遥感探测土地植被覆盖指数的准确度评估

GIS数据的准确度一直是GIS应用的考虑事项。用虚例和实例揭示了土地植被覆盖指数的准确度与图像分类的准确度之间的复杂关系,并进一步用数学方式进行了解释。土地植被覆盖指数的准确度取决于图像分类准确度,但与分类总准确度没有直接关系。用户和产家准确度比总准确度对土地植被覆盖指数的准确度具有更直接的控制,所以在图像分类报告中不应被忽略为了保证土地植被覆盖指数的准确度,某土地类型的用户和产家准确度应该尽可能一致,同时要使得这两个准确度数值越高越好。     

景观指数分类、应用及构建研究

在景观生态学研究中,理解与把握景观格局变化的生态学原则至关重要,用景观指数描述景观格局及变化,建立格局与景观过程之间的联系,是景观生态学最常用的定量化研究方法,本文在综合前人对景观指数的基础上,对景观指数研究从景观指数的分类研究,指数对景观格局的描述研究,指数之间的相关性研究及指数构建研究等4方面进行了总结,并从单个景观指数与指数体系两个层次上提出了判定景观指数优劣及景观指数应用的一般性原则。     

基于遥感数据的塔南策勒荒漠-绿洲景观格局定量分析

以新疆塔克拉玛干沙漠南缘中部的策勒绿洲为例,利用SOPT4卫星遥感数据,借助ERDAS image和Arc/View软件,对其荒漠－绿洲景观类型进行分类并形成研究区栅格景观分类图,一共分为14类景观类型。在栅格分类图的基础上生成矢量化的分类图,进而使用ARC／INFO与FRAGSTATS景观格局分析软件计算9种类型的景观参数,并从斑块、类型和景观3个水平上详细列出近70几种相应的参数和景观指数,定量化地揭示了策勒绿洲的景观分布格局与类型特征。     

3S与模型方法在湿地景观格局研究中的应用述评

湿地景观格局研究是景观生态学和全球变化研究领域中的热点问题。3S技术与模型方法相结合,已成为湿地景观格局研究重要的途径与手段。论文首先介绍了景观格局研究的3S与模型方法的基本进展,在此基础上综述和评价了3S技术与模型方法支持下的湿地景观格局的研究方法及其应用。重点探讨了遥感数据源的选择与分类、基于GIS的湿地基础参数的获取与使用、景观指数模型与动态模型在定量表征和解释湿地景观格局与时空变化方面的应用等几个方面的问题,最后分别就提高遥感分类与制图精度、构建指数模型筛选体系以及增强景观模型特别是动态模型的应用与解释能力等方面提出了建议与研究展望。     

海湾城市新区景观格局动态演变研究

景观格局研究为区域格局优化和生态环境管理提供参考,已成为景观生态学研究的核心之一。该文选取了厦门市翔安区1989年,1993年,1997年和2004年四个时期遥感影像解译数据作为基本信息源。结合遥感影像和区域特点,确定了景观分类系统。在遥感和GIS技术支持下,建立了翔安区景观数据库,并处理各种属性数据、图形数据等信息。利用景观空间格局指数等分析方法,对过去16年间翔安区的景观格局的时空变化过程和演变趋势进行了研究。结果表明:从1989～2004年,农田面积大量减少,主要转变为村镇建设用地。原来占据优势的农业用地、林地等景观组分的面积比重不断下降,村镇用地等人工景观斑块面积增大,并趋向集中。养殖业发展迅速,滩涂和近岸海域也被大面积围垦用于养殖业。整个区域景观结构日趋破碎,景观多样性指数与破碎度指数不断增加,表明人为干扰因素逐渐加强。研究区景观格局演化的主要趋势为人工化趋势,目前该区域已被改造成为混合型景观。     

