文章快速检索     高级检索
  中国水土保持科学   2018, Vol. 16 Issue (3): 8-17.  DOI: 10.16843/j.sswc.2018.03.002
0

引用本文 

李骜, 魏欣, 李子轩. 土壤侵蚀动态监测中的高分辨率影像土地利用解译精度分析[J]. 中国水土保持科学, 2018, 16(3): 8-17. DOI: 10.16843/j.sswc.2018.03.002.
LI Ao, WEI Xin, LI Zixuan. Accuracy analysis of land use interpretation of high resolution image in soil erosion dynamic monitoring[J]. Science of Soil and Water Conservation, 2018, 16(3): 8-17. DOI: 10.16843/j.sswc.2018.03.002.

项目名称

国家自然科学基金创新研究群体科学基金"地表过程模型与模拟"(41621061);"水利部全国水土流失动态监测与公告项目"(1261421610273)

第一作者简介

李骜(1992-), 男, 博士研究生。主要研究方向:水土保持与荒漠化防治。E-mail:1023174810@qq.com

通信作者简介

魏欣(1977-), 女, 博士, 实验师。主要研究方向:土壤侵蚀与放射性核素示踪。E-mail:weixin2007@bnu.edu.cn

文章历史

收稿日期:2017-12-12
修回日期:2018-01-12
土壤侵蚀动态监测中的高分辨率影像土地利用解译精度分析
李骜1,2, 魏欣1,2, 李子轩3     
1. 北京师范大学 地表过程与资源生态国家重点实验室, 100875, 北京;
2. 北京师范大学 地理科学学部, 100875, 北京;
3. 海河流域水土保持监测中心站, 300170, 天津
摘要:土壤侵蚀与土地利用有很大的相关性,土地利用直接影响土壤侵蚀的形式、空间分布和强度。高分辨率遥感影像是土地利用状况调查的主要信息源,是准确掌握土壤侵蚀动态的基础和前提。为进一步提高高分影像解译土地利用类型的判读正确率,全面支撑县域土壤侵蚀动态监测和水土保持规划,以河北省怀来县为例,基于高分影像解译和野外抽样调查获取的土地利用信息,将野外抽样调查所得的土地利用结果作为真值,从整个县域和抽样调查单元2个层面,通过土地利用变化转移矩阵,对比分析了遥感普查所得土地利用的类型、面积和分布等。结果表明:1)除园地和灌木林地比例相差较大之外,其他土地利用比例相当,因此遥感普查与野外抽样调查2种方法所得的土地利用结构具有较好的一致性;2)遥感普查土地利用的耕地、园地和草地精度较高,分别为85.3%、91%和89%,林地次之,为78.6%,灌木林地和其他土地再次之,分别为68.2%和64.2%;3)遥感普查灌木林地的解译正确率偏低,只有68.2%,是由于灌木林地和草地容易混淆导致误判,灌木林地误判为草地的比例高达30.5%。2种方法都可以作为获取土地利用信息的可靠手段,而且高分遥感影像在大比例尺水土流失调查与制图中具有较高的使用价值,灌木林地和草地二者之间的误判还需在解译时多加注意,可从纹理与明暗的分析,野外实地调查的增加和影像处理技术等方面提高其判读正确率。本文的研究方法及其结果,为提高土地利用高分遥感影像解译精度提供了定量的依据,为土地利用信息获取提供了可参考的技术路线与方法,对县域土壤侵蚀动态监测和水土保持规划具有重要意义。
关键词土地利用类型    遥感普查    野外抽样调查    解译精度    
Accuracy analysis of land use interpretation of high resolution image in soil erosion dynamic monitoring
LI Ao1,2, WEI Xin1,2, LI Zixuan3     
1. State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University, 100875, Beijing, China;
2. Faculty of Geographical Science, Beijing Normal University, 100875, Beijing, China;
3. Haihe Basin Soil and Water Conservation Monitor Center, 300170, Tianjin, China
Abstract: [Background] Soil erosion has a great correlation with land use, and land use directly affects the form, spatial distribution and intensity of soil erosion. High resolution remote sensing image is the main information source of land use status survey, and it is the foundation and precondition to accurately grasp the dynamic soil erosion. The purpose of this study is to improve the interpretation accuracy of land use types for high-resolution images. [Methods] Comprehensively supporting soil erosion dynamic monitoring and soil and