上篇 山地土地利用/覆被遥感监测方法篇
第1章 绪论
1.1 土地利用/覆被概念
20世纪以来，一系列全球性重大环境问题，如全球气候变暖、生物多样性降低、森林锐减、土地退化、极端灾害事件频发等（Turner et al.，1995），对人类的生存与发展构成严重威胁，引起政府、科学界和公众的广泛关注。从地球系统科学的角度看，一般认为，除了日地系统的周期性节律影响外，全球性环境问题的产生主要是地球表层系统中大气圈、水圈、生物圈、岩石圈与人类活动相互作用的后果。土地利用/覆被是地球表层系统中*突出的景观标志，土地利用/覆被变化（land use and land cover change，LUCC）是人类活动和地球表层系统各自然要素相互作用的结果（刘纪远等，2011）。因此，LUCC成为研究自然与人文过程的理想切入点，也是全球变化研究的热点领域。
土地利用与土地覆被之间既有区别又有联系。狭义的土地利用是指对地球表层的耕地、林地、草地的利用，即农业的土地利用（吴传钧，1979）。广义的土地利用是指人类有目的地开发利用土地资源的一切活动，如农业、工业、交通、居住等都是土地利用的概念。土地覆被是随着遥感技术的兴起而出现的新概念，主要指地表自然形成的或人为改造的覆被状况，如耕地、林地、草地、道路、建筑及土壤、冰雪和水体等。国际地圈-生物圈计划（international geosphere-biosphere programme，IGBP）和全球变化人文领域计划（international human dimension programme，IHDP）将土地覆被定义为“地球陆地表层和近地面层的自然状态，是自然过程和人类活动共同作用的结果”（Turner et al.，1995）。美国全球环境变化委员会（United States of Global Climate Research，USSGCR）将其定义为“覆盖着地球表面的植被及其他特质”（US-SGCR/CENR，1996）。另有学者称土地覆被为“具有一定地形起伏的覆盖着植被、雪、冰川或水体，包含土壤在内的陆地表层”（Graetz，1993）。
土地利用与土地覆被的关系如图 1.1所示。首先，土地利用是人类根据一定的社会经济目的，采取一定的生物、技术手段，对土地资源进行长期性或周期性的开发利用、改造和保护等经营活动，也就是把土地的自然状态改变为人工状态的过程，侧重于土地的社会属性。土地覆被是指覆盖地表的自然物体和人工构筑物，它反映的是地球表层的自然状况，侧重于土地的自然属性。其次，土地利用是土地覆被变化*重要的影响因素，土地覆被变化又反作用于土地利用。土地利用的结果是土地覆被渐变和土地覆被转型。前者是指土地覆被状态发生变化，但土地覆被类型并没有改变，过程较为缓慢的土地覆被变化；后者是指一种土地覆被类型被另一种土地覆被类型所替代。*后，土地利用/覆被是一个事物的两个方面，前者是发生在地球表面的过程，后者则是各种过程的产物。
图1.1 人类活动、土地利用、土地覆被的联系（Turner et al.，1995）
1.2 土地利用/覆被变化研究进展
近现代早期的土地利用研究可以追溯到 19世纪前期德国农业经济学家冯.杜能的工作。20世纪 90年代以来，土地利用研究具有了新内涵。 1990年 IHDP第一次学术会议将LUCC确定为六大研究方向之一。1995年，由隶属于国际科学联合会（International Council for Science，ICSU）的 IGBP和隶属于国际社会科学联合会（International Social Science Council，ISSC）的 IHDP共同拟定了为期 10年的“LUCC科学研究计划”，并将其列为全球变化研究的一项核心计划（Turner et al.，1995）。该研究计划的主要内容可概括为以下 5个科学问题。
（1）过去 300年间土地覆被是怎样被人类利用而改变的？
（2）在不同的地理单元和历史时期，土地利用变化的主要人为因素是什么？
（3）未来 50～100年土地利用变化将怎样改变土地覆被？
（4）突发性人为活动和生物物理动态变化怎样影响土地利用类型的持续性？
（5）全球环境变化怎样影响土地利用/覆被，反过来又是怎样？
围绕以上 5个科学问题，制定了三个研究主题。
（1）土地利用变化动态研究。通过区域性案例的对比研究，分析土地利用方式变化的主要驱动因子，建立区域性的土地利用/覆被变化的经验模型。
（2）土地覆被变化监测研究。利用遥感技术监测土地覆被的时空变化过程，并将其与驱动因子相联系，建立解析土地覆被时空变化及预测未来可测性变化的经验诊断模型。
（3）区域和全球模型。建立宏观尺度上的，包括与土地利用有关的各经济部门在内的土地利用/覆被变化动态机制模型，根据驱动因子的变化来推断土地覆被未来的变化趋势，为制定相应对策和全球环境变化研究服务。
除了LUCC科学研究计划外，一些国际组织与国家也先后实施了大量与土地利用/覆被变化相关的研究项目，如联合国环境规划署（United Nations Environment Programme，UNEP）1994年启动的土地覆被的评价与模拟项目（Land Cover Assessment and Monitoring，LCAM）（UNEP-EAPAP，1995）；国际应用系统与分析研究所（International Institute for Applied Systems Analysis，IIASA）1995年启动的土地利用变化项目（IIASA，1998）以及国际地理联合会（International Geography Union，IGU）的土地利用/覆被变化研究项目等。
持续十余年的LUCC研究计划结束后，LUCC研究又转入了新的阶段，IGBP和 IHDP又新设立了全球土地计划（Global Land Project，GLP）（GLP，2005）。该计划是在 IGBP核心研究计划——“全球环境变化与陆地生态系统”（Global Change and Terrestrial Ecosystem，GCTE）计划和“LUCC科学研究计划”基础上的又一项国际性土地利用/覆被变化研究计划（傅伯杰和张立伟，2014）。它主要研究土地系统变化的原因和本质、土地系统变化的后果，以及土地可持续性的综合分析和模拟。GLP将土地系统与社会、生态与环境系统高度耦合，建立土地可持续性的综合分析与模拟体系，从而揭示土地系统与社会-生态-环境系统的相互作用机制。
2004年，《美国科学院院刊》刊发“发展土地变化科学——挑战与方法问题”（Rindfuss et al.，2004），将LUCC研究提升到土地变化科学（Land Change Science，LCS）层面。 2007年《美国科学院院刊》刊发了美国科学院院士、克拉克大学教授 Turner，原LUCC研究计划主席、比利时鲁汶大学教授 Lambin和现 GLP研究计划主席、哥本哈根大学教授 Reenberg共同撰写的“全球环境变化和可持续性背景下的土地变化科学”一文，将LUCC研究和全球变化与可持续发展联系在一起，进一步强调了土地利用/覆被变化在全球环境变化和可持续发展研究中的重要作用（Turner et al.，2007）。
随着LUCC研究的不断深入，其研究内容也从LUCC观测与监测技术、驱动机制、建模研究，扩展到LUCC的气候、资源、生态和环境效应、LUCC的可持续性评价等诸多方面（刘纪远等，2020）；其研究目标也由单纯关注土地利用/覆被变化的途径和规律演变为在全球生态系统视角下关注土地利用/覆被的变化；研究方法也更加注重多学科的交叉，重视机理研究、格局和过程耦合作用研究等。土地利用/覆被遥感监测是LUCC研究的基础，它以遥感影像为基础数据，通过构建自动制图与变化检测模型，获取时空连续的土地利用/覆被数据集，进而分析区域乃至全球尺度的LUCC时空分异规律。其中，土地利用/覆被遥感制图和变化检测是土地利用/覆被遥感监测的关键环节。
1.2.1 国内外土地利用/覆被遥感制图研究进展
土地利用/覆被遥感制图主要是利用各土地利用/覆被类型在遥感影像不同波段中所表现出的光谱、纹理、几何形状、空间结构等方面的差异，按照某种规则或算法确定影像中每一个像元/对象/场景所对应的土地利用/覆被类型（李爱农等，2003）。土地利用/覆被制图的过程可形式化地表达为
（1.1）
式中，y为待确定的土地利用/覆被类型，包括两种形式：一种是离散的类型，即森林、草地、农田、湿地等土地利用/覆被类型，用于全要素土地利用/覆被制图；另一种是连续型的数值类型，代表归属于某种土地利用/覆被类型的概率，用于单一要素土地利用/覆被制图；x为参与土地利用/覆被遥感制图的各类数据源，可同时包括多种数据，即有多个维度，用 xn表达；f为制图模型，如简单的判别函数，*大似然法中的*大后验概率，决策树算法构建的规则集，神经网络学习后形成的网络结构，支持向量机构建的*优超平面等。 f的功能是建立输入数据源与土地利用/覆被类型之间的对应关系，是整个土地利用/覆被遥感制图的核心。
伴随着遥感数据源 x的扩展和制图模型 f的发展，土地利用/覆被遥感制图研究不断向前推进。遥感数据源从*初的全色影像走向了多光谱再到高光谱影像，从低空间分辨率、中空间分辨率影像到高空间分辨率和超高空间分辨率影像，从可见光影像到近红外影像再到热红外、微波影像、 LiDAR点云，时间分辨率从月尺度逐步走向了日尺度。制图模型从目视判读到计算机半自动、自动分类，从基于像元到面向对象，从基于统计的*大似然法、迭代自组织数据分类法（Iterative Self-organizing Data Analysis Technique，ISODATA）到基于人工智能的人工神经网络、支持向量机、决策树等算法，再到深度学习算法，每一种新的分类策略或算法的提出或引入都为土地利用/覆被遥感制图研究带来了新的动力（雷光斌等，2016）。
在土地利用/覆被制图研究发展的初期，受可获取的影像数据及计算机性能的限制，土地利用/覆被制图研究更多利用有限的卫星或航空遥感数据和人工目视判读的方法。该阶段主要依靠制图人员对遥感影像的解译，根据不同地物在颜色、大小、纹理、形状、位置、色调、阴影、模式和相关关系上的差异，从而判读地物类型信息（周万村，1985；王一谋，1986）。相对而言，人工目视判读方法所使用的人力和物力成本高，制图周期长，对制图人员的综合判读能力要求高，但由于制图人员先验知识的影响，制图精度相对较高（颜长珍等，1999）。该阶段为土地利用/覆被遥感自动制图研究积累了丰富的影像判读经验，并培养了大批经验丰富的制图人员。
随着遥感影像类型的增多、遥感影像数据的积累，以及计算机技术的普及和计算机分析、处理、存储能力的逐步提升，一些半自动、全自动的土地利用/覆被制图方法不断被提出和采用，*大似然法、 ISODATA法是其典型代表（张树文和薄立群，2000）。这些半自动、全自动的土地利用/覆被制图方法主要使用了遥感影像的光谱信息，缺乏对影像纹理、形状、相关关系等信息的充分利用（李仁东和李劲峰，1998）；同时，部分算法（如*大似然法）对于训练样本的概率分布也有一定的要求（正态分布）（张增祥等，2009）。总体来看，该阶段的土地利用/覆被制图效率显著提高。
随着人工智能技术的发展，人工神经网络、支持向量机、遗传算法、决策树、模糊集等人工智能算法被成功引入遥感自动制图领域（Mountrakis et al.，2011；Belgiu and Dr.gu.，2016）。该阶段的土地利用/覆被
展开
