利用地形參數(shù)提高土地覆被分類精度方法的改進(jìn)

廖順寶，葛樂瑋，王艷萍，李峰

(防災(zāi)科技學(xué)院 生態(tài)環(huán)境學(xué)院，北京 101601)

0 引言

土地利用/土地覆被變化(land use-cover change，LUCC)既是全球環(huán)境變化的重要原因[1-4]，也是研究全球變化和區(qū)域可持續(xù)發(fā)展的基礎(chǔ)數(shù)據(jù)。因此，土地利用/土地覆被數(shù)據(jù)被廣泛應(yīng)用于地質(zhì)水文模型[5-7]、生態(tài)系統(tǒng)碳循環(huán)模型[8-9]、社會公共健康和生態(tài)環(huán)境系統(tǒng)評價[10-11]、農(nóng)業(yè)和自然資源管理[12-13]等研究。在遙感、地理信息系統(tǒng)等高新技術(shù)日趨完善的今天，土地覆被信息主要是通過對衛(wèi)星遙感信息的解譯獲得。由于遙感技術(shù)本身存在同物異譜、異物同譜現(xiàn)象以及受地形、云霧等因素的影響，基于遙感獲得的土地覆被信息不可能與地面的實(shí)際情況完全一致，有時差異很大。因此，對遙感土地覆被數(shù)據(jù)進(jìn)行分類精度評價以及如何進(jìn)一步提高分類精度一直是該領(lǐng)域的研究熱點(diǎn)。

地形地貌決定區(qū)域人口、水文、地質(zhì)、土地利用/覆被等要素的基本骨架[14]，高程、坡度等是影響土地利用/覆被分布的基本因素[15]。因此，地形因子對土地覆被類型的形成與分布有重要影響[16]。如果在土地覆被分類過程中適當(dāng)考慮地形因子，必然會提高分類精度。一些學(xué)者計算了土地利用類型與高程、坡度、坡向、地形起伏度等地形因子間的相關(guān)系數(shù)[17-20]，但并沒有構(gòu)建出具體的定量模型。

研究表明，構(gòu)建地形因子與土地覆被類型面積占比之間的定量模型，可以明顯提高土地覆被產(chǎn)品的分類精度[21]。構(gòu)建土地覆被類型面積占比與地形因子之間的模型，可以在兩個層面上進(jìn)行，一是基于整個研究區(qū)的參考數(shù)據(jù)，二是僅基于研究區(qū)中分類精度較高區(qū)域的參考數(shù)據(jù)。眾所周知，不論是參考數(shù)據(jù)，還是待評價、待改進(jìn)的目標(biāo)數(shù)據(jù)，都不可能與地面的實(shí)際情況完全一致。如果把參考數(shù)據(jù)與目標(biāo)數(shù)據(jù)進(jìn)行空間疊加，疊加結(jié)果的屬性為二值：分類一致區(qū)和分類不一致區(qū)，顯然，分類一致區(qū)的數(shù)據(jù)更加可靠。因此，理論上，基于整個研究區(qū)數(shù)據(jù)建模改進(jìn)目標(biāo)產(chǎn)品的分類精度的效果不如基于一致區(qū)數(shù)據(jù)建模改進(jìn)目標(biāo)產(chǎn)品的分類精度的效果。目前，前者有少量研究，而后者尚無相關(guān)報道。

鑒于此，本文以京津冀為研究區(qū)，以中分辨率成像光譜儀(moderate-resolution imaging spectroradiometer，MODIS)土地覆被產(chǎn)品為研究對象，以該區(qū)域1∶25萬土地覆被數(shù)據(jù)為參考數(shù)據(jù)，探討僅基于分類一致區(qū)數(shù)據(jù)建立土地覆被類型面積占比與地形因子之間的模型，并以此改進(jìn)MODIS土地覆被產(chǎn)品分類精度的新方法。