water conservation planning in county-level, this paper took Huailai county of Hebei province as the study case, and land use information was obtained based on high-resolution image interpretation and field sampling survey. The land use results by the field sampling survey were taken as actual values, and the types (Cultivated land, garden plot, forest land, shrub land, grass land, and other), area and distribution of land use by remote sensing survey were compared with the sampling survey unit analyzed by land use change transfer matrix at the two levels of the whole county. [Results] 1) The proportion of cultivated land in remote sensing survey and field sampling survey was 16% and 17.1% respectively, with a difference of 1.1%; the proportion of garden plot was 21.8% and 10.7% respectively, with a difference of 11.1%; the proportion of forest land was 16.5% and 8.9% respectively, with a difference of 7.6%; the proportion of shrub land was 14.6% and 33.9% respectively, with a difference of 19.3%; the proportion of grass land was 18.4% and 15.5% respectively, with a difference of 2.9%; the proportion of other land was 12.7% and 13.9%, with a difference of 1.2%. In addition to the far different proportion of garden plot and shrub land, the proportion of other land uses was quite similar, therefore, the land use structure obtained by remote sensing survey and field sampling survey were in good consistency. 2)The precision of cultivated land, garden plot and grass land was higher by remote sensing, 68.2% and 64.2%, respectively, and the forest land was in second, 78.6%, followed by shrub land and other land, 68.2% and 64.2%, respectively. 3)The interpretation accuracy of shrub land by remote sensing was low, only 68.2%, and it was because shrub land and grass land were easily confused so that led to misjudgment, the proportion of the shrub land misjudged to the grass land reached 30.5%. [Conclusions] Both methods can be used as reliable means of obtaining land use information, moreover, high-resolution remote sensing images have high value in the investigation and mapping of large scale soil erosion, the misjudgment between the two of the shrub land and the grass land also needs to be paid more attention to the interpretation, the accuracy of interpretation can be improved from the analysis of texture and shade, the increase of field investigation and image processing technology.
Key words: landuse type    remote sensing survey    field sampling survey    interpretation accuracy    