无人机影像在铁路景观格局定量分析中的应用

以京沪高速铁路(镇江南站段)为例, 利用无人机遥感数据, 借助GIS 空间分析方法对该段的土地利用分类现状进行分析, 并在此基础上使用与土地分类变化关联性较强的景观格局指数, 对研究区生态系统结构及高速铁路建设后的景观格局特征进行了定量分析评价。结果表明: 无人机影像在铁路景观生态环境评价中能够得到很好的应用; 本文所选取的景观格局指数代表的景观结构及其特征是适合的, 能够保证生态环境影响评价的科学性; 建成后的京沪高铁(镇江南站段)景观格局整体较为一般, 生态系统遭受破碎, 需要更科学合理的生态规划来设计和改变景观结构。     

基于气候、地貌、生态系统的景观分类体系——以新疆地区为例

景观分类是景观生态学研究的重要内容之一,既是景观结构与功能研究的基础,又是景观规划、管理等应用研究的前提条件,目前尚没有具有适普性的景观分类体系。提出了景观生态学的一种发生学分类方法,即景观带——基于气候的一级指标(温度带,反映纬度地带性)、景观区——基于干旱指数的二级指标(干湿区,反映经度地带性)、景观类——基于垂直地貌的三级指标(山地和平原,反映垂直地带性)、景观型——基于自然生态系统和人工生态系统的四级指标(反映自然生态系统特征和人类活动)的四级景观分类体系。并利用该体系对新疆地区进行了景观分类,将新疆地区划分为3个景观带、4个景观区、2个景观类、11个景观型。该分类体系与地理景观学派除在自然景观分类系统不同之外,将人工景观指标引入了景观发生学分类。为研究景观分类提供了一种思路和方法,这种分类方法对新疆地区景观的成因、景观演变规律、景观恢复与修复标准等提供了背景参考。     

景观生态学中的格局分析：现状、困境与未来

作为景观格局分析的重要手段,景观格局指数的提出与发展极大地推动了景观生态学的发展,但是由于众多景观格局指数在指示生态学过程方面的不足,近年来景观格局分析已经走入困境。在总结近年来国内外相关研究的基础上,对景观格局分析的现状、困境及未来发展方向进行了综述。景观格局分析仍然是景观生态学的重要方面,景观格局指数仍然是景观格局分析的主要手段。但是如何建立具有生态学意义的景观格局指数和分析方法,如何将景观格局与生态过程联系起来,以及如何将＂基质—斑块—廊道＂的景观生态学理论应用到实际中是目前景观格局分析面临的主要困境。基于对景观格局分析现状及困境的认识,提出了景观格局分析未来的5个发展方向：（1）景观格局分析应该从目前的静态格局描述发展到对动态格局的刻画,只有找到刻画动态格局的方法,才能将格局和过程有机地联系在一起;（2）通过对多种景观格局指数的联合应用,发掘景观格局指数集合体对生态过程的解释能力;（3）发展基于生态过程的景观格局指数和分析方法;（4）通过多维景观格局分析,定量研究景观格局演变与生态过程之间的关系;（5）多尺度景观格局分析,将为解决格局与过程的关系提出有效手段。     

区域农田景观格局对麦蚜种群数量的影响

明确农田景观格局对麦田蚜虫种群的影响,是开展区域性害虫生态调控的重要理论依据之一。以区域性小麦种植区为研究对象,基于遥感影像与土地覆盖分类数据以及田间调查的蚜虫种群数据,计算景观格局指数,使用负二项分布的广义线性模型从农田景观、非作物生境景观和区域景观3个方面分析了区域农田景观格局对麦田蚜虫种群的影响。结果表明,蚜虫种群的数量与草地的平均斑块面积和最大斑块指数显著正相关,与县域的平均几何最邻近距离和面积加权平均斑块面积显著负相关,与耕地的面积加权平均斑块面积显著负相关,与耕地的斑块密度显著正相关。草地斑块面积的增大、区域景观与耕地的破碎化、区域景观的聚集会促进蚜虫种群数量的增加。使用草地的斑块面积和最大斑块指数、区域景观的平均几何最邻近距离可以预测蚜虫种群的发生量。非作物生境草地的斑块面积、耕地的破碎化、区域景观的空间分布及破碎化是影响麦田蚜虫种群发生的重要景观因素。     

