EN中文

Journal of Geo-information Science >

2016 , Vol. 18 >Issue 10: 1384 - 1398

DOI: https://doi.org/10.3724/SP.J.1047.2016.01384

Orginal Article

Land Cover Mapping and Spatial Pattern Analysis with Remote Sensing in Nepal

  • CAO Xiaomin , 1, 2 ,
  • LI Ainong , 1, * ,
  • LEI Guangbin 1, 2 ,
  • TAN Jianbo 1, 2 ,
  • ZHANG Zhengjian 1 ,
  • YAN Dong 1, 2 ,
  • XIE Han 1, 3 ,
  • ZHANG Shuaiqi 1, 4 ,
  • YANG Yongshuai 1, 2 ,
  • SUN Mingjiang 1, 4
Expand
  • 1. Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, Chengdu 610041, China
  • 2. University of ChineseAcademy of Sciences, Beijing 100049, China
  • 3. Southwest Jiaotong University, Chengdu 610031, China
  • 4. Chengdu University of Information Technology, Chengdu 610225, China
*Corresponding author: LI Ainong, E-mail:

Received date: 2015-03-16

  Request revised date: 2015-04-30

  Online published: 2016-10-25

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Nepal, located in the core region of the Hindu-Kush-Himalayan region, has complicated and diverse land cover classes. Meanwhile, its topography shows a typical transition pattern from plain to mountain, and then to plateau. Land cover mapping of Nepal not only has a great scientific and practical significance to its land resource management and eco-environmental protection, but also contributes greatly to the basic data collection in this area, which will support China’s international regional economic cooperation strategy of “the Belt and Road Initiative”. In this paper, the land cover product of Nepal in 2010 (hereinafter referred to as the NepalCover-2010) was produced from Landsat TM image data sources, based on the combined cartographic method of object-oriented methods and decision trees. The product contains 8 primary categories and 32 secondary categories. Besides, the accuracy validation of the NepalCover-2010 was performed using samples obtained from high-resolution Google Earth imagery. The quantitative structural characteristics of Nepal and the relationships between the spatial distribution of typical land cover classes and the topographical and meteorological elements were analyzed. The results demonstrated that: (1) the overall accuracies of the primary and secondary categories for the NepalCover-2010 are 94.83% and 87.17% respectively. The Kappa coefficients are 0.94 and 0.85 respectively. The NepalCover-2010 can reflect the spatial distribution characteristics of land covers in Nepal. The comparison between the NepalCover-2010 with similar land cover products indicated that the NepalCover-2010 has the best accuracy. (2) Forest is the major land cover class in Nepal, and it accounts for 41% of the total land area of Nepal. Cultivated land accounts for 25% and the area ratio of paddy field to dry land is about 2:3. (3) The topographical and meteorological elements impact greatly on the spatial distribution of land cover classes. The spatial distribution of each land cover class possesses the characteristics of vertical zonality, and the appearance pattern of the typical land cover classes from the south to the north is paddy fields, evergreen broadleaf forests, dry lands, evergreen broadleaf shrubs, evergreen needleleaf forests, steppes, sparse vegetation, snow and ice, along with the increase in altitude.

Key words： the Belt and Road Initiative; Nepal; land cover; spatial pattern; remote sensing

Cite this article

CAO Xiaomin , LI Ainong , LEI Guangbin , TAN Jianbo , ZHANG Zhengjian , YAN Dong , XIE Han , ZHANG Shuaiqi , YANG Yongshuai , SUN Mingjiang . Land Cover Mapping and Spatial Pattern Analysis with Remote Sensing in Nepal[J]. Journal of Geo-information Science, 2016 , 18(10) : 1384 -1398 . DOI: 10.3724/SP.J.1047.2016.01384

1 引言

土地覆被信息在全球变化研究中扮演着十分重要的角色,是地球表面多个学科领域研究的基础数据。作为国际山地综合发展中心（International Centre for Integrated Mountain Development,ICIMOD）的服务对象,兴都库什-喜马拉雅区域（Hindu-Kush-Himalayan region）延绵约430万km2,涉及阿富汗、孟加拉国、不丹、中国、印度、缅甸、尼泊尔和巴基斯坦8个国家,区域内多样且复杂的土地覆被直接或间接构成了该地区13亿人口的生计基础,并维持了该地区的生态系统稳定[1]。然而,兴都库什-喜马拉雅区域快速的社会经济发展和独特的自然环境变化时刻影响着该地区的土地覆被状况,并给山区居民的生计和生态系统的稳定带来了极大的挑战[1]。尼泊尔作为兴都库什-喜马拉雅区域的重要组成部分和典型代表[2],开展其国家尺度的土地覆被遥感制图研究,不仅能够提供详实的土地覆被空间分布信息,同时对该国的国土资源开发与管理、生态环境保护与可持续发展具有重要的科学和实践意义[3]。尼泊尔是中国的友好邻邦,在中国大力倡导“一带一路”国际区域经济合作战略的背景下,尼泊尔土地覆被遥感制图研究工作的开展也能为“一带一路”战略提供基础的数据保障[4]。
尼泊尔是一个典型的山地农业国,1981-2011年境内人口从1502万增长到2662万,年增长率达1.40%[5]。尼泊尔地势北高南低,海拔落差极大,呈现出阶梯状的地貌形态,形成了一个典型的从平原到山地再到高原的过渡地带。全境气候垂直变化非常大,垂直自然带完整,1971-2009年该区域的气温整体呈上升趋势,而同期降水则无明显的长时间变化趋势,仅在局部地区表现出明显的上升或减少[6]。特殊的地形、气候和社会人口特征,造就了尼泊尔地区多样复杂的土地覆被类型[2]。当前,基于遥感技术已经生产了大量不同尺度的土地覆被产品,如全球尺度的IGBP DISCover[7]、UMD Landcover[8]、GlobeLand30[9]等,以及国家尺度的Africover[10]、ChinaCover[11]等,这些土地覆被产品由于数据源、分类系统、分类方法的不同,而具有不同的优势特征,以满足不同的应用需求。然而,尼泊尔自1986年土地资源制图项目后,便没有开展类似的土地资源评估工作,专门针对尼泊尔可利用的国家尺度的土地覆被信息十分有限[12]。
目前,基于遥感影像的土地覆被信息提取方法有基于像元和面向对象之分。面向对象的分类方法除了利用地物的光谱信息外,还充分利用了地物的纹理信息、几何信息以及地物间的相关性特征,避免了基于像元分类方法产生的“椒盐噪声”[13],在土地覆被遥感自动制图领域被广泛使用。中国科学院国际合作重点项目“中尼典型山地生态系统遥感监测对比研究”（GJHZ201320）,采用国内外最新研究成果,开展尼泊尔2010年土地覆被现状遥感制图研究。本文全面介绍了该研究利用面向对象与决策树相结合的土地覆被遥感制图方法生产的NepalCover-2010产品,并在Google Earth高分辨率影像上选取土地覆被样本点完成产品的精度验证工作,此外,该产品还与尼泊尔2012年统计年鉴[5]及GlobeLand30-2010[9]在尼泊尔境内的土地覆被数据进行对比分析。在此基础上,进一步分析尼泊尔土地覆被数量结构特征、空间格局特征与地形和气象要素的关系。

2 研究区概况

尼泊尔位于南亚次大陆北部,地处世界屋脊喜马拉雅山脉的中段南麓,北与中国西藏自治区相接,东、西、南三面与印度接壤,介于80°4′~88°12′ E、26°22′~30°27′ N之间（图1）。尼泊尔地势北高南低,从北面海拔8844 m的世界屋脊经过中部的高山、丘陵地带,到南部海拔低于100 m的平原地带,在近200 km的距离内,地势陡然剧减,形成四大阶梯状的过渡地貌形态区,包括特莱平原区、低山丘陵区、山地河谷区和喜马拉雅高山区（高喜马拉雅和中喜马拉雅）。虽然地处亚热带区,但尼泊尔的气温和降水主要受自身陡峭的地形和印度洋季风影响,复杂的地形环境使得尼泊尔既有高寒气候,也有寒带气候、温带气候和亚热带气候。自南向北,随着地势的抬升,在不同的高度、湿度、气候和土壤中分布着复杂且多样的土地覆被类型,例如阔叶林、针叶林和针阔混交林等林地类型,水田、旱地等耕地类型,以及裸土、冰川/永久积雪等土地覆被 类型[5, 14]。
Fig. 1 The geographical location of Nepal and the spatial distribution of the validation samples

图1 尼泊尔的地理位置和验证样本点空间分布

3 数据与方法

3.1 数据源及预处理

本文采用的遥感影像数据为2010年30 m分辨率的Landsat TM影像,对于缺乏2010年高质量遥感影像（云覆盖率小于5%）的区域,则选择了一些2009年和2011年的影像。为了充分发挥多时相信息在土地覆被遥感制图中的潜力,本文要求各个制图单元必须保证生长季和非生长季各有一期影像覆盖。NepalCover-2010产品生产共采用了32景遥感影像（图2）,均通过USGS数据共享平台（http://glovis.usgs.gov/）获取。由于获取的Landsat TM影像为L1T产品,已经完成了辐射校正和几何纠正,本文在数据预处理方面采用LEDAPS预处理程序包[15]对Landsat TM影像进行了大气校正。
Fig. 2 The Landsat TM images used for producing the NepalCover-2010 product