土壤侵蚀是指人类在利用土地的过程中导致的土壤加速侵蚀,在不同土地利用条件下,土壤侵蚀强度存在较大差异;因此,在土壤侵蚀动态监测中,土地利用类型及其空间分布是重要的调查内容。随着我国高精度资源卫星的发射,高分影像已成为土地利用解译的重要数据源,大大提高了解译精度,定量评价其解译精度是准确监测土壤侵蚀动态的基础和前提。

土地利用调查是通过勘测调查手段,查清一个区域各种土地利用的类型、面积和分布状况,调查结果通常包括土地利用现状图和土地利用面积统计表。历史上,我国把土地利用调查称作“土地清丈”,所用方法主要有方田均税法、径界法、推排法和鱼鳞图册法。英国早在1930年开展了土地利用调查与制图工作,编制了全国1:25万土地利用图[1]。目前,国内外土地利用调查方法有不同的分类方式:按工作人员是否到达现场,分为现场调查[2]和遥感调查[3-5];按是否对所有地块进行全部清查,分为抽样调查和全面调查(即普查)。在实际调查中,常常将前述2种方法组合使用,如现场抽样调查和遥感普查[4-7]

现场抽样调查方法的调查结果与实际状况更加吻合、精度较高,但该方法是采用样本估计总体、会存在一定的误差[5-11]。基于遥感技术的多时相、高分辨率及越来越便宜的价格,遥感普查越来越被广泛应用;但此方法存在同物异谱、异物同谱的现象以及工作人员经验参差不齐等状况,导致普查结果存在误判、错判、漏判等[6-16]。鉴于这2种方法均有优缺点,为了分析不同方法调查结果的误差来源,评价高分影像解译的土地利用精度,笔者以怀来县为例,开展野外抽样调查和遥感普查2种方法对比分析研究,以期为全面、准确地掌握怀来县土地利用现状提供依据。

1 研究区概况

怀来县位于河北省西北部张家口市的东南,东邻北京市、西接涿鹿县、北靠赤城县。地理范围为E 115°16′~115°58′,N 40°4′~40°35′。

怀来县南北群山起伏,河谷平川居于中部,两山夹一川呈“V”型盆地,官厅水库居盆地之中。地势由盆地向南北崛起,全县平均海拔为792 m,幽州村河谷地带为最低点,海拔394 m;水口山大黑峰为海拔最高点,达1 978 m。全县总面积1 801 km2,其中河川平原、丘陵和山地面积分别占总面积的33.4%、25.0%和41.6%。怀来县是中国葡萄之乡和中国葡萄酒之乡,葡萄种植面积约占全县总面积的10%(167 km2),年产量超过1.4万t,产业化经营率近80%,是县域经济的第一支柱产业。

怀来县地处中温带半干旱区,属温带大陆性季风气候,具有雨热同季、昼夜温差大的气候特点。年均降水396 mm,南北两山偏多,年均风速2.3 m/s。境内有永定河、桑干河、洋河、妫水河4条过境河流,汇入官厅水库;季节性二级河道14条,如东、西沙河及灵泉河、石河、东沙沟、外井沟等。

怀来县自然条件优越,山区植被类型丰富,由于受地形等多方面因素的影响,从山区到丘陵,再到河川区低洼地带,植被类型差异较大。总的分布如下:靠近村庄的区域多属草本植被,丘陵以灌丛为主要植被类型,山地则多为森林植被。森林植被主要为油松(Pinus tabulaeformis Carr)、白桦(Betula platyphylla Suk)、蒙古栎(Quercus mongoica Fisch. ex Ledeb)和辽东栎(Quercus wutaishansea Mary)等;灌丛主要以榛子(Corylus heterophylla Fisch)、胡枝子(Lespedeza bicolor Turcz)、山杏(Armeniaca sibirica (L.) Lam)和荆条(Vitex negundo L. var. heterophylla (Franch.) Rehd)为主;灌草丛植被由长芒草(Stipa bungeana Trin)、白羊草(Bothriochloa ischaemum (L.) Keng)等组成。由于人类活动日益频繁,原生植被所剩无几,平原丘陵地带尤其如此,并被灌草丛和人工植被所替代。

2 材料与方法 2.1 高分影像土地利用解译数据来源及处理

土地利用遥感普查选用的影像有高分1号和资源3号卫星数据。由于数据质量直观上是资源3号卫星较好,所以优先选用资源3号卫星数据,但是受时相和云量的影响,有些数据缺乏,在没有资源3号卫星数据的情况下,采用高分1号的数据进行补充。卫星数据包括全色影像和多光谱影像,其中多光谱影像为蓝、绿、红和近红外4个波段的组合,成像时间为2015年7—9月。高分1号的全色影像分辨率为2 m,多光谱影像分辨率为8 m/16 m[7-18];资源3号的全色影像分辨率为2.1 m,多光谱影像分辨率为5.8 m[8]

土地利用通过遥感解译配合野外实地调查和验证获取,遥感解译采用人机交互切割多边形的方法,以保证解译成果中图斑不重叠、无缝隙和无其他类型拓扑错误。在解译过程中,控制解译精度的比例尺为1:5 000~1:1万,最小成图图斑面积为4 mm2,条状图斑短边长度不小于1 mm[9]

2.2 土地利用分类体系说明

土地利用采用第1次全国水利普查土壤侵蚀普查土地利用分类。该分类是在GB/T 21010—2007《土地利用现状分类》 [10]基础上,根据土壤侵蚀特点,保留了耕地、园地、林地和草地的分类特征,对其他一级类别进行适当归并,具体分类见表 1

