謝家麗，顏長(zhǎng)珍，常存

1. 中國(guó)科學(xué)院西北生態(tài)環(huán)境資源研究院，沙漠與沙漠化重點(diǎn)實(shí)驗(yàn)室，蘭州730000

2. 中國(guó)科學(xué)院新疆生態(tài)與地理研究所，荒漠與綠洲生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室，烏魯木齊 830001

數(shù)據(jù)庫(kù)（集）基本信息簡(jiǎn)介

引 言

土地覆被是指在自然過(guò)程和人類(lèi)活動(dòng)共同作用下，形成于陸地表面并可被觀察到的自然景觀和人工景觀的綜合體。長(zhǎng)時(shí)間序列的土地覆被變化過(guò)程既具有自然屬性，也有社會(huì)屬性。在全球環(huán)境變化研究中，土地利用/土地覆被變化作為自然與人文過(guò)程密切交叉的問(wèn)題，成為各方關(guān)注焦點(diǎn)[1-2]。早在1995年，“國(guó)際地圈和生物圈（IGBP）”和“全球變化人文項(xiàng)目計(jì)劃（IHDP）”就聯(lián)合提出了“土地利用/土地覆被變化科學(xué)研究計(jì)劃”[1-3]。土地覆被變化不僅是全球環(huán)境變化最直觀和主要的表現(xiàn)，同時(shí)也能影響全球環(huán)境。因此，分析區(qū)域土地覆被變化動(dòng)態(tài)，是開(kāi)展全球變化、生態(tài)系統(tǒng)評(píng)估以及人類(lèi)與環(huán)境之間相互作用研究的基礎(chǔ)性工作。近些年遙感技術(shù)的快速發(fā)展，為獲取土地覆被數(shù)據(jù)源提供了強(qiáng)有力的支持。通過(guò)遙感監(jiān)測(cè)手段重建區(qū)域地表覆被數(shù)據(jù)庫(kù)，成為了解地表景觀格局變化的新途徑。

我國(guó)西北地區(qū)地處干旱半干旱區(qū)，屬于典型的溫帶大陸性氣候，主要地貌類(lèi)型包括盆地和高原兩大類(lèi)。本區(qū)域氣候干燥，降水量少，冬冷夏熱，氣溫日較差和年較差都很大。河流多為內(nèi)流河發(fā)育，水源補(bǔ)給以山區(qū)降水和冰雪融水為主。一個(gè)內(nèi)陸河流域就是一個(gè)完整的地表水、地下水與大氣水分相互聯(lián)系的水分循環(huán)系統(tǒng)，以及一個(gè)完整的山地-平原-荒漠生態(tài)功能單元系統(tǒng)[4]。我國(guó)西北地區(qū)由于基礎(chǔ)設(shè)施薄弱和水資源短缺，加之自上世紀(jì)50年代以來(lái)持續(xù)的綠洲農(nóng)業(yè)土地開(kāi)發(fā)，生態(tài)環(huán)境呈現(xiàn)出很多問(wèn)題，包括植被退化、水土流失、河湖干涸、土地沙化等。近年來(lái)，國(guó)家先后實(shí)施了退耕還林還草、天然林保護(hù)、風(fēng)沙源治理、退牧還草、生態(tài)分水等生態(tài)工程，區(qū)域土地覆被變化明顯。土地利用/土地覆被在土地資源的基礎(chǔ)上，承載了廣泛和持久的人類(lèi)利用活動(dòng)，無(wú)論是資源環(huán)境研究還是社會(huì)可持續(xù)發(fā)展戰(zhàn)略制定，都需要基于土地利用/土地覆被數(shù)據(jù)，揭示其時(shí)空變化特點(diǎn)，進(jìn)而分析土地利用/土地覆被變化的影響因素，并進(jìn)行合理的土地資源利用規(guī)劃，從而實(shí)現(xiàn)高效的土地利用[5]。因此，準(zhǔn)確有效地量測(cè)并揭示土地利用/覆蓋情況變化情況，可為研究區(qū)未來(lái)一定時(shí)間內(nèi)的變化趨勢(shì)預(yù)測(cè)提供可靠的依據(jù)[6-7]。

