CN110210438B - 北方土石山区水土流失监测土地利用/覆盖分类方法 - Google Patents
北方土石山区水土流失监测土地利用/覆盖分类方法 Download PDFInfo
- Publication number
- CN110210438B CN110210438B CN201910497854.8A CN201910497854A CN110210438B CN 110210438 B CN110210438 B CN 110210438B CN 201910497854 A CN201910497854 A CN 201910497854A CN 110210438 B CN110210438 B CN 110210438B
- Authority
- CN
- China
- Prior art keywords
- land
- soil
- water
- coverage
- classification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Abstract
本发明公开一种北方土石山区水土流失监测土地利用/覆盖分类方法,基于高分辨率遥感影像和中比例尺地形图数据,采用分层划分提取的方法,逐层控制,逐层细化,采用定量和定性相结合的方法对土地利用/覆盖进行三级分类,一级类采用高分辨率遥感影像的波段光谱进行组合计算定量划分,二级、三级类多、采用定性的分类方法区分,首先是对水域及水利设施进行划分,其次是交通运输用地、再次是城镇及工矿用地,最后再进行耕地、园地、林地、草地及其他。本发明专业特色突出且满足水土流失监测需求,土地利用分类、分层清晰且内容全面,提升土壤侵蚀计算成果质量、有效评价成果精度,对研究、推进水土流失动态监测的基础单元的发展是十分必要的。
Description
技术领域
本发明属于水土流失监测技术领域,具体涉及一种基于高分辨率遥感影像和中比例尺地形图数据的北方土石山区水土流失监测土地利用/覆盖分类方法。
背景技术
土地利用分类是按土地的自然和经济属性及其因素进行的综合性分类,具体来讲是以土地的覆盖特征、经营目的和利用方式为主要依据和标志的分类,它反映的是一个时期的土地利用实际状况。土地利用类型是指土地利用相同的单元土地,通常将覆盖特征、经营目的和利用方式基本一致的单元土地划为一种土地利用类型;土地覆盖是指地表自然形成的或者人为引起的覆盖状况。土地利用与土地覆盖两者具有因果关系,土地利用能够改变区域土地覆盖,同样土地覆盖对土地利用的方式、方法也产生作用。土地利用/覆盖变化(LUCC)在全球变化和可持续发展中占有重要地位,人类活动改变土地利用或土地覆盖,影响当地甚至全球水循环、环境质量、生物多样性及陆地生态系统生产力。由于土地利用与土地覆盖两者间存在密不可分的联系,且它们对地球系统有着广泛而深刻的影响,所以在全球环境变化研究中把它们联系起来给予关注。
(1)现有土地利用现状分类难以满足区域水土流失监测专业需求,即水土流失监测重点关注的易产生水土流失的土地利用类型在分类中未能全面体现。
土地利用是反映下垫面状况的重要指标,也是水土流失监测评价的基础。不同土地利用类型的水土流失特征、水土保持效益及分析评价方法都存在显著差异,在水土流失监测工作中重点关注的是人为活动以及水土保持措施对水土流失的影响。现有的土地利用现状分类体系下所获取的土地利用,未能与土壤侵蚀计算中采用的CSLE模型紧密结合,对土壤侵蚀模型计算的适用性不强,模型计算时所必需的水土保持措施类型在分类中未能体现,如耕地、园地中未进一步区分工程措施,以上地类内部水土流失状况差异难以精准体现。土地利用因受人为活动影响显著,其是否处于扰动状态所产生的水土流失影响是截然不同的。现有分类体中未对其进行区分,如城镇村及工业用地、交通用地等地类的在建状态与已建状态的水土流失存在差异。后期在侵蚀计算中使用解译的土地利用成果时,仍需在已分类基础上再次解译及构建水土保持措施,增加解译工作量,工作重复率高。实际应用中证实现有土地利用现状分类不能满足水土流失监测的需求。
(2)现有土地利用现状分类层次难以满足数据源精度和水土流失评价要求
现有土地利用现状分类主要是从国土空间规划用途管控角度考虑,采用两级分类,部分地类划分层次尚不能满足水土流失监测要求。从水土流失监测角度看,部分地类内部仍包含若干个子地类。各子地类之间因工程措施状况(旱地、果园、茶园)或人为活动的干扰程度的不同(城镇村及工业用地、交通用地、水域及水利设施用地),其水土流失情况存在着较显著的差异。目前的土地利用现状分类体系没有对其做进一步的细分,如旱地/果园/茶园里都包括平地、坡地、梯田,以上三个子类在其地形、坡度特征及工程措施上存在明显区别,将其三个子类合并到一起则不能精确有效的评价水土流失状况。人为活动对地表的扰动与否即在建或已建状态下的(城镇村及工业用地/交通用地/水域及水利设施用地)所造成的水土流失情况是截然不同,现有土地利用现状分类未对其区分,故不能有效的评价区域水土流失状况。
