1990–2010年中國西北地區土地覆被數據集

1990–2010年中國西北地區土地覆被數據集
作者：謝家麗　顏長珍　常存
2019年7月25日

本作品收錄於《中國科學數據》

謝家麗, 顏長珍, 常存. 1990–2010年中國西北地區土地覆被數據集[J/OL]. 中國科學數據, 2019, 4(3). (2019-7-17). DOI: 10.11922/csdata.2018.0047.zh.

摘要&關鍵詞

摘要：土地覆被變化作為全球環境變化的一種表現，同時又對全球環境產生影響。分析區域土地覆被動態變化，是開展全球變化、生態系統評估以及人類與環境之間相互作用研究的基礎性工作。本研究以中國西北地區（新疆維吾爾自治區、青海省、甘肅省、寧夏回族自治區、陝西省以及內蒙古自治區的阿拉善盟）為研究區，通過收集區域1990年、2005年和2010年的Landsat TM以及2000年的Landsat ETM+遙感影像數據，基於eCognition軟件平台，採用面向對象計算機自動分類與人工目視解譯相結合的方法，提取研究區四期土地覆被數據。最後採用野外樣本點調查、高分辨率影像識別和Google Earth的樣本點識別對數據精度進行驗證。本數據集可以作為區域生態環境評估的本底數據，也是區域規劃、氣候變化研究、環境建模以及生物多樣性和生態系統碳儲量研究的基礎數據。

關鍵詞：中國西北地區；土地覆被；面向對象分類方法；eCongnition；Landsat

Abstract & Keywords

Abstract: Land cover change is one of the most direct manifestations of global environmental change, which influences global environment. An analysis of regional land cover dynamics lays a basis for researches on global change, ecosystem assessment and the interaction between human and environment. In this study we take northwest China as research area, including Xinjiang Uygur Autonomous Region, Qinghai Province, Gansu Province, Ningxia Hui Autonomous Region, Shaanxi Province and Alxa League of Inner Mongolia Autonomous Region. We collect Landsat TM image data of the area in 1990, 2005 and 2010, and Landsat ETM+ image data in 2000. Through the eCognition platform, we extract land cover data of the four periods using the object-oriented automatic classification and artificial visual interpretation methods. Finally, data accuracy is verified through three methods, including field sample point survey, high-resolution image recognition and Google Earth sample point identification. This dataset can be used as the background data for regional eco-environment assessment, regional planning, climate change research, environmental modeling, biodiversity studies, and ecosystem carbon research.

Keywords: northwest China; land cover; object-oriented classification method; eCongnition; Landsat

數據庫（集）基本信息簡介

數據庫（集）名稱	1990–2010年中國西北地區土地覆被數據集
數據作者	謝家麗、顏長珍、常存
數據通信作者	謝家麗（xiejl@lzb.ac.cn）
數據時間範圍	1990年、2000年、2005年、2010年
地理區域	31°35′–49°52』N，73°56』–111°47』E
空間分辨率	200 m
數據量	574 MB
數據格式	SHP
數據服務系統網址	http://www.crensed.ac.cn/portal/metadata/215ea67d-cfa5-4636-8a12-dec526332224
基金項目	西北地區地面–遙感數據信息平台建設項目（KFJ-EW-STS-006）；國家科技基礎條件平台「特殊環境特殊功能觀測研究台站共享服務平台」項目（Y719H71006）；中國科學院信息化專項「寒旱區環境演變研究『科技領域雲』的建設與應用」項目（XXH13506）。
數據集組成	1990–2010年中國西北地區土地覆被數據集，共25個文件，包括新疆維吾爾自治區、青海省、甘肅省、寧夏回族自治區、陝西省、內蒙古自治區的阿拉善盟6個地區分別在1990年、2000年、2005年和2010年的土地覆被數據集，以及分類系統文檔。

