遥感技术在河北省土地调查中的应用与展望

河北省从2001年首次在土地资源调查监测中引入卫星遥感技术，开展了石家庄市土地利用卫星遥感动态监测试点研究。在试点经验的基础上，2005年部署开展了河北省土地利用遥感动态监测，对重点城市和县城开展了土地利用变化监测，构建全省土地利用遥感本底数据库。从2005年开始我省用三年时间，在全省组织实施了土地利用更新调查工作，其中遥感技术得到了更加广泛和深入的应用。本文着重分析遥感在土地调查中的作用、技术方法和流程，以及存在的主要问题，并结合未来遥感技术的发展和国家土地遥感工作的部署，对我省今后遥感技术在土地调查中应用前景作出展望。     

遥感技术在河北省土地资源管理中的应用与展望

自2001年我省首次应用遥感技术对石家庄市土地利用变化状况进行遥感动态监测以来，河北省国土资源厅连续几年在此方面作了大量的工作，并取得了显著的成效。目前，应用遥感技术对土地利用情况进行动态监测，已经成为我省土地资源管理中实行业务化和常规化运行的重要手段。本文就遥感技术在土地资源管理中的应用、土地利用动态遥感监测的技术路线和方法、遥感技术在土地资源管理中的应用前景以及今后需要研究和解决的主要问题做一简要介绍。     

土地利用动态遥感监测图集近日将问世

1999年 ,国土资源部将土地利用动态遥感监测列入新一轮国土资源大调查“一项计划、五项工程”中 ,首次大规模应用多种多时相高分辨率的空间遥感数据 ( TM、SPOT、航片 ) ,对全国 50万人口以上的 66个城市从 1 998年 1 0月至 1 999年 1 0月期间建设占用耕地等土地利用变化情况进行了监测。这项工作由 1 40名科技人员和管理人员利用近 4个月时间完成。其成果直接应用于国土资源调查、耕地保护、规划和土地执法检查等国土资源管理工作。土地利用动态遥感监测图集作为项目的成果之一 ,汇集了各监测单位遥感图像处理的佳品 ,图文并茂 ,特色明…     

全国土地利用动态遥感监测数据库建设探讨

就如何对海量的土地利用监测成果实施科学有效的管理进行探讨，尝试运用地理信息系统技术、数据库管理技术以及计算机网络技术，建立土地利用动态遥感监测数据库，以便为土地资源管理部门提供及时、准确的土地利用变化监测信息，以保障监测成果能有效地应用于日常管理和规划，为国土资源的管理提供基础信息服务和辅助决策工具。     

IRS-P6卫星在土地利用动态遥感监测中应用的潜力分析

摘要: 为探索新的数据源, 研究了IRS-P6卫星在土地利用动态遥感监测项目中的应用潜力并进行分析, 就IRS-P6 影像在最大成图比例、最小响应图斑面积、地类可解度、地类解译精度等方面进行试验, 通过试验并根据土地利用动态遥感监测项目的技术要求可知, IRS-P6 卫星影像可以用来制作1∶2. 5 万、1∶5 万等中等比例尺的图件, 更新或者辅助更新1∶2. 5 万、1∶5 万的土地利用现状图, 在土地利用动态遥感监测中有一定的应用潜力。     

基于RS与GIS的县级土地利用变化分析——-以四川省成都市双流县为例

基于遥感影像的城市土地利用变化研究是目前遥感应用研究的热点问题,是对土地利用变化进行监测的有效手段。利用1996年以来双流县TM和中巴卫星遥感影像,应用RS技术与GIS技术,对遥感影像的校正、影像增强和图像融合方法进行了系统的研究,并通过对双流县遥感影像处理,增强影像可识别性。在结合野外调查和室内判别的基础上,建立了研究区遥感影像解译标志,并以自动分类和目视判读相结合进行地理信息系统的空间分析,建立了1996年、2006年土地利用
数据库,分析、提取了双流县土地利用变化信息。分析表明,双流县1996~2006年间的土地利用变化情况反映出在我国目前经济快速发展的背景下,县级土地利用的变化随着县域经济的高速发展,建设用地需求增长较快,耕地面积迅速减少,导致耕地资源的保护压力持续加大;同时,土地利用过程中出现了土地生态环境质量有所下降,人与自然的关系局部恶化等问题。因此,加大对经济快速发展的县级土地利用变化的动态监测是非常必要的。     

珠江三角洲地区土地利用变化的MODIS监测及其水环境意义

阐述应用多源遥感数据及多目标空间分析手段,研究珠江三角洲地区土地利用变化驱动的非点源污染与该区水质环境演变的方法.充分利用不同遥感数据特点,有效融合高、低空间分辨率数据,将进一步提高土地利用变化动态遥感监测能力.充分利用珠江三角洲地区近年来土地利用土地覆盖研究成果,将有助于分析非点源污染驱动因子与珠江河口及邻近水域水质...     