(3)部分地类划分过细、特殊地类分类界定不明
有些地类在土壤侵蚀计算的指标上是一致的,计算结果的差异较小,没有必要进行细分。如建设用地划分为城镇建设用地、农村建设用地、其他建设用地此三类同属为人工地表构筑物,对于已建成状态来说,水土流失微弱并且之间的差异不大。从水土保持专业的应用来看将其进行区分其实际意义不大,而且还增加了解译及计算过程的工作量。
随着区域经济的发展及政策的转变,在特定时段内产生了某些特殊的土地利用类型,如撂荒地、光伏发电、风力发电等。撂荒地(近年来因农业人口进城务工,耕地闲置耕地长满杂草产生了耕地撂荒现象)。光伏/风力发电项目(新能源的开发利用,清洁能源项目的投入建造。以光伏/风力发电系统为主,包含各类建(构)筑物及检修、维护、生活等辅助设施在内的占地范围)。以上两种类型目前在此区域较为典型,会对区域水土流失监测的计算结果产生不同程度的影响。现有土地利用现状分类体系中未对此类做出明确的界定,未能及时反映土地利用中的新变化。
发明内容
发明目的:针对现有技术存在的不足,本发明的目的是提供一种的北方土石山区水土流失监测土地利用/覆盖分类方法,采用了多源数据,以高分辨率遥感影像与中比例尺地形数据的联合应用;构建了面向水土流失监测的土地利用分类体系,专业特色突出;通过遥感影像“色、形、位”等特征溯源地类实景样本,建立了完整的解译标志体系。
技术方案:为了实现上述发明目的,本发明采用的技术方案如下:
一种北方土石山区水土流失监测土地利用/覆盖分类方法,基于高分辨率遥感影像和中比例尺地形图数据,采用分层划分提取的方法,逐层控制,逐层细化,采用定量和定性相结合的方法对土地利用和覆盖进行三级分类,一级类多采用高分辨率遥感影像的波段光谱进行组合计算定量划分,二级、三级类多、采用定性的分类方法区分,首先是对水域及水利设施进行划分,其次是交通运输用地、再次是城镇及工矿用地,最后再进行耕地、园地、林地、草地及其他。
具体包括以下步骤:
(1)根据归一化水体指数(Normalized Difference Water Index,NDWI)设置合适的阈值定量划分7-水域及水利设施用地;
(2)参照交通道路图进行定性区分6-交通用地;
(3)根据比值居民地指数(Ratio Resident-area Index,RRI)确定5-城镇村及工矿用地范围,设置合理阈值进行划分;
(4)根据植被归一化指数(Normalized Difference Vegetation Index,NDVI),从地物中区分出植被覆盖区域,其中包括耕地、园地、林地、草地四种地类;
(5)将未分地类划分为8-其他土地,再按照地表组成物质不同做二级类划分。
进一步地,步骤(1)中,归一化水体指数的计算方法为:
NDWI=(Green-NIR)/(Green+NIR)
式中:NDWI表示归一化水体指数,Green表示绿光波段,NIR表示近红外波段;
进一步地,步骤(2)中,所述6-交通用地按其建设状态将正在建设的划分为61-在建交通用地,由于建造过程中会产生较大水土流失故单独对此过程中的用地划分;对于已建成的按其路面宽度进行区分,以乡道路面宽度为标准,乡道及以下级别道路为62-农村道路,乡道以上道路级别为63-其他交通用地。
进一步地,步骤(3)中,比值居民地指数的计算方法为:
RRI=Blue/NIR
式中:RRI表示比值居民地指数,Blue表示蓝光波段;NIR表示近红外波段。
进一步地,步骤(3)中,所述5-城镇村及工矿用地按土地使用性质的不同进一步划分为51-城镇村及工业用地、52-采矿用地,所述52-采矿用地而言多为矿产资源的开发迹地,其地表扰动较明显且影像各波段DN值较高,依据亮度(Brightness)值进行区分,计算方式为:
进一步地,步骤(4)中,植被归一化指数的计算方法为:
NDVI=(NIR-Red)/(NIR+Red)
式中:NDVI表示植被归一化指数,NIR表示近红外波段,Red表示红光波段。
进一步地,步骤(4)中,在已划分的植被区域基础上通过构建黄度指数(Yellow),划分1-耕地,所述黄度指数的计算方法为:
Y=Green+Red-2*Blue
式中:Y表示黄度指数,Green表示绿光波段,Red表示红光波段,Blue表示蓝光波段。
进一步地,在步骤(4)的基础上通过灰度共生矩阵(Gre Level ConcurrenceMatrix,GLCM)的同质性(Homogeneity)划分2-园地,同质性的计算方式如下:
式中:Homogeneity表示同质性,i表示行数;J表示列数;Pi,j像元i,j坐标的归一化亮度值;N表示总行数或者总列数。
进一步地,在步骤(4)划分基础上,通过近红外波段均值划分4-草地,近红外均值计算方式如下:
有益效果:与现有技术相比,本发明具有以下优点:
1)专业特色突出且满足水土流失监测需求
本发明的土地利用/覆盖分类体系立足于区域水土流失监测生产实践的需要,针对水土流失监测重点关注的工程措施及人为活动的干扰,对各地类进行了详细的划分。其中对耕地、园地根据其工程措施的有无进行了三级类划分;对城镇村及工业用地、交通用地、水域及水利设施用地的人为扰动情况即建设完成情况做了进一步划分。通过合理的分类能够有效的区分以上地类间水土流失情况的差异,划分结果能够与CSLE模型计算紧密结合。该土地利用/覆盖分类体系能够较好的满足区域水土流失监测需求。
2)土地利用分类、分层清晰且内容全面
本发明的土地利用/覆盖分类体系采用多级分类、逐级续分,部分地类细分到三级类。其中一级类(耕地、园地、林地、草地、交通用地、水域及水利设施用地、其他土地)与土地利用现状分类(GB/T21010-2017)中一级类衔接,可保证数据成果与其他行业部门的交流共享的畅通。二级类中对耕地、园地按照利用方式不同进行划分;林地按照植被类型及林分结构等进行划分;城镇村及工业用地、交通用地、水域及水利设施用地按照人为活动干扰等方面进行划分。三级类中重点对旱地、果园、茶园中的水土保持措施的差异进行划分。对区域内的某些特殊地类进行了界定及归并,该土地利用/覆盖分类体系涵盖区域所有土地利用类型,同时对各地类的解译标志的纹理、色彩、位置及影像和对应地类现状照片,做了详细的特征描述及说明。
3)分类体系最大化利用数据源精度
土地利用/覆盖分类体系的分级地类与遥感影像的分辨率及地形图数据的比例尺有密切的关系。本发明的土地利用/覆盖分类体系是基于高分辨率遥感影像和中比例尺地形图数据,针对水土流失监测需求所构建的。目前高分辨率遥感影像的分辨率已从米级到亚米级甚至提高到厘米级,具有更加丰富的空间信息和更清晰的图像纹理信息。对于一级、二级类地物很容易且能清晰的从遥感影像中区分出来,对于三级地类的辨别上可结合遥感影像的高光谱分辨率、高空间分辨率、高时间分辨率以及中比例尺地形数据的多源数据联合应用进行解译。通过综合应用多种数据信息可以对旱地、果园、茶园地类,从工程措施的差异进一步的精准细分。该土地利用/覆盖分类体系是以高分辨率遥感信息和中比例尺地形图为主体的多源数据复合的分类系统,能较好的满足水土保持监测的精度要求。
4)提升土壤侵蚀计算成果质量、有效评价成果精度
土地利用变化直接影响到土壤侵蚀强度变化,土地利用与土壤侵蚀有着密不可分的关系。土地利用分类体系合理与否,对土壤侵蚀计算结果精确度产生较大的影响。本发明的土地利用/覆盖分类体系是从水土保持监测需求角度出发,紧密结合CSLE模型的计算方法来构建。因此,可在此土地利用/覆盖分类三级地类基础上,对各措施因子进行快速精确的赋值,提高工作效率,同时能够对模型计算过程中误差产生因素进行有效控制,从而提升区域水土流失监测成果的质量。在对土壤侵蚀计算成果复核验证时,可通过详细准确的土地利用分类图斑,精准有效的追溯到具体空间位置上。结合与土壤侵蚀计算的相关因子进行合理的分析,即可对计算结果的准确性做出合理性评判。为研究、推进水土流失动态监测的基础单元的发展是十分必要的。
附图说明
图1是北方土石山区水土流失监测土地利用/覆盖分类步骤的主要流程图;
图2是北方土石山区水土流失监测土地利用/覆盖分类方法步骤图;
图3是桐柏县土地利用现状分布图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,实施例在以本发明技术方案为前提下进行实施,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
为了能更好的适用于北方土石山区水土流失监测的需要,更好地反映一定时期的土地利用实际状况。明确其应用目的,科学合理的从水土流失监测角度进行土地资源类型的划分。本发明基于高分辨率遥感影像和中比例尺地形图数据,建立一套符合水土保持专业特色的北方土石山区水土流失监测土地利用/覆盖分类。
本发明明确构建目标从人类活动对水土流失的影响和水土保持措施角度考虑,立足于合理的分类原则,兼顾分类体系的逻辑严密性,采用科学的多级分类方式进行逐级续分;在既有土地利用现状分类基础上进行了“归并、调整、增设”。其中一级类(耕地、园地、林地、草地、交通用地、水域及水利设施用地)与土地利用现状分类(GB/T21010-2017)中一级类衔接;二级类主要按照利用方式、植被类型、人为活动干扰情况等进行“调整、归并”等处理,在耕地中因遥感影像难以辨识水浇地与旱地故将水浇地“归并”到旱地,林地中按按照经营活动特点、防护作用以及植被类型对二级类进行“调整”划分为防护林、用材林和其他林地,对防护林按林分结构特征分为乔木林和灌木林;“增设”三级类对旱地、果园、茶园从措施类型差异进一步划分。城镇村及工矿用地二级类重点考虑人类活动对水土流失的影响,三级类重点从是否正在扰动角度考虑。交通用地二级类重点考虑人类活动对水土流失的影响、以及是否正在扰动考虑。其他土地,按照地表组成物质划分二级类。
