基于MODIS数据的长江三角洲地区土地覆盖分类_徐永明

地理学报ＡＣＴＡＧＥＯＧＲＡＰＨＩＣＡＳＩＮＩＣＡ第６２卷第６期２００７年６月Ｖｏｌ．６２，Ｎｏ．６Ｊｕｎｅ，２００７基于ＭＯＤＩＳ数据的长江三角洲地区土地覆盖分类徐永明１，刘勇洪２，魏鸣１，吕晶晶１（１．南京信息工程大学遥感学院中美合作遥感中心，南京２１００４４；２．北京市气象局气候中心，北京１０００８９）摘要：长江三角洲地区是我国经济最发达的地区之一，人类活动对自然环境产生了很大影响。

为了研究该地区人类活动与生态环境的相互作用，利用２５０ｍ分辨率ＭＯＤＩＳ数据进行土地覆盖制图研究，采用的主要数据为增强型植被指数ＥＶＩ数据、反射率数据和ＤＥＭ数据。

通过基于时间序列的滤波方法消除ＥＶＩ的噪声，通过ＰＣＡ变换压缩数据量，并计算均质度来表征空间维的纹理信息，构造了一个综合性的分类数据矩阵，依据高分辨率影像选取了训练区，采用最大似然法进行分类，并采用缓冲区分析技术进行分类修正，得到长江三角洲地区的土地覆盖分类结果。

利用高分辨率影像解译信息对分类结果进行了精度评价，并将分类结果与ＭＯＤＩＳ土地覆盖产品进行了对比，精度分析表明分类结果很好的反映了研究区的土地覆盖信息，显示了本研究分类方法与技术处理在实践中的可行性及２５０ｍ分辨率ＥＶＩ时间序列数据在区域尺度土地覆盖分类方面的优势与潜力。

关键词：ＭＯＤＩＳ；ＥＶＩ时间序列；长江三角洲；土地覆盖１引言近年来，全球变化已成为当今社会关注的研究热点，而人类对土地的开发利用以及引起的土地覆盖变化被认为是全球环境变化的重要组成部分和主要原因［１］。

土地覆盖直接反映了引起全球变化的主导因子—人类活动，其变化导致了地表反照率、植被覆盖、温室气体等地表与大气特性的变化，影响地—气相互作用，进而改变气候与水循环过程［２］。

可见，土地覆盖类型是地—气物质能量传输模型、陆地生态系统过程及机制研究的关键输入参数，同时也是可持续发展和人类对全球变化影响的主要因素［３］。

土地覆盖研究对于从不同尺度上分析人类活动对于生态环境的作用及自然界的反馈作用具有重要的意义。

传统的土地覆盖数据集需要从已经完成的地图集中获取，这些数据集在当时的全球变化研究中起了非常重要的作用，但是也存在着如滞后效应等多种问题［４，５］。

遥感作为一种先进的对地观测手段，具有空间上连续覆盖以及时相上持续成像的优势，利用遥感手段进行土地覆盖制图已经成为重要的土地覆盖类型数据获取方式，在建立不同尺度的土地覆盖数据集方面发挥了重要作用。

建立这些土地覆盖数据集的主要目的是为满足地球系统建模的需要以及更好的理解人类活动在地球系统中的影响［６］。

资源卫星数据如ＴＭ、ＳＰＯＴ等在土地覆盖制图中得到了广泛应用［７－９］，这类数据具有高空间分辨率的优点，但是成本较高，而且成像周期较长，一般用于小范围的土地利用／土地覆盖调查。

与ＴＭ等资源卫星数据相比，ＡＶＨＲＲ、ＭＯＤＩＳ等卫星数据时间分辨率高，实时性强，成像范围大，收稿日期：２００６－１１－１７；修订日期：２００７－０１－１７基金项目：国家自然科学基金重点项目（４０３３３０２７）；国家自然科学基金项目（６０６７４０７４）；南京信息工程大学科研基金项目（Ｙ６５３）［Ｆｏｕｎｄａｔｉｏｎ：ＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ，Ｎｏ．４０３３３０２７；Ｎｏ．６０６７４０７４；ＳｃｉｅｎｔｉｆｉｃＲｅｓｅａｒｃｈＦｏｕｎｄａｔｉｏｎｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｎｏ．Ｙ６５３］作者简介：徐永明（１９８０－），男，硕士，助理工程师，主要从事资源环境遥感、全球变化方面的研究。

Ｅ－ｍａｉｌ：ｘｙｍ３０＠２６３．ｎｅｔ６４０－６４８页６４１６期徐永明等：基于ＭＯＤＩＳ数据的长江三角洲地区土地覆盖分类资料来源均匀、连续，获取成本低，在宏观土地覆盖制图研究中更具有优势［７］。

最近２０多年来，国内外学者利用ＡＶＨＲＲ、ＭＯＤＩＳ等数据开展了大面积的土地覆盖遥感研究［３，１０－１７］，并取得了显著成果。

然而，这些宏观土地覆盖研究大多采用１ｋｍ或更低分辨率的数据，主要针对全球或全中国范围。

对于地区尺度的研究而言，不论是空间分辨率还是制图精度都显得不足。

长江三角洲地区是我国经济最发达的地区之一，自从１９７８年改革开放以来，该地区城市化速度不断加快，土地利用多元化发展，并表现出“高密度、高强度”特征。

但是发展经济的同时，由于缺乏科学的可持续发展思想的指导，人类活动对自然环境也产生了很大的负面影响，如城市的热岛效应，大气中二氧化碳和甲烷含量的增加等等。

这些问题制约了社会经济和人们生活水平的进一步发展，是关系到区域可持续发展的重大问题。

本文以２５０ｍ分辨率的ＭＯＤＩＳ植被指数时间序列为主要数据源，对长江三角洲地区的土地覆盖进行研究。

研究成果将作为该地区的人—地关系研究的重要基础数据，并为长江三角洲地区的可持续发展提供重要的辅助决策信息。

２数据来源及处理方法２．１研究区概况长江三角洲位于我国大陆海岸线中部、长江入海口处，是一个地跨上海市、江苏省和浙江省两省一市的沿海区域。

长江三角洲以上海为中心，包括江苏的南京、镇江、扬州、泰州、南通、苏州、无锡、常州及浙江的杭州、嘉兴、湖州、宁波、绍兴、舟山共１５个地级以上城市，经度范围从东经１１８．３３ｏ至东经１２２．９５ｏ，纬度范围从北纬２９．０４ｏ至北纬３３．４１ｏ，面积约为１０．１万ｋｍ２，人口约为７６００万人。

本地区属亚热带湿润季风气候，年均温１５￣１７ｏＣ，年降水量１０００￣１８００ｍｍ。

地貌以平原为主体，西部和南部有一些山地和丘陵。

自然植被受人为因素影响很大，除了广大平原区域开辟为农田、城镇外，山区也少有原生植被，主要为次生林。

而次生林中，马尾松等常绿针叶林占了很大比重。

２．２数据来源及说明本文主要采用的遥感数据为美国ＬＰＤＡＡＣ（ＬａｎｄＰｒｏｃｅｓｓＤｉｓｔｒｉｂｕｔｅｄＡｃｔｉｖｅＡｒｃｈｉｖｅＣｅｎｔｅｒ）提供的ＭＯＤＩＳ植被指数产品ＭＯＤ１３Ｑ１，该产品为２５０ｍ分辨率的１６天合成植被指数数据，包括归一化植被指数ＮＤＶＩ和增强型植被指数ＥＶＩ。

