2015年黃土高原地區土地利用/覆被柵格數據

2015年黃土高原地區土地利用/覆被柵格數據
作者：朱源　劉宇　趙亮
2017年10月25日

本作品收錄於《中國科學數據》

朱源, 劉宇, 趙亮. 2015年黃土高原地區土地利用/覆被柵格數據[J/OL].中國科學數據, 2017, 2(4). (2017-10-25). DOI: 10.11922/csdata.170.2017.0137.

摘要&關鍵詞

摘要：土地利用/覆蓋是反映地表開發利用和覆被狀態的重要參數，是許多地理和生態研究的基本參數。本數據集以Landsat 8衛星OLI無雲或少雲（雲量小於10％）的遙感影像為數據源，根據影像數據滿足質量要求的影像覆蓋情況，利用ArcGIS軟件進行解譯分區。土地利用/覆被的提取採取面向對象分類方法。經eCognition8.7軟件支持下的多尺度分割後，選擇空間、光譜、紋理、形狀作為分類特徵，採取基於規則集的計算機自動分類和人工目視修改相結合的方法進行分類。利用實測的1028個樣本點進行精度評估，得到數據總體精度和Kappa係數分別為85.4％和0.807。將eCongnition里解譯的每個分區結果導出為shapefile格式的矢量數據，通過Arc/info AML語言腳本程序對矢量數據進行矢量–柵格轉換，使用ArcGIS軟件對數據按照研究區範圍拼接、裁剪、重採樣，得到最終分辨率為250 m的土地利用/覆被柵格數據。

關鍵詞：黃土高原；土地利用/覆被；Landsat 8；面向對象分類；柵格數據

Abstract & Keywords

Abstract: Land use/cover data reflects the cultivation and coverage state of land surface. It is the basic data for geographical and ecological researches. The Landsat 8 OLI satellite images with cloud cover less than 10% were employed for the production of this dataset. The Loess Plateau region was divided into sub-regions according to the spatial cover of qualified satellite imageries using ArcGIS software. The object-oriented classification method was used to extract land use/cover classes with the support of eCognition 8.7 software. After a multi-scale segmentation procedure, parameter collection including metrics on space, spectrum, texture and shape was established. Based on these parameters, a rule set was constructed to conduct an automatic classification and a manual check and modification. The accuracy of classifications was assessed by using the 1,028 field samples. It is showed that the data set has an overall accuracy of 85.4％, and the corresponding Kappa coefficient was 0.807. The classifications of each sub-region were exported as vector data in shapefile format. Then a vector-grid conversion was conducted by Arc/info AML procedure. Stitching operation on all of the obtained grid data of sub-regions was accomplished by using ArcGIS software. After clipping and resampling procedure, the land use/cover grid data of the Loess Plateau with a resolution of 250 m was generated.

Keywords: Loess Plateau;  land use;  land cover; Landsat 8; object-oriented classification; grid data

數據庫（集）基本信息簡介

'數據庫（集）名稱'Title	2015年黃土高原地區土地利用/覆被柵格數據 Grid data on land use and land cover of the Loess Plateau region (2015)
'數據作者'Data authors	朱源、劉宇、趙亮 Zhu Yuan, Liu Yu, Zhao Liang
'通訊作者'Corresponding author	劉宇 Liu Yu （liuyu@igsnrr.ac.cn）
'數據時間範圍'Time range	2015
'地理區域'Geographical scope	黃土高原地區 Loess Plateau
'空間分辨率'Spatial resolution	250 m
'數據量'Data volume	16.1 MB
'數據格式'Data format	Geotiff
'數據服務系統網址'Data service system	http://www.sciencedb.cn/dataSet/handle/404
'基金項目'Sources of funding	國家自然科學基金重大項目（2014）「黃土高原生態系統承載力的空間格局及調控途徑」（41390464） Major Program of the National Natural Science Foundation of China – 「Spatial Pattern and Adjustment of the Ecological Carrying Capacity of the Loess Plateau」 (Grant No. 41390464)
'數據庫（集）組成'Dataset composition	本數據集包括2015年黃土高原地區的地表覆蓋柵格數據以及2015年黃土高原實地驗證點，共有1個文件夾。包含的數據如下： 1.「ld2015_V1_250m.zip」為2015年黃土高原地區地表覆蓋柵格數據； 2.「驗證點.zip」為2015年黃土高原地區野外實證點，class_name字段為類型代碼； 3.「code_I.xlsx」為分類代碼表。 This dataset includes land use/cover and corresponding shapefiles of ground check points of Loess Plateau in 2015. The dataset contains the following files: 1. 「ld2015_v1_250m.zip」, which includes land use/cover data of Loess Plateau in 2015, in ESRI Grid format. 2. 「驗證點[Verification Points].zip」, made up of field validation data in shapefile format which is sampled for land cover/use of 2015. In the .dbf table, the field 「class_name」 records class code for land use/cover types. 3. 「code_I.xlsx」, which includes class code and Chinese class name for the land use/cover data.

引 言

土地利用/覆被變化（Land Use and Land Cover Change，LUCC）是區域到全球尺度生態系統變化的主要直接原因，尤其是對區域水循環、環境質量、生物多樣性及陸地生態系統的生產力和適應能力的影響更為深刻，因此成為全球變化研究的核心之一^[1]。土地利用/覆被數據是大尺度碳循環、水循環、生物多樣性評估、生態系統服務評估等研究的基礎數據^[2][3]。高質量的土地利用/覆被數據往往成為這些研究結果準確性的最基本條件。2014年，國家自然基金重大項目「黃土高原生態系統與水文相互作用機理研究」啟動。2015年黃土高原地區土地利用/覆被數據的生產是項目的基礎工作之一，為區域尺度植被變化的水文水資源效應、區域水文系統的植被承載力評估等研究內容提供基礎數據。

目前，全國尺度的同類數據已有20世紀80年代到2010年間隔約為5年的數據^[4]。中國30 m全球地表覆蓋遙感製圖數據產品（GlobeLand30）也已發布^[5]。現已發布的全球土地利用/覆蓋數據共已達6套，包括DISCover（美國地質調查局，USGS）、MODIS 1km數據集（波士頓大學，Boston University）、GLC2000（European Commission Joint Research Center）、GlobCover2（European Commission Joint Research Center）、Globeland30-2010（國家基礎地理信息中心等）等^[5]。這些數據集大多基於衛星影像的光譜信息提取，以傳統的監督分類方法為主，得到的地表覆被數據容易出現「椒鹽」現象^[6]，人工目視解譯存在主觀判斷差異，也難以利用地物單元的紋理、相互間的空間關係等地學知識參與分類，精度難以保證^[7]。為此，本數據的生產採用面向對象和規則的分類方法為主、人工修正為輔的方法。通過建立對象層次結構，將影像分割成內部光譜、紋理等特徵具有相對異質性的斑塊對象，以斑塊為單元進行分類，可充分利用光譜、紋理、地物空間關係等信息，提高分類的精度。

1 數據採集和處理方法

1.1 區域範圍

黃土高原位於33°43′N～41°16′N，100°54′E～114°33′E之間，地處黃河中游，南抵秦嶺北麓，北至陰山，東達太行山脈，西以烏鞘嶺–日月山為界，包括陝西、山西、內蒙古、寧夏、青海、甘肅、河南7個省區287個縣，總面積62萬平方公里，約占全國土地面積的6.69％。自20世紀90年代末開始，在國家生態建設政策和區域社會經濟快速發展的驅動下，黃土高原進入植被大規模、快速恢復和重建的歷史時期，土地利用/覆被發生巨大變化^[8]，是過去幾十年來我國土地利用/覆被變化最為迅速的區域之一。

1.2 影像數據源

本文以Landsat 8 OLI傳感器L1級別產品，以2014～2015年117景數據作為數據源，空間分辨率為30 m。採用了全年3個時相影像數據，對應時間段分別為2014年12月至2015年2月（冬季）、2015年6月至9月（夏季）、2015年10月（秋季）。Landsat 8 OLI影像數據空間分布如圖1所示，數據來源於美國國家航空航天局（National Aeronautics and Space Administration，NASA），從美國地質調查局（USGS）網站（http://earthexplorer.usgs.gov）下载。

圖片

圖1 影像數據空間分布圖

1.3 數據處理

利用ArcGIS軟件根據影像的質量進行解譯分區。採取面向對象分類方法，通過在eCognition軟件中對研究區數據進行多尺度分割，選擇空間、光譜、紋理、形狀作為分類特徵，採取人工判別輔助計算機自動分類方法進行分類。然後將數據在Arc/info AML語言腳本編程中進行矢量–柵格轉換，最後利用ArcGIS軟件對數據按照研究區範圍進行拼接和裁剪操作。詳細操作如下：

（1）解譯分區：根據影像覆蓋情況和影像質量（雲覆蓋度），利用ArcGIS Desktop進行影像分塊，將整個黃土高原地區劃分為多個解譯分區。

（2）多尺度影像分割：利用eCognition 8.7軟件進行多尺度影像分割。多尺度影像分割是基於影像光譜異質性，將影像分割為內部相對同質的多邊形對象，即在設置的閾值範圍內，將符合要求的單個像元合併為多邊形影像對象^[5]。經過測試，影像分割的尺度設置為70較為適合。整個數據集全部採用70作為分割尺度。

（3）特徵集構建：分類特徵指標的有效性決定了解譯結果的準確性，選擇空間、光譜、紋理、形狀作為分類特徵。針對研究區特性，以植被指數（NDVI）、波段平均值、波段標準差、形狀指數（Shape Index）構建特徵集。

（4）土地覆被類型提取：通過構建的採用基於隸屬度函數的面向對象分類方法^[6]。該函數依據對象特徵可以精確定義對象屬於某類的標準，通過綜合對象特徵進行分類。分類完成後，結合影像對象的光譜信息、形狀及空間分布信息，將錯分和漏分的對象手動劃分到正確的類別中。最後，對明顯錯分的影像對象進行人工修正。

（5）精度驗證：採用基於混淆矩陣和Kappa係數的方法，對研究區分類結果進行精度驗證。驗證點以2015年遙感影像為底圖，對照實地，選取位於面積足夠大（＞3×3個像元）的斑塊中心位置的點，避免選取近一年內發生類型改變的點。利用地面調查獲得的1028個驗證點對數據的精度進行檢驗。

（6）柵格數據生成：將數據在Arc/info AML語言腳本編程中進行矢量–柵格轉換，將數據由矢量格式批量轉化為柵格格式，柵格大小為30 m。

（7）裁剪拼接：利用ArcGIS中Data management模塊下mosaic功能對數據進行拼接，最後按照研究區範圍在ArcGIS中Data management模塊下clip功能中進行裁剪，經重採樣（Majority）得到最終分辨率為250 m的柵格數據。

2 數據樣本描述

2.1 分類描述

此次分類參考生態十年環境感監測土地覆蓋一級類分類系統^[9]，包括7個一級土地利用/覆蓋類型，分別為森林、灌從、草地、耕地、聚落、水域以及其他土地利用/覆被類型（表1）。

表1 黃土高原土地利用/覆被一級分類系統

分類代碼	類型	內容描述
1	森林	指鬱閉度＞30％，高度＞2 m的各類天然林和人工林地
2	灌叢	天然或次生灌木和灌叢覆蓋度大於20％，植被覆蓋度大於30％的地表
3	草地	指以生長草本植物為主、植被覆蓋度在20％以上的各類草地
4	耕地	指種植農作物的土地，包括水田和旱地
5	聚落	指城鄉居民點、農村定居點、工業、交通以及其他建設用地覆蓋的地表
6	水域	指天然和人工水域，包括湖泊、水庫、河流
7	其他	一年最大植被覆蓋度小於20％的地表，包括裸地和荒漠等未利用和難利用的土地

2.2 數據樣本

傳統的遙感圖像分類算法主要依據地物的光譜數據，導致未能充分利用遙感圖像提供的多種信息，包括相鄰像素間的關係、斑塊形狀以及斑塊間空間位置特徵等信息，分類精度受到限制^[7]。此次分類採用面向對象分類方法，針對特定地類選擇適宜性的特徵指標，除了能利用影像的光譜信息外，還能較好地利用空間地物之間的空間關係輔助識別地類，有效提高數據精度（圖2）。

圖片

圖2 2015年黃土高原土地利用/覆被分類圖

3 數據質量控制和評估

通過實地採樣獲取驗證點，以評估分類結果的可靠性和精度。驗證點的採樣考慮了隨機性和代表性。採樣路線覆蓋所有土地利用/覆被類型分布區，保證所有類型都有足夠的驗證點；樣點沿途隨機採集。採樣範圍覆蓋了黃土高原地區核心區域，由山西太原出發，途徑榆林、延安、銀川等多個城市，樣本點選取以2015年遙感影像為底圖，對照實地，選取位於面積足夠大（＞3×3個像元）的斑塊中心位置的點，避免選取近一年內發生類型改變的點。此外，加入了課題組開展的植被樣地調查的78個樣方^[10]，所得樣本數目共為1028個，涵蓋分類系統包括的黃土高原全部土地利用/覆被類型。採樣點分布見圖3。

圖片

圖3 地面驗證點分布圖

本次野外採樣點1028個，實測點類型包括277個森林、70個灌叢、118個草地、379個耕地、154個聚落、20個水域以及10個其他類型樣本，主要是荒漠。影像的精度驗證結果如表2所示。