本发明的北方土石山区水土流失监测土地利用/覆盖分类方法,基于高分辨率遥感影像和中比例尺地形图数据,确定分层划分提取的方法,逐层控制,逐层细化。采用定量和定性相结合的方法进行分类,其中一级类多采用高分辨率遥感影像的波段光谱进行组合计算定量划分,二、三级类多采用定性的分类方法区分。首先是对水域及水利设施进行划分,其次是交通运输用地、再次是城镇及工矿用地,最后再进行耕地、园地、林地、草地及其他。
具体包括以下步骤:
(1)根据归一化水体指数(Normalized Difference Water Index,NDWI)设置合适的阈值定量划分7-水域及水利设施用地;归一化水体指数的计算方法为:
NDWI=(Green-NIR)/(Green+NIR)
式中:NDWI表示归一化水体指数,Green表示绿光波段,NIR表示近红外波段;
7-水域及水利设施用地进一步按建造状态及扰动情况定性划分为71-在建引、蓄及水利枢纽工程,72-其他水域及水利设施用地。
(2)参照交通道路图进行定性区分6-交通用地;6-交通用地按其建设状态将正在建设的划分为61-在建交通用地,由于建造过程中会产生较大水土流失故单独对此过程中的用地划分;对于已建成的按其路面宽度进行区分,以乡道路面宽度为标准,乡道及以下级别道路为62-农村道路,乡道以上道路级别为63-其他交通用地。
(3)根据比值居民地指数(Ratio Resident-area Index,RRI)确定5-城镇村及工矿用地范围,设置合理阈值进行划分;比值居民地指数的计算方法为:
RRI=Blue/NIR
式中:RRI表示比值居民地指数,Blue表示蓝光波段;NIR表示近红外波段。
5-城镇村及工矿用地按土地使用性质的不同进一步划分为51-城镇村及工业用地、52-采矿用地,52-采矿用地而言多为矿产资源的开发迹地,其地表扰动较明显且影像各波段DN值较高,依据亮度(Brightness)值进行区分,计算方式为:
51-城镇村及工业用地按建造状态的差异进一步划分,虽同为人工构筑物,但其在建过程中存在较严重的水土流失,故将根据其建设状态把在建阶段的用地进行区分,划分为511-在建城镇村及工业用地、512-其他城镇村及工业用地。
(4)根据植被归一化指数(Normalized Difference Vegetation Index,NDVI),从地物中区分出植被覆盖区域,其中包括耕地、园地、林地、草地四种地类;
步骤(4)中,植被归一化指数的计算方法为:
NDVI=(NIR-Red)/(NIR+Red)
式中:NDVI表示植被归一化指数,NIR表示近红外波段,Red表示红光波段。
(4.1)在已划分的植被区域基础上通过构建黄度指数(Yellow),划分1-耕地,黄度指数的计算方法为:
Y=Green+Red-2*Blue
式中:Y表示黄度指数,Green表示绿光波段,Red表示红光波段,Blue表示蓝光波段。
1-耕地中按照水、旱生作物定性划分二级类(11-水田、12-旱地)。其中11-水田主要经营作物是水稻田面平整度较好,其平原区和丘陵区的水田产生水土流影响均较小,无明显差异故不再进一步划分;12-旱地对于水土流失的影响主要体现在坡度和梯田措施两方面,其内部水土流失存在明显的差异,在12-旱地基础上增设三级类(121-平地、122-坡耕地、123-梯田)。将没有坡面工程措施的旱地以2°的坡度为临界值,划分为121-平地和122-坡耕地,其坡面有工程措施的划为123-梯田。
(4.2)在步骤(4)的基础上通过灰度共生矩阵(Gre Level Concurrence Matrix,GLCM)的同质性(Homogeneity)划分2-园地,同质性的计算方式如下:
式中:Homogeneity表示同质性,i表示行数;J表示列数;Pi,j像元i,j坐标的归一化亮度值;N表示总行数或者总列数。
2-园地中无论是果园还是茶园,在抚育经营管理过程中受人为扰动的影响较大,所产生的水土流失影响较严重,基于坡度和坡面工程措施两个指标,将没有坡面工程措施的以2°的坡度为临界值,将21-果(22-茶)园划分为211-平地果(221-茶)园、212-坡地果(222-茶)园,其坡面有工程措施的213-梯田果(223-茶)园。
(4.3)3-林地对于某特定区域来说,其空间分布往往是在此区域的较高位置,与其它地类在空间分布上存在较显著差异,可通过中比例地形数据/DEM和NDVI复核迭代计算进行类别划分,NDVI计算公式如下:
NDVI=(NIR-Red)/(NIR+Red)
式中:NDVI表示植被归一化指数;NIR表示近红外波段;Red表示红光波段。
(4.4)在步骤(4)划分基础上,通过近红外波段均值划分4-草地,近红外均值计算方式如下:
4-草地按照人为活动干扰特点划分为41-天然(牧)草地、42-人工(牧)草地和43-其他草地。
(5)将未分地类划分为8-其他土地,再按照地表组成物质不同做二级类划分。
本发明中高分辨率遥感影像:指优于5米分辨率的遥感数据;中比例尺地形图:指比例尺在1:2.5万~1:10万间的地形图。
采用本发明的基于高分辨率遥感影像和中比例尺地形图数据的北方土石山区水土流失监测土地利用/覆盖分类方法对北方土石山区土地具体分类如下:
一级类8个包括:1-耕地、2-园地(经济林地)、3-林地、4-草地、5-城镇村及工矿用地、6-交通用地、7-水域及水利设施用地、8-其他土地。
二级类22个包括:11-水田、12-旱地(含水浇地);21-果园、22-茶园、23-其他园地;31-防护林、32-用材林、33-其他林地;41-天然(牧)草地、42-人工(牧)草地、43-其他草地;51-城镇村及工业用地、52-采矿用地;61-在建交通用地、62-农村道路、63-其他交通用地;71-在建引蓄水及水利枢纽工程、72-其他水域及水利设施用地;81-裸岩石砾地、82-裸土地、83-沙地、84-其他。
三级类13个包括:121-平地、122-坡耕地、123-梯田;211-平地果园、212-坡地果园、213-梯田果园、221-平地茶园、222-坡地茶园、223-梯田茶园;311-乔木林、312-灌木林;511-在建城镇村及工业用地、512-其他城镇村及工业用地。
本发明中对于特殊地类的归并如下:
(1)撂荒地:归并到旱地以实际措施类型归并入其三级分类中。
(2)用材林:对于零星分布于山区防护林区域上的坡面栽植的杨树,不对其拆分。
(3)沿海/湖水产养殖池、盐田、莲藕池/塘归并到水域及水利设施用地。
(4)晒场:作物晒场/水产品晒场归并到其他土地下的84-其他。
(5)光伏发电项目在建光伏归并到511-在城镇村及工业用地;已建光伏归并到512-其他城镇村及工业用地。
具体的分类和2见下表1:
表1北方土石山区水土流失监测土地利用/覆盖分类表
本发明的优势:
(1)科学性原则
根据一定的规律由上至下、由整体到局部的逐级序分建立有序的分类系统,分类层次清晰,同一级分类坚持同一分类标准。
(2)完整性原则
充分考虑北方土石山区土地利用现状及类型,确保分类体系涵盖与水土流失相关的所有土地利用类型。
(3)适用性原则
构建土地利用分类体系满足高分辨率遥感影像及地形数据的精度需求,以及易获取技术方法的易推广性,土地利用类型尽可能满足水土流失监测工作的需求。
应用实例
本发明的基于高分辨率遥感影像和中比例尺地形图数据的北方土石山区水土流失监测土地利用/覆盖分类体系及方法,在淮河流域国家级水土流失重点预防区河南省桐柏县进行实践与应用。
桐柏县土地利用总面积1920.38km2,土地利用结构以3-林地、1-耕地为主二者占84.05%;其次为5-城镇村及工矿用地、2-园地、7-水域及水利设施用地;4-草地、6-交通用地、8-其他土地仅占8.00%。
1-耕地702.42km2,占总面积的36.58%;2-园地85.18km2,占4.44%;3-林地911.55km2,占47.47%;4-草地4.69km2,占0.24%;5-城镇村及工矿用地107.44km2,占5.59%;6-交通用地34.6km2,占1.80%;7-水域及水利设施用地67.48km2,占3.51%;8-其他土地7.02km2,占0.37%。
1-耕地中,11-水田306.76km2,占43.67;12-旱地在耕地中占有较大的比重,且以121-平地为主,121-平地220.81km2,占31.44%,122-坡耕地26.03km2,占3.71%,123-梯田148.82km2,占21.19%。
2-园地中,主要以果21-园为主,22-茶园所占比重较小。21-果园中,主要以213-梯田果园为主40.01km2,占46.97%;211-平地果园14.39km2,占16.89%;212-坡地果园22.33km2,占26.22%。22-茶园中,222-坡地茶园0.46km2,占0.54%;223-梯田茶园7.99km2,占9.38%;县域内无221-平地茶园。
3-林地中,主要以防护林为主,其中311-乔木林772.09km2,占84.70%;312-灌木林17.44km2,占1.91%;32-用材林115.4km2,占12.66%;33-其它林地6.62km2,占0.73%。
4-草地中,主要是43-其他草地4.69km2,无41-天然(牧)草地、42-人工(牧)草地。
5-城镇村及工矿用地,主要以51-城镇村及工业用地占95.57%,其中512-其他城镇村及工业用地101.12km2,占94.12%;511-在建城镇村及工业用地1.56km2,占1.45%;52-采矿用地4.76km2,占4.43%。
