杨立民 朱智良
(Raytheon STX Corporation EROS Data Center, Sioux Falls, South Dakota U. S. A. 教育部 环境演变与自然灾害开放研究实验室,北京 100875)
提 要 90 年代以来,利用遥感进行大面积土地覆盖土地利用的研究取得了一系列重要进展。已建立的全球及区域土地覆盖土地利用数据库正在得到广泛的应用,取得明显的社会效益和经济效益。土地覆盖土地利用及其变化的研究成果也被应用于有关全球环境变化国际公约的执行监督。利用遥感进行大面积土地详查已经逐步摆脱单一制图的传统概念,正在向建立以应用为目的且便于用户使用的综合信息数据库的方向迈进。此外,如何对大面积土地覆盖数据库进行精度评价已引起广泛重视,出现了一些新的理论和研究方法。进入 21 世纪,全球和区域土地覆盖土地利用的遥感研究将进一步深化。
关键词 全球及区域尺度;土地覆盖数据库;应用;展望
中图分类号 TP79 F301.2
文献标识码 A
文章编号 1000-3037(1999)04-0340-05
1 引言
土地覆盖一般指地球表面当前所具有的自然和人为影响所形成的覆盖物,包括地表植被、土壤、冰川、湖泊、沼泽湿地及道路等。土地覆盖具有特定的时间和空间属性,其形态和状态可在多种时空尺度上变化,而且产生变化的原因也是复杂多样的。由于土地覆盖和土地利用与人类的生活生产休戚相关,长期以来土地覆盖及利用的研究成为地球表面科学研究领域中的一个重要分支。
利用遥感技术对土地覆盖和自然景观的研究至少可以追溯至本世纪 20 年代。以美国为例,早在 1992 年,Lee[1] 的文章《从空中看到的地球表面》表述了遥感手段在研究自然景观与人类活动关系的可行性和重要性。第二次世界大战后出现了更为广泛和系统的利用航空照片进行区域范围土地调查与制图的研究。这一阶段的研究成果也载入了有关文献[2]。进入 50 年代后,人们开始探讨利用遥感资料进行大范围土地覆盖和土地利用制图的可行性,包括发展适用于遥感数据特点的土地分类系统及分类方法问题[3、4]。
卫星遥感技术在大范围土地资源的应用始于本世纪 70 年代。随着多种卫星对地观测的出现以及计算机技术的迅猛发展,使得有可能在较大的地理区域内进行土地覆盖的详查与制图。进入 80 年代以后,人们已在洲际范围内利用气象卫星数据进行土地覆盖的研究,并取得了有效的成果[5、6]。然而全球尺度范围卫星数据在土地覆盖和土地利用方面的应用基本上仍为空白。
90 年代卫星遥感在全球和区域尺度土地覆盖研究与应用方面取得了突破性进展。为适应全球气候变化以及环境资源、人口、发展等研究的迫切需要,人类第一次利用卫星数据研制开发了全球具有统一分类方法,统一数据处理规范并将具有统计精度评价结果的全球 1 公里空间分辨率土地覆盖数据库[7]。同时土地覆盖遥感研究的新方法也不断出现并得以发展。
本文主要总结 90 年代全球和区域尺度土地覆盖遥感研究的进展以及新的数据库的开发应用,并对下一世纪初该领域可能出现的新动向作一初步讨论。
2 九十年代大面积土地覆盖遥感研究的进展
2.1 理论与方法
80 年代大区域土地覆盖遥感工作主要基于传统的土地覆盖制图理论方法,着重于土地类型的分析解译以及相应的光谱特征的描述。由遥感数据解译编制的土地覆盖图虽然可以满足某些应用目的,但其信息量有限,且很少涉及土地覆盖与其他自然景观要素的联系。此外,土地覆盖和土地利用分类系统也因地因时因人而异,因此很难相互进行比较和转换。
对以上的概念和问题在 90 年代进行了有益的探讨,首先人们对土地覆盖及其特征的含义有了新的理解和定义。土地覆盖不再仅仅被看作单一的土地和植被类型,而是以土地类型及其所具有的一系列自然属性和特征的综合体。包括土地类型和植被类型,植被冠层的密度、植被生长季节的动态特征,生长季累积生物量,地表覆盖的生物物理特征量,如地表波谱反射率、粗糙度、植被叶面积指数、叶面及冠层的阻抗系数、有效光合作用辐射等。此外,该综合体还包括与土地覆盖类型密切相关的生态环境要素,如植被所处的生态区域,地形与气候条件,土壤的理化性质以及土地利用状况等。这种具多维空间信息的以土地覆盖类型为核心的综合体概念不仅可以从理论上更加准确、完整地刻划地表覆盖和利用的特征,而且在实际应用方面也有十分重要的意义。
另一值得注意的是对传统的土地覆盖分类系统的改进。利用遥感数据进行土地分类大多采用自上而下的等级分类系统。即在分类前预先划定若干等级的土地覆盖类型和亚类型,然后将影像象元划入某一类型。这种预先制定的分类系统往往是针对某种应用需要而制定的,因此很难将其用做转换以适应不同应用目的的要求。针对这一局限性,Loveland 等[8]提出了所谓“灵活的土地覆盖数据库”的概念。利用卫星在生长季内获得的多时相数据,依据地表覆盖的动态过程,将图像象元划分为不同的土地覆盖单元──季节性土地覆盖单元。每一个单元内部的象元具有相似的物候生长期,类似的地上累积生物量以及相似的植被种类组合和生态环境。季节性土地覆盖单元构成灵活土地覆盖数据库的基本成分,辅之以一系列有关光谱、地形、生态区、气候等属性特征,成为分类系统中最底部的一层。根据土地覆盖单元的类型和一系列属性特征,用户可以根据应用需要将季节性单元调整和归并至所需土地覆盖土地利用系统中。这一新的土地覆盖分类策略在美国及全球 1 公里土地覆盖数据库的研制中得以应用,并取得了成果[9]。
再从土地覆盖遥感分类方法看近期的进展,目前利用数据统计理论方法结合人工解译仍为在大尺度内进行遥感分类的主导方法。显然这种方法具有算法成熟、充分利用人机交互和影响等特点,然而其用时长,对参与解译分析的人员依赖性强,很大程度上不具备可重复性等。这些局限性影响了迅速、准确、客观地获取大面积土地覆盖信息。
近年来出现了不少研究讨论土地遥感分类的新方法。主要代表包括人工智能神经元网络分类[10]、分类树方法[11]、多元数据的专家系统和计算机识别法。其中分类树及神经元网络方法目前正应用于 EOS MODIS土地覆盖数据库的开发试验,并取得了一些经验。而专家系统与计算机识别在全球和大区域土地覆盖遥感应用的领域中还未见到报道。
2.2 全球和区域尺度土地覆盖数据库的开发应用
在 90 年代已经和即将完成的大面积土地覆盖数据库主要包括:①利用 NOAA-AVHRR 数据开发的全球 1 公里空间分辨率的土地覆盖数据库[7];②全球 1 个经纬度间距地表生物物理量数据库[12];③全球 1 个经纬度间距土地覆盖类型图 [13];④利用陆地资源卫星数据开发的美国本土 48 个州的土地覆盖和利用数据库[14];以及正在开发研制中的中国土地覆盖土地利用监测系统及其它区域性的土地资源和植被遥感应用的重要项目。
全球和区域尺度土地覆盖及地表生物物理特征数据库的建立推动了全球气候与环境变化的研究。土地覆盖及其变化对地表生物气候水文等过程具有直接的影响,如大气圈、生物圈、土壤圈及水圈相互之间能量、水分、化学元素的交换和迁移及其对大气边界层的影响。此外,人类对于土地资源的利用有可能直接改变土地覆盖的状态,从而影响气候与环境的变化。这些过程的研究无疑依赖于可靠的及时的土地覆盖数据作为基础。
近年来较为典型的应用包括利用 AVHRR 1公里季节性土地覆盖数据库改进中尺度区域天气与气候模拟,以深入了解地表覆盖极其复杂的组合对中尺度大气环流和区域天气的影响[15]。另外利用土地覆盖数据库作为全球环流模型的输入,检验和分析气候干湿变化及季节降水,温度和蒸发变化对于地表植被及其动态变化的依赖性和敏感性[16]。地表覆盖数据库也应用于研究生物地球化学过程模拟,因为许多重要的化学元素在地球─大气─海洋系统中的交换依赖于地表覆盖及土地利用,例如二氧化碳(CO2)、一氧化氮(NO)、甲烷(CH4)、挥发性有机合成物(VOC)等的迁移和转化。全球及区域尺度的土地覆盖数据还广泛应用于各类生态系统模拟、草原生物量估算及其与气候的关系[17],森林火灾危情监测预报、流域水资源及质量评估、农药使用监测、森林普查和监测、农作物面积估算以及土地资源管理等。有关土地覆盖、土地利用及其变化的研究成果还被用于监督有关全球环境变化国际公约的执行。例如,有关地球系统碳素循环和温室气体增加导致的地气间相互作用的改变以及世界各国对此所承担义务的履行情况。
3 二十一世纪初展望
随着全球环境资源对人类生存及发展的进一步影响,可以预言,下一世纪人类将对地球系统进行更为全面和深入地观测和监测。目前世界上许多国家都在制定新的对地观测计划,包括美国的地球观测系统 (EOS),欧洲空间局的环境卫星 (ENVISAT),日本国家空间发展局地球资源卫星,中国和巴西合作的资源卫星等。除了政府部门的这些计划外,还有许多商业用途的以私人公司支持的小卫星计划将提供极高空间分辨率 (1~5m) 的数字图像。这些计划的实施将为大区域土地覆盖、土地利用及其监测提供重要的数据基础,并将促进有关方面理论与方法的发展。
首先土地覆盖和土地利用的遥感应用将更加科学化、定量化、实用化。科学化体现在土地覆盖及反映土地覆盖综合体特征的生物物理属性及动态变化的导出将建立在严格的理论基础之上。所对应的算法和程序需要经过实际观测和其他方式的验证。例如,美国 NASA EOS-AM 计划中将携载的中等分辨率成像光谱仪 (MODIS) 的数据用于推导和繁衍多种有关地表覆盖及其生物物理参量,包括地表反射率、植被指数等。每一个物理参量的计算方法都是经过反复推敲研讨,并总结了到目前为止有关科学文献的结论而确定的[18]。这些有关土地覆盖特征的生物物理量的算法还将进一步与地面观测进行比较以确保其可靠性。
定量化将建立在更为精确的高质量的遥感数据的基础上。新一代卫星的采集数据,星上校准,数据的预处理、辐射和几何纠正以及大气纠正等各个环节都将有明显的改进。这使得由此产生的土地覆盖及其属性特征的产品更为准确可靠。例如,在大范围内大气对地面反射率及其一系列由地面反射率推导出的生物物理量和其他参量的影响是目前尚未解决的问题之一。其不确定性大大影响了地表过程的定量研究。定量化还将体现在更为精确的地理定位和几何精度上。这方面的改进对土地覆盖的监测以及不同空间分辨率土地覆盖数据库的关系和相互校正等具有重要作用。
实用性将表现在土地覆盖及其系列产品的生产、存档、发布和管理的进一步完善。用户将能根据自己的需要通过高速的传输网络系统及时迅速地得到所需要的数据,从而可以实时或准时地分析、观测和监视所关心的区域。这种迅速灵活的数据处理分发能力对于许多具有实时性和运行性的系统是必不可少的。例如火灾监测、洪水监测等。到目前为止,获取大面积土地覆盖及其特征数据产品仍然有许多技术上的限制,如传输速度、数字压缩技术等。
伴随新的全球和区域尺度土地覆盖及其特征数据产品的出现,人们将更加关心产品精度检验的理论和方法问题。迄今为止,全球和区域范围内以统计理论为基础精心设计的土地覆盖数据库的精度评价才刚起步[19、20]。许多理论问题还有待研究并取得共识。例如,如何建立适于应用目的且在实践中可行的抽样方案,如何选择和建立统计上可靠的并与抽样相适应的统计量,怎样对精度评价的结果进行分析等[21]。如何在大面积范围内获取地面实况资料以用于精度检验也是一个重要问题。在这方面,新一代卫星具有的多种空间分辨率,超多波段的组合,结合有限的地面资料进行多维空间的复合分析对大面积土地覆盖的数据开发和精度检验可能具有相当的潜力。
遥感在大面积土地覆盖和土地利用的分类方法方面目前还没有重大突破。除传统的统计聚类方法外,分类树的改进以及神经元网络方法的应用在许多小范围的研究中取得了进展,而应用于大面积的工作还要经过一段试验。下一世纪初利用这方面的研究成果将很有可能建成运行操作系统用于土地覆盖及其变化产品的开发。除此之外,随着计算机理论技术的发展,新的分类方法可能将逐步运用到大面积土地覆盖研究中,包括智能计算机方法,专家系统分类以及在传统统计方法基础上发展起来的多元数据采掘分析等新方法。
参考文献
1 | Lee W T. The face of the earth as seen from the air: A study in the application of airplane photography to geography [C]. New York: American Geographical Society, Special Publication 4,1922. | 2 | Anderson J R. Toward more effective methods of obtaining land use data in geographic research [J]. The Professional Geographer, 1961,13:15~18. | 3 | Marschner F J. Land Use and Its Patterns in the United States [M]. Washington, DC: U. S. Department of Agriculture, Agriculture Handbook No. 153 (with map at 1∶5,000,000), 1959. | 4 | Anderson J R, et al. A land use and land cover classification system for use with remote sensor data [R]. U. S. Geological Survey Professional Paper 946. Washington, DC: USGPO, 1976. | 5 | Tucker C J, Townshend J R G, Goff T E. Africa land cover classification using satellite data [J]. Science, 1985,227:369~375. | 6 | Townshend J R G, Justice C O, Kalb V T. Characterization and classification of South America land cover types using satellite data [J].International Journal of Remote Sensing, 1987, 8:1189~1207. | 7 | Loveland T R, Reed B C, Brown J F,et al. Development of a global land cover characteristics database and IGBP DISCover from 1km AVHRR data [J]. International Journal of Remote Sensing (in review), 1998. | 8 | Loveland T R, Merchant J W, Ohlen D O,et al. Development of a land cover characteristics database for the conterminous U. S. [J]. Photogrammetric Engineering and Remote Sensing, 1991,57:1453~1463. | 9 | Steyaert L T. Status of land data for environmental modeling and challenges for geographic information systems in land characterization [J]. In: M F Goodchild, L T Steyaert, B O Parks, et al. GIS and Environmental Modeling: Progress and Research Issues. Fort Collins, CO, GIS World, 1996,17~27. | 10 | Moody A, Strahler A H. MODIS land cover product algorithm technical basis document [D]. NASA Mission to Planet Earth Program, Greenbelt, MD. 1993,39. | 11 | Hansen M, Dubayah R, Defries R. Classification trees: an alternative to traditional land cover classifiers [J]. International Journal of Remote Sensing, 1996,17(5):1075~1081. | 12 | Sellers P J, Los S O, Tucker C J, et al. A revised land surface parameterization (SiB2) for atmospheric GCMs-Part II: The generation of global fields of terrestrial biophysical parameters from satellite data [J]. Journal of Climate, 1996,9:706~737. | 13 | Defries R S, Townshend J R G. Global land cover: comparison of ground-based data sets to classifications with AVHRR data [M]. In: G M Foody, P J Curran.Environmental Remote Sensing from Regional to Global Scales. New York: John Wiley and Sons, 1994,84~110. | 14 | Volgamann J E, Sohl T, Howard S M. Regional characterization of land cover using multiple sources of data [J]. Photogrammetric Engineering and Remote Sensing, 1998,64(1):45~57. | 15 | Pielke R, Lee T J, Copeland J H, Eastman J L, et al. The use of USGS-Provided Data to improve weather and climate simulations [J]. Ecological Applications, 1997,7(1):3~21. | 16 | Fennessy M J, Xue Y. Impact of USGS vegetation map on GCM simulations over the United States [J]. Ecological Applications, 1997,7(1):22~33. | 17 | Yang L, Weily B K, Tieszen L L, et al. An analysis of relationships among climate forcing and time integrated NDVI of grasslands over the U. S. Northern and Central Great Plains [J]. Remote Sensing of Environment, 1998,65:25~37. | 18 | Justice C O, et al. The Moderate Resolution Imaging Spectroradiometer (MODIS): Land remote sensing for global change research [J]. IEEE Transactions on Geoscience and Remote Sensing, 1998,36(4):1228~1248. | 19 | Belward A S. The IGBP-DIS global 1 km land cover data set (DISCover): Proposal and implementation plans [R]. IGBP-DIS Working Paper 13. IGBP-DIS Office, Toulouse, France. 1996,61. | 20 | Zhu Z, Yang L, Stehman S V, et al. Designing an accuracy assessment for USGS regional and land cover mapping program [R]. In Proceedings, The Third International Symposium on Spatial Data Accuracy Assessment in Natural Resources and Environmental Sciences, Quebec City, Canada. 1998. | 21 | Stehman S V, Czaplewski R L. Design and analysis for thematic map accuracy assessment: fundamental principles [J]. Remote Sensing of Environment, 1998. | 22 | Townshend J R G. Global data sets for land applications from advanced very high resolution radiometer: An introduction [J]. International Journal of Remote Sensing, 1994,15(17):3319~3322. | 23 | International Geographical Union. Report of the commission on world land survey for the period 1949~1952 [R]. Worcester, MA.1952. |
作者简介
杨立民 (1954-),男,北京市人,美国内布拉斯加大学遥感和气候学博士,美国 EROS 数据中心科学部研究员,主要研究全球及区域尺度土地覆盖土地利用的遥感应用等。
基金项目:国家自然科学基金重大项目 (39899374) 资助;“九五”国家重大基础研究预选项目 (227218001) 资助。 |
|