2015年3月28日，《推動(dòng)共建絲綢之路經(jīng)濟(jì)帶和21世紀(jì)海上絲綢之路的愿景與行動(dòng)》的發(fā)布標(biāo)志著中國(guó)“一帶一路”倡議進(jìn)入全面推進(jìn)建設(shè)階段，西北地區(qū)作為絲綢之路經(jīng)濟(jì)帶建設(shè)的境內(nèi)外重要結(jié)合點(diǎn)，絲綢之路經(jīng)濟(jì)帶建設(shè)給西北地區(qū)的發(fā)展帶來(lái)了機(jī)遇。因此，加強(qiáng)對(duì)西北地區(qū)生態(tài)環(huán)境的監(jiān)測(cè)與建設(shè)尤為重要，其中土地覆被作為區(qū)域生態(tài)環(huán)境最直觀的表現(xiàn)形式，對(duì)土地覆被進(jìn)行長(zhǎng)時(shí)間序列的解譯和監(jiān)測(cè)極其關(guān)鍵，可為區(qū)域生態(tài)環(huán)境保護(hù)和社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展提供本底數(shù)據(jù)。

本研究以我國(guó)西北地區(qū)為研究區(qū)，包括新疆維吾爾自治區(qū)、青海省、甘肅省、寧夏回族自治區(qū)、陜西省和內(nèi)蒙古自治區(qū)的阿拉善盟，以Landsat系列數(shù)據(jù)為主要數(shù)據(jù)源，利用遙感監(jiān)測(cè)、地面調(diào)查驗(yàn)證和高分辨率衛(wèi)星影像解譯驗(yàn)證的集成方法和手段，生成1990-2010年土地覆被變化數(shù)據(jù)集（1990年、2000年、2005年和2010年）。

本套數(shù)據(jù)集的生產(chǎn)結(jié)合應(yīng)用基于 eCognition平臺(tái)的面向?qū)ο蠓诸?lèi)方法和 ArcGIS平臺(tái)的數(shù)據(jù)處理分析方法。在遙感影像的時(shí)相選擇方面，由于土地利用監(jiān)測(cè)更多考慮對(duì)植被信息的了解和分析，要求獲取植被生長(zhǎng)階段的遙感數(shù)據(jù)，以便捕獲更多的植被信息，因此在我國(guó)西北區(qū)域選擇6月中旬至9月下旬的無(wú)云影像[5]。在本套數(shù)據(jù)的制作過(guò)程中，不僅選用了植被生長(zhǎng)季的遙感影像，同時(shí)還加入了非生長(zhǎng)季和其他可以反映不同地物差異的時(shí)相影像，以及DEM、植被覆蓋度和其他特征指數(shù)等數(shù)據(jù)。

在以往的土地利用分類(lèi)研究中，為了滿(mǎn)足不同需要，土地資源研究與管理工作采用了不同的分類(lèi)系統(tǒng)，主要包括全國(guó)農(nóng)業(yè)區(qū)劃委員會(huì)制定的土地利用分類(lèi)系統(tǒng)、中國(guó)科學(xué)院結(jié)合遙感特點(diǎn)制定的土地利用分類(lèi)系統(tǒng)和國(guó)土資源部制定的土地利用現(xiàn)狀分類(lèi)國(guó)家推進(jìn)型標(biāo)準(zhǔn)等三大分類(lèi)系統(tǒng)[8-10]。本套數(shù)據(jù)集所采用的分類(lèi)系統(tǒng)是從生態(tài)學(xué)角度并結(jié)合遙感的特點(diǎn)，通過(guò)物質(zhì)組成、 結(jié)構(gòu)、排列、季節(jié)特征等19個(gè)指標(biāo)制定，可服務(wù)于生態(tài)系統(tǒng)碳收支估算和國(guó)家生態(tài)環(huán)境監(jiān)測(cè)[11]。

1 數(shù)據(jù)采集與預(yù)處理

1.1 數(shù)據(jù)來(lái)源與預(yù)處理

數(shù)據(jù)源為L(zhǎng)andsat TM和ETM+數(shù)據(jù)（表1），主要從美國(guó)地質(zhì)調(diào)查局（USGS，https://glovis.usgs.gov/）獲取，少數(shù)從中國(guó)地理空間數(shù)據(jù)云（http://www.gscloud.cn/）獲取。遙感影像云量覆蓋要求小于10%，時(shí)相要求每個(gè)軌道號(hào)影像必須有一景為植被生長(zhǎng)季，以7-9月為最佳。其次根據(jù)土地覆被類(lèi)型提取時(shí)閾值設(shè)定范圍，補(bǔ)充非生長(zhǎng)季影像和其他可以反映不同地物差異的時(shí)相影像。然后對(duì)影像進(jìn)行預(yù)處理，主要包括波段合成、投影轉(zhuǎn)換以及裁剪等步驟[5]。