图2 NepalCover-2010产品生产采用的Landsat TM影像

除了遥感影像外,海拔、坡度、坡向等地形数据以及温度和降水等气象数据也被作为辅助数据参与到土地覆被遥感制图与后续分析中。数字高程数据（DEM）采用ASTER GDEM数据,空间分辨率30 m,并由ERDAS软件计算得到每个像元的坡度和坡向。气温站点数据来源于美国国家气象数据中心NCDC（http://www.ncdc.noaa.gov/）,采用ANUSPLIN软件插值得到年均气温数据。降水数据采用了TRMM卫星的3B43产品（ftp://disc2.nascom.nasa.gov/data/s4pa/TRMM_L3/TRMM_3B43/）,其空间分辨率为0.25°×0.25°,时间分辨率为月。所有辅助数据均需将投影系统转换为与TM影像一致。

3.2 土地覆被遥感制图

3.2.1 土地覆被分类体系
NepalCover-2010产品的生产所采用的分类系统是在参考了多个分类系统[8,16-17]的基础上,并结合尼泊尔实际情况构建而成。该分类系统包括8个一级类和32个二级类,各类别的分类依据见表1。
3.2.2 土地覆被分类方法
尼泊尔土地覆被遥感制图采用面向对象与决策树相结合的分类方法。该分类方法主要包括影像分割、训练样本及影像特征的选取、决策树分类、分类后处理4个步骤。
（1）影像分割。其是面向对象分类方法的基础,是根据同质性或异质性原则将影像中的像元分割成更具有实际意义的目标对象[18]。本研究采用eCognition软件中最常用的多尺度分割算法[19-21]实现影像分割,其中分割尺度、形状指数和紧致度指数是该算法最重要的参数。通过对比不同参数设置的分割效果与实际地物边界的吻合程度,最终确定最优分割尺度为25,形状指数为0.1,紧致度指数为0.7。
（2）训练样本及影像特征的选取。针对分割后的每一景遥感影像,土地覆被样本的选取主要参考Google Earth高分辨率遥感影像和多时相遥感影像,要求每一景遥感影像上选择的样本总数不低于1000,单类土地覆被样本数至少为50。参与训练的影像特征包括遥感影像各波段光谱的均值和标准差、影像纹理特征、几何特征、归一化植被指数（NDVI）、归一化差异水体指数（MNDWI）[22]和归一化建筑用地指数（NDBI）[23]、海拔、坡度、坡向等共计28个。
（3）决策树分类。该分类方法采用分层分类的思想[24]将土地覆被类型逐级细分,分类规则集的构建是该分类方法的核心。利用决策树分类器See5.0[25]对选取的土地覆被样本和影像特征进行训练,从而形成相应的分类规则集。由于不同区域遥感影像获取的时相和土地覆被特征均有所差异,因此本文针对各个区域分别采用决策树分类器See5.0构建分类规则集,从而形成了一系列决策树分类规则集。受篇幅的限制,本文仅以行列号为141/41的区域为例,详细阐述参与各土地覆被类型分类的决策树分类规则集,如图3所示。
Tab. 1 The land cover classification system for Nepal

表1 尼泊尔土地覆被分类系统

Ⅰ级分类 Ⅱ级分类 分类依据
林地 常绿阔叶林 自然或半自然植被,终年常绿,树冠浑圆,C>60%,H>5 m
落叶阔叶林 自然或半自然植被,冬季落叶,夏季葱绿,树冠浑圆,C>60%,H>5 m
常绿针叶林 自然或半自然植被,终年常绿,针状叶,C>60%,H>5 m
落叶针叶林 自然或半自然植被,冬季落叶,夏季葱绿,针状叶,C>60%,H>5 m
针阔混交林 自然或半自然植被,C>60%,H>5 m,针阔比率大于25%,小于75%。
乔木绿地 人工植被,位于人工表面周围,C>60%,H>5 m
灌木林 常绿阔叶灌木林 自然或半自然植被,终年常绿,树冠浑圆,20%<C<40%,0.3m<H<5 m
落叶阔叶灌木林 自然或半自然植被,冬季落叶,夏季葱绿,树冠浑圆,20%<C<40%,0.3 m<H<5 m
常绿针叶灌木林 自然或半自然植被,终年常绿,针状叶,20%<C<40%,0.3 m<H<5 m
灌木绿地 人工植被,位于人工表面周围,20%<C<40%,0.3 m<H<5 m
草地 草甸 自然或半自然植被,水生,C>20%,0.03 m<H<3 m
草原 自然或半自然植被,旱生或中旱生,C>20%,0.03 m<H<3 m
草丛 自然或半自然植被,C>20%,0.03 m<H<3 m
草本绿地 人工植被,位于人工表面周围,C>20%,0.03 m<H<3 m
湿地 草本湿地 自然或半自然植被,以季节半生浮水植物为主的淡水沼泽,C>20%,0.03 m<H<3 m
湖泊 自然水面,静止,蓄水功能
水库/坑塘 人工水面,静止,蓄水功能
河流 自然水面,线性流动
运河/水渠 人工水面,流动,输水、分洪、排涝、给水等功能
河漫滩 自然形成,位于河流周围,洪水期淹没,枯水期出露
耕地 水田 人工植被,土地扰动,以水生作物为主,兼有水旱轮作方式,收割过程
旱地 人工植被,土地扰动,以旱生、抗旱作物为主,收割过程
乔木园地 人工植被,具有经济效益,C>60%,H>5 m
灌木园地 人工植被,20%<C<40%,0.3 m<H<5 m
人工表面 居住地 人工硬表面,居住建筑
工业用地 人工硬表面,生产建筑
交通用地 人工硬表面,线状地物
采矿场 人工挖掘形成的采坑、台阶和露天沟道等
裸露地 稀疏植被 自然或半自然植被,4%<C<20%,0.03 m<H<3 m
裸岩 自然形成,裸露坚硬地表,无植被生长
裸土 自然形成,裸露壤质地表,植被稀少
冰川/永久积雪 冰川/永久积雪 自然形成,固体水库,终年覆盖地表

注：C代表覆盖度/郁闭度（%）;H代表植被高度（m）

Fig. 3 The classification rule sets in decision tree for typical land cover classification

图3 典型土地覆被类型分类的决策树分类规则集

Fig. 4 A diagram showing that the maximum area method is used in selecting the validation samples on the platform of Google Earth

图4 面积占优法选取验证样本点

该分类规则集首先将分割后的遥感影像划分为植被和非植被。植被和非植被在生长季遥感影像上NDVI值差异显著,而在非生长季遥感影像上,部分落叶植被和非植被易于混淆,因此研究主要利用NDVI和MNDWI指数来区分植被和非植被。然后,将植被和非植被进一步细分为低一级的土地覆被类型,其中植被细分为林地、灌木林、草地、耕地和草本湿地,非植被细分为人工表面、裸露地、冰川/永久积雪和水体。非生长季耕地和草地的光谱特征与林地和灌木林在绿波段表现出明显的差异,利用T2_B2_Mean特征予以区分。林地在红波段处于“吸收谷”,故利用T1_B3_Mean特征区分林地和灌木林;而非生长季耕地和草地的NDVI值差异显著,利用T2_NDVI_Mean特征予以区分。湿地中的水在近红外波段具有强吸收特性,利用T2_B4_Mean特征可以区分水体和冰川/永久积雪,以及草本湿地。人工表面和裸露地主要依据NDBI指数予以区分。最后,将上述类别再进一步细分到最低一级的土地覆被类型。以林地的细分为例,阔叶林、针叶林和针阔混交林在近红外波段差异最为敏感,同时非生长季遥感影像上常绿、落叶特征的NDVI值差异最为显著,故利用T1_B4_Mean和T2_NDVI_Mean特征进行林地的细分。灌木林、草地、耕地、人工表面、水体和裸露地的细分与林地的细分类似。
（4）分类后处理。其主要是处理分类精度较低或难以自动提取的土地覆被类型,云和云阴影区,以及相邻区域分类结果不匹配等问题。受遥感影像和分类方法的限制,部分土地覆被类型存在自动分类精度较低或难以自动提取的现象,对此主要结合自动分类结果,采用重新构建分类规则和人工目视解译的方式进行修改。例如,运河/水渠、交通用地等线状地物自动分类后不连续,以及难以自动提取的工业用地、采矿场、乔木绿地、灌木绿地和草本绿地,本文主要利用人工目视解译的方式修改;山区森林的常绿、落叶特征,则采用基于阈值法的常绿、落叶特征自动识别法[26]重新构建分类规则进行修改。对于云和云阴影区,则采用地理临近相似规律和多时相信息予以修改。由于不同区域遥感影像的时相、解译人员的认知等差异,导致相邻区域分类结果不匹配,对此首先找出分类结果不匹配的区域和土地覆被类型,然后采用自动分类的方法重新构建分类规则集进行修改,直至此类问题完全解决。