6-交通用地,61-在建交通用地0.31km2,占0.90%;62-农村道路23.06km2,占66.65%;63-其他交通用地11.23km2,占32.46%。
7-水域及水利设施用地,71-在建引蓄水及枢纽工程0.51km2,占0.76%;72-其他水域及水利设施用地66.97km2,占99.24%。
8-其它土地,81-裸岩石砾地7.02km2,无82-裸土地、83-沙地、84-其他。桐柏县土地利用现状见下表:桐柏县土地利用现状分布见图3。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种北方土石山区水土流失监测土地利用/覆盖分类方法,其特征在于:基于高分辨率遥感影像和中比例尺地形图数据,采用分层划分提取的方法,逐层控制,逐层细化,采用定量和定性相结合的方法对土地利用和覆盖进行三级分类,一级类采用高分辨率遥感影像的波段光谱进行组合计算定量划分;二级、三级类采用定性的分类方法区分,首先是对水域及水利设施进行划分,其次是交通运输用地、再次是城镇及工矿用地,最后再进行耕地、园地、林地、草地及其他;具体包括以下步骤:
(1)根据归一化水体指数设置阈值定量划分7-水域及水利设施用地;
(2)参照交通道路图进行定性区分6-交通用地;
(3)根据比值居民地指数确定5-城镇村及工矿用地范围,设置阈值进行划分;
比值居民地指数的计算方法为:
RRI=Blue/NIR
式中:RRI表示比值居民地指数,Blue表示蓝光波段;NIR表示近红外波段;
所述5-城镇村及工矿用地按土地使用性质的不同进一步划分为51-城镇村及工业用地、52-采矿用地,所述52-采矿用地地表扰动较明显且影像各波段DN值较高,依据亮度值进行区分,计算方式为:
(4)根据植被归一化指数,从地物中区分出植被覆盖区域,其中包括耕地、园地、林地、草地四种地类;通过灰度共生矩阵的同质性划分2-园地,同质性的计算方式如下:
式中:Homogeneity表示同质性,i表示行数;j表示列数;Pi,j表示像元i,j坐标的归一化亮度值;N表示总行数或者总列数;
(5)将未分地类划分为8-其他土地,再按照地表组成物质不同做二级类划分。
2.根据权利要求1所述的北方土石山区水土流失监测土地利用/覆盖分类方法,其特征在于:步骤(1)中,归一化水体指数的计算方法为:
NDWI=(Green-NIR)/(Green+NIR)
式中:NDWI表示归一化水体指数,Green表示绿光波段,NIR表示近红外波段;
3.根据权利要求1所述的北方土石山区水土流失监测土地利用/覆盖分类方法,其特征在于:步骤(2)中,所述6-交通用地按其建设状态将正在建设的划分为61-在建交通用地,对于已建成的按其路面宽度进行区分,以乡道路面宽度为标准,乡道及以下级别道路为62-农村道路,乡道以上道路级别为63-其他交通用地。
4.根据权利要求1所述的北方土石山区水土流失监测土地利用/覆盖分类方法,其特征在于:步骤(4)中,植被归一化指数的计算方法为:
NDVI=(NIR-Red)/(NIR+Red)
式中:NDVI表示植被归一化指数,NIR表示近红外波段,Red表示红光波段。
5.根据权利要求1所述的北方土石山区水土流失监测土地利用/覆盖分类方法,其特征在于:步骤(4)中,在已划分的植被区域基础上通过构建黄度指数,划分1-耕地,所述黄度指数的计算方法为:
Y=Green+Red-2*Blue
式中:Y表示黄度指数,Green表示绿光波段,Red表示红光波段,Blue表示蓝光波段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910497854.8A CN110210438B (zh) | 2019-06-10 | 2019-06-10 | 北方土石山区水土流失监测土地利用/覆盖分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910497854.8A CN110210438B (zh) | 2019-06-10 | 2019-06-10 | 北方土石山区水土流失监测土地利用/覆盖分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110210438A CN110210438A (zh) | 2019-09-06 |
CN110210438B true CN110210438B (zh) | 2023-07-14 |
Family
ID=67791672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910497854.8A Active CN110210438B (zh) | 2019-06-10 | 2019-06-10 | 北方土石山区水土流失监测土地利用/覆盖分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210438B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110737745B (zh) * | 2019-10-15 | 2022-03-01 | 中国地质大学(北京) | 一种土地利用动态变化地图的构建方法 |