表1 數(shù)據(jù)詳情

1.2 土地覆被數(shù)據(jù)提取流程

1.2.1 土地覆被數(shù)據(jù)分類(lèi)流程

土地覆被數(shù)據(jù)分類(lèi)方法采用基于面向?qū)ο蟮姆诸?lèi)算法，并利用決策樹(shù)的思想逐級(jí)開(kāi)展[12]。面向?qū)ο蠓诸?lèi)方法越來(lái)越廣泛地應(yīng)用于基于遙感數(shù)據(jù)的信息分類(lèi)中，該方法是指首先通過(guò)分割影像，使同質(zhì)像元組成大小不同的對(duì)象[13-14]，進(jìn)而以每個(gè)對(duì)象為處理單元，獲取其光譜信息，并結(jié)合對(duì)象的紋理、形狀、空間拓?fù)潢P(guān)系等信息進(jìn)行分類(lèi)。由于不同土地覆被類(lèi)型的尺度不同，因此在分類(lèi)過(guò)程中采用多尺度對(duì)象分割，影像的多尺度分割技術(shù)是一個(gè)局部?jī)?yōu)化過(guò)程[15]。成功的影像分割是面向?qū)ο蟮男畔⑻崛》椒ǖ谋匾疤?，其分割的尺度和精度直接影響分?lèi)的精度[16]。具體流程如圖1所示。

圖1 土地覆被數(shù)據(jù)分類(lèi)流程圖

最后，為了滿(mǎn)足1:70萬(wàn)比例尺成圖要求，對(duì)基于30 m分辨率影像數(shù)據(jù)解譯的區(qū)域土地覆被數(shù)據(jù)進(jìn)行重采樣，得到200 m分辨率的中國(guó)西北地區(qū)土地覆被數(shù)據(jù)產(chǎn)品。

1.2.2 主要特征指數(shù)

基于面向?qū)ο蠓诸?lèi)方法提取土地覆被數(shù)據(jù)時(shí)，在對(duì)不同地物進(jìn)行閾值設(shè)定時(shí)需要不同的參數(shù)信息，除了影像的波段和紋理信息，還有 DEM、坡度、坡向等數(shù)據(jù)，以及一些表征特定地物的指數(shù)，如下：

（1）云指數(shù)（Cloud Index，CI）

進(jìn)行土地覆蓋分類(lèi)時(shí)，盡量選擇無(wú)云或者云覆蓋量小于10%的影像，對(duì)有云的影像需要進(jìn)行處理。本研究采用替換法處理云覆蓋量較高的區(qū)域[17]，引入云指數(shù)以檢測(cè)云覆蓋面積，計(jì)算公式如下：

式中，TM1、TM2和TM3分別為L(zhǎng)andsat數(shù)據(jù)的藍(lán)光波段、綠光波段和紅光波段。

（2）歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）

歸一化植被指數(shù)能夠直接反映植被生長(zhǎng)狀態(tài)及植被覆蓋，并且根據(jù)它的時(shí)間變化曲線可以間接獲得季節(jié)變化和人為活動(dòng)的信息[18]。計(jì)算公式如下：

式中，TM4為L(zhǎng)andsat數(shù)據(jù)的近紅外波段。

（3）植被覆蓋度（Fractional Vegetation Cover，F(xiàn)VC）

植被覆蓋度是指植被在地面的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比，常用的估算方法為像元二分模型[19]。計(jì)算公式如下：

式中，NDVIsoil為裸土區(qū)域的NDVI值；NDVIveg為純植被像元的NDVI值。

然而，由于西北地區(qū)氣候干旱，植被稀疏，類(lèi)群結(jié)構(gòu)簡(jiǎn)單，在光譜曲線上往往不具備健康植被的典型特征。此外由于受地面土壤背景信息的干擾強(qiáng)烈，從遙感影像上獲取的植被光譜信息極其微弱。根據(jù)已有文獻(xiàn)和實(shí)地采樣驗(yàn)證，對(duì)干旱區(qū)的植被覆蓋度計(jì)算采用改進(jìn)的最大三波段梯度差法，公式如下[20-21]：

式中，TM5為L(zhǎng)andsat數(shù)據(jù)的短波紅外波段；λ3、λ4、λ5分別為紅、近紅、短波紅外波段波長(zhǎng)；d為像元梯度差，dmax為像元最大梯度差。

（4）改進(jìn)型歸一化差異水體指數(shù)（Normalized Difference Water Index-Blue，NDWI-B）

NDWI被用于提取開(kāi)闊的地表水面信息[22]。另外由于水體相較于其他地物在近紅外波段的反射率最低，并且其反射率從藍(lán)光到近紅外波段的降幅很大的光譜特性，本研究采用基于藍(lán)光波段的歸一化差異水體指數(shù)[23]。計(jì)算公式如下：