表 1 土地利用分类体系 Table 1 Classification system of land use

在开展怀来县土地利用调查时,采用野外抽样调查和遥感普查2种方法时,都遵守上述分类体系。本文仅仅针对一级土地使用类型进行比较分析研究。

2.3 野外抽样调查法

野外调查采取抽样调查的方法。抽样调查单元采用第1次全国水利普查土壤侵蚀普查野外调查单元布局方法,即分层不等概系统抽样方法[11],在怀来县按4%密度布设野外调查单元。首先确定调查单元所在1:1万地形图中心点坐标,然后在对应1:1万地形图中心位置确定调查单元具体位置和边界。调查单元是指进行野外调查的空间范围,平原区为1 km×1 km网格,山丘区为0.2~3 km2的小流域。全县共布设70个野外调查单元(如图 1),其中7个单元因无1:1万地形图不进行调查,因此实际调查的单元共计63个。

图 1 怀来县野外抽样调查单元分布 Figure 1 Distribution map of field sampling survey in Huailai county

野外调查于2016年7月9—12日开展,历时4 d完成所有调查单元的调查工作。调查具体内容包括勾绘调查单元内的地块、将每个地块信息填入调查表、拍摄地块和景观照片。地块信息包括地块编号、土地利用类型和水土保持措施类型[12]

野外调查的基本步骤为:先拍摄标识照片和小流域远景照片,然后规划调查路线。按照规划线路行走,勾绘地块边界,按顺序给地块编号,标注在调查底图上,给该地块拍照,照片编号也同时标注在调查底图对应的地块上,且编号书写方向或箭头标识方向即为拍摄方向。如果地块有水土保持措施,照片应体现水土保持措施近景,最后将地块信息填写至调查表。最终完成调查表填写。

3 结果分析 3.1 全县野外抽样与遥感解译土地利用结构比较

野外调查单元的总面积为25 km2,调查得到各类土地利用面积从大到小依次为:灌木林地5.8 km2、其他5.5 km2、耕地4.6 km2、园地3.9 km2、草地3.0 km2、林地2.2 km2

遥感解译得到全县各类土地利用面积从大到小依次为:园地392.4 km2、草地332.1 km2、林地298.2 km2、耕地287.7 km2、灌木林地262.1 km2、其他228.5 km2。2种调查方法所得土地利用面积如表 2

表 2 2种调查方法所得土地利用面积 Table 2 Land use area by two survey methods

对于抽样方法来说,按照如下方法计算怀来县土地利用结构:首先,计算每个调查单元不同土地利用占调查单元的面积比例;其次,按照耕地、园地、林地、灌木林地、草地和其他等6个一级类,分别进行面积比例求和;再除以调查单元总数63,得到调查单元的土地利用结构。某种土地利用比例的计算公式如下:

$ L = \left[ {\left( {\sum\limits_{j = 1}^{63} {\frac{{{L_i}}}{{{U_j}}}/63} } \right.} \right] \times 100。$

式中:L是某种土地利用结构的比例;LiUj中第i种土地利用类型的面积,km2i为耕地、园地、林地、灌木林地、草地和其他等6种之一;Uj为第j个调查单元的面积,km2;63为调查单元总数。

抽样调查方法得到的怀来县土地利用结构分别为:耕地17.1%,园地10.7%,林地8.9%,灌木林地33.9%,草地15.5%,其他13.9%。遥感解译得到的怀来县土地利用结构分别为:耕地16%,园地21.8%,林地16.5%,灌木林地14.6%,草地18.4%,其他12.7%。

对于整个怀来县,遥感普查与野外抽样调查的土地利用结构如图 2。与野外抽样调查相比,遥感普查耕地比例偏小1.1%,园地比例偏大11.1%,林地比例偏大7.6%,灌木林地比例偏小19.3%,草地比例偏大2.9%,其他用地比例偏小1.2%。总体来看,遥感普查方法的园地比例和林地比例明显偏大,灌木林地比例明显偏小,耕地、草地和其他用地的比例相当。