3.3 精度验证策略

精度验证是土地覆被遥感制图的必要环节。本文采用逐样本对比的方式形成误差矩阵,并选取总体分类精度、用户精度、制图精度、Kappa系数等指标来表征分类精度。
参与精度验证的样本选取主要利用Google Earth高分辨率影像和面积占优法[27]完成。该方法首先将研究区划分成10 km×10 km的格网,然后在每一个格网内,利用Google Earth平台提供的高分辨率影像和图片信息来人工目视判读土地覆被类型,并在格网内选择面积占比最大的土地覆被类型及其分布中心,作为该格网所选土地覆被样本点的类别信息和位置信息。如图4所示,该格网内至少含有6种土地覆被类型,其中水田的面积远大于其他几种土地覆被类型,故在水田的集中分布区选取土地覆被验证样本点。此外,一些在面积上难以占优的土地覆被类型,如河流、河漫滩、居住地,则采用重要性法[27]选取验证样本。为了保证精度验证的客观性,验证样本的选择由经验丰富并了解尼泊尔区域土地覆被特征的制图人员完成。

4 结果与分析

4.1 土地覆被遥感制图与精度验证

利用面向对象分类和决策树相结合的土地覆被遥感制图方法,得到图5所示的NepalCover-2010产品。
基于面积占优法和重要性法共获得验证样本点1528个（图1）,基于该验证样本点建立如表2所示的误差矩阵。NepalCover-2010产品的一级类总体分类精度达94.83%,Kappa系数为0.94;二级类总体分类精度达87.17%,Kappa系数为0.85。制图精度和用户精度均超过二级类总体分类精度（87.17%）的类别包括落叶阔叶林、水田、旱地、河漫滩、居住地和冰川/永久积雪,其中落叶阔叶林的制图精度达到95.51%;旱地的用户精度达到91.88%;河漫滩的制图精度和用户精度达到100%和92.31%;居住地的制图精度和用户精度达到96.30%和100%;冰川/永久积雪的用户精度达到93.16%。
Fig. 5 The final NepalCover-2010 product

图5 2010年尼泊尔土地覆被

Tab. 2 Error matrix of the Nepal land cover map

表2 土地覆被分类结果的误差矩阵

验证点 土地覆被类型
A B C D E F G H I J K L M N O P 总计 制图精度/(%)
A 188 8 3 4 1 204 92.16
B 85 2 1 1 89 95.51
C 27 1 163 3 1 195 83.59
D 4 1 21 6 32 65.63
E 2 6 33 2 3 46 71.74
F 3 12 1 2 18 66.67
G 11 11 100.00
H 134 5 6 3 148 90.54
I 13 2 15 86.67
J 12 12 100.00
K 3 1 142 14 160 88.75
L 11 4 4 5 2 3 2 16 328 375 87.47
M 1 26 27 96.30
N 1 9 39 1 50 78.00
O 3 16 4 23 69.57
P 1 1 1 2 7 2 109 123 88.62
总计 235 96 179 28 48 13 17 157 15 13 161 357 26 50 16 119 1528
用户精度/(%) 80.00 88.54 91.06 75.00 68.75 92.31 64.71 85.35 86.67 92.31 88.20 91.88 100.00 78.00 100.00 93.16
总体分类精度/(%) 87.17
Kappa系数 0.85

注：A为常绿阔叶林;B为落叶阔叶林;C为常绿针叶林;D为常绿阔叶灌木林;E为落叶阔叶灌木林;F为常绿针叶灌木林;G为草甸;H为草原;I为-河流;J为河漫滩;K为水田;L为旱地;M为居住地;N为稀疏植被;O为裸土;P为冰川/永久积雪

从表2可以看出,水田和旱地间的误分（水田误分为旱地16个,旱地误分为水田14个）主要出现在特莱平原和山地河谷地区,这些区域的耕作方式多为水旱轮作或混合种植,因此在遥感影像上水田和旱地界限模糊,不易区分。山区中的地形阴影、云及云阴影,也在一定程度上导致了部分土地覆被类型间的误分,如阔叶林和针叶林之间的误分。而灌木林的分类精度最低,其中常绿阔叶灌木林的制图精度仅为65.63%,落叶阔叶灌木林的用户精度为68.75%,常绿针叶灌木林的制图精度为66.67%。灌木林主要被误分为耕地（5个）和林地（13个）,这主要是因为灌木林、耕地和林地类型多样,并且灌木林的生长通常与耕地、林地相互混杂,在30 m尺度的遥感影像上混合像元现象尤为突出。此外,土壤背景噪音和土壤特性的差异也会影响植被的NDVI值,使灌木林、耕地和林地产生混淆现象,因此导致灌木林的误分。今后可以利用不同土壤调节因子的土壤调节植被指数（SAVI）和改进型土壤调节植被指数（MSAVI）[28]来区分灌木林、耕地和林地,还可引入更高分辨率的遥感影像来辅助修改灌木林分类效果差的区域,以提高灌木林的分类精度。
为了保证产品的有效性和可利用性,本文还采用比较分析法[29]进一步验证NepalCover-2010产品的精度。参与对比分析的数据包括尼泊尔2012年统计年鉴及GlobeLand30-2010在尼泊尔境内的产品。2012年统计年鉴主要是从土地利用的角度对尼泊尔75个县的2010年土地信息进行统计的产品,GlobeLand30-2010是全球尺度30 m分辨率的土地覆被产品。对比前首先需要将3种产品的分类系统转换到一个统一的土地覆被分类系统中,新构建的这个土地覆被分类系统包含8个类别,分别是林地、灌木林、草地、湿地、耕地、人工表面、裸露地和冰川/永久积雪。
Fig. 6 The area proportion for each land coverclass in these three products

图6 3种产品土地覆被类型面积百分比对比

基于统计数据的比较结果如图6所示,各产品间土地覆被类型的面积占比顺序一致,即林地>耕地>草地>灌木林>裸露地>冰川/永久积雪>湿地>人工表面。但对单个土地覆被类型而言,其面积占比在3种产品中各有差异。对于林地,NepalCover-2010中的林地面积占比几乎与Globeland30-2010一致,相差仅0.08%,比2012年统计年鉴中的林地面积仅仅高了约1%。对于耕地,NepalCover-2010中的耕地面积占比与其余2种产品相比低了约2%,但更接近尼泊尔中央银行网站（http://www.nrb.org.np/）公布的耕地面积（32 510 km2）。对于草地,NepalCover-2010中的草地面积占比几乎与2012年统计年鉴一致,约为11%,而Globeland30-2010中的草地面积占比达到了16%。对于冰川/永久积雪,NepalCover-2010中的面积占比几乎与2012年统计年鉴一致,约为6%,比Globeland30-2010中的冰川/永久积雪面积占比高了约3%。裸露地在3种产品中的面积占比差异较小,不到1%。人工表面由于面积较小,在3种产品中的面积占比差异也很小。所以,从与全球土地覆被产品Globeland30-2010和尼泊尔2012年统计年鉴比较结果来看,NepalCover-2010产品总体上更加准确。
采用NepalCover-2010精度验证时获取的1528个验证样本点对转换了分类系统的NepalCover-2010和GlobeLand30-2010分别进行精度验证分析,结果同样也能显示NepalCover-2010总体分类精度比GlobeLand30-2010高出约14.72%（NepalCover-2010的总体精度为94.83%,Kappa系数为0.94;GlobeLand 30-2010总体精度为80.11%,Kappa系数为0.77）。
从制图精度对比分析来看,NepalCover-2010的林地、灌木林、草地、湿地、耕地、人工表面和冰川/永久积雪的制图精度均高于GlobeLand30-2010,其中灌木林和湿地的制图精度高了约40%,冰川/永久积雪高了约26%,耕地高了约13%,林地和人工表面高了约4%（图7（a））。从用户精度对比分析来看,NepalCover-2010林地和耕地的用户精度比GlobeLand30-2010高了约8%,灌木林和草地高了约24%,裸露地高了约80%(图7（b）)。从各土地覆被类型的分类结果来看,NepalCover-2010比GlobeLand30-2010更能体现土地覆被类型在过渡区域的空间分布格局（图8(a)、(b)）;NepalCover-2010产品生产对每个制图单元均采用了生长季和非生长季两景遥感影像,使NepalCover-2010对于冰川/永久积雪和裸露地的划分更为准确（图8(c)）;并且NepalCover-2010产品生产过程中采用了NDVI、MNDWI和NDBI指数,大大消除了植被和水体对人工表面信息提取的影响（图8(d)）。总体而言,NepalCover-2010的整体分类效果优于GlobeLand30-2010,NepalCover-2010能够准确地反映尼泊尔土地覆被的空间结构特征。
Fig. 7 The producer accuracy and the user accuracy for the NepalCover-2010 product and the GlobeLand30-2010 product