景观格局指数间相关关系对植被覆盖度等级分类数的响应

运用景观指数进行景观格局分析已成为景观生态学的主要研究方法。但是,由于景观本身的复杂性以及景观格局指数之间的相关性,其应用与发展受到制约。选用面积/周长/密度、形状和蔓延度等3类共28个指数,以广州市中心城区为研究区域,以TM遥感影像为数据源形成植被覆盖度等级图,在景观类型水平上探讨各类型内指数之间的相关性及其对景观分类数的敏感程度。相关性分析表明:景观格局指数间都存在一定的相关性,但是相关程度差异较大,其中面积/周长/密度类指数间的相关性最强,蔓延度类指数其次,形状类指数间独立性相对较强。敏感性分析结果显示:117个指数对的相关关系都随景观分类数发生变化,根据其变化类型和程度,可以分为简单型、分段型、复杂型等3种指数关系响应的类型,分别包括12、31和74对指数;敏感曲线还表明4或5是指数对之间相关关系最敏感的分类数;不仅如此,分类数对景观格局指数之间相关关系的影响程度因景观格局指数所属的类别而异,面积/周长/密度类型指数不敏感,其次是蔓延度类指数,最敏感的是形状类指数;最后,研究结果表明景观格局指数间的相关性对分类数的敏感性存在较大的空间变异。     

景观生态学原理在城市土地利用分类中的应用

根据城市相同土地利用类型具有相似景观格局特征的原理,探讨了融合景观格局特征指数和遥感技术的城市土地利用信息提取的新方法。以北京市五环内建城区为例,研究表明,在斑块类型水平和景观水平上,居住用地和非居住用地内景观斑块的大小、形状、边缘特征、空间连接度、核心区面积特征、多样性、均匀性等特征都有极显著的差异。进一步融合TM遥感影像和这些景观格局特征指数,提取了居民用地和非居民用地类型,总分类精度是79.7%,Kappa系数达到59.8%。研究揭示,景观生态学原理的引入,为传统的遥感技术应用提供了新的思路,在格局复杂的城市土地利用信息提取中有很大的应用发展潜力。     

Using a sub-pixel mapping model to improve the accuracy of landscape pattern indices

The assessment of landscape spatial patterns is a key issue in landscape management. Landscape pattern indices (LPIs) are tools appropriate for analyzing landscape spatial patterns. LPIs are often derived from raster land cover maps that are extracted from remotely sensed data through hard classification. However, pixel-based hard classification methods suffer from the mixed pixel problem (in which pixels contain more than one land cover class), making for inaccurate classification maps and LPIs. In addition, LPIs generated by hard classification methods are characterized by grain sizes (the sampling unit sizes) that limit the derived landscape pattern to a certain scale. Sub-pixel mapping (SPM) models can enable fine-scale estimation of the spatial patterns of land cover classes without requiring additional data; hence, this is an appropriate downscaling method for land cover mapping. The fraction images generated by soft classification estimate the area proportion of each land cover class within each pixel, and using these images as input enables SPM models to alleviate the mixed pixel problem. At the same time, by transforming fraction images into a finer-scaled hard classification map, SPM models can minimize the influence of grain size on LPIs calculation. In this research, simulated landscape thematic patterns that can provide different landscape spatial patterns, eight commonly used LPIs and a SPM model that maximizes the spatial dependence between neighbouring sub-pixels were applied to assess the efficiency of deriving LPIs from sub-pixel model maps. Results showed that the SPM model can more precisely characterize landscape patterns than hard classification methods can. Landscape fragmentation, class abundance, the uncertainty in SPM, and the spatial resolution of the remotely sensed data influenced LPIs derived from sub-pixel maps. The largest patch index, landscape division, and patch cohesion derived from remotely sensed data with different spatial resolutions through the SPM model were suitable for inter-comparison, whereas the patch density, mean patch area, edge density, landscape shape index, and area-weighted mean shape index derived from the sub-pixel maps were sensitive to the spatial resolution of the remotely sensed data.     

基于高分辨率遥感影像的大洋河河口湿地景观格局变化

综合考虑遥感数据源的高分辨率特性以及大洋河河口湿地土地覆被与土地利用现状,建立了适合不同分辨率的河口湿地景观分类体系,并通过高分辨率遥感数据计算了研究区景观格局指数和景观格局转移矩阵,分析了1984-2008年研究区景观格局动态.结果表明：1984-2008年,研究区湿地景观组分变化剧烈,湿地景观由天然湿地向人工湿地转化,湿地核心区域面积缩减,天然湿地最大斑块面积指数下降,破碎化程度加剧;人工湿地分布面积扩大,斑块数下降,聚合度增大,且最大斑块面积指数的增大趋势明显.研究期间,人类活动对湿地影响的加大以及河堤的修筑和围海养殖面积的增加是大洋河河口湿地面积减少的主要原因,也是该地区湿地功能退化的主要原因之一.制定科学合理的长期发展规划、建立湿地自然保护区、保护河道、制定严格的围海养殖用地监管制度和大力发展资源型旅游产业是河口湿地保护的主要措施.     

测量的区域土地覆盖格局研基于多尺度遥感究

 利用1km、4km和8km 3种空间分辨率的NOAA/AVHRR数字影像,对中国NECT样带西部地区进行了土地覆盖分类及其景观特征的比较研究。重点比较了几种空间分辨率遥感数据分类结果边界的一致性和空间差异,以及影像所记录的景观格局的差异。为进一步在不同尺度上研究景观变化过程以及尺度转换研究奠定了基础。研究表明：3种空间分辨率的遥感影像所反映的区域土地覆盖的宏观空间格局是一致的,但类型的边界、每一类型斑块的形状和数量均产生较大的差异;经过对反映景观空间结构的4种指标（分维数、破碎度、多样性、优势度）的比较显示出随着遥感影像空间分辨率的变化,影像所反映的景观结构发生了较大的变化。其中,各覆盖类型的分维数表现出最大差异,表征着空间分辨率的变化对斑块复杂程度的影响最大。     

测量的区域土地覆盖格局研基于多尺度遥感究

利用1km、4km和8km 3种空间分辨率的NOAA/AVHRR数字影像,对中国NECT样带西部地区进行了土地覆盖分类及其景观特征的比较研究。重点比较了几种空间分辨率遥感数据分类结果边界的一致性和空间差异,以及影像所记录的景观格局的差异。为进一步在不同尺度上研究景观变化过程以及尺度转换研究奠定了基础。研究表明：3种空间分辨率的遥感影像所反映的区域土地覆盖的宏观空间格局是一致的,但类型的边界、每一类型斑块的形状和数量均产生较大的差异;经过对反映景观空间结构的4种指标（分维数、破碎度、多样性、优势度）的比较显示出随着遥感影像空间分辨率的变化,影像所反映的景观结构发生了较大的变化。其中,各覆盖类型的分维数表现出最大差异,表征着空间分辨率的变化对斑块复杂程度的影响最大。     

Scaling up functional traits for ecosystem services with remote sensing: concepts and methods

Ecosystem service‐based management requires an accurate understanding of how human modification influences ecosystem processes and these relationships are most accurate when based on functional traits. Although trait variation is typically sampled at local scales, remote sensing methods can facilitate scaling up trait variation to regional scales needed for ecosystem service management. We review concepts and methods for scaling up plant and animal functional traits from local to regional spatial scales with the goal of assessing impacts of human modification on ecosystem processes and services. We focus our objectives on considerations and approaches for (1) conducting local plot‐level sampling of trait variation and (2) scaling up trait variation to regional spatial scales using remotely sensed data. We show that sampling methods for scaling up traits need to account for the modification of trait variation due to land cover change and species introductions. Sampling intraspecific variation, stratification by land cover type or landscape context, or inference of traits from published sources may be necessary depending on the traits of interest. Passive and active remote sensing are useful for mapping plant phenological, chemical, and structural traits. Combining these methods can significantly improve their capacity for mapping plant trait variation. These methods can also be used to map landscape and vegetation structure in order to infer animal trait variation. Due to high context dependency, relationships between trait variation and remotely sensed data are not directly transferable across regions. We end our review with a brief synthesis of issues to consider and outlook for the development of these approaches. Research that relates typical functional trait metrics, such as the community‐weighted mean, with remote sensing data and that relates variation in traits that cannot be remotely sensed to other proxies is needed. Our review narrows the gap between functional trait and remote sensing methods for ecosystem service management.     

Remote sensing imagery in vegetation mapping: a review

Aims Mapping vegetation through remotely sensed images involves various considerations, processes and techniques. Increasing availability of remotely sensed images due to the rapid advancement of remote sensing technology expands the horizon of our choices of imagery sources. Various sources of imagery are known for their differences in spectral, spatial, radioactive and temporal characteristics and thus are suitable for different purposes of vegetation mapping. Generally, it needs to develop a vegetation classification at first for classifying and mapping vegetation cover from remote sensed images either at a community level or species level. Then, correlations of the vegetation types (communities or species) within this classification system with discernible spectral characteristics of remote sensed imagery have to be identified. These spectral classes of the imagery are finally translated into the vegetation types in the image interpretation process, which is also called image processing. This paper presents an overview of how to use remote sensing imagery to classify and map vegetation cover.Methods Specifically, this paper focuses on the comparisons of popular remote sensing sensors, commonly adopted image processing methods and prevailing classification accuracy assessments.Important findings The basic concepts, available imagery sources and classification techniques of remote sensing imagery related to vegetation mapping were introduced, analyzed and compared. The advantages and limitations of using remote sensing imagery for vegetation cover mapping were provided to iterate the importance of thorough understanding of the related concepts and careful design of the technical procedures, which can be utilized to study vegetation cover from remote sensed images.     

基于遥感的湿地景观格局季相分析

以中国东北地区三江平原北部为研究区域,利用2012年多季相遥感影像作为数据源,结合野外调查数据,应用面向对象的分类方法,根据影像的物候、时相等特征,提取不同月份的湿地信息,进行景观格局季相分析。结果表明:(1)研究区湿地面积、类型格局在同一年不同季节不同月份会有不同幅度的变化,总体呈现缓增骤减的态势。湿地主要分布在低洼地区,主要湿地类型为草本沼泽,其次为河流,其他湿地占总面积比例较小。(2)研究区各阶段湿地都有转化,主要发生在湿地和非湿地之间,多数表现在草本沼泽和草地之间的转化。(3)湿地分布和湿地转化面积主要集中在低海拔区域和低坡度区域,其中海拔100 m和坡度5°以下范围内的湿地分布面积和湿地转化面积占湿地总面积及湿地转化面积的绝大部分。(4)年内季节性湿地转化与降水、温度和湿地植被物候关系密切。     

Comparing and Combining Landsat Satellite Imagery and Participatory Data to Assess Land-Use and Land-Cover Changes in a Coastal Village in Papua New Guinea

In regions lacking socio-economic data, pairing satellite imagery with participatory information is essential for accurate land-use/cover (LULC) change assessments. At the village scale in Papua New Guinea we compare swidden LULC classifications using remote sensing analyses alone and analyses that combine participatory information and remotely sensed data. These participatory remote sensing (PRS) methods include participatory land-use mapping, household surveys, and validation of image analysis in combination with remotely sensed data. The classifications of the swidden area made using only remote sensing analysis show swidden areas are, on average, two and a half times larger than land managers reported for 1999 and 2011. Classifications made using only remote sensing analysis are homogeneous and lack discrimination among swidden plots, fallow land, and non-swidden vegetation. The information derived from PRS methods allows us to amend the remote sensing analysis and as a result swidden areas are more similar to actual swidden area found when ground-truthing. We conclude that PRS methods are needed to understand swidden system LULC complexities.