中国土地覆盖分类与变化监测遥感的研究.pdf

摘要 土地覆盖和土地覆盖的自然变更，在地球系统的气候和生物化学全球尺度模 式中扮演着重要角色，对全球生态环境产生着巨大的影响。地表土地覆盖信息是 全球气候和陆地水文地理模型的基本输入。遥感为获取全球性和区域性土地覆盖 信息提供了有效的技术手段。我国幅员辽阔，地表土地覆盖分布状况复杂多样， 因此对我国地表土地覆盖状况进行研究对全球环境变化研究具有重要意义。 本文以MODIS植被指数和陆地表面温度为主要遥感数据源，进行了全国地 表土地覆盖信息提取研究。首先提出基于NDVI．Ts特征空间的温度植被角度和 距离(TVATVD)作为表征地表土地覆盖状况的生物物理参数。选择TVA和 TVD作为主要分类特征，并用主成分分析(PcA)提取主要信息。用人工神经 元网络算法进行大尺度低分辨率的全国土地覆盖分类研究，提出基于GA优化的 BP神经网络遥感数据分类算法，用其对全国土地覆盖进行分类，并将该算法与 模糊ARTMAP算法和最大似然法分类结果进行分析比较。本文还利用变化矢量 方法对地表植被和土地覆盖状况进行变化监测研究。 本文的方法创新点归纳为： 1)提出表征地表土地覆盖信息的生物物理参数：温度植被角度和距离 (Tv：f～TVD)。 不同的地表土地覆盖类型在NDVI．Ts特征空间中空间分布差异非常明显， 基于NDVI．Ts特征空间的TVA和TVD，能够唯一表达不同地表土地覆盖类别在 NDVI．Ts特征空间中的位置。无论从信息含量的角度，还是不同类别的年内点轨 迹，TVA和TVD对不同地表土地覆盖类别差异的体现都要优于NDVI和Ts。 2)选择和提取了一组适合全国土地覆盖分类的特征 选择TVA和TVD时间序列数据、空间结构信息、数字高程作为分类特征， 并用主成分变换(PCA)对TVA和TVD时间序列数据进行特征提取，得到既利 于区分不同类别又含有主要信息的特征作为分类输入参数。为了比较，选择NDVI 和Ts时间序列数据、空间结构信息、数字高程作为分类特征，经过同样的特征 提取，得到另外一组输入参数。用相同的样本和分类算法对全国土地覆盖进行分 类，结果表明：以TVA和TVD为主要参数提取的分类特征，其全国土地覆盖分 类结果要优于以NDVI和Ts为主要参数提取的分类特征。 3) 用遗传算法(GA)对反向传播神经网络算法(BP)进行优化，并将其 用于大尺度低分辨率土地覆盖分类应用中 该方法兼顾了遗传算法和梯度下降优化算法分别在全局和局部搜索极小点 的优势；避免了在BP网络训练过程中过早收敛于局部极小点的风险：与BP算 法相比，该算法多次重复过程所得网络的比较稳定，避免了BP网络训练结果容 易产生震荡导致分类结果不稳定的现象。用高分辨率遥感数据对该算法进行分类 实验，获得了很高的分类精度。本文用该算法对全国土地覆盖进行分类，得到了 比较满意的分类结果。 4) 比较了对低分辨率遥感数据用不同分类算法进行全国土地覆盖分类时的 差异 本文对用三种不同分类算法得到的全国土地覆盖分类结果进行了比较，它们 包括基于GA优化的BP神经网络遥感数据分类算法、模糊ARTMAP神经网络 算法和最大似然分类法。由于大尺度低分辨率遥感数据不满足最大似然分类法对 待分类数据作正态分布假设的前提，其分类效果不是很好。模糊ARTMAP算法 在实际分类过程中，各种参数设置无规律可循，执行效率非常低，很难得到比较 满意的分类结果。而基于GA优化的BP神经网络分类算法在分类过程中的执行 效率很高，分类效果优于其它两种算法。 5) 用变化矢量方法对全国地表植被覆盖状况进行监测 选择MODIS—EVI作为监测地表植被覆盖状况的指示因子，用基于直接比较 像元值的变化矢量方法分析了2000年与2004年MODIS1km分辨率EVI数据， 从变化强度和变化类型两个方面分析了这两年间全国地表植被覆盖变化状况。结 果表明EVI变化强度，东西部有明显分异，东部变化强度远大于西部，我国大部分 地区EVI变化类型以波动型为主，而西部EVI变化类型则以平稳为主。 6)用TVA作为地表土地覆盖变化监测的指示因子，得到2001年至2004年 的TVA变化强度 用2001年至2004年的TVA进行变化矢量分析。以四年内的最佳状况(最小 TVA)时的地表土地覆盖TVA作为地表土地覆盖的参照状态，在此基础上得到用 2001年至2004年的TVA变化矢量强度。并对TVA变化强度