图7 NepalCover-2010和GlobeLand30-2010制图精度和用户精度对比

Fig. 8 Comparison of the results between the NepalCover-2010 product and the GlobeLand30-2010 product

图8 NepalCover-2010和GlobeLand30-2010分类结果对比

4.2 尼泊尔土地覆被数量结构特征

尼泊尔划分为东部、中部、西部、中西部和远西部发展区5个经济发展区（图1）,各发展区的国土面积占比分别为19.34%、18.52%、19.98%、28.82%和13.33%。表3展示了尼泊尔国家尺度的土地覆被类型面积统计情况,图9展示了各土地覆被类型在不同发展区的面积占比情况。
Tab. 3 The area and proportion for each land cover class in the Nepal land cover map in 2010

表3 尼泊尔2010年土地覆被类型的面积及比例

Ⅰ级分类 面积/（km2） 比例/（%） Ⅱ级分类 面积（km2） 比例/（%） Ⅰ级分类 面积/（km2） 比例/（%） Ⅱ级分类 面积/（km2） 比例/（%）
林地 60 009.27 40.66 常绿阔叶林 26 794.78 18.16 湿地 2945.41 2.00 草本湿地 101.56 0.07
落叶阔叶林 8 965.31 6.08 湖泊 71.77 0.05
常绿针叶林 23 803.30 16.13 水库/坑塘 42.08 0.03
针阔混交林 440.75 0.30 河流 1057.57 0.72
乔木绿地 5.14 0.00 运河/水渠 17.05 0.01
灌木林 12 811.13 8.68 常绿阔叶灌木林 5 271.21 3.57 河漫滩 1655.37 1.12
落叶阔叶灌木林 6 224.20 4.22 人工表面 512.67 0.35 居住地 427.35 0.29
常绿针叶灌木林 1 314.64 0.89 工业用地 4.61 0.00
灌木绿地 1.07 0.00 交通用地 79.07 0.05
草地 15 898.78 10.77 草甸 1 533.97 1.04 采矿场 1.65 0.00
草原 13 880.24 9.41 裸露地 10 29.96 7.00 稀疏植被 6978.82 4.73
草丛 475.67 0.32 裸岩 373.14 0.25
草本绿地 8.90 0.01 裸土 2978.01 2.02
耕地 36 901.96 25.01 水田 13 938.75 9.45 冰川/永久
积雪		 8160.79 5.53 冰川/永久
积雪		 8160.79 5.53
旱地 22 846.88 15.48
乔木园地 114.90 0.08
灌木园地 1.43 0.00
Fig. 9 The proportion of each land cover class's area in each development zone to the total area of this class

图9 不同发展区土地覆被类型占该类型总面积比例

林地主要分布在特莱平原、楚里亚山脉、马哈帕腊特山脉以及喜马拉雅山脉南坡附近,面积为60 009.27 km2,占尼泊尔国土总面积的40.66%,其中常绿阔叶林和常绿针叶林是最主要的林地类型。林地在中西部发展区的面积比重最大,而在其他各发展区的面积比重差异不大。这主要是由于中西部发展区内包含3个国家森林园（劳拉国家公园、舍伊-博客顺多国家公园、巴尔迪亚国家公园）和1个狩猎保护区（多尔帕坦禁猎保护区）。
耕地主要分布在特莱平原、加德满都谷地、博卡拉谷地、柯西河流域、甘达基流域和卡尔纳利河流域,面积为36 901.96 km2,占尼泊尔国土面积的25.01%。耕地中水田与旱地的分布比例约为2:3,其中近乎3/4的水田集中分布在特莱平原地区,2/3的旱地集中分布在山地河谷区及三大流域的各支流沿线区域。耕地在东部和中部发展区的面积比重最大,二者占耕地总面积达52.10%。这与2个发展区近年来人口持续增长,农业发展迅速,丰富的水资源和适宜的农作物生长环境密切相关。
灌木林主要分布在耕地周围和高喜马拉雅地区,面积为12 811.13 km2,占尼泊尔国土面积的8.68 %,常绿阔叶灌木林和落叶阔叶灌木林是最主要的灌木林类型。东部和中西部发展区的灌木林面积比重最大,占灌木林总面积的55.63%,这些区域的灌木林类型主要是人类破坏原始森林而产生的次生灌木林以及高原地区的原生灌木林。
草地主要分布在山地河谷区和高喜马拉雅地区,面积为15 898.78 km2,占尼泊尔国土面积的10.77%。草原是最主要的草地类型,占草地总面积达87.30%。草地在中西部发展区的面积比重最大,近乎草地总面积的一半,但就中西部发展区自身的国土面积而言,草地在该区的面积比例低于林地。
冰川/永久积雪面积为8160.79 km2,占尼泊尔国土面积的5.53%。它主要分布在高喜马拉雅地区,这里汇聚了世界上海拔8000 m以上的十大高峰中的8座,分别为珠穆朗玛峰、干城章嘉峰、洛茨峰、马卡路峰、卓奥友峰、道拉吉里峰、马纳斯卢峰和安娜普尔 纳峰。裸露地中以稀疏植被为主,稀疏植被面积为6978.82 km2,占尼泊尔国土面积的4.73%,主要分布在冰川/永久积雪附近。二者在西部和中西部发展区分布最为广泛,这主要是由于2个发展区内约1/3的国土都位于喜马拉雅高山区,区内海拔极高、气候严寒不利于植被生长,从而形成了稀疏植被和冰川/永久积雪的格局。
湿地和人工表面面积较小,其中湿地占尼泊尔国土面积的2.00%,以河流和河漫滩为主,二者占湿地总面积达92.11%。人工表面主要分布在农业区和道路沿线,面积比例最小,仅占尼泊尔国土面积的0.35%,以居住地和交通用地为主。

4.3 典型土地覆被类型空间分布格局与地形因子的关系

从图10(a)可看出,各典型土地覆被类型随着海拔的增加表现出明显的垂直地带性特征,各土地覆被类型出现顺序依次为水田、常绿阔叶林、旱地、常绿阔叶灌木林、常绿针叶林、草原、稀疏植被、冰川/永久积雪。其中,水田几乎全部分布在海拔400 m以下的特莱平原地区,这些区域地势平坦,水资源丰富,适宜种植水稻。常绿阔叶林、旱地、常绿阔叶灌木林集中分布在海拔3000 m以下的河谷丘陵地区,其中常绿阔叶灌木林随着海拔的增加出现一个峰值,该峰值位于旱地的集中分布区,主要是人类活动导致的次生灌木林[30]。
随着坡度的增加,各典型土地覆被类型的分布出现3种类型：（1）随着坡度的增加逐渐减少;（2）随着坡度的增加出现“单峰”;（3）随着坡度的增加出现“一峰一谷”。水田的分布属于第（1）种类型,几乎全部分布在坡度低于10°的地区,由于尼泊尔农业灌溉设施并不发达,坡度过高难以达到水稻生长所需的蓄水条件。常绿阔叶林和旱地的分布属于第（3）种类型,2个拐点分别为5°和20°,前者主要是因为坡度低于5°的特莱平原地区水田占主导地位;后者主要是因为高大的马哈帕腊特山脉阻挡形成了河流纵横的低山丘陵和山地河谷地区,这些区域水源充足、土地肥沃。其余典型土地覆被类型的分布属于第（2）种类型,集中分布在坡度低于50°地区,因为坡度过大,水土流失严重不利于植被生长[14,31]（图10(b)）。
由于各典型土地覆被类型的面积在各坡向间分布比例较小,为了更清晰地显示各土地覆被类型随坡向的空间分布比例,本研究用2个坡向图来展示典型土地覆被类型空间分布格局与坡向的关系（图10(c)）。旱地在阳坡的分布比例远大于阴坡,因为尼泊尔的农作物种植以玉米、小麦和油菜籽等喜光作物为主。常绿阔叶林、草原、稀疏植被和常绿阔叶灌木林分布在阳坡及半阳坡的比例稍大,这些地区光照充足,满足植被生长所需。常绿针叶林和冰川/永久积雪虽然分布的海拔明显不同,但在阴坡及半阴坡的分布比例都明显较大,这主要是由于阴坡和半阴坡地区光照不足,在高海拔地区温度较阳坡更低,利于冰川/永久积雪的分布;而在海拔相对较低区域,阴坡和半阴坡的光照和相对湿度都较阳坡和半阳坡更小,针叶林比阔叶林更容易发育[14,32]。
Fig. 10 Relationships between the spatial distribution patterns of typical land cover types and the topographical factors