1 研究區(qū)概況

京津冀地區(qū)包括北京、天津和河北3個省市，共計204個縣級行政區(qū)劃單元，總面積約為 21.56×104km2。研究區(qū)地勢西北高、東南低，由西北向東南逐漸傾斜，地形地貌復(fù)雜多樣，西北部以山地、丘陵和高原為主，其間分布有盆地和谷地，東南部為廣闊的平原地帶[22]。齊全的地貌類型導(dǎo)致植被在垂直方向上表現(xiàn)出垂直分帶特點(diǎn)，水平方向上表現(xiàn)出明顯交替性。研究區(qū)的自然植被類型主要為落葉闊葉林和草原植被、森林草原。

2 數(shù)據(jù)及處理

2.1 數(shù)據(jù)源說明

本研究所需數(shù)據(jù)包括：研究區(qū)數(shù)字高程模型(ASTER GDEM)數(shù)據(jù)、縣級行政區(qū)劃數(shù)據(jù)、1∶25萬土地覆被數(shù)據(jù)及MODIS土地覆被產(chǎn)品(MCD12Q1)。

1)研究區(qū)ASTER GDEM數(shù)據(jù)。從地理空間數(shù)據(jù)云下載(http：//www.gscloud.cn)，共下載了49幅30 m×30 m(1弧秒×1弧秒)分辨率的ASTER數(shù)據(jù)(數(shù)據(jù)范圍：36°N～43°N，113°E～120°E)，利用ArcGIS將49幅數(shù)據(jù)做拼接處理。數(shù)據(jù)的坐標(biāo)系是WGS_1984，格式為“.img”。

2)研究區(qū)縣級行政區(qū)劃數(shù)據(jù)。包括研究區(qū)一省二市的縣級行政區(qū)邊界、行政區(qū)代碼和名稱等屬性數(shù)據(jù)，WGS_1984坐標(biāo)系。主要用作構(gòu)建土地覆被類型面積占比與地形因子關(guān)系模型時的控制參數(shù)以及模型模擬結(jié)果的分析。

3)研究區(qū)1∶25萬土地覆被數(shù)據(jù)集(2005年)。源于國家科技基礎(chǔ)平臺-地球系統(tǒng)科學(xué)數(shù)據(jù)共享國家平臺，由中科院遙感所、中科院地理資源所等八家單位共同完成。該產(chǎn)品的全國土地覆被制圖總體準(zhǔn)確率為91%，各類型準(zhǔn)確率也達(dá)89%以上[23]。該數(shù)據(jù)包括6個一級類和25個二級類，采用Albers投影。

4)研究區(qū)MODIS數(shù)據(jù)產(chǎn)品(2005年)。從美國國家航空航天局(National Aeronautics and Space Administration，NASA)官網(wǎng)下載，數(shù)據(jù)空間分辨率是1 000 m，數(shù)據(jù)格式為“.hdf”，采用國際地圈生物圈計劃(international geosphere biosphere programme，IGBP)的分類系統(tǒng)。本文所使用的MCD12Q1產(chǎn)品由四幅數(shù)據(jù)拼接而成，四幅數(shù)據(jù)軌道號分別為h26v04、h26v05、h27v04、h27v05。

2.2 數(shù)據(jù)處理

由于上述數(shù)據(jù)各自的空間范圍、空間分辨率、投影方式、分類系統(tǒng)都不同，需要對數(shù)據(jù)統(tǒng)一空間范圍、空間分辨率、投影方式及分類系統(tǒng)。另外，本文是以地形因子為自變量，各縣區(qū)各地類的面積占比為因變量構(gòu)建多元線性逐步回歸模型。因此，需要基于DEM提取地形因子，計算在分類一致區(qū)內(nèi)各縣區(qū)各地類的面積占比。具體數(shù)據(jù)處理內(nèi)容如下。

1)投影轉(zhuǎn)換與重采樣。為了使各地類土地覆被面積數(shù)據(jù)無損失，將研究區(qū)的數(shù)據(jù)進(jìn)行Albers投影轉(zhuǎn)換。本文以MCD12Q1數(shù)據(jù)1 km空間分辨率為基準(zhǔn)，利用ArcGIS軟件將研究區(qū)1∶25萬土地覆被數(shù)據(jù)重采樣為1 km空間分辨率。

2)統(tǒng)一分類系統(tǒng)。土地覆被產(chǎn)品精度評價的前提條件是不同土地覆被產(chǎn)品具有統(tǒng)一的分類體系。研究區(qū)1∶25萬土地覆被數(shù)據(jù)地類為6個一級類和25個二級類，MCD12Q1土地覆被分類為17種類型。根據(jù)本研究需要，將統(tǒng)一后的土地覆被分類系統(tǒng)定義為五類，包含耕地、林地、草地、建設(shè)用地和其他地類。分類系統(tǒng)的對應(yīng)關(guān)系見表1。

表1 統(tǒng)一后的土地覆被分類系統(tǒng)

3)地形因子提取。以30 m分辨率的ASTER GDEM為基礎(chǔ)，利用ArcGIS軟件對選取的五個地形因子進(jìn)行提取，得到坡度、坡向、地表切割深度、地形起伏度四個地形因子，加上海拔高度本身，共五個地形參數(shù)。其中，海拔高度、坡度、坡向?yàn)槲⒂^地形因子，地表切割深度、地形起伏度為宏觀地形因子。

4)分類一致區(qū)提取。將參考數(shù)據(jù)與目標(biāo)數(shù)據(jù)進(jìn)行空間疊加，疊加結(jié)果的屬性為二值：分類一致區(qū)和分類不一致區(qū)，顯然，分類一致區(qū)的數(shù)據(jù)更加可靠。因此，后續(xù)建模僅基于分類一致區(qū)數(shù)據(jù)。

5)一致區(qū)內(nèi)地形參數(shù)統(tǒng)計。以縣級行政區(qū)劃為統(tǒng)計單元，利用ArcGIS軟件統(tǒng)計海拔高度的最大值、最小值和平均值，坡度、坡向的平均值。基于統(tǒng)計結(jié)果計算得到各縣(分類一致區(qū)內(nèi))的地表切割深度和地形起伏度參數(shù)。

6)一致區(qū)內(nèi)各地類面積占比計算。以縣級行政區(qū)劃為統(tǒng)計單元，對各縣一致區(qū)內(nèi)的耕地、草地、林地、建設(shè)用地和其他地類進(jìn)行分區(qū)統(tǒng)計，得到各縣一致區(qū)內(nèi)每類土地覆被的面積，由此計算出各地類的面積占五種地類總面積的百分比。

3 模型構(gòu)建及精度檢驗(yàn)

3.1 模型構(gòu)建

以分類一致區(qū)內(nèi)各縣地形因子(平均值)為自變量，各縣區(qū)各類土地覆被面積占比為因變量，利用SPSS軟件構(gòu)建回歸模型，同時設(shè)置回歸方程常數(shù)為0和常數(shù)非0共兩種情況。構(gòu)建的一致區(qū)模型方程見表2。

表2 各類土地覆被類型面積占比與地形因子之間的回歸模型

3.2 最優(yōu)模型選擇

為保證模型的擬合效果和精度，對表2中的模型進(jìn)行分析。復(fù)相關(guān)系數(shù)是判定系數(shù)，判定線性回歸的擬合程度，其值越大，擬合程度越好。最終選擇常數(shù)為0的草地、林地、建設(shè)用地和耕地模型以及常數(shù)不為0的其他地類的回歸模型對產(chǎn)品進(jìn)行精度提高。

3.3 模型精度檢驗(yàn)

為驗(yàn)證回歸模型的可靠性，本文利用最優(yōu)模型計算的各地類面積占比與實(shí)際各地類的面積占比的相關(guān)性、模型數(shù)據(jù)與參考數(shù)據(jù)的空間一致性比率兩種方法對模型精度進(jìn)行驗(yàn)證，從而選出精度高的模型改進(jìn)MODIS土地覆被產(chǎn)品精度。

1)一致區(qū)內(nèi)各縣各地類實(shí)際的面積占比與模型計算的面積占比相關(guān)性。圖1表示的是縣級尺度上一致區(qū)(常數(shù)為0的)林地、草地、耕地的模型計算結(jié)果與實(shí)際情況的相關(guān)關(guān)系分析結(jié)果。由圖1及表3可知，在五個地形因子與五種地類的相關(guān)性分析中，草地的相關(guān)性最高，相關(guān)系數(shù)為0.941，其次是林地、耕地、其他地類和建設(shè)用地，相關(guān)系數(shù)分別為：0.778、0.583、0.371、0.244。其中，草地、林地與地形因子高度相關(guān)，耕地顯著相關(guān)，建設(shè)用地和其他地類為低度相關(guān)。

圖1 縣級尺度模型計算的各地類面積占比與實(shí)際面積占比的相關(guān)關(guān)系

表3 模型計算面積占比與實(shí)際面積占比的相關(guān)系數(shù)

2)空間一致性分析。兩種產(chǎn)品的相對精度可以用空間一致性來衡量。一致性比率越高，說明兩種產(chǎn)品越接近。兩種產(chǎn)品第i種地類的一致性比率定義如式(1)所示。

(1)

式中：Ni、Mi分別為土地覆被產(chǎn)品N和土地覆被產(chǎn)品M中第i種土地覆被類型的像元數(shù)；Ti為在相同位置兩種產(chǎn)品都為土地覆被類型i的像元數(shù)。

為了獲得回歸模型計算結(jié)果與參考數(shù)據(jù)的最大空間一致性比率值，需要對回歸模型計算數(shù)據(jù)進(jìn)行閾值實(shí)驗(yàn)，實(shí)驗(yàn)步驟如下。

步驟1：在ArcGIS軟件中，使用柵格計算器，對所構(gòu)建的多元線性逐步回歸方程進(jìn)行柵格計算，得到一致區(qū)內(nèi)五種地類的土地覆被方程回歸計算面積占比，回歸計算面積占比的取值范圍是0～1。

步驟2：對回歸計算面積占比結(jié)果進(jìn)行歸一化處理，并將處理結(jié)果調(diào)整到0～10 000之間。

步驟3：各類土地覆被線性回歸計算面積占比設(shè)定閾值記為M(0≤M≤10 000)，將回歸計算面積占比數(shù)值等于或大于設(shè)定閾值M的柵格視為該土地覆被類型，小于設(shè)定閾值M的柵格視為非該土地覆被類型。

步驟4：計算閾值M下與參考數(shù)據(jù)1∶25萬的空間一致性比率。根據(jù)閾值實(shí)驗(yàn)得到空間一致性比率，見表4。

表4 模型實(shí)驗(yàn)閾值與參考數(shù)據(jù)各地類空間一致性比率最高值

由表4可知，一致區(qū)(常數(shù)為0)模型在林地、草地、耕地三種地類的空間一致性比率高于MODIS產(chǎn)品的空間一致性比率，而建設(shè)用地(常數(shù)為0)和其他地類(常數(shù)不為0)的空間一致性比率低于MODIS產(chǎn)品的空間一致性比率。根據(jù)面積占比相關(guān)性以及空間一致性分析結(jié)果，最終選擇林地、草地、耕地三種地類的回歸模型來提高M(jìn)ODIS土地覆被的分類精度。

4 利用模型提高M(jìn)ODIS土地覆被產(chǎn)品分類精度

利用上面建立的精度較高的回歸模型對林地、草地、耕地三種地類的分類進(jìn)行改進(jìn)。具體步驟和流程如下。

步驟1：利用ArcGIS軟件中的柵格計算器，依據(jù)柵格面積占比最大原則得到模型計算的林地、草地、耕地三種地類的土地覆被分布圖，記為MLR-1。

步驟2：利用ArcGIS軟件中的提取工具，從MODIS土地覆被分布圖中提取出不一致區(qū)內(nèi)林地、草地、耕地的分布圖，記為MCD-1。

步驟3：利用掩模工具，以MCD-1為掩模，對MLR-1進(jìn)行提取，得到MCD-1范圍內(nèi)的MLR-1部分，記為LCGMCD-1。

步驟4：將一致區(qū)、LCMCD-1以及未改進(jìn)地類進(jìn)行疊加，得到整個研究區(qū)改進(jìn)效果圖，記為一致區(qū)域建模改進(jìn)產(chǎn)品NEW-1-1。詳細(xì)技術(shù)流程見圖2。

圖2 基于分類一致區(qū)模型改進(jìn)MODIS土地覆被產(chǎn)品的技術(shù)流程

4.1 改進(jìn)效果的定性分析

將研究區(qū)原始MODIS土地覆被圖、1∶25萬土地覆被圖及改進(jìn)后的土地覆被圖NEW-1-1進(jìn)行對比，見圖3。由圖3可知，改進(jìn)后的土地覆被產(chǎn)品中林地空間分布有所增加，在研究區(qū)北部和西南部邊緣，增加最為明顯，林地分布的總體格局與1∶25萬土地覆被數(shù)據(jù)中林地的分布更接近；改進(jìn)后的土地覆被產(chǎn)品中草地的空間分布明顯減少，與1∶25萬土地覆被數(shù)據(jù)中草地分布更相似；改進(jìn)后的土地覆被產(chǎn)品中，耕地的空間分布有所增加，特別是在研究區(qū)的北部，增加最為明顯。

注：該圖基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為GS(2019)3333號的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖3 研究區(qū)改進(jìn)前后土地覆被產(chǎn)品與參考數(shù)據(jù)土地覆被圖的對比

4.2 改進(jìn)效果的定量分析

以1∶25萬土地覆被產(chǎn)品作為參考數(shù)據(jù)，對改進(jìn)前的MODIS產(chǎn)品和改進(jìn)后的MODIS產(chǎn)品NEW-1-1從各地類面積構(gòu)成比例和空間一致性比率兩個方面進(jìn)行定量分析。

1)面積構(gòu)成比例分析。利用式(2)，計算MCD、NEW-1-1、LC-TYPE三種數(shù)據(jù)中林地、草地、耕地三類土地覆被面積構(gòu)成比例，結(jié)果見表5。

(2)

式中：Pi為第i類土地覆被地類的面積占比；Si為第i類土地覆被地類的面積；S為研究區(qū)范圍內(nèi)五種地類的總面積。

由表5可知，改進(jìn)后土地覆被產(chǎn)品中林地、草地的面積占比與改進(jìn)前相比更接近于1∶25萬參考數(shù)據(jù)中林地、草地的面積占比，說明改進(jìn)效果明顯。其中，草地改進(jìn)效果最明顯，與1∶25萬參考數(shù)據(jù)相比，由改進(jìn)前的相差22%減少到相差5%。因此，從面積占比這一指標(biāo)看，林地、草地這兩類自然植被的改進(jìn)效果較明顯，耕地的分類效果并沒有得到改進(jìn)。此外，建設(shè)用地和其他地類的面積占比變化不大，主要是由前面三種地類的改進(jìn)而引起的被動變化。

表5 參考數(shù)據(jù)產(chǎn)品與改進(jìn)前和改進(jìn)后的產(chǎn)品各地類面積占比 %

2)空間一致性分析。分別計算原 MODIS土地覆被產(chǎn)品、改進(jìn)后產(chǎn)品 NEW-1-1與參考數(shù)據(jù)之間的空間一致性比率，結(jié)果見表6 。NEW-1-1與參考數(shù)據(jù)中的林地、草地、耕地三種地類的空間一致性比率都要高于MCD。其中，NEW-1-1的草地空間一致性比率最高，為81.87%，其次為耕地和林地，分別為78.92%、61.66%。改進(jìn)后產(chǎn)品比改進(jìn)前產(chǎn)品在林地、草地、耕地的空間一致性比率上分別提高了30.02%、40.87%和4.94%。由于建設(shè)用地、其他地類與地形參數(shù)之間的關(guān)系并不顯著，因此，這兩個地類沒有被改進(jìn)，空間一致性指標(biāo)值變化不大，其微小的變化主要是由前面三種地類的改進(jìn)而引起的被動變化。

表6 改進(jìn)前后的MODIS產(chǎn)品與參考數(shù)據(jù)產(chǎn)品空間一致性 %

上述結(jié)果與基于整個研究區(qū)域建模改進(jìn)分類的效果(林地、草地、耕地的空間一致性比率分別提高8.55%、27.44%、7.23%)相比，林地、草地等自然土地覆被類型的改進(jìn)效果更加明顯，分別由8.55%和27.44%上升到30.02%和40.87%；耕地的改進(jìn)效果基本持平且略有下降。主要原因是，本文基于土地覆被類型分布與地形因子之間的關(guān)系來改進(jìn)土地覆被分類精度，由于京津冀地區(qū)的絕大部分耕地都分布在低海拔的平原地區(qū)，而在平原地區(qū)，地形參數(shù)基本趨同(沒有差異)，難以起到控制參數(shù)的作用。因此，出現(xiàn)了林地、草地(主要分布在丘陵、山地、高原，地形因子豐富)空間一致性大幅度提升，而耕地的空間一致性比率變化不大的情況。

因此，可以得到結(jié)論：對于林地、草地等與地形因子關(guān)系密切的自然土地覆被類型而言，基于分類一致區(qū)數(shù)據(jù)建模改進(jìn)MODIS土地覆被產(chǎn)品分類精度的效果，比用整個研究區(qū)數(shù)據(jù)建模的效果更好。

5 結(jié)束語

本文基于參考數(shù)據(jù)與目標(biāo)數(shù)據(jù)的分類一致區(qū)，構(gòu)建海拔高度、坡度、坡向、地表切割深度和地表起伏度等地形因子與土地覆被類型面積占比之間的定量關(guān)系，并以此來改進(jìn)目標(biāo)數(shù)據(jù)中分類精度較低區(qū)域的分類精度，從而達(dá)到提高目標(biāo)產(chǎn)品整體分類精度的目的。主要結(jié)論如下。

1)地形地貌對土地覆被類型的形成具有重要影響，甚至起著決定性的作用。土地覆被類型(面積占比)與地形因子之間具有很強(qiáng)的相關(guān)關(guān)系，基于這種定量關(guān)系對土地覆被分類進(jìn)行改進(jìn)是完全可行的。

2)基于土地覆被類型(面積占比)與地形因子之間的關(guān)系模型來改進(jìn)土地覆被分類，建模所用數(shù)據(jù)是關(guān)鍵。在參考數(shù)據(jù)與目標(biāo)對象的分類一致區(qū)，由于土地覆被分類的可靠性更高，所建模型的精度也會更高。因此，理論上，基于分類一致區(qū)建模來改進(jìn)目標(biāo)產(chǎn)品的分類精度，比基于整個區(qū)域建模改進(jìn)目標(biāo)產(chǎn)品的分類精度的效果更加明顯。

3)本文從面積構(gòu)成比例和空間一致性比率兩個指標(biāo)實(shí)際證明了，基于分類一致區(qū)建模來改進(jìn)目標(biāo)產(chǎn)品的分類精度，比基于整個區(qū)域建模改進(jìn)目標(biāo)產(chǎn)品的分類精度的效果更加有效，特別是對那些與地形因子關(guān)系密切的林地、草地等土地覆被類型。