Dataset Profile

Title	A dataset of land cover in northwest China from 1990 to 2010
Data corresponding author	Xie Jiali (xiejl@lzb.ac.cn)
Data authors	Xie Jiali, Yan Changzhen, Chang Cun
Time range	Year of 1990, 2000, 2005 and 2010
Geographical scope	31°35′–49°52』N, 73°56』–111°47』E
Spatial resolution	200 m
Data volume	574 MB
Data format	SHP
Data service system	http://www.crensed.ac.cn/portal/metadata/215ea67d-cfa5-4636-8a12-dec526332224
Sources of funding	Construction of Ground-Remote Sensing Data Platform in Northwest China (KFJ-EW-STS-006); National Science and Technology Infrastructure Platform project – 「Shared Service Platform of Special Environment and Function Observation and Research Station」 (Y719H71006); Chinese Academy of Sciences informatization special project – 「Environmental Evolution Research in Cold and Arid Regions: 『Technology Field Cloud』 Construction and Application」 (XXH13506).
Dataset composition	This dataset of land cover in northwest China from 1990 to 2010, contains 25 files, including land cover of Xinjiang Uygur Autonomous Region in 1990, 2000, 2005 and 2010, land cover of Qinghai Province in 1990, 2000, 2005 and 2010, land cover of Gansu Province in 1990, 2000, 2005 and 2010, land cover of Ningxia Hui Autonomous Region in 1990, 2000, 2005 and 2010, land cover of Shaanxi Province in 1990, 2000, 2005 and 2010, land cover of the Alashan League of Inner Mongolia Autonomous Region in 1990, 2000, 2005 and 2010 respectively, and a document of the classification system.

引 言

土地覆被是指在自然過程和人類活動共同作用下，形成於陸地表面並可被觀察到的自然景觀和人工景觀的綜合體。長時間序列的土地覆被變化過程既具有自然屬性，也有社會屬性。在全球環境變化研究中，土地利用/土地覆被變化作為自然與人文過程密切交叉的問題，成為各方關注焦點^[1][2]。早在1995年，「國際地圈和生物圈（IGBP）」和「全球變化人文項目計劃（IHDP）」就聯合提出了「土地利用/土地覆被變化科學研究計劃」^[3][1][2]。土地覆被變化不僅是全球環境變化最直觀和主要的表現，同時也能影響全球環境。因此，分析區域土地覆被變化動態，是開展全球變化、生態系統評估以及人類與環境之間相互作用研究的基礎性工作。近些年遙感技術的快速發展，為獲取土地覆被數據源提供了強有力的支持。通過遙感監測手段重建區域地表覆被數據庫，成為了解地表景觀格局變化的新途徑。

我國西北地區地處乾旱半乾旱區，屬於典型的溫帶大陸性氣候，主要地貌類型包括盆地和高原兩大類。本區域氣候乾燥，降水量少，冬冷夏熱，氣溫日較差和年較差都很大。河流多為內流河發育，水源補給以山區降水和冰雪融水為主。一個內陸河流域就是一個完整的地表水、地下水與大氣水分相互聯繫的水分循環系統，以及一個完整的山地–平原–荒漠生態功能單元系統^[4]。我國西北地區由於基礎設施薄弱和水資源短缺，加之自上世紀50年代以來持續的綠洲農業土地開發，生態環境呈現出很多問題，包括植被退化、水土流失、河湖乾涸、土地沙化等。近年來，國家先後實施了退耕還林還草、天然林保護、風沙源治理、退牧還草、生態分水等生態工程，區域土地覆被變化明顯。土地利用/土地覆被在土地資源的基礎上，承載了廣泛和持久的人類利用活動，無論是資源環境研究還是社會可持續發展戰略制定，都需要基於土地利用/土地覆被數據，揭示其時空變化特點，進而分析土地利用/土地覆被變化的影響因素，並進行合理的土地資源利用規劃，從而實現高效的土地利用^[5]。因此，準確有效地量測並揭示土地利用/覆蓋情況變化情況，可為研究區未來一定時間內的變化趨勢預測提供可靠的依據^[6][7]。

2015年3月28日，《推動共建絲綢之路經濟帶和21世紀海上絲綢之路的願景與行動》的發布標誌着中國「一帶一路」倡議進入全面推進建設階段，西北地區作為絲綢之路經濟帶建設的境內外重要結合點，絲綢之路經濟帶建設給西北地區的發展帶來了機遇。因此，加強對西北地區生態環境的監測與建設尤為重要，其中土地覆被作為區域生態環境最直觀的表現形式，對土地覆被進行長時間序列的解譯和監測極其關鍵，可為區域生態環境保護和社會經濟可持續發展提供本底數據。

本研究以我國西北地區為研究區，包括新疆維吾爾自治區、青海省、甘肅省、寧夏回族自治區、陝西省和內蒙古自治區的阿拉善盟，以Landsat系列數據為主要數據源，利用遙感監測、地面調查驗證和高分辨率衛星影像解譯驗證的集成方法和手段，生成1990–2010年土地覆被變化數據集（1990年、2000年、2005年和2010年）。

本套數據集的生產結合應用基於eCognition平台的面向對象分類方法和ArcGIS平台的數據處理分析方法。在遙感影像的時相選擇方面，由於土地利用監測更多考慮對植被信息的了解和分析，要求獲取植被生長階段的遙感數據，以便捕獲更多的植被信息，因此在我國西北區域選擇6月中旬至9月下旬的無雲影像^[5]。在本套數據的製作過程中，不僅選用了植被生長季的遙感影像，同時還加入了非生長季和其他可以反映不同地物差異的時相影像，以及DEM、植被覆蓋度和其他特徵指數等數據。

在以往的土地利用分類研究中，為了滿足不同需要，土地資源研究與管理工作採用了不同的分類系統，主要包括全國農業區劃委員會制定的土地利用分類系統、中國科學院結合遙感特點制定的土地利用分類系統和國土資源部制定的土地利用現狀分類國家推進型標準等三大分類系統^[8][9][10]。本套數據集所採用的分類系統是從生態學角度並結合遙感的特點，通過物質組成、 結構、排列、季節特徵等19個指標制定，可服務於生態系統碳收支估算和國家生態環境監測^[11]。

1 數據採集與預處理

1.1 數據來源與預處理

數據源為Landsat TM和ETM+數據（表1），主要從美國地質調查局（USGS，https://glovis.usgs.gov/）获取，少数从中国地理空间数据云（http://www.gscloud.cn/）获取。遥感影像云量覆盖要求小于10%，时相要求每个轨道号影像必须有一景为植被生长季，以7–9月为最佳。其次根据土地覆被类型提取时阈值设定范围，补充非生长季影像和其他可以反映不同地物差异的时相影像。然后对影像进行预处理，主要包括波段合成、投影转换以及裁剪等步骤^[5]。

表1 數據詳情

數據名稱	時間	來源	類型
Landsat TM	1990、2005、2010	USGS、中國地理空間數據云	柵格
Landsat ETM+	2000	USGS、中國地理空間數據云	柵格

1.2 土地覆被數據提取流程

1.2.1 土地覆被數據分類流程

土地覆被數據分類方法採用基於面向對象的分類算法，並利用決策樹的思想逐級開展^[12]。面向對象分類方法越來越廣泛地應用於基於遙感數據的信息分類中，該方法是指首先通過分割影像，使同質像元組成大小不同的對象^[13][14]，進而以每個對象為處理單元，獲取其光譜信息，並結合對象的紋理、形狀、空間拓撲關係等信息進行分類。由於不同土地覆被類型的尺度不同，因此在分類過程中採用多尺度對象分割，影像的多尺度分割技術是一個局部優化過程^[15]。成功的影像分割是面向對象的信息提取方法的必要前提，其分割的尺度和精度直接影響分類的精度^[16]。具體流程如圖1所示。

圖片

圖1 土地覆被數據分類流程圖

最後，為了滿足1:70萬比例尺成圖要求，對基於30 m分辨率影像數據解譯的區域土地覆被數據進行重採樣，得到200 m分辨率的中國西北地區土地覆被數據產品。

1.2.2 主要特徵指數

基於面向對象分類方法提取土地覆被數據時，在對不同地物進行閾值設定時需要不同的參數信息，除了影像的波段和紋理信息，還有DEM、坡度、坡向等數據，以及一些表徵特定地物的指數，如下：

（1）雲指數（Cloud Index，CI）

進行土地覆蓋分類時，儘量選擇無雲或者雲覆蓋量小於10%的影像，對有雲的影像需要進行處理。本研究採用替換法處理雲覆蓋量較高的區域^[17]，引入雲指數以檢測雲覆蓋面積，計算公式如下：

CI = (TM1 +TM2 +TM3 )/3 （1）

式中，TM1 、TM2 和TM3 分別為Landsat數據的藍光波段、綠光波段和紅光波段。

（2）歸一化植被指數（Normalized Difference Vegetation Index，NDVI）

歸一化植被指數能夠直接反映植被生長狀態及植被覆蓋，並且根據它的時間變化曲線可以間接獲得季節變化和人為活動的信息^[18]。計算公式如下：

NDVI = (TM4 −TM3 )/ (TM4 + TM3 ) （2）

式中，TM4 為Landsat數據的近紅外波段。

（3）植被覆蓋度（Fractional Vegetation Cover，FVC）

植被覆蓋度是指植被在地面的垂直投影面積占統計區總面積的百分比，常用的估算方法為像元二分模型^[19]。計算公式如下：

FVC = (NDVI−NDVIsoil )/ (NDVIveg +NDVIsoil ) （3）

式中，NDVIsoil 為裸土區域的NDVI值；NDVIveg 為純植被像元的NDVI值。

然而，由於西北地區氣候乾旱，植被稀疏，類群結構簡單，在光譜曲線上往往不具備健康植被的典型特徵。此外由於受地面土壤背景信息的干擾強烈，從遙感影像上獲取的植被光譜信息極其微弱。根據已有文獻和實地採樣驗證，對乾旱區的植被覆蓋度計算採用改進的最大三波段梯度差法，公式如下^[20][21]：

圖片 （4）

式中，TM5 為Landsat數據的短波紅外波段；λ3 、λ4 、λ5 分別為紅、近紅、短波紅外波段波長；d為像元梯度差，dmax 為像元最大梯度差。

（4）改進型歸一化差異水體指數（Normalized Difference Water Index-Blue，NDWI-B）

NDWI被用於提取開闊的地表水面信息^[22]。另外由於水體相較於其他地物在近紅外波段的反射率最低，並且其反射率從藍光到近紅外波段的降幅很大的光譜特性，本研究採用基於藍光波段的歸一化差異水體指數^[23]。計算公式如下：

NDWI -B = (TM1 – TM4 )/ (TM1 + TM4 ) （5）

（5）歸一化建築指數（Normalized Difference Built-up Index，NDBI）

歸一化建築指數由查勇^[24]提出，用於城市區域信息的遙感自動提取。建築用地反射電磁波在TM的5波段和TM的4波段上具有明顯異質性，計算公式如下：

NDBI = (TM5 - TM4 )/ (TM5 + TM4 ) （6）

（6）歸一化雪蓋指數（Normalized Difference Snow Index，NDSI）

歸一化雪蓋指數是植被指數在冰川遙感監測中的延伸和推廣，它是將冰川的可見光強反射波段和中紅外低反射波段進行歸一化處理，以突出冰川特性，計算公式如下^[25]：

NDSI = (TM2 −TM5 )/ (TM2 + TM5 ) （7）

2 數據樣本描述

1990–2010年中國西北地區土地覆被數據集包括中國新疆維吾爾自治區、青海省、甘肅省、寧夏回族自治區、陝西省和內蒙古自治區的阿拉善盟等區域1990年、2000年、2005年和2010年的土地覆被，空間分辨率為200 m，保存格式為shp，數據命名為中國西北地區XX省1:70萬土地覆被數據集。土地覆被數據的分類系統是在FAO（聯合國糧食及農業組織）分類系統的基礎上，重新定義了適合區域特點和相關應用需求的分類系統，包括6個一級類和33個二級類（表2）^[11]。所有數據最終坐標及其投影參數採用Albers正軸等積雙標準緯線割圓錐投影，數據結果如圖2所示。

表2 西北地區土地覆被分類系統

I級代碼	I級分類	II級代碼	II級分類	指標
1	林地	102	落葉闊葉林	自然或半自然植被，H=3−30 m，C＞20％，落葉，闊葉
		103	常綠針葉林	自然或半自然植被，H=3−30 m，C＞20％，不落葉，針葉
		104	落葉針葉林	自然或半自然植被，H=3−30 m，C＞20％，落葉，針葉
		105	針闊混交林	自然或半自然植被，H=3−30 m，C＞20％，25％＜F＜75％
		106	常綠闊葉灌木林	自然或半自然植被，H=0.3−5 m，C＞20％，不落葉，闊葉
		107	落葉闊葉灌木林	自然或半自然植被，H=0.3−5 m，C＞20％，落葉，闊葉
		109	喬木園地	人工植被，H=3−30 m，C＞20％
		110	灌木園地	人工植被，H=0.3−5 m，C＞20％
		111	喬木綠地	人工植被，人工表面周圍，H=3−30 m，C＞20％
		112	灌木綠地	人工植被，人工表面周圍，H=0.3−5 m，C＞20％
2	草地	21	草甸	自然或半自然植被，K＞1.5，土壤水飽和，H=0.03−3 m，C＞20％
		22	草原	自然或半自然植被，K=0.9−1.5，H=0.03−3 m，C＞20％
		23	草叢	自然或半自然植被，K＞1.5，H=0.03−3 m，C＞20％
		24	草本綠地	人工植被，人工表面周圍，H=0.03−3 m，C＞20％
3	濕地	33	草本濕地	自然或半自然植被，T＞2或濕土，H=0.03−3 m，C＞20％
		34	湖泊	自然水面，靜止
		35	水庫/坑塘	人工水面，靜止
		36	河流	自然水面，流動
		37	運河/水渠	人工水面，流動
4	耕地	41	水田	人工植被，土地擾動，水生作物，收割過程
		42	旱地	人工植被，土地擾動，旱生作物，收割過程
5	人工表面	51	居住地	人工硬表面，居住建築
		52	工業用地	人工硬表面，生產建築
		53	交通用地	人工硬表面，線狀特徵
		54	採礦場	人工挖掘表面
6	其他	61	稀疏林	自然或半自然植被，H=3−30 m，C=4％−20％
		62	稀疏灌木林	自然或半自然植被，H=0.3−5 m，C=4％−20％
		63	稀疏草地	自然或半自然植被，H=0.03−3 m，C=4％−20％
		65	裸岩	自然，堅硬表面
		66	裸土	自然，鬆散表面，壤質
		67	沙漠/沙地	自然，鬆散表面，沙質
		68	鹽鹼地	自然，鬆散表面，高鹽分
		69	冰川/永久積雪	自然，水的固態

註：C：覆蓋度/鬱閉度（%）；F：針闊比率（%）；H：植被高度（m）；T：水一年覆蓋時間（月）；K：濕潤指數。

圖片

圖2 中國西北地區土地覆被現狀圖

3 數據質量控制與評估

3.1 數據驗證樣本調查

通常驗證土地覆被數據質量的樣本調查方法有三種：野外樣本點調查、基於高分辨率影像的樣本點識別和基於Google Earth的樣本點識別。大部分野外樣本點分布在公路兩側，調查路線選擇通達性好的道路，並儘可能多地經過各種土地覆被類型。為了保證獲取的景觀照片能夠較好地反映土地覆被狀況，GPS定點調查平均間隔距離不高於20公里，對於連片單一地物可適當放寬。GPS調查點選擇視線較好、地物變化顯著或地物交錯地帶，利用手持GPS定位後，沿不同方向拍攝土地覆被景觀照片，記錄景觀特徵。每個調查點應不少於4個方向照相，標明拍攝方向角、主要拍攝內容和周圍環境並填寫外業調查表，並對外業調查所獲取資料數字化。野外調查未能到達的區域，驗證樣本點採用高分辨率影像和Google Earth進行抽樣。為確保驗證點的真實性判讀，採用多個判讀人員獨立對影像進行目標點的識別，三人判讀達成共識的類型為有效驗證點。

由於篇幅所限，本文僅以關中平原為例（圖3）。圖中可以清晰反映出以西安市為核心的區域土地覆被變化，隨着人口的增長，城市化迅速發展，人工表面占地面積持續擴大，致使周邊耕地、草地等地類面積減少。

圖片

圖3 關中平原土地覆被現狀圖

3.2 土地覆被數據精度評估

由於野外驗證樣本點大多分布在道路通達的區域，因此對四期土地覆被數據進行抽查，通過高分辨率影像和Google Earth再次判讀，以保證信息提取精度達到要求。抽樣時，採取隨機抽樣的方法，對全部圖斑，以5%的抽樣率選取樣本。將驗證樣本點的土地覆被類型與相應位置的土地覆被矢量數據進行空間疊加，逐個圖斑判斷正誤率。驗證精度包括土地覆被數據一級分類和二級分類精度，精度的計算可以通過分類結果與驗證樣本點之間的比較，計算其正確率。對於某一樣本圖片，其分類的正確率（yi ）計算公式為：

圖片 （8）

式中，pa 為解譯正確的圖斑數；p為樣本i中所包含的所有圖斑數。

對數據進行驗證、修改後，最終使得土地覆被數據產品精度總體滿足95%的要求（表3）。

表3 西北地區土地覆被一級類精度

類型	林地	草地	濕地	耕地	人工表面	其他
精度	95.3%	94.6%	96.5%	95.7%	97.0%	96.1%

4 數據價值

土地利用/覆被變化是表徵人類活動強度和全球環境變化的關鍵要素，是模擬氣候效應和生物地球化學效應的重要輸入參數，其時空過程的量測、模擬與動力學機制的理解已經成為科學界關注的前沿內容^[26]。本研究以Landsat影像為主要數據源，並結合地面調查驗證、高分辨率影像解譯和Google Earth樣本點識別驗證，以我國西北地區為研究區，總面積達325×104 km2，製備1990–2010年間四期土地覆被數據集，在較大時空尺度上，驗證了面向對象信息提取方法在乾旱半乾旱區土地覆被提取的適應性，並為西北地區生態環境評估、可持續發展以及生態系統碳存儲估算等研究提供重要的基礎數據。

5 數據使用方法和建議

1990–2010年中國西北地區土地覆被數據集在http://www.crensed.ac.cn數據服務系統平台網站免費開放共享。為了規範數據共享使用，在平台上下載數據時需要填寫數據使用申請表。1990–2010年中國西北地區土地覆被數據集保存為矢量shp格式。ArcGIS、ArcView、ENVI、ERDAS等常用的GIS與遙感軟件均可支持該數據的讀取和操作。對四期土地覆被數據進行空間疊加分析，可以得到區域1990–2010年土地覆被時空變化分布及趨勢，結合區域氣象因素及人類活動可以進行區域生態環境變化的評估和驅動力分析，以及區域可持續發展研究。

致 謝

感謝USGS和中國地理空間數據云提供Landsat系列數據。

參考文獻

1. ^ ^{1.0 1.1} 李秀彬. 全球環境變化研究的核心領域──土地利用/土地覆被變化的國際研究動向[J]. 地理學報, 1996, (06): 553-558.
2. ^ ^{2.0 2.1} TURNER II BL, SKOLE D, SANDERSON S, et al. Land-Use and Land-Cover Change, Science/Research Plan[R]. IGBP Report No. 35/HDP Report No. 7 , Stockholm, Sweden, and Geneva, Switzerland, 1995.
3. 於興修, 楊桂山, 王瑤. 土地利用/覆被變化的環境效應研究進展與動向[J]. 地理科學, 2004, 24(5): 627-633.
4. 陳曦. 中國乾旱區自然地理[M]. 北京: 科學出版社, 2010.
5. ^ ^{5.0 5.1 5.2} 張增祥，趙曉麗，汪瀟, 等. 中國土地利用遙感監測. 北京: 星球地圖出版社; 2012.
6. 楊豐碩, 楊曉梅, 齊文娟, 等. 融合光譜與地形因子的土地利用/覆被變化檢測[J]. 遙感信息, 2018, 33(03): 116-123.
7. 孔君洽, 楊榮, 蘇永中, 等. 基於土地利用/覆被變化的荒漠綠洲碳儲量動態評估[J]. 生態學報. 2018, 38(21): 1-11.
8. 中華人民共和國國家質量監督檢驗檢疫總局, 中國國家標準化委員會. 中華人民共和國國家標準——土地利用現狀分類（GB/T 21010-2007）[M]. 北京: 中國標準出版社, 2007.
9. 劉紀遠. 中國資源環境遙感宏觀調查與動態研究. 北京: 科學出版社, 1996.
10. 全國農業區劃委員會. 土地利用現狀調查技術規程[M]. 北京: 測繪出版社, 1984.
11. ^ ^{11.0 11.1} 張磊, 吳炳方, 李曉松, 等. 基於碳收支的中國土地覆被分類系統[J]. 生態學報. 2014, 34(24): 7158-7166.
12. LAWRENCE RL, WRIGHT A. Rule-based classification systems using classification and regression tree (CART) analysis[J]. Photogrammetric Engineering and Remote Sensing, 2001, 67(10): 1137-1142.
13. MYINT SW, GOBER P, BRAZEL A, et al. Per-pixel vs. object-based classification of urban land cover extraction using high spatial resolution imagery[J]. Remote Sensing of Environment. 2011, 115(5): 1145-1161.
14. 陳雲浩, 馮通, 史培軍, 等. 基於面向對象和規則的遙感影像分類研究[J]. 武漢大學學報•信息科學版, 2006, 31(4): 316-320.
15. BENZ UC, 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 and Remote Sensing. 2004, 58(3): 239-258.
16. 錢巧靜, 謝瑞, 張磊, 等. 面向對象的土地覆蓋信息提取方法研究[J]. 遙感技術與應用, 2005, 20(003): 338-342.
17. 許章華, 龔從宏, 余坤勇, 等. 基於面向對象與替換法的遙感影像雲檢測與去除技術[J]. 農業機械學報, 2013, 44(6): 210-214．
18. 趙英時. 遙感應用分析原理與方法[M]. 北京: 科學出版社, 2003.
19. 李苗苗. 植被覆蓋度的遙感估算方法研究[D]. 北京: 中國科學院, 2003.
20. 古麗・加帕爾, 陳曦. 乾旱區荒漠稀疏植被覆蓋度提取及尺度擴展效應[J]. 應用生態學報, 2009, 20(12): 2925-2934.
21. 唐世浩, 朱啟疆, 周宇宇, 等. 一種簡單的估算植被覆蓋度和恢復背景信息的方法[J]. 中國圖象圖形學報. 2003, 8(11): 1304-1308.
22. MCFEETERS SK. The use of the normalized difference water index (NDWI) in the delineation of open water features[J]. International Journal of Remote Sensing. 1996, 17(7): 1425-1432.
23. 曲偉, 路京選, 李琳, 等. 環境減災小衛星影像水體和濕地自動提取方法研究[J]. 遙感信息, 2011, 4: 28-33.
24. 查勇, 倪紹祥, 楊山. 一種利用TM圖像自動提取城鎮用地信息的有效方法[J]. 遙感學報, 2003, 7(01): 37-42.
25. 都偉冰. 冰川信息多源遙感提取及天山東段典型冰川變化監測研究[D]. 焦作: 河南理工大學, 2014.
26. 劉紀遠, 寧佳, 匡文慧, 等. 2010–2015年中國土地利用變化的時空格局與新特徵[J]. 地理學報, 2018, 73(05): 789-802.

數據引用格式

謝家麗, 顏長珍, 常存. 1990–2010年中國西北地區土地覆被數據集[DB/OL]. National Science & Technology Infrastructure, 2018. (2018-08-31). DOI: 10.12072/casnw.057.2018.db.