图10 典型土地覆被类型的空间分布格局与地形因子的关系

4.4 典型土地覆被类型空间分布格局与气象要素的关系

随着年均气温的增加,各典型土地覆被类型的波峰顺序依次为：草原、常绿针叶林、常绿阔叶灌木林、旱地、常绿阔叶林和水田。这与各土地覆被类型随海拔变化的峰值出现顺序正好相反,主要是因为随着海拔的不断上升,气温逐渐降低、热量不足所致,表现出了明显的垂直地带性特征。此外,旱地和常绿阔叶灌木林均在年均气温21 ℃左右,达到分布比例最大值,水田和常绿阔叶林则在年均气温25 ℃左右达到面积最大值,因为这些土地覆被类型中的植被生长和发育都需要充足的热量[33-34]（图11(a)）。
各典型土地覆被类型的分布随年累计降水量的增加而出现多个峰值区,且各土地覆被类型的面积峰值区部分重叠,分别为年累计降水量1200 mm和1800 mm。1200 mm亦为常绿针叶林的面积最大值区,即中喜马拉雅地区,而1800 mm则为水田、旱地和常绿阔叶林的面积最大值区,即河谷丘陵地区和柯西河流域,这些区域的降水主要受高耸的喜马拉雅山脉影响,使得来自印度洋的西南季风被挡形成季风雨,故降雨量充沛而局地分布不均匀[14]（图11(b)）。
Fig. 11 Relationships between the spatial distribution patterns of typical land cover types and the meteorological elements

图11 典型土地覆被类型的空间分布格局与气象要素的关系

5 结论

本文介绍了基于面向对象与决策树相结合的土地覆被分类方法,生产了NepalCover-2010产品。该产品包括8个一级类和32个二级类,其中二级类总体分类精度达到87.17%,Kappa系数为0.85,能够准确地反映尼泊尔土地覆被的空间分布结构。
林地是尼泊尔最主要的土地覆被类型,其面积约占尼泊尔国土面积的41%,主要分布在东部和中西部发展区的森林公园和自然保护区。耕地次之,约占尼泊尔国土总面积的25%,其中水田和旱地的面积分布比例约为2:3,主要集中在东部和中部发展区,这些区域人口持续增长,农业发展迅速。地形和气象要素能够定性地解释尼泊尔土地覆被类型的空间分布格局,不同土地覆被类型的空间分布具有明显的垂直分异特征。自南向北随着地势的抬升,各土地覆被类型出现顺序表现出水田、常绿阔叶林、旱地、常绿阔叶灌木林、常绿针叶林、草原、稀疏植被和冰川/永久积雪的垂直地带性特征。该数据产品可用来定量分析尼泊尔土地覆被格局,并为进一步反演土地覆被历史动态变化趋势乃至分析生态系统服务功能变化打下基础。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Molden D, Sharma E.ICIMOD's strategy for delivering high-quality research and achieving impact for sustainable mountain development[J]. Mountain Research and Development, 2013,33(2):179-183.Thirty years ago, 8 countries of the Hindu Kush-Himalayan region (Afghanistan, Bangladesh, Bhutan, China, India, Myanmar, Nepal, and Pakistan) realized the importance of mountains and established the International Centre for Integrated Mountain Development (ICIMOD). With an 8-country charter, ICIMOD serves as a regional intergovernmental center for cooperation on the sustainable development of the Hindu Kush-Himalayan region. ICIMOD believes in a future in which the region's mountain people can experience enhanced livelihoods, equity, and social and environmental security; in which they can adapt to environmental, socioeconomic, and climate change; and in which generations of mountain and downstream populations can enjoy the benefits and opportunities afforded by the region's natural endowment. ICIMOD foresees a future in which the role of the region, as the water tower for more than a billion people, a cultural and spiritual hub, the home of global biodiversity hotspots, a significant ecological buffer zone, and a source of resources and services for mountain and lowland people, is upheld, valued, and recognized globally and regionally.

DOI

[2]
Bhattarai K, Conway D, Yousef M.Determinants of deforestation in Nepal's central development region[J]. Journal of Environmental Management, 2009,91(2):471-488.The process of deforestation in the Central Development Region (CDR) of Nepal is diverse in space and time, with rapid deforestation still occurring in areas outside the national parks and wildlife reserves. This paper identifies the spatial driving forces (SDFs) of deforestation in the CDR for 1975-2000 using satellite data of 1975 (MSS), 1990 (TM), and 2000 (ETM+) along with socio-demographic...

DOI PMID

[3]
刘纪远,匡文慧,张增祥,等.20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J].地理学报,2014,69(1):3-14.土地利用/土地覆被变化（LUCC）是人类活动与自然环境相互作用最直接的表现形式，本文采用相同空间分辨率的卫星遥感信息源和相同的技术方法，对中国1980 年代末到2010 年土地利用变化数据进行定期更新。在此基础上，提出并发展土地利用动态区划的方法，研究土地利用变化的空间格局与时空特征。我们发现：1990-2010 年的20 年间，中国土地利用变化表现出明显的时空差异。“南减北增，总量基本持衡，新增耕地的重心逐步由东北向西北移动”是耕地变化的基本特征；“扩展提速，东部为重心，向中西部蔓延”是城乡建设用地变化的基本特征；“林地前减后增，荒漠前增后减，草地持续减少”是非人工土地利用类型变化的主要特征。20 世纪末与21 世纪初两个10 年相比，中国土地利用变化空间格局出现了一些新特征，原有的13 个土地利用变化区划单元演变为15 个单元，且部分区划单元边界发生变化。主要变化格局特征为黄淮海地区、东南部沿海地区、长江中游地区和四川盆地城镇工矿用地呈现明显的加速扩张态势；北方地区耕地开垦重心由东北地区和内蒙古东部转向西北绿洲农业区；东北地区旱作耕地持续转变为水田；内蒙古农牧交错带南部、黄土高原和西南山地退耕还林还草效果初显。近20 年间，尽管气候变化对北方地区的耕地变化有一定的影响，但政策调控和经济驱动仍然是导致我国土地利用变化及其时空差异的主要原因。2000 年后的第一个10 年，土地利用格局变化的人为驱动因素已由单向国土开发为主，转变为开发与保护并重。在空间格局变化的分析方法方面，应用“动态区划法”开展世纪之交两个10 年中国LUCC空间格局变化的分析，有效揭示了20 年来中国LUCC“格局的变化过程”，即动态区划边界的推移、区划单元内部特征的变化与单元的消长等；以及“变化过程的格局”，即土地利用变化过程与特征的分阶段区域差异，清晰刻画了LUCC动态区划中区划单元的消长，单元边界的变动，以及前后10 年的变化强度特征，揭示了土地利用“格局”与“过程”之间的交替转化规律，以及不同类型和区域的变化原因，证明了该分析方法的有效性。

DOI

[ Liu J Y, Kuang W H, Zhuang Z X, et al.Spatiotemporal characteristics, patterns and causes of land usechanges in China since the late 1980s[J]. Acta Geographica Sinica, 2014,69(1):3-14. ]

[4]
刘卫东. “一带一路”战略的科学内涵与科学问题[J].地理科学进展,2015,34(5):538-544.一带一路”指“丝绸之路经济带”和“21世纪海上丝绸之路”,是中国为推动经济全球化深入发展而提出的国际区域经济合作新模式.其核心目标是促进经济要素有序自由流动、资源高效配置和市场深度融合,推动开展更大范围、更高水平、更深层次的区域合作,共同打造开放、包容、均衡、普惠的区域经济合作架构.“一带一路”框架包含了与以往经济全球化完全不同的理念,即“和平合作、开放包容、互学互鉴、互利共赢”,这正是丝绸之路文化内涵的体现.本文分析了“一带一路”战略与经济全球化及世界格局变化的关系;剖析了其空间内涵,认为“一带一路”具有多重空间内涵和跨尺度特征,是统筹中国全面对外开放的国家战略.最后,提出了推进“一带一路”建设为地理学提出的几个重要议题,包括地缘政治、国别地理、对外直接外资理论、交通运输优化组织等.

DOI

[ Liu W D.Scientific understanding of the Belt and Road Initiative of China and related research themes[J]. Progress in Geography, 2015,34(5):538-544. ]

[5]
Upadhyay R P.District development profile of NEPAL 2012: a socio-economic development database of Nepal[M]. Kathmandu: Mega Publication & Research Centre, 2012:1-974.

[6]
祁威,张镱锂,高俊刚,等.1971-2009年珠穆朗玛峰地区尼泊尔境内气候变化[J].地理学报, 2013,68(1):82-94. ]利用珠穆朗玛峰南坡尼泊尔境内(科西河流域) 的10 个气象站1971-2009 年月平均气温、月平均最高、最低气温和逐月降水资料, 采用线性趋势、Sen 斜率估计、Mann-Kendall 等方法分析区域气候变化状况及其时空特征, 并与珠穆朗玛峰北坡地区气候进行比较, 分析了珠穆朗玛峰地区气候变化的特征与趋势。结果表明:(1) 1971-2009 年间, 珠穆朗玛峰南坡年平均气温为20.0℃, 线性升温率为0.25℃/10a, 与北坡主要受年平均最低气温影响相反, 增幅主要受年平均最高气温升高的影响, 并且在1974 年及1992 年间出现两次显著增温, 增温特别明显的月份为2 月和9 月;(2) 该地区降水变化的局地性较强, 近40 年间年平均降水量为1729.01 mm, 年平均降水量以每年约4.27 mm的线性增幅有所增加, 但并不显著, 且降水月变化和季变化特征均不明显;(3) 由于珠穆朗玛峰南坡受到季风带来暖湿气流和喜马拉雅山阻挡的双重影响, 珠峰南坡的年平均降水量远高于北坡;(4) 珠穆朗玛峰南坡气温变暖的海拔依赖性并不明显, 且南坡地区的变暖趋势并没有北坡变暖趋势明显。

[ Qi W, Zhang Y L, Gao J G, et al. Climate change on southern slope of Mt. Qomolangma region in Nepal from 1971 to 2009[J]. Acta Geographica Sinica, 2013,68(1):82-94. ]

[7]
Loveland T, Reed B, Brown J, et al.Development of a global land cover characteristics database and IGBP DISCover from 1 km AVHRR data[J]. International Journal of Remote Sensing, 2000,21(6-7):1303-1330.Researchers from the U.S. Geological Survey, University of Nebraska-Lincoln and the European Commission's Joint Research Centre, Ispra, Italy produced a 1 km resolution global land cover characteristics database for use in a wide range of continental-to global-scale environmental studies. This database provides a unique view of the broad patterns of the biogeographical and ecoclimatic diversity of the global land surface, and presents a detailed interpretation of the extent of human development. The project was carried out as an International Geosphere-Biosphere Programme, Data and Information Systems (IGBP-DIS) initiative. The IGBP DISCover global land cover product is an integral component of the global land cover database. DISCover includes 17 general land cover classes defined to meet the needs of IGBP core science projects. A formal accuracy assessment of the DISCover data layer will be completed in 1998. The 1 km global land cover database was developed through a continent-by-continent unsupervised classification of 1 km monthly Advanced Very High Resolution Radiometer (AVHRR) Normalized Difference Vegetation Index (NDVI) composites covering 1992-1993. Extensive post-classification stratification was necessary to resolve spectral/temporal confusion between disparate land cover types. The complete global database consists of 961 seasonal land cover regions that capture patterns of land cover, seasonality and relative primary productivity. The seasonal land cover regions were aggregated to produce seven separate land cover data sets used for global environmental modelling and assessment. The data sets include IGBP DISCover, U.S. Geological Survey Anderson System, Simple Biosphere Model, Simple Biosphere Model 2, Biosphere-Atmosphere Transfer Scheme, Olson Ecosystems and Running Global Remote Sensing Land Cover. The database also includes all digital sources that were used in the classification. The complete database can be sourced from the website: http://edcwww.cr.usgs.gov/landdaac/glcc/glcc.html.

DOI

[8]
Hansen M, DeFries R, Townshend J R, et al. Global land cover classification at 1 km spatial resolution using a classification tree approach[J]. International Journal of Remote Sensing, 2000,21(6-7):1331-1364.This paper on reports the production of a 1 km spatial resolution land cover classification using data for 1992-1993 from the Advanced Very High Resolution Radiometer (AVHRR). This map will be included as an at-launch product of the Moderate Resolution Imaging Spectroradiometer (MODIS) to serve as an input for several algorithms requiring knowledge of land cover type. The methodology was derived from a similar effort to create a product at 8 km spatial resolution, where high resolution data sets were interpreted in order to derive a coarse-resolution training data set. A set of 37 294 x 1 km pixels was used within a hierarchical tree structure to classify the AVHRR data into 12 classes. The approach taken involved a hierarchy of pair-wise class trees where a logic based on vegetation form was applied until all classes were depicted. Multitemporal AVHRR metrics were used to predict class memberships. Minimum annual red reflectance, peak annual Normalized Difference Vegetation Index (NDVI), and minimum channel three brightness temperature were among the most used metrics. Depictions of forests and woodlands, and areas of mechanized agriculture are in general agreement with other sources of information, while classes such as low biomass agriculture and high-latitude broadleaf forest are not. Comparisons of the final product with regional digital land cover maps derived from high-resolution remotely sensed data reveal general agreement, except for apparently poor depictions of temperate pastures within areas of agriculture. Distinguishing between forest and non-forest was achieved with agreements ranging from 81 to 92% for these regional subsets. The agreements for all classes varied from an average of 65% when viewing all pixels to an average of 82% when viewing only those 1 km pixels consisting of greater than 90% one class within the high-resolution data sets.

DOI

[9]
Chen J, Chen J, Liao A, et al.Global land cover mapping at 30m resolution: a POK-based operational approach[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015,103:7-27.Techniques to combine multiple classifier outputs is an established sub-discipline in data mining, referred to as “stacking,” “ensemble classification,” or “meta-learning.” Here we describe how stacking of geographically allocated classifications can create a map composite of higher accuracy than any of the individual classifiers. We used both voting algorithms and trainable classifiers with a set of validation data to combine individual land cover maps. We describe the generality of this setup in terms of existing algorithms and accuracy assessment procedures. This method has the advantage of not requiring posterior probabilities or level of support for predicted class labels. We demonstrate the technique using Landsat based, 30-meter land cover maps, the highest resolution, globally available product of this kind. We used globally distributed validation samples to composite the maps and compute accuracy. We show that geographic stacking can improve individual map accuracy by up to 6.6%. The voting methods can also achieve higher accuracy than the best of the input classifications. Accuracies from different classifiers, input data, and output type are compared. The results are illustrated on a Landsat scene in California, USA. The compositing technique described here has broad applicability in remote sensing based map production and geographic classification.

DOI

[10]
Kalensky Z D.AFRICOVER land cover database and map of Africa[J]. Canadian Journal of Remote Sensing, 1998,24(3):292-297.

[11]
吴炳方,苑全治,颜长珍,等.21 世纪前十年的中国土地覆盖变化[J].第四纪研究,2014,34(4):723-731.土地覆盖变化是陆地生态系统变化的重要组成部分与驱动因素。在全球变化、生态环境建设、经济高速发展等因素的影响下，21世纪前十年中国土地覆盖发生了显著变化，对此变化的监测和分析不但能支持中国碳源/汇的评估和碳收支估算，还可为生态环境变化评估提供基础数据。本研究在面向对象（object-based）的分类技术支持下，利用LandsatTM/ETM数据和HJ-1卫星数据，结合大量外业调查数据生产了30m分辨率的2000年、2010年中国土地覆盖数据（ChinaCover）；采用像元二分法生产了植被覆盖度数据。利用这两个数据集对中国土地覆盖10年的变化特点进行了分析。结果表明，人工表面和林地呈增加趋势，而耕地、湿地和草地面积呈减少的趋势；人工表面的快速增加和耕地面积的大规模减少是这一时期中国土地覆盖变化的最主要特点；土地覆盖类型转换中，耕地转换为人工表面的区域主要集中在我国中东部地区，耕地转换为林地和草地的区域主要分布在退耕还林还草的重点区域，耕地的扩张主要来自三江平原和新疆绿洲的农业开发。以植被覆盖度为评估指标显示森林、灌丛和草地质量总体呈上升趋势，但在汶川地震重灾区、横断山以及武夷山等局部地区的森林质量呈退化趋势；塔里木盆地周围、青藏高原东部、太行山、吕梁山等地区的灌丛植被覆盖度有所下降；内蒙古中部、青藏高原西南部、新疆天山南部、呼伦贝尔等地区的草地出现退化现象。

DOI

[ Wu B F, Yuan Q Z, Yan C Z, et al.Land cover changes of China from 2000 to 2010[J]. Quaternary Sciences, 2014,34(4):723-731. ]

[12]
Uddin K, Shrestha H L, Murthy M S R, et al. Development of 2010 national land cover database for the Nepal[J]. Journal of Environmental Management, 2015,148:82-90.Land cover and its change analysis across the Hindu Kush Himalayan (HKH) region is realized as an urgent need to support diverse issues of environmental conservation. This study presents the first and most complete national land cover database of Nepal prepared using public domain Landsat TM data of 2010 and replicable methodology. The study estimated that 39.1% of Nepal is covered by forests and 29.83% by agriculture. Patch and edge forests constituting 23.4% of national forest cover revealed proximate biotic interferences over the forests. Core forests constituted 79.3% of forests of Protected areas where as 63% of area was under core forests in the outside protected area. Physiographic regions wise forest fragmentation analysis revealed specific conservation requirements for productive hill and mid mountain regions. Comparative analysis with Landsat TM based global land cover product showed difference of the order of 30鈥60% among different land cover classes stressing the need for significant improvements for national level adoption. The online web based land cover validation tool is developed for continual improvement of land cover product. The potential use of the data set for national and regional level sustainable land use planning strategies and meeting several global commitments also highlighted.