CN111062368B (zh) * | 2019-12-31 | 2020-09-11 | 中山大学 | 基于Landsat时间序列遥感影像的城市更新区域监测方法 |
CN111738561B (zh) * | 2020-05-29 | 2023-02-14 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于深度学习的区域水土流失动态监测方法 |
CN112627151A (zh) * | 2020-06-02 | 2021-04-09 | 中国科学院地理科学与资源研究所 | 增强多项生态服务功能的小流域水土保持措施配置方法 |
CN111707620A (zh) * | 2020-06-11 | 2020-09-25 | 中国电建集团华东勘测设计研究院有限公司 | 土地利用分类规则集、水土流失监测方法及系统 |
CN111861834A (zh) * | 2020-07-14 | 2020-10-30 | 自然资源部第一海洋研究所 | 一种基于水资源依赖程度的海岸带陆域空间用途监测调查方法 |
CN112394160B (zh) * | 2020-12-01 | 2023-06-09 | 太湖流域管理局太湖流域水土保持监测中心站 | 一种水土流失动态监测野外调查信息移动采集系统及方法 |
CN112396359A (zh) * | 2021-01-21 | 2021-02-23 | 航天宏图信息技术股份有限公司 | 水土流失区域监管方法、装置、移动终端及存储介质 |
CN113177473B (zh) * | 2021-04-29 | 2021-11-16 | 生态环境部卫星环境应用中心 | 遥感影像水体自动化提取方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650689A (zh) * | 2016-12-30 | 2017-05-10 | 厦门理工学院 | 一种沿海城市时间序列土地利用信息提取方法 |
KR20180000619A (ko) * | 2016-06-23 | 2018-01-03 | (주)해동기술개발공사 | Gis 기반 토사유실 평가 방법 |
-
2019
- 2019-06-10 CN CN201910497854.8A patent/CN110210438B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180000619A (ko) * | 2016-06-23 | 2018-01-03 | (주)해동기술개발공사 | Gis 기반 토사유실 평가 방법 |
CN106650689A (zh) * | 2016-12-30 | 2017-05-10 | 厦门理工学院 | 一种沿海城市时间序列土地利用信息提取方法 |
Non-Patent Citations (1)
Title |
---|
面向对象的土地利用/覆盖遥感分类方法与流程应用;郭琳等;《农业工程学报》;20100731;第26卷(第7期);正文第3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN110210438A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210438B (zh) | 北方土石山区水土流失监测土地利用/覆盖分类方法 | |
Lidberg et al. | Using machine learning to generate high-resolution wet area maps for planning forest management: A study in a boreal forest landscape | |
Kashaigili | Assessment of groundwater availability and its current and potential use and impacts in Tanzania | |
Bin et al. | Land suitability assessment and land use change in Fujian Province, China | |
CN112700358B (zh) | 一种海洋生态桩监测的海洋空间资源智能监管系统 | |