“北京一号”小卫星数据在天津市土地利用动态变化监测中的应用

应用“北京一号”小卫星CCD 数据进行天津市2000～ 2005 年土地利用动态变化监测, 研究该数据在土地利用研究领域所具有的实用性和效果。结果表明,“北京一号”小卫星遥感影像, 光谱信息丰富, 纹理结构清晰, 整体判读情况良好, 能够满足中等比例尺成图要求, 在土地利用研究领域具有实用性, 可以在土地利用ö土地覆盖的研究中广泛使用, 成为遥感数据更新的一种新数据源。动态监测显示, 2000～ 2005 年天津市不同土地利用类型之间相互转化明显。整体表现出了城镇用地通过占用近郊的耕地和其它类型用地而迅速扩展、城镇化过程显著以及不同土地利用类型之间转化明显等基本特征。     

环北京地区资源与生态环境遥感监测研究

以环北京地区作为实施《全国资源与生态环境综合监测系统建设方案》的首批重点监测区，在论述环北京地区资源与生态环境遥感监测重要意义的基础上，提出了环北京地区资源与生态环境遥感监测的主要内容，研究分析了进行环北京地区土地利用／土地覆被及其变化、土地退化和生态环境建设状况监测的信息提取方法和辅助影像判别信息，从而进一步提高遥感影像判读的准确度。     

基于遥感与GIS技术的定西县土地利用变化研究

利用TM+SPOT影像融合数据对甘肃省定西县2000年到2001年土地利用和土地覆盖进行遥感调查,分析研究一年来该县土地利用结构,尤其是坡耕地退耕还林、还草的变化状况,客观评价定西县一年来的生态环境变化。初步实现了对区域生态环境变化的动态监测,为黄土地区退耕还林还草、生态环境调查及动态监测提供了可行的方法。     

基于模板阈值法的土地利用变化信息提取方法研究

提出了一种新的基于遥感的土地利用变化信息动态监测和提取的方法。其基本思路是在矢栅位置配准的基础上,以矢量多边形和栅格面阵共同表示的土地利用图斑为基本单位,建立土地类别解译标识,在此基础上对所有图斑进行基于图斑的分类、利用检测模板和阈值来判断图斑类型是否发生变化,并对变化图斑进行表示和更新。本方法具有可用特征丰富,抗干扰能力强,分析能力强等优点,同其他传统方法进行比较有良好的应用效果。     

黄土高原丘陵沟壑区坡耕地3S技术调查

黄土高原丘陵沟壑区是黄河中游水土流失严重、农业垦殖过度和生态环境恶化的典型地区 ,其生态环境建设的主要工程项目是恢复植被、退耕还林 (草 )。区内地方政府提出 ,15°以上的坡耕地必须退耕还林 (草 )。符合退耕条件的耕地有多少 ,它们的分布情况如何 ,是实施生态环境建设工程的首要问题。本文以延安市宝塔区为例 ,利用陆地卫星 TM影像和数字地形图 ,在 ARC/ INFO和 ERDAS IMAGINE的支持下 ,进行了土地利用类型的遥感解译和坡度计算 ,并通过土地利用类型图和坡度图的复合分析 ,编制了坡耕地专题图     

基于遥感的土地利用变化信息图像分割研究

为了提高大区域土地利用遥感动态监测效率,需将自动发现影像中包含的变化信息自动分割出来.在分析影像特征的基础上,结合双阈值法和区域生长法,能够将影像中的土地利用变化信息自动分割出来.为了减弱影像噪声、自动发现方法和图像分割对监测结果精度的影响,将多种方法得到的分割结果进行综合处理,进一步确认目标,以使本文方法在具有高效率的同时有较高精度的监测结果.另外,本文提出了一种典型区域法,从另一个角度解决了无法直接利用灰度直方图计算影像中特定目标的分割阈值问题.     

基于GIS的景观动态远程监控系统

由于人类活动和地表运动使土地覆盖变化产生很大变化,所以需要对景观动态准确绘图来进行环境监测.为此提出一种基于地理信息系统(GIS)的景观动态远程监测系统,根据遥感图像的多时相遥感光谱和表面模型数据,利用多时相决策树分类器和形态学图像处理技术,实现对土地利用/覆盖变化(LUCC)的动态监测.在Landsat 5 TM数据库中的本地图像上进行实验,结果表明,该方法能够达到90.77%的识别准确度,且具有较低的计算时间,能够很好的检测出植被分布(植物/植被恢复)、城区(城市化/拆迁)和地理形态特征(河流地貌变化/边坡失稳).     

