一种制备逐年土地利用数据的方法
【技术领域】
[0001] 本发明涉及土地利用变化逐年数据的制备。主要运用非同源土地利用数据的时间 和空间值的精度互补的思想制备逐年的较高精度土地利用数据。属于地球科学领域。
【背景技术】
[0002] 土地是人类赖以生存和发展的基础性自然资源，作为地球陆表系统最重要的组成 部分，土地系统是人类一环境关系的纽带和桥梁。土地利用/覆盖变化（Land Use / Cover Change，LUCC)可以诠释某一区域内人类活动对自然环境的影响过程，人类未来自身的生 存和发展需求，通过对土地资源的开发和利用，不断改变着地表的土地利用和土地覆盖，对 区域生态环境和社会经济都带来巨大影响。
[0003] 土地利用变化时空格局变化可延伸为时间变化和空间变化这两个尺度。时间变化 研究主要是关注土地利用类型的面积变化速度、幅度和转移比例等；空间变化的研究主要 是依据土地利用动态信息，划分土地利用类型的空间分布格局，进而明确土地利用类型随 时间演化的动态转化过程。
[0004] 在土地利用数据方面，有利于监督分类、非监督分类、决策树分类等几十家自动分 类算法反演的土地利用产品，如欧空局全球陆地覆盖数据（ESA GlobCover)、马里兰大学地 理系的土地利用分类数据（UMD Land Cover Classification)等，但计算机自动算法精度 非常有限，很多时候无法达到区域研究的精度需求；另一种方法是基于较高分辨率遥感的 人工判读，即人机交互解译出土地利用数据，该方法精度高，但是由于较高分辨率的遥感数 据不连续性，加之人为操作复杂，使得数据年限无法保证连续性。
【发明内容】
[0005] 本发明旨在提出一种能够制备逐年土地利用空间数据的方法，以便可以实现逐年 土地利用变化分析。该方法融合两种土地利用数据，结合其各自提供的有效信息，实现逐年 土地利用空间数据的制备。该方法是一种新的、简便易行的、可快速用于实践的方法。
[0006] 为实现上述目的，本发明的主要内容为： 1)数据获取： 两种不同源数据：一是利用较高分辨率对地观测卫星影像较高空间分辨率（Landsat， 30 m)，通过人工解译制备的土地利用变化数据集（A-LUCC);二是粗空间分辨率（M0DIS， 500 m)的的土地覆盖数据（M-LUCC)。
[0007] 2)数据预处理： 首先对多期A-LUCC数据进行几何精度校正，几何精度校正是通过图像上若干已知点， 即地面控制点，构造一个图像坐标与地理坐标之间的关系式，假定图像坐标为（X，Y)，地理 坐标为（U，V)，则地理坐标与图像坐标之间存在下列关系：
为保证精度和效率，采用9个地面控制点的坐标进行拟合，拟合方程为：
然后，对多期A-LUCC数据进行矢量转栅格，并基于最近邻算法进行栅格数据重采样， 即将空间分辨率重采样为500 m，以保证和M-LUCC的空间分辨率一致。然后对A-LUCC和 M-LUCC的土地利用类型，采用大类的分类标准，分为农田、林地、草地、湿地(含水域)、建设 用地和其他未利用地等六大类(简称农、林、草、湿、城、荒)。
[0008] 3)预设分析窗口 分析窗口上限是整个研究区，下限是窗口内两套数据在2个时间段内均有相同的土 地利用转换类型（转类），在取值区间内分析窗口越小精度越高。本发明通过均匀网格化 (Create fishnet)来判定最小的分析窗口，即把整个研究区分成1X1，4X4，…等亚区作 为分析窗口，在亚区内逐一判读2个研究时段内均有的土地利用转类，且最精细化的网格 亚区即为最优分析窗口。
[0009] 4 )时间变化速率判定 时间变化速率的判定在研究区不同的分析窗口内逐一进行。对不同土地利用类型的时 间变化速率，以A-LUCC的时间段变化值为限定值，参考M-LUCC年际变化值，采用对应数据 差值的方法来计算，这里称之为逐年类归一化线性拟合处理，具体推导过程如下： A-LUCC数据中某土地利用转类i的J 年（J = 7,之…,· /?夕7)变化总量 _可用如下公式表示：
A-LUCC数据中某土地利用转类i的逐年变化量之和#7?,并非一定等于，此 值的表达式为：
式中，#7?为M-LUCC对应转类i的对应年份J 的变化速率；（#7仏" - (#7^, - #%)、···为逐年际间各土地利用转类的面积变化差值。则，如果#7?, _时，需要米用如下方法处理： 使M-LUCC数据各土地利用类型变化的量等于两期A-LUCC数据各土地利用类型变化的 量，即：