Ibrakhimov | Spatial and temporal dynamics of groundwater table and salinity in Khorezm (Aral Sea Basin), Uzbekistan | |
Xu et al. | Boundary demarcation of the damaged cultivated land caused by coal mining subsidence | |
CN114925974A (zh) | 一种面向市县国土空间规划的分类逐步双评价方法 | |
Gobin et al. | Soil erosion assessment at the Udi‐Nsukka Cuesta (southeastern Nigeria) | |
Wu et al. | Neighbourhood-scale urban riparian ecosystem classification | |
Chopra | Land use planning of southern part of Sonbhadra District, UP, using Remote Sensing Techniques | |
Gobin | Participatory and spatial-modelling methods for land resources analysis | |
Powell et al. | Heritage, Natural Capital and Ecosystem Services: boundaries and linear landscape features in the lower Severn Vale | |
Schönauer | Prediction of forest soil trafficability by topography-based algorithms and in-situ test procedures | |
Desta | Reservoir siltation in Ethiopia: Causes, source areas, and management options | |
Yang | The Impact of Urban Building Planning on Soil and Water Loss in the Peripheral Eco-environment. | |
Dargiri et al. | Principles of Soil Erosion Risk Modeling | |
Mararakanye | A comparative study of gully erosion contributing factors in two tertiary catchments in Mpumalanga South Africa | |
Yazici et al. | Gis using multi-criteria decision analysis for assessment and map-based indicators for nursery garden management. | |
Malik et al. | Land-cover mapping: A remote sensing approach | |
Song et al. | Index System, Method, and Application of Natural Resources Evaluation | |
Hartadi et al. | Study on the Feasibility of Construction of Logung Dam in Kudus Regency | |
Yudono et al. | Erosion and Flood Discharge Plans Analysis on The Capacity of The Dead River Lake | |
BIRRO et al. | ANALYSIS OF ENVIRONMENTAL FRAGILITY IN THE AREA OF DIRECT INFLUENCE OF THE ESPORA HYDROELECTRIC POWER PLANT IN CORRENTE RIVER, GOIÁS, BRAZIL | |
Singh | A multi-scale study of wind erosion susceptibility along the South African Wild Coast |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |