3、土地资源遥感应用研究的主要内容和特点
应用的主要目的是基于遥感获取的目标信息，提取专题知识，支持相关研究和决策。限于土地资源的有限性和时空变动特点，识别土地资源类型，掌握不同类型土地资源的数量、分布、构成和变化，评估土地质量和利用潜力，是土地资源研究的基本内容。
3.1 土地资源分类系统
区分土地资源类型，是为了根据土地资源的差异性，按照类别获取土地资源的面积、分布、动态信息，满足资源构成分析、空间格局分析、动态模式分析的需要。因而，制定分类系统是观测与研究的基础，按照预定的分类规则和方法，将观测对象加以分类区分，并形成一定的层次关系，其完整性、系统性、合理性、适用性、可操作性至关重要，分类系统的合理与否直接决定了研究结果的准确程度。分类系统的制定受观测区域、内容、目的的直接影响会有所不同，但实现全区域覆盖、全类型覆盖，不同类型相互独立，通常是制定分类系统的最基本要求。
目前，尚没有能够被普遍认可的土地资源分类系统，多数情况下都是按照某一应用目的制定的独立分类系统，针对性强，普适性不足。按照目的，土地资源的分类可以有多种方法，采用地形分类和土地利用方式分类在中国较普遍，特别是研究与规划中更多进行土地利用分类，有时候还会将地形分类与利用方式分类结合起来，如中国土地利用遥感监测的分类系统等(刘纪远等，2005)。基于地表覆盖的土地分类在国内外的研究中都有较多出现，包括应用广泛的全球性土地覆盖遥感数据产品和中国土地覆盖遥感监测数据库等(张增祥，2010)。
按照地形，土地资源可分为山地、丘陵、平原、高原、台地、盆地等，反映土地资源的外在形态为主，也是土地利用方式形成与演变的自然基础。一方面，不同类型的土地具有不同的利用价值，会造就不同的利用方式，不同土地类型的组合对区域土地利用也有直接的影响，而且区域间的不平衡明显。另一方面，不同时期，因为土地利用的目的有变化，社会、经济和技术发展阶段有差异，土地利用方式的变化会改变业已形成的区域土地利用状况。中国面积辽阔，自然条件复杂，土地资源类型多样，加之经过数千年的开发利用，逐步形成了各种多样的具有显著地域特点和明显时代特征的土地利用类型及其组合方式。按照土地的利用方式，土地利用类型一般分为耕地、园地、林地、草地、水域、城镇居民用地、交通用地、未利用土地等。20世纪80年代开展90年代完成的中国土地资源调查工作，在统一的技术规程和土地分类标准基础上，分批完成了全国各县的土地资源调查任务，简称土地调查(马克伟，2000)，即采用此分类系统。
国际上有关土地资源的分类系统更多考虑地表覆盖。由IGBP提出的分类系统应用最多，该分类系统涵盖了常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混交林、开放灌丛、密闭灌丛、木本稀疏草原、稀疏草原、草地、永久性湿地、农田、城镇和建设用地、农田与天然植被混合、裸土或稀疏植被、水体等17种类型。另外一个应用较多的分类体系是由联合国粮农组织提出的LCCS(Land Cover Classification System)，与IGBP分类系统不同，LCCS分类系统并不直接定义每一种土地类型，而是提供了一个分类框架，在框架内可以根据不同的研究内容自行定义更多的土地类型。全球性的7套土地覆盖数据集中，UMd数据集的分类系统与IGBP分类系统较为类似，但UMd分类系统有所简化。MODIS数据集则提供了5套不同分类的土地覆盖数据，其中2套数据分别采用了IGBP和UMD的分类系统，另外3套数据则分别是基于叶面积指数(LAI/fPAR)、净初级生产力(NPP)和植物功能类型(PFT)的分类系统。GLC2000、GlobCover和GLCNMO数据集的分类系统则是以LCCS为基础构建的，分别将全球土地划分为22、23和20种类型。虽然LCCS体系赋予了使用者更大的自由度去定义分类体系，但是也导致不同的分类系统差异性过大，以至于数据集之间无法进行对比分析。中国GlobeLand30数据集目前发布的数据将土地覆盖类型划分为耕地、森林、草地、灌丛、湿地、水体、苔原、人工表面、裸地和永久性冰雪等10个类型。