陇中黄土丘陵沟壑区遥感调查

利用Landsat5 TM数据进行了甘肃省定西地区定西县、渭源县、陇西县和通渭四县的1990－2000年土地利用和土地覆盖遥感本底调查，对十年内项目区的土地利用和土地覆盖进行客观评价,并为今后生态脆弱区生态环境恢复提出可行性意见。     

Land cover assessment with MODIS imagery in southern African Miombo ecosystems

Global land use and land cover products in highly dynamic tropical ecosystems lack the detail needed for natural resource management and monitoring at the national and provincial level. The MODIS sensor provides improved opportunities to combine multispectral and multitemporal data for land use and land cover mapping. In this paper we compare the MODIS Global Land Cover Classification Product with recent land use and land cover maps at the national level over a characteristic location of Miombo woodlands in the province of Zambezia, Mozambique. The performances of three land cover-mapping approaches were assessed: single-date supervised classification, principal component analysis of band-pair difference images, and multitemporal NDVI analysis. Extensive recent field data were used for the definition of the test sites and accuracy assessment. Encouraging results were achieved with the three approaches. The classification results were refined with the help of a digital elevation model. The most consistent results were achieved using principal component analysis of band-pair difference images. This method provided the most accurate classifications for agriculture, wetlands, grasslands, thicket and open forest. The overall classification accuracy reached 90%. The multitemporal NDVI provided a more accurate classification for the dense forest cover class. The selection of the right image dates proved to be critical for all the cases evaluated. The flexibility of these alternatives makes them promising options for rapid and inexpensive land cover mapping in regions of high environmental variability such as tropical developing countries.     

土地利用最佳模拟尺度选择及空间格局模拟

土地利用变化是一个受到多重因素相互影响的动态过程。目前,已经成为全球环境变化和可持续发展的重要内容,而区域土地利用空间格局模拟已成为LUCC研究的关键内容。以2000年以及2010年的TM遥感影像解译数据以及数字高程模型、水系、铁路、公路、降雨量和气温等数据为基础,运用二元逻辑斯蒂回归模型对黄土台塬区的土地利用最佳模拟尺度进行了选择,并在此基础上对研究区的各种土地利用进行了空间格局模拟。研究结果显示：（1）在土地利用格局模拟的十个空间尺度上,土地利用变化空间格局与其驱动力因子之间存在着一定的尺度相关性特征;（2）黄土台塬区耕地、林地、草地的ROC值在十个空间尺度上均呈现出先增加后减少的趋势,转折点在400 m尺度附近,说明黄土台塬区的土地利用在尺度效应和尺度转换的效应下,400 m×400 m是此区域土地利用格局优化的最佳模拟尺度;（3）在400 m最佳模拟尺度上所模拟出的草地和林地的分布格局都与人均GDP和地形综合指数两个变量显著相关,而对耕地的分布影响最为明显的变量则是地形综合指数。     

Mapping land cover types in the Amazon Basin using 1 km JERS-1 mosaic

During the Global Rain Forest Mapping (GRFM) project, the JERS-1 SAR (Synthetic Aperture Radar) satellite acquired wall-to-wall image coverage of the humid tropical forests of the world. The rationale for the project was to demonstrate the application of spaceborne L-band radar in tropical forest studies. In particular, the use of orbital radar data for mapping land cover types, estimating the area of floodplains, and monitoring deforestation and forest regeneration were of primary importance. In this paper we examine the information content of the JERS-1 SAR data for mapping land cover types in the Amazon basin. More than 1500 high-resolution (12.5 m pixel spacing) images acquired during the low flood period of the Amazon river were resampled to 100 m resolution and mosaicked into a seamless image of about 8 million km², including the entire Amazon basin. This image was used in a classifier to generate a 1 km resolution land cover map. The inputs to the classifier were 1 km resolution mean backscatter and seven first-order texture measures derived from the 100 m data by using a 10 x 10 independent sampling window. The classification approach included two interdependent stages. First, a supervised maximum a posteriori Baysian approach classified the mean backscatter image into five general cover categories: terra firme forest (including secondary forest), savanna, inundated vegetation, open deforested areas and open water. A hierarchical decision rule based on texture measures was then applied to attempt further discrimination of known subcategories of vegetation types based on taxonomic information and woody biomass levels. True distributions of the general categories were identified from the RADAMBRASIL project vegetation maps and several field studies. Training and validation test sites were chosen from the JERS-1 image by consulting the RADAM vegetation maps. After several iterations and combining land cover types, 14 vegetation classes were successfully separated at the 1 km scale. The accuracy of the classification methodology was estimated to be 78% when using the validation sites. The results were also verified by comparison with the RADAM- and AVHRR-based 1 km resolution land cover maps.