式中，J - λ和J分别为研究时间段的任意年份、末年和首年对应的土地利用类 型i变化值，其中7 则有此式可以推导出逐年LUCC类归一化的土地利用类型Y 对应的面积值为：
式中，7无>为LUCC数据中某土地利用转类i的面积d/^/7#7?分别为A-LUCC和M-LUCC 中某一转类i的面积。
[0010] 5)空间变化定位判定 以A-LUCC数据空间分布为准，同分析窗口下M-LUCC的同转类栅格单元分布位置作为 参考，在变化速率值的限定下，利用条件语句判定空间转换位置。即：如果该栅格单元的 动态分布范围与连续两期A-LUCC的研究时段内的同类栅格单元动态分布范围一致，则为 正确的动态转类空间定位；否则，空间范围不一致时，则定位该转类栅格单元到同窗口下 A-LUCC数据的最邻近同转类栅格单元的所属空间，超出2期A-LUCC数据对应转类栅格单元 空间的，依照原M-LUCC的分布空间，进行同分析窗口下的随机分布定位。
[0011] 本发明方法的优势和特点： 1)获取连续时间序列的土地利用数据，将规则网格方法运用到土地利用转类的判读 中，使分析对象更加地精细化，也使逐年信息的扩展更加地合理和准确，且易于操作实现。
[0012] 2)可为区域土地利用的过程变化分析及气候模式的年际下垫面输入提供有效支 持。
【附图说明】
[0013] 图1是制备逐年土地利用数据的流程图 图2是主分析窗口判读实例（30 kmX30 km)图 图3是次分析窗口判读实例（500 mX500 m)图 图4是制备的土地利用数据结果实例（2001年）图
【具体实施方式】
[0014] 本发明所述的一种制备逐年土地利用数据的方法，下面结合
【发明内容】
和附图1对 本发明的原理及【具体实施方式】作进一步阐述。包括如下步骤： 1.数据获取 为了清楚地表述本发明的【具体实施方式】，采用固定的时间段的形式，以中原经济区为 案例区进行说明。
[0015] DA-LUCC 数据获取 本发明采用的A-LUCC 土地利用数据数据格式为矢量，时间为2000年、2005年和2010 年，间隔期5年。
[0016] 2) M-LUCC 数据获取 本发明采用的M-LUCC数据产品具有统一的时间分辨率和空间分辨率且以栅格形式进 行变量表达，具有良好的一致性和完整性。本发明一共选用8年MODIS数据：从2001到2004 年、2006 到 2009 年。
[0017] 2.数据预处理 DA-LUCC预处理。参考"中国科学院资源环境分类方法"，具体分类如下：耕地；林地； 草地；水域；城乡、工矿、居民用地；未利用土地等六大类（以下简称：农、林、草、湿、城、荒)。 首先对A-LUCC数据进行矢量到栅格的转换，栅格分辨率设为500m，栅格赋值方法建议选用 栅格中心点法。
[0018] 2 )对M-LUCC 土地覆盖数据对应A-LUCC的解译分类标准，最终统一将两套数据的 土地利用类型分为农、林、草、湿、城、荒六类。A-LUCC的解译结果即为农、林、草、湿、城、荒六 类，因此不涉及栅格属性的调整；而对M-LUCC，其土地覆盖类型(表1)需要，根据表2统一 属性为：农、林、草、湿、城、荒六类。
[0019] 表1五种土地覆盖分类方案
注：标准I: IGBP，国际地圈生物圈计划-全球植被分类方案；标准2: UMD，马里兰大 学方案；标准3: LAI/fPAR，基于叶面积指数/光合有效辐射吸收比例的MODIS方案；标准 4: NPP，基于净初级生产量的MODIS方案；标准5: PFT，植物功能类型方案。
[0020] 表2对LUCC和MODIS进行重分类规则表
至此，两套土地利用数据有了相同的投影坐标系统和空间分辨率。
[0021] 3.规则网格的分析窗口 网格尺度即分析窗口大小的选择非常重要，它直接影响了分析窗口的大小和信息提取 的精度。最佳的网格尺度是既能避免对象多边形太破碎，又能保证A-LUCC和M-LUCC在多 个时间段均有相同的土地利用转换类型。本发明通过每次设定不同的网格宽度和高度值， 如（1X1)，（4X4)，…等来把整个研究区划分成iXi，i+IXi+l，…等规则亚区，如果第 n+1个亚区内两套数据在多个(至少两个)时间段有相同的土地利用转类而第η个亚区内没 有，那么η+1Χη+1就是所需的最小分析窗口（图1)。在保证精度的情况下考虑到实际工作 量的问题，根据发明人的经验，在区域尺度上推荐将分析窗口预设为500 m原始分辨率的倍 数，这里有以30 kmX30 km的最为分析窗口实例。
[0022] 同理，以重采样后的像元大小为基准，再中间生成500 m X 500 m的次分析窗口， 那么可以得知一个大网格内包含3600个小网格，也就是说，