图 2 怀来县遥感解译与野外抽样调查土地利用比例 Figure 2 Land use percentage by remote sensing survey and field sampling survey in Huailai county
3.2 基于抽样调查结果的遥感解译精度分析

在比较分析上述2种方法的调查结果时,将野外抽样调查土地利用数据作为比较基准,比较遥感普查土地利用结果的偏差,分析这种偏差在土地利用类型及其空间分布、数量等方面的表现。

3.2.1 遥感普查土地利用类型偏差

遥感普查与野外抽样调查土地利用数据的偏差,可分为3种情况:一是土地利用类型正确、面积接近,如图 3(a);二是土地利用类型正确、面积偏差,如图 3(b);三是土地利用类型偏差(其中也包含面积偏差),如图 3(c)。在全部63个野外调查单元中,第1种共有30个,第2种共有15个,第3种共有18个。由此可知,对于63个野外抽样调查单元,遥感普查的土地利用解译结果基本可靠,但仍有个别存在一定偏差。在第3种情形中,遥感普查将灌木林地误判为草地的较多,如13、19、27、28、46、55、56、57、58、59、68、69号共12个调查单元。

图 3 遥感普查与野外抽样调查两种方法土地利用类型和面积偏差的典型示例图 Figure 3 Typical examples of deviation in land use type and area by remote sensing survey and field sampling survey
3.2.2 遥感普查土地利用偏差面积

遥感普查与野外抽样调查土地利用结果的偏差,可通过分析遥感普查土地利用图上对应于野外抽样调查单元范围内的土地利用状况得到,包括土地利用的类型、面积及分布等。

对应于野外抽样调查单元的遥感普查图上土地利用的数据采集方法为:首先,利用具有63个野外抽样调查单元边界的图层1裁切遥感普查土地利用图,得到对应于63个野外抽样调查单元的遥感普查土地利用图层2;然后,将图层1和图层2在ArcGIS中进行交集处理,生成相应的表格(表 3);最后,以野外抽样调查土地利用数据为基准,筛选出土地利用有差异的图斑,并统计其面积及比例。

表 3 遥感普查解译对应野外抽样调查单元的土地利用转移结果 Table 3 Land use transfer by remote sensing survey corresponding to unit in field sampling survey

为定量说明遥感普查与野外抽样调查土地利用面积的偏差,对63个调查单元的耕地、园地、林地、灌木林地、草地和其他等6个一级土地利用类型在遥感普查中的转移进行统计。分析表 3,便可得到遥感普查解译不同于野外抽样调查土地利用的面积及比例,得出遥感普查判读正确率以及误判的土地利用类型及其面积、比例。

结果显示:耕地的解译正确率达85.3%,耕地最易错判为其他土地、错误率为8.4%;园地的正确率达91.0%,同样较易判读为其他土地、错误率为3.8%;林地的正确率为78.6%,最易混淆为草地、错误率达15.4%;灌木林地的正确率为68.2%,主要是灌木林地与草地难以区分,将灌木林地误判为草地的比率达30.5%;草地的正确率为89.0%,草地中只有3.9%的被误判为灌木林地,但错误率远低于前者;其他土地的解译正确率最低、为64.2%,最易误判为草地,错误率达16.7%。各类土地利用解译精度如图 4

图 4 各类土地利用解译精度 Figure 4 Interpretation accuracy of all land use types

总体来说,遥感普查土地利用解译的耕地、园地和草地精度较高,林地的精度次之,灌木林地的精度更低,其他土地的精度最低。在遥感解译中,其他土地主要被误判为园地和草地,而耕地、园地、林地、草地也均有被误判为其他土地,因此其他土地转移比例不大;灌木林地被误判为草地比例较大,导致灌木林地比例偏小较多。