表2 2015年黃土高原地區地表覆蓋精度驗證表（單位：個）

地表覆被	森林	灌叢	草地	耕地	聚落	水域	其他	匯總	製圖精度
森林	238	11	7	4	1	0	0	261	91.2％
灌叢	15	41	11	3	1	0	0	71	57.7％
草地	8	11	92	15	6	1	0	133	69.2％
耕地	11	3	2	347	7	0	0	370	93.4％
聚落	5	4	3	9	135	1	2	159	84.9％
水域	0	0	1	0	1	17	0	19	89.5％
其他	0	0	2	1	3	1	8	15	53.3％
匯總	277	70	118	379	154	20	10	1028
用戶精度	85.9％	53.2％	78.0％	91.6％	87.7％	85.0％	80.0％	85.4％

總體分類精度 = 85.4％，Kappa係數 = 0.807

在表2中，製圖精度是指所獲取的某一類地表覆被的正確像元數與該類參考像元總數的比率；用戶精度是指分類器將像元歸納到某一類地表覆被像元數，與該類相應的真實地表覆被的參考像元數的比率；總體分類精度是指被正確分類的像元總數與總參考像元數的比率；Kappa係數是描述地物覆被像元分類的一致性，越接近1，說明其一致性效果越好。由表2結果可以看出，數據質量整體效果良好，總分類精度為85.4％，Kappa係數為0.807。

4 數據使用建議

本數據集可用於黃土高原地區生態系統服務評估、生態系統固碳模擬、土地利用/覆被格局及其水文水資源效應等研究。本數據主要基於地表覆被狀況分類，採用的分類系統與全國生態十年評估生態系統遙感監測一致，也可作為類似評估的基礎數據。由於本數據的分辨率為250 m，其適用研究尺度應在較大的流域（面積＞10 000 km2）及其以上的尺度。

數據作者分工職責

朱源（1994—），男，四川廣安人，在讀碩士研究生，研究方向為地圖學與地理信息系統。主要承擔工作：數據準備、數據處理以及數據生產。

劉宇（1981—），男，貴州省盤州人，博士，助理研究員，主要研究方向為景觀格局與生態過程相互作用、生態遙感與生態系統評估。主要承擔工作：數據產品設計與組織實施。

趙亮（1991—），男，四川南充人，在讀碩士研究生，研究方向為地圖學與地理信息系統。主要承擔工作：數據處理。

參考文獻

1. 李秀彬. 全球變化研究的核心領域–土地利用/土地覆被變化的國際研究動向[J].地理學報, 1996, 51(6): 553–558.
2. Verburg P, Neumann K, Nol L. Challenges in using land use and land cover data for global change studies[J]. Global Change Biology, 2011, 17: 974–989.
3. 劉紀遠, 邵全琴, 延曉冬, 等. 土地利用變化影響氣候變化的生物地球物理機制[J]. Chinese Journal of Nature, 2014, 36(5): 356–363.
4. 劉紀遠, 匡文慧, 張增祥, 等. 20世紀80年代末以來中國土地利用變化的基本特徵與空間格局[J]. 地理學報, 2014, 69(1): 3–14.
5. ^ ^{5.0 5.1 5.2} 杜國明, 劉美, 孟凡浩, 等. 基於地學知識的大尺度土地利用/土地覆蓋精細化分類方法研究[J]. 地球信息科學學報, 2017, 19(1): 91–100.
6. ^ ^{6.0 6.1} Gong P, Wang J, Yu L, et al. Finer resolution observation and monitoring of global land cover: first mapping results with Landsat TM and ETM+ data[J]. International Journal of Remote Sensing, 2013, 34(7): 2607–2654.
7. ^ ^{7.0 7.1} Aguirre-Gutiérrez J, Seijmonsbergen A, Duivenvoorden J. Optimizing land cover classification accuracy for change detection, a combined pixel-based and object-based approach in a mountainous area in Mexico[J]. Applied Geography, 2011, 34: 29–37.
8. Lü Y, Fu B, Feng X, et al. A policy-driven large scale ecological restoration: quantifying ecosystem service changes in the Loess Plateau of China[J]. PLoS ONE, 2012, 7(2): e31782.
9. Zhang L, Li X, Yuan Q, et al. Object-based approach to national land cover mapping using HJ satellite imagery[J]. Journal of Applied Remote Sensing, 2014, 8(2): 464–471.
10. Wang C, Wang S, Fu B, et al. Precipitation gradient determines the tradeoff between soil moisture and soil organic carbon, total nitrogen, and species richness in the Loess Plateau, China. Science of the Total Environment, 575: 1538–1545.

數據引用格式

朱源, 劉宇, 趙亮. 2015年黃土高原地區土地利用/覆被柵格數據[DB/OL].Science Data Bank. (2017-05-07). DOI: 10.11922/sciencedb.404.