DOI PMID

[13]
Yu Q, Gong P, Clinton N, et al.Object-based detailed vegetation classification with airborne high spatial resolution remote sensing imagery[J]. Photogrammetric Engineering & Remote Sensing, 2006,72(7):799-811.In this paper, we evaluate the capability of the high spatial resolution airborne Digital Airborne Imaging System (DAIS) imagery for detailed vegetation classification at the alliance level with the aid of ancillary topographic data. Image objects as minimum classification units were generated through the Fractal Net Evolution Approach (FNEA) segmentation using eCognition software. For each object, 52 features were calculated including spectral features, textures, topographic features, and geometric features. After statistically ranking the importance of these features with the classification and regression tree algorithm (CART), the most effective features for classification were used to classify the vegetation. Due to the uneven sample size for each class, we chose a non-parametric (nearest neighbor) classifier. We built a hierarchical classification scheme and selected features for each of the broadest categories to carry out the detailed classification, which significantly improved the accuracy. Pixel-based maximum likelihood classification (MLC) with comparable features was used as a benchmark in evaluating our approach. The object-based classification approach overcame the problem of salt-and-pepper effects found in classification results from traditional pixel-based approaches. The method takes advantage of the rich amount of local spatial information present in the irregularly shaped objects in an image. This classification approach was successfully tested at Point Reyes National Seashore in Northern California to create a comprehensive vegetation inventory. Computer-assisted classification of high spatial resolution remotely sensed imagery has good potential to substitute or augment the present ground-based inventory of National Park lands.

DOI

[14]
王宏纬. 列国志-尼泊尔[M].北京:社会科学文献出版社,2002.

[ Wang H W.Guide to the World Sataes-Nepal[M]. Beijing: Social Sciences Documentation Publishing House, 2002. ]

[15]
Wolfe R, Masek J, Saleous N, et al.LEDAPS: mapping north American disturbance from the Landsat record[C]. IEEE International Geoscience and Remote Sensing Symposium, 2004:1-4.

[16]
De Fries R, Hansen M, Townshend J, et al.Global land cover classifications at 8 km spatial resolution: the use of training data derived from Landsat imagery in decision tree classifiers[J]. International Journal of Remote Sensing, 1998,19(16):3141-3168.Not Available

DOI

[17]
张磊,吴炳方,李晓松,等.基于碳收支的中国土地覆被分类系统[J].生态学报,2014,34(24):7158-7166.生态系统的碳收支是影响全球变化的重要环节,而土地覆被变化改变了生态系统碳收支的现状、速率.提出了面向碳收支的中国土地覆被分类系统,服务于生态系统碳收支估算和国家生态环境监测.分类系统由一、二级土地覆被类型、三级土地覆被辅助特征构成.通过物质组成、结构、排列、季节特征等19个指标,将土地覆被划分38个二级类型,反映生态系统的碳储量现状.三级土地覆被辅助特征利用9个指标补充了二级土地覆被类型的属性.其中5个环境指标主要反映生态系统碳储备的潜力和强度,土地利用方式指标反映植被演替过程植被碳收支中的人为扰动影响,植被覆盖度、植被生育期、物种特征指标用于进一步细化植被类型.二级类型与三级特征为分层组织的土地覆被产品,有利于产品管理和应用.分类系统已应用到面向全国生态系统碳收支的30m格网的中国土地覆被制图中.

DOI

[ Zhang L, Wu B F, Li X S, et al.Classification system of China land cover for carbon budge[J]. Acta Ecologica Sinica, 2014,34(24):7158-7166. ]

[18]
Baatz M, Hoffmann C, Willhauck G.Object-based image analysis:progressing from object-based to object-oriented image analysis[M]. Berlin: Springer Berlin Heidelberg, 2008:29-42.

[19]
Benz U C, Hofmann P, Willhauck G, et al.Multi-resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information[J]. ISPRS Journal of Photogrammetry &Remote Sensing, 2004,58(3):239-258.Remote sensing from airborne and spaceborne platforms provides valuable data for mapping, environmental monitoring, disaster management and civil and military intelligence. However, to explore the full value of these data, the appropriate information has to be extracted and presented in standard format to import it into geo-information systems and thus allow efficient decision processes. The object-oriented approach can contribute to powerful automatic and semi! : automatic analysis for most remote sensing applications. Synergetic use to pixel-based or statistical signal processing methods explores the rich information contents. Here, we explain principal strategies of object-oriented analysis, discuss how the combination with fuzzy methods allows implementing expert knowledge and describe a representative example for the proposed workflow from remote sensing imagery to GIS. The strategies are demonstrated using the first objectoriented image analysis software on the market, eCognition, which provides an appropriate link between remote sensing imagery and GIS.

DOI

[20]
姜洋,李艳,刘东.基于TM影像属性和形态特征的土地覆被制图方法[J].地球信息科学学报,2014,16(1):117-125.本文以浙江省中南部地区不同时相30m分辨率的2景TM影像为基本数据，采用面向对象的方法实现了研究区的土地覆被制图。首先，在eCognition软件中采用多尺度分割算法，以光谱信息、纹理特征、几何特征等实现研究区的对象分割，使分割后的对象边界与实际地物边界尽量保持一致，通过建立多层次地物特征规则，进行最优分割尺度下的遥感多层次识别分类；然后，分析可用于分类的属性特征和形态特征，通过对这些特征的统计值对比分析，选取了对象的紧致度、长宽比、MNDWI、LBV等特征构建了决策树模型，实现了研究区1：25万的土地覆被分类；最后，采用目视解译和野外样本2种方式对分类结果进行精度验证，其中，目测随机样点评价得到的总体精度为87.66%，野外样本点评价得到的总体精度为83.38%。研究表明：面向对象的分类方法不仅具有较高的精度，而且图斑与实际地物边界能较好地吻合，很好地避免了混合像元误分的现象，同时能消除像元分类的&ldquo;椒盐现象&rdquo;。

DOI

[ Jiang Y, Li Y, Liu D.Land cover mapping method based on TM Image attribute characteristicsand morphological characteristics[J]. Journal of Geo-information Science, 2014,16(1):117-125. ]

[21]
张正健,李爱农,雷光斌,等.基于多尺度分割和决策树算法的山区遥感影像变化检测方法——以四川攀西地区为例[J].生态学报,2014,34(24):7222-7232.山区遥感影像变化检测面临地形效应明显、空间异质性高等不利因素的影响,构建适用于复杂地形条件的变化检测方法一直是遥感应用研究的难点.在对影像进行多尺度分割的基础上,构建对象的多种光谱、形状及地形特征,将地形阴影、物候等造成的虚假变化当作"未变化"训练样本,利用决策树算法自动提取检测规则,建立复杂地形条件下面向对象的遥感影像变化检测方法,并将该方法用于四川攀西山区1989年和2009年TM影像的检测试验,最后对方法的不足和改进措施进行了讨论.主要结论包括:(1)文中构建的方法能够有效减弱山区复杂地形条件对遥感影像变化检测的不利影响,采用地面调查数据和分层随机采样的总体验证精度为93.57%,Kappa系数为0.8706.(2)C5.0决策树算法对于只有"变化"和"未变化"两种类别且同类间训练样本高度异质化的影像分类仍能取得较好的效果,具有较好的鲁棒性和适应能力.通过将地形、物候等引起的虚假变化当作"未变化"训练样本可以有效提高检测精度.(3)光谱特征仍是TM影像遥感分析的主要信息源,影像间NDVI的差值对于植被覆盖区域土地覆盖格局变化的检测具有良好的表征作用.(4)攀西地区1989-2009年间土地覆盖格局变化明显且与人类活动关系密切,典型的驱动方式包括退耕还林(草)工程、水利工程建设和矿山开采等.共检测出变化面积740.2km<sup>2</sup>占影像总面积的2.49%.

DOI

[ Zhang Z J, Li A N, Lei G B, et al.Change detection of remote sensing images based on multiscale segmentation and decision tree algorithm over mountainous area: a case study in Panxi region, Sichuan Province[J].Acta Ecologica Sinica, 2014,34(24):7222-7232. ]

[22]
徐涵秋. 利用改进的归一化差异水体指数 (MNDWI) 提取水体信息的研究[J].遥感学报, 2005,9(5):589-595. ]在对M cfeeters提出的归一化差异水体指数(NDWI)分析的基础上,对构成该指数的波长组合进行了修改,提出了改进的归一化差异水体指数MNDWI(M odified NDWI),并分别将该指数在含不同水体类型的遥感影像进行了实验,大部分获得了比NDWI好的效果,特别是提取城镇范围内的水体。NDWI指数影像因往往混有城镇建筑用地信息而使得提取的水体范围和面积有所扩大。实验还发现MNDWI比NDWI更能够揭示水体微细特征,如悬浮沉积物的分布、水质的变化。另外,MNDWI可以很容易地区分阴影和水体,解决了水体提取中难于消除阴影的难题。

DOI

[ Xu H Q. A study on information extraction of water body with the Modified Normalized Difference Water Index (MNDWI)[J].Journal of Remote Sensing, 2005,9(5):589-595. ]

[23]
陈志强,陈健飞.基于NDBI指数法的城镇用地影像识别分析与制图[J].地球信息科学,2006,8(2):137-140.