ＮＤＶＩ对于叶绿素含量比较敏感，而ＥＶＩ能够更好的反映植被冠层结构［１８］，本研究使用了从２００５年４月至２００６年３月共２３个时相的ＥＶＩ数据。

为了弥补植被指数数据区分非植被覆盖地物能力的不足，引入ＭＯＤＩＳ反射率数据来提高分类的精度。

反射率数据采用了ＭＯＤＩＳ的ＭＯＤ０９Ｑ１产品和ＭＯＤ０９Ａ１产品，同样由ＬＰＤＡＡＣ提供。

ＭＯＤ０９Ｑ１为２５０ｍ分辨率的８天合成反射率数据（ＭＯＤＩＳ的１波段和２波段），ＭＯＤ０９Ａ１为５００ｍ分辨率的８天合成反射率数据（ＭＯＤＩＳ的３￣７波段）。

经过比较采用了从２００６年第８９天至２００６年第９６天的反射率数据（以后文中将此数据简称为Ｒｅｆ０８９数据），这个时段的数据云量极少而且数据质量较高。

除了ＭＯＤＩＳ数据之外，研究中还使用了ＮＡＳＡ提供的３弧秒精度的ＳＲＴＭＤＥＭ数据。

所有的数据都经过投影转换与重采样，统一为２５０ｍ空间分辨率、Ａｌｂｅｒｓ投影、Ｋｒｏｓｓｏｖｓｋｙ椭球体。

辅助数据包括１：１００万中国县界行政区划图、ＬａｎｄｓａｔＥＴＭ＋遥感数据、１：１００万中国植被图集［１９］。

县界行政区划图用于确定研究区的行政界线，而ＥＴＭ＋数据和植被图用于选取感兴趣区ＲＯＩ（ＲｅｇｉｏｎｏｆＩｎｔｅｒｅｓｔ），用作监督分类的训练样本和精度验证样本。

２．３数据处理方法尽管ＭＯＤＩＳ的ＥＶＩ产品已经经过了最大植被指数法（ＭＶＣ）处理，消除了部分噪６２卷地理学报声，但数据中仍然存在一些噪声。

图１ａ给出了以某城镇和水体坏值像元为例的ＥＶＩ时序曲线，图中横坐标为时相（１表示０５年第８１天￣９６天，２表示０５年第９７天￣第１１２天……直至２３），纵坐标为ＥＶＩ值。

从图中可见，城市像元ＥＶＩ值在第９个时相异常偏高，而水体像元ＥＶＩ值在第１１个时相异常偏高。

对于植被并非主要土地覆盖类型的城市和水体像元来说，出现某时相ＥＶＩ值异常偏高显然不是植被生物量突然提高的结果，而是数据噪声的影响。

ＤｅＦｒｉｅｓ在利用月合成ＡＶＨＲＲ数据进行全球土地覆盖分类时，采用了一种基于时间序列的滤波方法来消除可能是噪声的突兀值［２０］：将各月的像元值独立取出来与剩余月份的均值进行比较，如果其差值大于７个标准差（剩余月份的标准差），则认为此月份的该像元值为噪声数据。

７这个阈值是根据经验交互判定的，能够比较保守的去除最显著的突兀值。

本文引用ＤｅＦｒｉｅｓ的方法对２３个时相的ＥＶＩ序列进行预处理，在处理过程中根据人机交互判读选择５个标准差作为阈值，标识出坏值像元后利用３次Ｌａｇｒａｎｇｅ代数多项式方法进行插值，替换坏值，处理后的效果如图１ｂ所示。

ＥＶＩ时间序列的不同时相数据之间存在较大的相关性，对２３个时相的ＥＶＩ数据进行ＰＣＡ变换（主成分变换）可以实现数据压缩和波段间去相关的目的。

经ＰＣＡ变换后，取前９个主分量（包含了原数据９０．２３％的信息量）。

基于同样的考虑，对７个波段的Ｒｅｆ０８９数据进行ＰＣＡ变换，取前３个主分量。

对于遥感图像来说，除了光谱维信息和时间维信息之外，还有空间维信息可以利用。

参考前人的研究［２１］，笔者基于灰度共生矩阵方法对Ｒｅｆ０８９数据ＰＣＡ变换第１主分量进行纹理分析，得到第１主分量的均质度Ｈｏｍｏｇｅｎｅｉｔｙ，以此来表征研究区的空间纹理信息。

为了保持不同数据波段量级的一致性，对ＥＶＩ的前９个主分量、Ｒｅｆ０８９的前３个主分量、ＤＥＭ和均质度Ｈｏｍｏｇｅｎｅｉｔｙ数据进行线性拉伸处理，使其值域均为０￣１００００。

将经过标准化的这１４个波段作为分类的输入数据，进行土地覆盖分类研究。

３土地覆盖分类３．１分类系统目前国内外常见的遥感土地覆盖分类系统包括ＩＧＢＰ的全球土地覆盖分类系统、联合国粮农组织的ＬＣＣＳ分类系统、刘纪远等人建立的中国Ｉｇｓｎｒｒ分类系统等［１６，１７］。

这些分类系统主要针对全球或全国范围的研究，涵盖的地物类型很全面，但是对于某些特定区域的研究而言针对性不够强。

如在长江三角洲地区农田是非常重要的土地覆盖类型，对于该地区的地—气作用、人—地关系研究具有非常重要的意义，而上面的几种分类系统均（ａ）（ｂ）图１坏值像元校正前后ＥＶＩ曲线对比（ａ）校正前（ｂ）校正后Ｆｉｇ．１Ｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｂａｄｐｉｘｅｌｓ＇ＥＶＩｃｕｒｖｅｓｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎ（ａ）Ｂｅｆｏｒｅｃｏｒｒｅｃｔｉｏｎ（ｂ）Ａｆｔｅｒｃｏｒｒｅｃｔｉｏｎ６４２６４３６期徐永明等：基于ＭＯＤＩＳ数据的长江三角洲地区土地覆盖分类只把农田作为一种类型，无法反映不同农田类型的季相覆盖差异。