4 结论与讨论

本研究将野外抽样调查的土地利用数据作为基准(即:以野外抽样调查的土地利用结果作为真值),对比分析了怀来县遥感普查土地利用调查结果的偏差,分析了这种偏差在土地利用类型及其空间分布、数量等方面的表现。

1) 对于怀来县而言,无论从全域的层面(全县)、还是在调查单元范围的层面,遥感普查与野外抽样调查2种方法所得的土地利用结构具有良好的一致性,尤其是对于耕地、园地和草地等3种土地利用类型,这表明两种方法相互印证了对方可以用来开展县域土地利用调查。

2) 对于抽样调查单元而言,野外抽样调查与遥感普查两者的结果对比分析,不仅可以揭示遥感普查所得土地利用面积与结构的偏差,而且可以反映土地利用类型、分布的差异。2种方法对于63个调查单元的土地利用调查结果中,具有良好一致性(土地利用类型正确、面积接近)和较好一致性(土地利用类型正确、面积偏差)的占71.4%。这不仅表明野外抽样调查与遥感普查2种方法在县域土地利用调查方面具有较好的适用性,而且说明高分遥感影像在大比例尺土地利用调查与制图中具有较高的使用价值。

3) 遥感普查对应于野外抽样调查单元的土地利用转移结果分析表明,遥感普查灌木林地的解译正确率偏低,主要是因为灌木林地被误判为草地的比例较大。导致这种偏差的主要原因可能包括:一是灌木林地和草地存在“异物同谱”现象,影像的色彩比较接近,易导致混淆和误判[13-14];二是在山丘区,当灌木林地和草地混交且地块较小时,边界不是很明显,会增加判读难度[14]。而怀来县山丘区面积比例较大,导致2种类型之间误判较多。

为提高这2类土地利用遥感解译的正确率,可借鉴如下几种方式和方法进行弥补和修正:1)在解译时,可仔细分析2种土地利用类型的纹理与明暗的差异,如当影像的多光谱组合为RGB时,灌木林地呈现一簇簇颗粒状纹理、亮度较低,而草地的纹理则均匀平滑,亮度较高[15-17];2)增加野外实地调查,建立较多的各种土地利用类型解译标志,尤其是对影像特征易混淆的土地利用类型,保证提高土地利用解译精度[16-20];3)可通过多光谱影像处理技术尽可能消除异物同谱现象,提高土地利用解译精度[17-26]

参考文献
[1]
马克伟. 中国土地资源调查技术[M]. 北京: 中国大地出版社, 2000: 1.
MA Kewei. Technology of land resources investigation in China[M]. Beijing: China Earth Press, 2000: 1.
[2]
李连发, 王劲峰, 刘纪远. 国土遥感调查的空间抽样优化决策[J]. 中国科学(地球科学), 2004, 34(10): 975.
LI Lianfa, WANG Jinfeng, LIU Jiyuan. Spatial sampling optimization decision of land remote sensing survey[J]. Scientia Sinica Terrae, 2004, 34(10): 975.
[3]
王长耀, 刘纪远, 王长有. 彩色红外航空遥感图象在天津北郊区土地利用现状调查中的应用[J]. 中国农业资源与区划, 1983: 82.
WANG Changyao, LIU Jiyuan, WANG Changyou. The application of color infrared aerial remote sensing image in the investigation of land use status in Beijiao District, Tianjin[J]. Chinese Journal of Agricultural Resources and Regional Planning, 1983: 82. DOI: 10.7621/cjarrp.1005-9121.19830109.
[4]
徐新良, 刘纪远, 庄大方. 国家尺度土地利用/覆被变化遥感监测方法[J]. 安徽农业科学, 2012, 40(4): 2365.
XU Xinliang, LIU Jiyuan, ZHUANG Dafang. Remote sensing monitoring methods of land use/cover change in national scale[J]. Journal of Anhui Agricultural Sciences, 2012, 40(4): 2365.
[5]
刘纪远, 刘明亮, 庄大方, 等. 中国近期土地利用变化的空间格局与驱动力分析[M]. 北京: 星球地图出版社, 2002: 89.
LIU Jiyuan, LIU Mingliang, ZHUANG Dafang, et al. The spatial pattern and driving force analysis of land use change in China in the near future[M]. Beijing: Star Map Press, 2002: 89.
[6]
马克伟. 全国土地资源调查[M]. 北京: 中国大地出版社, 2000: 139.
MA Kewei. National land resource survey[M]. Beijing: China Earth Press, 2000: 139.
[7]
胡倩伟, 左建章, 刘江, 等. 高分一号卫星数据在土地覆盖动态监测中的应用研究[J]. 测绘与空间地理信息, 2016, 39(6): 63.
HU Qianwei, ZUO Jianzhang, LIU Jiang, et al. Research on GF-1 in the application of the land cover dynamic monitoring[J]. Geomatics and Spatial Information Technology, 2016, 39(6): 63.
[8]
潘红播, 张过, 唐新明, 等. 资源三号测绘卫星影像产品精度分析与验证[J]. 测绘学报, 2013, 42(5): 738.
PAN Hongbo, ZHANG Guo, TANG Xinming, et al. Accuracy analysis and verification of ZY-3 products[J]. Acta Geodaetica et Cartographica Sinica, 2013, 42(5): 738.
[9]
周亦, 张亚亚. 利用eCognition进行高分一号卫星数据土地利用现状解译能力测试[J]. 测绘通报, 2016(8): 77.
ZHOU Yi, ZHANG Yaya. Test of land use interpretation ability with satellite data of GF-1 using the eCognition[J]. Bulletin of Surveying and Mapping, 2016(8): 77.
[10]
中国土地勘测规划院, 国土资源部地籍管理司. 土地利用现状分类: GB/T 21010-2007[S]. 2007.
Chinese Land Surveying and Planning Institute, Department of Cadastre Management of the Ministry of Land and Resources. Classification of land use status: GB/T 21010-2007[S]. 2007.
[11]
刘宝元, 郭索彦, 李智广, 等. 中国水力侵蚀抽样调查[J]. 中国水土保持, 2013, 10(10): 26.
LIU Baoyuan, GUO Suoyan, LI Zhiguang, et al. Sampling survey on water erosion in China[J]. Soil and Water Conservation in China, 2013, 10(10): 26. DOI: 10.3969/j.issn.1000-0941.2013.10.010.
[12]
国务院第一次全国水利普查领导小组办公室. 《第一次全国水利普查培训教材之六: 水土保持情况普查》[R]. 2010.
Office of the First National Leadership Group of the National Water Resources Census of the State Council. Sixth training materials for the first national water conservancy census: A survey of soil and water conservation[R], 2010.
[13]
卢刚, 陆敏燕, 陈成, 等. 资源三号卫星影像分类研究[M]. 南京: 《现代测绘》编辑部, 2012: 81.
LU Gang, LU Minyan, CHEN Cheng, et al. ZY-3 satellite image classification study[M]. Nanjing: Modern Surveying and Mapping, Editorial Office, 2012: 81.
[14]
张银辉, 赵庚星. 土地利用/土地覆盖遥感分类方法的研究综述[J]. 中国农业资源与区划, 2002, 23(3): 21.
ZHANG Yinhui, ZHAO Gengxing. Classification methods of land use/cover based on remote sensing technologies[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2002, 23(3): 21.
[15]
白燕, 王卷乐, 宋佳. 中国1:25万土地覆盖遥感制图精度评价:以鄱阳湖地区为例[J]. 地球信息科学学报, 2012, 14(4): 497.
BAI Yan, WANG Juanle, SONG Jia. Field accuracy validation of land cover remote sensing mapping at the scale of 1:250000 in the poyang lake area of China[J]. Journal of Geo-Information Science, 2012, 14(4): 497.
[16]
陈文倩, 丁建丽, 王娇, 等. 基于高分一号影像的土地覆被分类方法初探[J]. 干旱区地理, 2016, 39(1): 182.
CHEN Wenqian, DING Jianli, WANG Jiao, et al. Classification method of land cover based on GF-1 image[J]. Arid Land Geography, 2016, 39(1): 182.
[17]
孙育秋. 腾冲试验区土地利用类型的全色航片图象特征和解译标志分析[J]. 经济地理, 1981: 38.
SUN Yuqiu. Analysis of image features and translation markers of panchromatic aerial photographs of land use types in Tengchong test area[J]. Economic Geography, 1981: 38.
[18]
余艳玲, 李卫忠, 姜英. 毛乌素沙漠土地利用类型解译标志的建立:以榆阳区为例[J]. 西北林学院学报, 2005, 20(3): 10.
YU Yanling, LI Weizhong, JIANG Ying. Establishment of interpreting key on land use types in Mu Us Desert:A case study of Yuyang District[J]. Journal of Northwest Forestry University, 2005, 20(3): 10.
[19]
迟智儒, 胡显华. 长春遥感试验区航片土地利用现状解译[J]. 吉林农业大学学报, 1990, 12(4): 47.
CHI Zhiru, HU Xianhua. The interpretation of land utilization status quo in Changchun remote-sensing area[J]. Journal of Jilin Agricultural University, 1990, 12(4): 47.
[20]
潘安敏, 齐清文. 利用卫星遥感影像解译土地资源[J]. 湖南师范大学自然科学学报, 1997, 20(4): 82.
PAN Anmin, QI Qingwen. Study on interpreting land resource by using satellite image[J]. Journal of Natural Science of Hunan Normal University, 1997, 20(4): 82.
[21]
刘书含, 顾行发, 余涛, 等. 高分一号多光谱遥感数据的面向对象分类[J]. 测绘科学, 2014, 39(12): 91.
LIU Shuhan, GU Hangfa, YU Tao, et al. Object-oriented classification method based on GF-1 multi-spectral remote sensing image[J]. Science of Surveying and Mapping, 2014, 39(12): 91.
[22]
李春华, 沙晋明. 基于知识的遥感影像的BAYES分类方法研究:以福州市琅歧岛土地覆盖/土地利用类型为例[J]. 水土保持研究, 2006, 13(6): 126.
LI Chunhua, SHA Jinming. Knowledge based Bayes image classification approach:Land cover/land use of Fuzhou Langqi Island as a study case[J]. Research of Soil and Water Conservation, 2006, 13(6): 126.
[23]
王圆圆, 李京. 遥感影像土地利用/覆盖分类方法研究综述[J]. 遥感信息, 2004: 53.
WANG Yuanyuan, LI Jing. Classification methods of land use/cover based on remote sensing technology[J]. Remote Sensing Information, 2004: 53.
[24]
史泽鹏, 马友华, 王玉佳, 等. 遥感影像土地利用/覆盖分类方法研究进展[J]. 中国农学通报, 2012, 28(12): 273.
SHI Zepeng, MA Youhua, WANG Yujia, et al. Review on the classification methods of land use/cover based on remote sensing image[J]. Chinese Agricultural Science Bulletin, 2012, 28(12): 273.
[25]
术洪磊, 毛赞猷. GIS辅助下的基于知识的遥感影像分类方法研究:以土地覆盖/土地利用类型为例[J]. 测绘学报, 1997, 26(4): 328.
SHU Honglei, MAO Zanyou. Knowledge based image classification approach supported by a GIS[J]. Acta Geodaetica et Cartographica Sinica, 1997, 26(4): 328.
[26]
纪仰慧, 李国春, 关宏强. 土地利用/覆盖遥感分类研究综述[J]. 农业网络信息, 2005(8): 36.
JI Yanghui, LI Guochun, GUAN Hongqiang. Review of remote sensing classification technology for land use/land cover[J]. Agriculture Network Information, 2005(8): 36.