[ Chen Z Q, Chen J F.Investigation on extracting the space information of urban land-use from high spectrum resolution image of ASTER by NDBI method[J]. Geo-Information Science, 2006,8(2):137-140. ]

[24]
贾坤,李强子,田亦陈,等.遥感影像分类方法研究进展[J].光谱学与光谱分析,2011,31(10):2618-2623.

DOI

[ Jia K, Li Q Z, Tian Y C, et al.A review of classification methods of remote sensing imagery[J]. Spectroscopy and Spectral Analysis, 2011,31(10):2618-2623. ]

[25]
Friedl M A, Brodley C E, Strahler A H.Maximizing land cover classification accuracies produced by decision trees at continental to global scales[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999,37(2):969-977.Not Available

DOI

[26]
雷光斌,李爱农,边金虎,等.基于阈值法的山区森林常绿、落叶特征遥感自动识别方法——以贡嘎山地区为例[J].生态学报,2014,34(24):7210-7221.森林的常绿、落叶特征是土地覆被产品的重要属性.由于山区地形复杂,地表遥感辐射信号地形效应明显,导致山区森林常绿、落叶特征遥感自动识别一直是难点.提出了一种基于阈值法的山区森林常绿、落叶特征遥感自动识别简单实用方法.该方法利用多源、多时相遥感影像,选择归一化植被指数(NDVI)为指标,通过统计参考样本的NDVI在生长季和非生长季的差异,自动找出区分常绿、落叶特征的阈值,基于判别规则识别山区森林常绿、落叶特征.以贡嘎山地区为例,分别以多时相Landsat TM影像(简称TM)、多时相环境减灾卫星影像(简称HJ)为单源数据,多时相的HJ、TM组合影像为多源数据,验证该方法的有效性.实验结果表明,该方法能够有效识别山区森林常绿、落叶特征,总体精度达到93.87%,Kappa系数为0.87.该方法适用于山区大面积森林常绿、落叶特征遥感自动提取,已被成功应用于"生态十年"专项西南地区土地覆被数据的生产.

DOI

[ Lei G B, Li A N, Bian J H, et al.An practical method for automatically identifying the evergreen and deciduous characteristic of forests at mountainous areas: a case study in Mt. Gongga region[J]. Acta Ecologica Sinica, 2014,34(24):7210-7221. ]

[27]
陈建军周成虎,程维明. GIS 中面状要素矢量栅格化的面积误差分析[J].测绘学报,2007,36(3):344-350.在探讨矢量栅格化的几种形式和产生误差原因的基础上，系统分析在面状要素矢量栅格化的误差分析方法研究方面所取得的进展，指出当前分析方法存在的主要问题，并提出利用结构性栅格数据进行面状要素矢量栅格化的误差分析方法，然后以土地利用数据的栅格化为例进行实证研究。研究表明，常规分析方法很大程度上低估了栅格化的误差，因为没有充分考虑栅格化误差存在空间上的“此消彼长”现象。建议采用结构性栅格数据来改善栅格化误差分析，对误差作基于格网的量化计算，并标记在单元格上。它能有效地区分“此消”与“彼长”导致的误差，使面状要素栅格化的误差分析更加全面、客观、准确，且容易进行误差的量化分析与表示。

DOI

[ Chen J J, Zhou C H, Cheng W M.Area error analysis of vector to raster conversion of areal feature in GIS[J]. Acta Geodaetica et Cartographica Sinica, 2007,36(3):344-350. ]

[28]
李晶,徐涵秋,李霞,等.水土流失区马尾松林植被提取的土壤调节指数分析[J].地球信息科学学报,2015,17(9):1128-1134.为实现水土流失区植被遥感信息的准确提取,本文采用2007年ALOS 10 m多光谱影像,利用土壤调节植被指数SAVI和MSAVI,对福建长汀水土流失区马尾松林不同植被覆盖密度的3个实验区进行植被提取,并选用不同的土壤调节因子（<em>L</em>=0.25,0.5,0.75,1）做实验,将结果和以NDVI植被指数提取的结果进行对比,分析了提取效果及受土壤噪音的影响程度。实验表明,SAVI指数能提高水土流失区的植被提取精度。在中、低植被覆盖区,其提取的总精度比NDVI高出2%~7%,Kappa系数高出7%~18%;而土壤调节因子<em>L</em>的取值对植被信息的提取也呈现出一定的规律性,即：随着<em>L</em>从0向1递增,SAVI提取稀疏植被的能力上升而探测阴坡植被的能力下降。总体来看,对于低植被覆盖和中等植被覆盖地区,可分别用SAVI（<em>L</em>取0.75）和SAVI（<em>L</em>取0.5）来提取植被信息,对于高植被覆盖区,仍可直接用NDVI进行植被信息提取;研究发现MSAVI在植被信息提取中并不具有特别的优势。

DOI

[ Li J, Xu H Q, Li X, et al.Vegetation information extraction of pinus massoniana forest in soil erosion areas using soil-adjusted vegetation index[J]. Journal of Geo-Information Science, 2015,17(9):1128-1134. ]

[29]
宋宏利,张晓楠.中国区域多源土地覆被遥感产品精度分析与验证[J].农业工程学报,2012,28(22):207-214,296-297.国家及区域尺度的土地覆被信息对于解决环境演变、生物多样性保护、生态系统评价及环境建模等一系列问题起着至关重要的作用。该文以中国科学院CHINA2000数据为参考，从国家尺度比较了当前全球4种土地覆被遥感产品的分类精度，以便解释验证数据与参考数据在空间及专题上的一致性和异质性。结果表明：与参考数据相比，4种遥感产品的土地覆被类别的空间分布，从整体上表现出较高的一致性，但在局部区域差异性较大，特别是在景观异质性较强的西南和东南地区；GLC2000遥感产品从相关系数和总体精度方面都表现出与参考数据较好的一致性，其相关系数为0.92，总体精度为55.86%，GLOBCOVER产品则表现出与参考数据较差的一致性；4种产品与参考数据在空间上表现出明显的混淆现象，混淆主要发生于林地、灌木、草地和耕地之间，这表明粗空间分辨率遥感产品在识别叶类土地覆被类型的能力上仍需要改进，该文为中国用户合理利用遥感产品提供了科学合理的依据。

[ Song H L, Zhang X N. Precision analysis and validation of multi-sources landcover products derived from remote sensing in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012,28(22):207-214,296-297.]

[30]
Pandit S.Forest cover and land use changes: a study of Laljhadi forest (corridor), far-western development region, Nepal[D]. Kathmandu: Tribhuvan University, Central Department of Environmental Science, 2011.

[31]
Higaki D, Karki K K, Gautam C S.Soil erosion control measures on degraded sloping lands: a case study in midlands of Nepal[J]. Aquatic Ecosystem Health & Management, 2005,8(3):243-249.This paper presents the results of inserting erosion control works in a degraded river terrace slope of Midlands, Nepal. Gully surface erosion was monitored. Countermeasures adopted for gully erosion were check dams, channel protection and plantation works. They reduced the gully head retreats by 14 to 73 percent in three studied gullies after the countermeasures were fully functional. Gully head expansion takes place by the formation of cracks in the dry season followed by block collapse in the wet season. Surface erosion rate on laterite slopes varied from 0.03 to 1.53 cm y 鈭 1 depending on land cover and slope gradient. Conservation works such as terrace construction combined with compost application was found to be effective for the vegetation recovery on the degraded slope. Conservation works should be based on the use of local materials and techniques that can yield direct benefit to the local population.

DOI

[32]
沈泽昊,张新时,金义兴.地形对亚热带山地景观尺度植被格局影响的梯度分析[J].植物生态学报,2000,24(4):430-435.

[ Shen Z H, Zhang X S, Jin Y X.Gradient analysis of the influence of mountain topography on vegetation pattern[J]. Acta Phytoecologica Sinica, 2000,24(4):430-435. ]

[33]
徐兴奎,林朝晖,薛峰,等.气象因子与地表植被生长相关性分析[J].生态学报,2003,23(2):221-230.降水和气温是影响地表植被覆盖状况的两个重要的气象要素 ,地表植被的生长对它们的响应又存在一定的滞后效应。利用我国 334个气象台站和 1 982～ 1 994年 NOAA- AVHRR卫星数据 ,通过相关分析研究了我国 4～ 7月份各气候区域降水和活动积温对地表植被的影响。结果显示 ,不同的气候区域和月份 ,降水和积温对地表植被的作用程度明显不同 ;前期降水和活动积温对植被作用的有效时间尺度也分布不均 ,并与土壤质地类型分布有关 ,因此 ,通过某一固定时间尺度的降水或活动积温不能准确的预测大区域地表植被的生长状况。

[Xu X K, Lin Z H, Xue F, et al.Correlation analysis between meteorological factors and the ratio of vegetation cover[J]. Acta Ecologica Sinica, 2003,23(2):221-230.]

[34]
冯秀藻,陶炳炎.农业气象学原理[M].北京:气象出版社,1991:72-127.

[ Feng J Z, Tao B Y.Principle of agrometeorology[M]. Beijing: China Meteorological Press, 1991:72-127. ]

Options
Outlines

/

〈 〉