.66	0.00
海淀区	19.84	-4.26	-14.08	-32.41	0.00	-3.32	0.00
石景山区	20.93	-23.06	-22.81	0.76	0.00	-18.72	0.00
西城区	0.26	-100.00	1 109.09	0.00	0.00	-10.41	0.00
通州区	76.40	-13.86	0.00	-37.08	0.00	7.97	-73.70
门头沟区	91.07	14.10	-0.76	-13.73	-5.83	-49.03	0.00
顺义区	38.89	-1.15	-1.41	-73.04	0.00	-52.82	-50.72

新窗口打开| 下载CSV

3 结论

针对同一地区不同时相获得的地表覆盖数据的变化检测方法简单,但是需要通过多个步骤计算获得覆盖变化量、变化方向和格局变化特征。因此,提出一种基于像元转换的变化检测方法。此方法主要是依据土地覆盖数据中不同土地覆盖类别具有不同的编码值的特点,通过重新编辑编码值叠合计算得到可以唯一标识变化情况的值,进而应用分区统计分析重叠计算得到土地覆盖变化图像。

选取北京市的Globeland30数据,利用该方法和处理策略探究了北京市不同市辖区2000—2010年间土地覆盖类别变化情况。土地覆盖变化显著,尤其是人造覆盖区域增长到10 a前的1.5倍,耕地和草地面积减少明显,同时森林面积增加,这说明城市生态及周边变化明显。通过变化检测结果更为精细地展示了覆盖类别变化和景观格局变化。

本文提出的方法利用现有的软件平台集成处理不同时相数据,获得了变化检测的结果。在变化检测处理的过程中,提出一种简化的计算分析策略,能够快速地分析出土地覆盖类别变化情况,包括量化转移和空间位置的变化。该分析方法对土地利用/土地覆盖变化分析具有较强的适应性。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

陈怀亮, 徐祥德, 刘玉洁 .

土地利用与土地覆盖变化的遥感监测及环境影响研究综述

[J]. 气象科技, 2005,33(4):289-294.

DOI:10.3969/j.issn.1671-6345.2005.04.001 URL [本文引用: 1]

土地利用与土地覆盖变化(LUCC)对全球生态、环境产生了巨大影响,是全球变化的原因之一,也是全球变化研究的重要组成部分。从遥感数据源、遥感分类方法、遥感动态变化监测方法3方面出发,介绍了遥感监测技术在LUCC研究中的应用现状;回顾了LUCC对气候、水文影响的研究进展,并对数值模拟方法在LUCC影响研究中的应用进行了重点评述;探讨了目前LUCC研究工作中在动力机制、对环境的影响、遥感技术及资料应用、多源数据的综合应用及利用区域气候模式进行数值模拟试验等方面存在的问题及未来发展趋势。

Chen H

, Xu X

, Liu Y

Review of researches on remote sensing monitoring and impact on environment of land use/cover change

[J]. Meteorological Science and Technology, 2005,33(4):289-294.

[本文引用: 1]

[2]

刘美玲, 齐清文, 邹秀萍 , 等.

基于RS对云南边境地区土地覆盖现状及变化研究

[J]. 国土资源遥感, 2006,18(1):75-78.doi: 10.6046/gtzyyg.2006.01.17.

Magsci [本文引用: 1]

<p> 土地利用/覆盖变化研究是全球变化研究的热点之一。应用遥感、GIS技术及数理统计学的方法，利用1976年MSS和2004年TM二个时期的遥感影像数据，对云南边境地区的土地覆盖动态变化进行监测研究，并对变化的时空特征进行了分析。结果表明，土地覆盖现状以森林和裸岩地为主，土地利用/覆盖变化的主要方向是林地向裸地和耕地转化。</p>

Liu M

, Qi Q

, Zou X

, et al.

Spatial-temporal changes of the land use/cover in border areas of Yunnan Province

[J]. Remote Sensing for Land and Resources, 2006,18(1):75-78.doi: 10.6046/gtzyyg.2006.01.17.

Magsci [本文引用: 1]

[3]

Harris P

, Ventura S

The integration of geographic data with remotely sensed imagery to improve classification in an urban area

[J]. Photogrammetric Engineering and Remote Sensing, 1995,61(8):993-998.

[本文引用: 1]

[4]

Green

, Kempka

, Lackey

Using remote sensing to detect and monitor land-cover and land-use change

[J]. Photogrammetric Engineering and Remote Sensing, 1994,60(3):331-337.

DOI:10.1002/ima.1850050109 URL [本文引用: 1]

Our ability to change ourselves and our surroundings increases with each technological advance. Changes today are more extensive and occur more rapidly than ever before. The significance of these changes increases as the world's population grows, the available land base declines, and the resiliency of our environment becomes increasingly taxed. As a result, many organizations need to monitor change in land cover and land use. While extensive research has been completed on various change detection methods, little work has been done to implement the technologies in a commercial environment

[5]

Coppin

, Jonckheere

, Nackaerts

, et al.

Digital change detection methods in ecosystem monitoring:A review

[J]. International Journal of Remote Sensing, 2004,25(9):1565-1596.

DOI:10.1080/0143116031000101675 URL [本文引用: 1]

Techniques based on multi-temporal, multi-spectral, satellite-sensor-acquired data have demonstrated potential as a means to detect, identify, map and monitor ecosystem changes, irrespective of their causal agents. This review paper, which summarizes the methods and the results of digital change detection in the optical/infrared domain, has as its primary objective a synthesis of the state of the art today. It approaches digital change detection from three angles. First, the different perspectives from which the variability in ecosystems and the change events have been dealt with are summarized. Change detection between pairs of images (bi-temporal) as well as between time profiles of imagery derived indicators (temporal trajectories), and, where relevant, the appropriate choices for digital imagery acquisition timing and change interval length definition, are discussed. Second, pre-processing routines either to establish a more direct linkage between remote sensing data and biophysical phenomena, or to temporally mosaic imagery and extract time profiles, are reviewed. Third, the actual change detection methods themselves are categorized in an analytical framework and critically evaluated. Ultimately, the paper highlights how some of these methodological aspects are being fine-tuned as this review is being written, and we summarize the new developments that can be expected in the near future. The review highlights the high complementarity between different change detection methods.

[6]

Giri

, Pengra

, Zhu Z

, et al.

Monitoring mangrove forest dynamics of the Sundarbans in Bangladesh and India using multi-temporal satellite data from 1973 to 2000

[J]. Estuarine,Coastal and Shelf Science, 2007,73(1/2):91-100.

DOI:10.1016/j.ecss.2006.12.019 URL [本文引用: 1]

[7]

Masek J

, Huang C

, Wolfe

, et al.

North American forest disturbance mapped from a decadal Landsat record

[J]. Remote Sensing of Environment, 2008,112(6):2914-2926.

DOI:10.1016/j.rse.2008.02.010 URL [本文引用: 1]

Forest disturbance and recovery are critical ecosystem processes, but the spatial pattern of disturbance has never been mapped across North America. The LEDAPS (Landsat Ecosystem Disturbance Adaptive Processing System) project has assembled a wall-to-wall record of stand-clearing disturbance (clearcut harvest, fire) for the United States and Canada for the period 1990–2000 using the Landsat satellite archive. Landsat TM and ETM+ data were first converted to surface reflectance using the MODIS/6S atmospheric correction approach. Disturbance and early recovery were mapped using the temporal change in a Tasseled-Cap “Disturbance Index” calculated from the early (~ 1990) and later (~ 2000) images. Validation of the continental mapping has been carried out using a sample of biennial Landsat time series from 23 locations across the United States. Although a significant amount of disturbance (30–60%) cannot be mapped due to the long interval between image acquisition dates, the biennial analyses allow a first-order correction of the decadal mapping. Our results indicate disturbance rates of up to 2–3% per year are common across the US and Canada due primarily to harvest and forest fire. Rates are highest in the southeastern US, the Pacific Northwest, Maine, and Quebec. The mean disturbance rate for the conterminous United States (the “lower 48” states and District of Columbia) is calculated as 0.9 +/61 0.2% per year, corresponding to a turnover period of 11002years.

[8]

Xian

, Homer

, Fry

Updating the 2001 national land cover database land cover classification to 2006 by using Landsat imagery change detection methods

[J]. Remote Sensing of Environment, 2009,113(6):1133-1147.

DOI:10.1016/j.rse.2009.02.004 URL [本文引用: 1]

[9]

杜培军, 柳思聪, 郑辉 .

基于支持向量机的矿区土地覆盖变化检测

[J]. 中国矿业大学学报, 2012,41(2):262-267.

[本文引用: 1]

Du P

, Liu S

, Zheng

Land cover change detection over mining areas based on support vector machine

[J]. Journal of China University of Mining and Technology, 2012,41(2):262-267.

[本文引用: 1]

[10]

王丽云, 李艳, 汪禹芹 .

基于对象变化矢量分析的土地利用变化检测方法研究

[J]. 地球信息科学学报, 2014,16(2):307-313.

DOI:10.3724/SP.J.1047.2014.00307 Magsci [本文引用: 1]

变化检测是资源和环境遥感应用的一个重要内容。在变化矢量分析法的基础上，本文提出采用变化矢量-主成分分析法提取研究区变化信息，首先，对不同时相的遥感影像进行差值运算得到差值影像，再对其进行主成分变换并选取主分量，最后，使用多尺度分割获取影像对象。在影像分割的基础上，采用变化矢量-主成分分析方法构建自动检测规则提取变化信息，并作精度评价。研究表明：基于对象的变化矢量-主成分分析方法不仅可克服传统的基于像元式方法难以利用空间信息的缺陷，有效避免了“椒盐”噪声，而且可将多波段差值信息经主成分变换后集中在几个累计贡献率较高的主成分分量上；同时，结合了变化矢量法与主成分分析法的优点，与单独使用变化矢量分析法相比提取精度明显提高。

Wang L

, Li

, Wang Y

Research on land use change detection based on an object-oriented change vector analysis method

[J]. Journal of Geo-information Science, 2014,16(2):307-313.

Magsci [本文引用: 1]

[11]

王琰

. 基于像斑统计分析的高分辨率遥感影像土地利用/覆盖变化检测方法研究[D]. 武汉:武汉大学, 2012.

[本文引用: 1]

Wang

. The Research of Land Use/Cover Change Detection Using High Resolution Remote Sensing Images Based on Image Segments Statistical Analysis[D]. Wuhan:Wuhan University, 2012.

[本文引用: 1]

[12]

宋翔, 颜长珍 .

基于知识库的像斑光谱向量相似度土地覆盖变化检测方法

[J]. 生态学报, 2014,34(24):7175-7180.

DOI:10.5846/stxb201310132458 Magsci [本文引用: 1]

土地利用/覆盖变化检测是国内外全球化进程研究的重要内容,选择适当的变化检测方法对西北地区土地利用/覆盖变化进行研究在"生态十年项目"中具有重要的意义.选择西北地区具有典型代表性的TM轨道号134033区域作为变化检测方法验证的试验区,采用2005和2010年两期Landsat TM影像,在eCognition Developer 8.64软件支持下,采用基于像斑的光谱特征特征向量相似度方法进行变化检测,并利用2010年土地覆盖数据作为先验知识库对变化区域分类,提取土地利用/覆盖变化信息,并对变化结果进行定量分析.结果表明,采用基于像斑的光谱特征特征向量相似度方法对于试验区的土地利用/覆盖变化制图具有检测快速、检测精度高等优点,适合试验区以及整个西北地区的土地利用/覆盖变化的检测.最终采用该方法以及分类后比较法获得了西北地区2000-2010年近10年的土地利用/覆盖分类图.

Song

, Yan C

Land cover change detection using segment similarity of spectrum vector based on knowledge base

[J]. Acta Ecologica Sinica, 2014,34(24):7175-7180.

Magsci [本文引用: 1]

[13]

El-Gamily H

Utilization of multi-dates LANDSAT_TM data to detect and quantify the environmental damages in the southeastern region of Kuwait from 1990 to 1991

[J]. International Journal of Remote Sensing, 2007,28(8):1773-1788.

DOI:10.1080/01431160600784275 URL [本文引用: 1]

[14]

李静, 吴连喜, 周珏 .

遥感变化检测技术发展综述

[J]. 水利科技与经济, 2007,13(3):153-155.

[本文引用: 1]

, Wu L

, Zhou

Review of the development of remote sensing change detection technology

[J]. Water Conservancy Science and Technology and Economy, 2007,13(3):153-155.

[本文引用: 1]

[15]

张学, 童小华, 刘妙龙 .

一种扩展的土地覆盖转换像元变化检测方法

[J]. 同济大学学报(自然科学版), 2009,37(5):685-689.

DOI:10.1042/BSR20080061 URL [本文引用: 1]

基于土地覆盖类型的遥感影像分类结果,改进了一种扩展的基于比较叠合像元的变化检测方法,用于分析城郊土地覆盖类型的变换情况.这种扩展的变化检测方法可同时实现多种土地覆盖类型间的变化检测,依据土地覆盖类型图像中不同类型具有不同的灰度值或RGB(三元色)值的特点,将灰度的或RGB彩色的土地覆盖类型图像重叠得到土地覆盖变化图像,从而统计各种土地覆盖类型的定量转化.以上海市嘉定区1989年、1995年、2001年和2006年4期LandsatTM遥感影像为例,应用该检测方法,计算了1989年及1995年、1995年及2001年和2001年及2006年3个年份间隔各种土地覆盖类型的面积变化和相互转换数据,验证了扩展的变化检测方法的适用性.

Zhang

, Tong X

, Liu M

An extended dectection method for land cover transformation

[J]. Journal of Tongji University(Natural Science), 2009,37(5):685-689.

[本文引用: 1]

[16]

唐朴谦, 杨建宇, 张超 , 等.

基于像素比值的面向对象分类后遥感变化检测方法

[J].遥感信息, 2010(1):69-72.

DOI:10.3969/j.issn.1000-3177.2010.01.014 URL [本文引用: 1]

结合基于像素的变化检测和面向对象分类后变化检测方法的各自特点,提出首先由改进后小窗口像素均值比值法确定一个发生变化的最小范围,然后在这个确定的最小范围的基础上进行面向对象分类后比较,最终确定分类图斑类型信息变化的方法。通过对北京房山区2002年、2006年两期SPOT5影像进行实验分析,评价结果表明本方法大大降低了传统变化检测方法因对未发生变化区域分类产生的误差传递的影响,从而提高了检测结果的精度。

Tang P

, Yang J

, Zhang

, et al. An object-oriented post-classification remote sensing change detection after the pixel ratio[J].Remote Sensing Information, 2010(1):69-72.

[本文引用: 1]

[17]

Ridding L

, Redhead J

, Pywell R

Fate of semi-natural grassland in England between 1960 and 2013:A test of national conservation policy

[J]. Global Ecology and Conservation, 2015,4:516-525.

DOI:10.1016/j.gecco.2015.10.004 URL [本文引用: 1]

[18]

王秀兰, 包玉海 .

土地利用动态变化研究方法探讨

[J]. 地理科学进展, 1999,18(1):81-87.

DOI:10.3969/j.issn.1007-6301.1999.01.012 URL Magsci [本文引用: 1]

本文从全球变化的研究热点--“土地利用/土地覆盖变化”的涵义及研究内容出发，概括分析了土地利用变化研究的方法-土地利用变化模型的建立，阐述了各类模型的涵义及在土地利用变化研究中的意义，并重点介绍了定量研究土地利用动态变化的几种模型-（1）土地资源数量变化模型；（2）土地资源生态背景质量变化模型；（3）土地利用程度变化模型；（4）土地利用变化区域差异模型；（5）土地利用空间变化模型；（6）土地需求量预测模型。

Wang X

, Bao Y

Study on the methods of land use dynamic change research

[J]. Progress in Geography, 1999,18(1):81-87.

Magsci [本文引用: 1]

[19]

刘灿然, 陈灵芝 .

北京地区植被景观中斑块大小的分布特征

[J]. 植物学报, 1999,41(2):199-205.

[本文引用: 1]

Liu C

, Chen L

Distribution characteristics of patch size in the vegetation landscape in Beijing

[J]. Acta Botanica Sinica, 1999,41(2):199-205.

[本文引用: 1]

[20]

曾春阳, 曾广宇, 程丽华 , 等.

林地变化及景观斑块特征的演变

[J]. 中南林业科技大学学报, 2012,32(8):33-36,41.

[本文引用: 1]

Zeng C

, Zeng G

, Cheng L

, et al.

Analysis of change and patch landscape characteristics of forestland

[J]. Journal of Central South University of Forestry and Technology, 2012,32(8):33-36,41.

[本文引用: 1]

[21]

Yu X

, Ng C

Spatial and temporal dynamics of urban sprawl along two urban-rural transects:A case study of Guangzhou,China

[J]. Landscape and Urban Planning, 2007,79(1):96-109.

DOI:10.1016/j.landurbplan.2006.03.008 URL [本文引用: 1]

[22]

Jun

, Ban Y

, Li S

China:Open access to Earth land-cover map

[J]. Nature, 2014,514(7523):434.

DOI:10.1038/514434c URL PMID:25341776 [本文引用: 1]

China : Open access to Earth land-cover map

[23]

陈军, 陈晋, 廖安平 , 等.

全球30 m地表覆盖遥感制图的总体技术

[J]. 测绘学报, 2014,43(6):551-557.

DOI:10.13485/jc.nki1.1-20892.0140.089 URL Magsci [本文引用: 1]

<p>本文针对全球30米分辨率地表覆盖遥感制图这一世界性难题，提出了以多源影像最优化处理、参考资料服务化整合、覆盖类型精细化提取、产品质量多元化检核为主线的总体研究思路，研发了影像几何与辐射重建、异质异构服务化集成、对象化分层分类、知识化检核处理等主体技术方法；用于制定了相应数据产品规范、生产技术规范，研发了多项生产型软件，用于研制了2000和2010两个基准年的全球）30米地表覆盖数据产品，将空间分辨率提高了1个数量级。</p>

Chen

, Chen

, Liao A

, et al.

Concepts and key techniques for 30 m global land cover mapping

[J]. Acta Geodaetica et Cartographica Sinica, 2014,43(6):551-557.

Magsci [本文引用: 1]

[24]

顾朝林

北京土地利用/覆盖变化机制研究

[J]. 自然资源学报, 1999,14(4):307-312.

DOI:10.11849/zrzyxb.1999.04.003 Magsci [本文引用: 1]

利用７０年代、８０年代和９０年代（ＳＰＯＴ）３个时段北京市土地利用资料进行土地利用／覆盖研究,分析其变化机制。北京土地利用变化的形式主要以轴向扩展、卫星城建设、工厂郊迁、郊区大型中价商城建设、郊外别墅区等为主,土地覆盖变化的主要形式有：①内城更新与改造；②商贸街的重建；③粗放型用地向集约型用地的转变。

Gu C

Study on phenomena and mechanism of land use/cover change in Beijing

[J]. Journal of Natural Resources, 1999,14(4):307-312.

Magsci [本文引用: 1]

土地利用与土地覆盖变化的遥感监测及环境影响研究综述

2005

... 土地覆盖是一个复杂地表要素覆盖的自然属性或人工建造的综合体.检测土地覆盖变化是对同一空间区域的地表覆盖对象、不同时间观测的空间现象来确定变化检测的处理过程,依据不同时期的地理信息数据或者遥感图像来提取和描述随时间产生的对象变化^[1,2].遥感影像因其获取时间短、覆盖范围广等优势而被广泛应用于土地覆盖变化检测.覆盖变化检测方法通常可分为2大类: 分类前变化检测法和分类后比较法^[3]. ...

土地利用与土地覆盖变化的遥感监测及环境影响研究综述

2005

基于RS对云南边境地区土地覆盖现状及变化研究

2006

基于RS对云南边境地区土地覆盖现状及变化研究

2006

The integration of geographic data with remotely sensed imagery to improve classification in an urban area

1995

Using remote sensing to detect and monitor land-cover and land-use change

1994

... 分类前的变化检测,即影像对影像的比较^[4].该类方法包括分析不同影像的光谱特征来识别感兴趣变量引起的真实光谱差异^[5].相关方法中有的仅得到了变化和未变化的结果,而有的则可得到土地覆盖变化检测矩阵^[6,7,8].如支持向量机的变化检测^[9],对象变化矢量分析^[10]、基于图像像斑统计分析的高空间分辨率影像变化检测^[11]和基于像斑光谱向量相似度的变化检测^[12]等.对于影像的变化检测也有一些通用软件包,如ENVI,Erdas Imagine和Fragstats等.早在20世纪末,EI-Gamily^[13]使用Erdas Imagine 处理软件中的工具来检测土地覆盖变化,结果显示了Kuwait东南部地区环境破坏的变化情况. ...

Digital change detection methods in ecosystem monitoring:A review

2004

Monitoring mangrove forest dynamics of the Sundarbans in Bangladesh and India using multi-temporal satellite data from 1973 to 2000

2007

North American forest disturbance mapped from a decadal Landsat record

2008

Updating the 2001 national land cover database land cover classification to 2006 by using Landsat imagery change detection methods

2009

基于支持向量机的矿区土地覆盖变化检测

2012

基于支持向量机的矿区土地覆盖变化检测

2012

基于对象变化矢量分析的土地利用变化检测方法研究

2014

基于对象变化矢量分析的土地利用变化检测方法研究

2014

2012

基于知识库的像斑光谱向量相似度土地覆盖变化检测方法

2014

基于知识库的像斑光谱向量相似度土地覆盖变化检测方法

2014

Utilization of multi-dates LANDSAT_TM data to detect and quantify the environmental damages in the southeastern region of Kuwait from 1990 to 1991

2007

遥感变化检测技术发展综述

2007

... 分类后的变化检测,即图与图的比较,主要基于空间叠置分析和统计原理分析.该类方法简单易操作,但是方法的有效性以及检测结果的可靠性则依赖于遥感影像的分类精度.李静等^[14]早期使用一种叠合像元二值化的变化检测方法进行变化检测,该方式仅能检测变化及未变化区域; 张学等^[15]提出一种扩展的基于像元转化的变化检测方法,该方法给出了各种土地覆盖类别相互转化的转换公式,提高了分类后数据变化检测的效率; 唐朴谦等^[16]提出了针对遥感分类后数据的一种基于像素比值的面向对象检测方法,该方法可以有效地减少误差传递的影响,尤其是对未发生变化区域分类所产生的误差.尽管如此,分类后变化检测仍然有可探究的新方法和新策略. ...

遥感变化检测技术发展综述

2007

一种扩展的土地覆盖转换像元变化检测方法

2009

一种扩展的土地覆盖转换像元变化检测方法

2009

基于像素比值的面向对象分类后遥感变化检测方法

2010

基于像素比值的面向对象分类后遥感变化检测方法

2010

Fate of semi-natural grassland in England between 1960 and 2013:A test of national conservation policy

2015

... 3)制表求交分析.通过上述计算得到北京市整体地表覆盖变化分布数据,结合北京市辖区行政矢量图使用制表求交工具计算辖区的变化前后情况.该求交计算可以快速获得行政区域内类别统计分布情况,如类别数、类别面积及比例^[17]. ...

土地利用动态变化研究方法探讨

1999

... 单一土地利用/土地覆盖动态度指标用于表示某一研究地区一定时间跨度范围内某一类覆盖类别的数量变化情况,通常用该比率值表示变化程度^[18],其表达式为 ...

土地利用动态变化研究方法探讨

1999

北京地区植被景观中斑块大小的分布特征

1999

... 景观指标是反映一个场景要素特征的重要参数.其中斑块数量和大小直接反映出景观格局的聚集度和丰富性等特征^[19,20].通过不同时间段斑块数量及斑块大小的对比分析,可以探寻斑块分布对土地覆盖变化的影响,进而分析变化趋势,预测土地覆盖变化发展方向.斑块描述指标包括斑块个数(NP)、斑块总面积(AT)、斑块面积标准差(SD)、平均斑块面积(AV)、斑块面积变异系数(CV)、最大斑块指数(LPI)、斑块丰富度(PR)等^[21].在此使用Fragstats工具(http: //www.umass.edu)计算NP,LPI,PR和聚集指数(AI). ...

北京地区植被景观中斑块大小的分布特征

1999

林地变化及景观斑块特征的演变

2012

林地变化及景观斑块特征的演变

2012

Spatial and temporal dynamics of urban sprawl along two urban-rural transects:A case study of Guangzhou,China

2007

China:Open access to Earth land-cover map

2014

... 本实验中土地覆盖数据来源于全球30 m地表覆盖数据(GlobeLand30).该数据是目前世界上首套30 m空间分辨率的全球地表覆盖产品,精细程度高出同类数据产品10倍.数据包括10个一级大类,包括湿地、水体、人造覆盖、灌木丛、耕地、森林、草地、荒地、苔原、永久积雪和冰川.这一数据共有2000年和2010年2期,数据分类精度在80%以上^[22].该数据已将全球地表覆盖数据精度从原来的百m级提高到了30 m,不仅可以满足国土资源管理、环境、农业和城市化等科学研究需求,还可为全球变化研究、地球系统模拟和可持续发展研究提供数据支撑^[23]. ...

全球30 m地表覆盖遥感制图的总体技术

2014

全球30 m地表覆盖遥感制图的总体技术

2014

北京土地利用/覆盖变化机制研究

1999

... 由图3可知,人造地表覆盖面积10 a间增长超过50%,直接说明北京城镇化发展迅猛.其中耕地、草地面积较之前有明显减少,这些地类从农业用地转向为建筑用地(人造覆盖); 水体面积也明显减少,可能退化或转向为农业耕地.土地利用变化主要表现为农业用地向建设用地扩展,空间格局上表现为外城蔓延和郊区城市化等增长形式^[24]. ...

北京土地利用/覆盖变化机制研究

1999

〈

〉