（5）歸一化建筑指數(shù)（Normalized Difference Built-up Index，NDBI）

歸一化建筑指數(shù)由查勇[24]提出，用于城市區(qū)域信息的遙感自動(dòng)提取。建筑用地反射電磁波在TM的5波段和TM的4波段上具有明顯異質(zhì)性，計(jì)算公式如下：

（6）歸一化雪蓋指數(shù)（Normalized Difference Snow Index，NDSI）

歸一化雪蓋指數(shù)是植被指數(shù)在冰川遙感監(jiān)測(cè)中的延伸和推廣，它是將冰川的可見(jiàn)光強(qiáng)反射波段和中紅外低反射波段進(jìn)行歸一化處理，以突出冰川特性，計(jì)算公式如下[25]：

2 數(shù)據(jù)樣本描述

1990-2010年中國(guó)西北地區(qū)土地覆被數(shù)據(jù)集包括中國(guó)新疆維吾爾自治區(qū)、青海省、甘肅省、寧夏回族自治區(qū)、陜西省和內(nèi)蒙古自治區(qū)的阿拉善盟等區(qū)域1990年、2000年、2005年和2010年的土地覆被，空間分辨率為200 m，保存格式為shp，數(shù)據(jù)命名為中國(guó)西北地區(qū)XX省1:70萬(wàn)土地覆被數(shù)據(jù)集。土地覆被數(shù)據(jù)的分類(lèi)系統(tǒng)是在FAO（聯(lián)合國(guó)糧食及農(nóng)業(yè)組織）分類(lèi)系統(tǒng)的基礎(chǔ)上，重新定義了適合區(qū)域特點(diǎn)和相關(guān)應(yīng)用需求的分類(lèi)系統(tǒng)，包括6個(gè)一級(jí)類(lèi)和33個(gè)二級(jí)類(lèi)（表2）[11]。所有數(shù)據(jù)最終坐標(biāo)及其投影參數(shù)采用Albers正軸等積雙標(biāo)準(zhǔn)緯線割圓錐投影，數(shù)據(jù)結(jié)果如圖2所示。

表2 西北地區(qū)土地覆被分類(lèi)系統(tǒng)

注：C：覆蓋度/郁閉度（%）；F：針闊比率（%）；H：植被高度（m）；T：水一年覆蓋時(shí)間（月）；K：濕潤(rùn)指數(shù)。

圖2 中國(guó)西北地區(qū)土地覆被現(xiàn)狀圖

3 數(shù)據(jù)質(zhì)量控制與評(píng)估

3.1 數(shù)據(jù)驗(yàn)證樣本調(diào)查

通常驗(yàn)證土地覆被數(shù)據(jù)質(zhì)量的樣本調(diào)查方法有三種：野外樣本點(diǎn)調(diào)查、基于高分辨率影像的樣本點(diǎn)識(shí)別和基于Google Earth的樣本點(diǎn)識(shí)別。大部分野外樣本點(diǎn)分布在公路兩側(cè)，調(diào)查路線選擇通達(dá)性好的道路，并盡可能多地經(jīng)過(guò)各種土地覆被類(lèi)型。為了保證獲取的景觀照片能夠較好地反映土地覆被狀況，GPS定點(diǎn)調(diào)查平均間隔距離不高于20公里，對(duì)于連片單一地物可適當(dāng)放寬。GPS調(diào)查點(diǎn)選擇視線較好、地物變化顯著或地物交錯(cuò)地帶，利用手持GPS定位后，沿不同方向拍攝土地覆被景觀照片，記錄景觀特征。每個(gè)調(diào)查點(diǎn)應(yīng)不少于4個(gè)方向照相，標(biāo)明拍攝方向角、主要拍攝內(nèi)容和周?chē)h(huán)境并填寫(xiě)外業(yè)調(diào)查表，并對(duì)外業(yè)調(diào)查所獲取資料數(shù)字化。野外調(diào)查未能到達(dá)的區(qū)域，驗(yàn)證樣本點(diǎn)采用高分辨率影像和Google Earth進(jìn)行抽樣。為確保驗(yàn)證點(diǎn)的真實(shí)性判讀，采用多個(gè)判讀人員獨(dú)立對(duì)影像進(jìn)行目標(biāo)點(diǎn)的識(shí)別，三人判讀達(dá)成共識(shí)的類(lèi)型為有效驗(yàn)證點(diǎn)。

由于篇幅所限，本文僅以關(guān)中平原為例（圖3）。圖中可以清晰反映出以西安市為核心的區(qū)域土地覆被變化，隨著人口的增長(zhǎng)，城市化迅速發(fā)展，人工表面占地面積持續(xù)擴(kuò)大，致使周邊耕地、草地等地類(lèi)面積減少。

圖3 關(guān)中平原土地覆被現(xiàn)狀圖

3.2 土地覆被數(shù)據(jù)精度評(píng)估

由于野外驗(yàn)證樣本點(diǎn)大多分布在道路通達(dá)的區(qū)域，因此對(duì)四期土地覆被數(shù)據(jù)進(jìn)行抽查，通過(guò)高分辨率影像和Google Earth再次判讀，以保證信息提取精度達(dá)到要求。抽樣時(shí)，采取隨機(jī)抽樣的方法，對(duì)全部圖斑，以5%的抽樣率選取樣本。將驗(yàn)證樣本點(diǎn)的土地覆被類(lèi)型與相應(yīng)位置的土地覆被矢量數(shù)據(jù)進(jìn)行空間疊加，逐個(gè)圖斑判斷正誤率。驗(yàn)證精度包括土地覆被數(shù)據(jù)一級(jí)分類(lèi)和二級(jí)分類(lèi)精度，精度的計(jì)算可以通過(guò)分類(lèi)結(jié)果與驗(yàn)證樣本點(diǎn)之間的比較，計(jì)算其正確率。對(duì)于某一樣本，其分類(lèi)的正確率（yi）計(jì)算公式為：

式中，pa為解譯正確的圖斑數(shù)；p為樣本i中所包含的所有圖斑數(shù)。

對(duì)數(shù)據(jù)進(jìn)行驗(yàn)證、修改后，最終使得土地覆被數(shù)據(jù)產(chǎn)品精度總體滿(mǎn)足95%的要求（表3）。

表3 西北地區(qū)土地覆被一級(jí)類(lèi)精度

4 數(shù)據(jù)價(jià)值

土地利用/覆被變化是表征人類(lèi)活動(dòng)強(qiáng)度和全球環(huán)境變化的關(guān)鍵要素，是模擬氣候效應(yīng)和生物地球化學(xué)效應(yīng)的重要輸入?yún)?shù)，其時(shí)空過(guò)程的量測(cè)、模擬與動(dòng)力學(xué)機(jī)制的理解已經(jīng)成為科學(xué)界關(guān)注的前沿內(nèi)容[26]。本研究以Landsat影像為主要數(shù)據(jù)源，并結(jié)合地面調(diào)查驗(yàn)證、高分辨率影像解譯和Google Earth樣本點(diǎn)識(shí)別驗(yàn)證，以我國(guó)西北地區(qū)為研究區(qū)，總面積達(dá)325×104km2，制備1990-2010年間四期土地覆被數(shù)據(jù)集，在較大時(shí)空尺度上，驗(yàn)證了面向?qū)ο笮畔⑻崛》椒ㄔ诟珊蛋敫珊祬^(qū)土地覆被提取的適應(yīng)性，并為西北地區(qū)生態(tài)環(huán)境評(píng)估、可持續(xù)發(fā)展以及生態(tài)系統(tǒng)碳存儲(chǔ)估算等研究提供重要的基礎(chǔ)數(shù)據(jù)。

5 數(shù)據(jù)使用方法和建議

1990-2010年中國(guó)西北地區(qū)土地覆被數(shù)據(jù)集在http://www.crensed.ac.cn數(shù)據(jù)服務(wù)系統(tǒng)平臺(tái)網(wǎng)站免費(fèi)開(kāi)放共享。為了規(guī)范數(shù)據(jù)共享使用，在平臺(tái)上下載數(shù)據(jù)時(shí)需要填寫(xiě)數(shù)據(jù)使用申請(qǐng)表。1990-2010年中國(guó)西北地區(qū)土地覆被數(shù)據(jù)集保存為矢量shp格式。ArcGIS、ArcView、ENVI、ERDAS等常用的GIS與遙感軟件均可支持該數(shù)據(jù)的讀取和操作。對(duì)四期土地覆被數(shù)據(jù)進(jìn)行空間疊加分析，可以得到區(qū)域1990-2010年土地覆被時(shí)空變化分布及趨勢(shì)，結(jié)合區(qū)域氣象因素及人類(lèi)活動(dòng)可以進(jìn)行區(qū)域生態(tài)環(huán)境變化的評(píng)估和驅(qū)動(dòng)力分析，以及區(qū)域可持續(xù)發(fā)展研究。

致 謝

感謝USGS和中國(guó)地理空間數(shù)據(jù)云提供Landsat系列數(shù)據(jù)。