全国农业区划委员会制定的土地利用分类系统是中国使用时间最长的土地分类系统。依照土地的用途、经营特点、利用方式和覆盖特征等要素，制定了两级分类的土地利用现状分类系统，包括耕地、园地、林地、牧草地、居民点及工矿用地、交通用地、水域和未利用土地等8个一级类型和46个二级类型，并且可根据需要在不打乱全国统一编码顺序及其代表性地类的情况下进行三、四级分类。20世纪90年代后期，中国科学院开展的全国土地利用遥感监测中使用的土地利用分类系统是就在这个基础上，针对遥感技术特点和研究目的修改完善的，共包括耕地、林地、草地、水域、城乡工矿居民用地和未利用土地等6个一级类型和25个二级类型，增加了8个三级类型，该分类系统还增加了对于动态信息的表示，兼顾了土地利用遥感调查和动态监测的双重需要，在针对过去30年的中国土地利用遥感监测工作中得到了实际应用。2007年8月，中国发布了“土地利用现状分类”(GB/T 21010-2007)，将全国土地分为12个一级类和57个二级类，这是中国第一个土地利用分类的推荐性标准，实际上也是在过去的土地利用分类系统和土地分类基础上补充、完善而成的，它更多地考虑了建设用地的差异及其详细划分，对林、草等植被信息的反映稍显简略。
3.2 土地资源遥感应用研究的技术路线
一直以来，土地资源研究就是地理学研究的主要领域之一，这是由研究人地关系为核心的地理学的特点决定的。而土地之所以称为资源，根本上就是以满足人类利用的需要为特点。传统的土地资源研究一般包括土地资源分类、各类土地面积获取、各类土地的分布、不同类型土地资源的构成、土地资源利用方式的转变、面积与构成的变化、对区域社会经济发展的作用和意义、资源利用与生态环境的关系等，通过调查获取类型、数量、分布、变化等属性信息，并以制图的方式承载这些信息，供进一步的分析研究所用。
运用遥感技术进行土地资源现状调查，以摸清土地的数量及分布状况，是遥感应用中最早、研究最多的一项基础性工作(赵英时，2003)。遥感技术的出现，极大地丰富了土地资源研究的手段，拓展了研究内容，深化了研究程度。遥感技术在土地资源领域应用的初期，更多地表现在信息获取手段的增强方面，特别是对于获取空间信息的作用更大。基于实地调查，在实际地物与遥感数据或遥感影像间建立对应关系，即判读标志，然后通过对遥感数据或影像的专业分析，识别不同类型的土地、编制图件、量算面积等，此后的数据汇总与分析又回归传统。遥感应用初期的主要特点体现在调查方面，更多情况下具有“摸清家底、填补空白”的性质。成果形式主要包括图、表和报告等。
随着遥感技术的发展，特别是卫星数量和传感器种类的增加，有效降低了天气等外部因素对遥感数据质量和可用性的不利影响，时间序列的遥感数据逐渐成型并日臻完善，土地资源遥感应用研究在调查的基础上，更多开始关注动态监测和数据信息的更新，获得了大量的关于土地资源数量、分布、构成、类型转换等方面的动态变化信息，逐步开展了土地资源的现代过程研究。在很多研究中，还基于过程研究获得的知识，探索性地进行预测分析。
如果将传统土地资源研究的技术路线概括为分类系统制定—点、线调查—专题制图—面积量测—数据汇总—数据分析—成果处理与应用等环节，遥感的作用主要体现在这一技术流程的前期阶段。由于遥感信息的应用，结合点、线为主的实地调查，能够将相关知识拓展到整个空间区域，强化了对研究区域的整体认识。专题制图无论采用人机交互的判读分析还是计算机自动分类方法，都得益于遥感数据提供的空间信息，更易于实现，制图结果更符合实际。过去近20年来，GIS技术与遥感技术结合，进一步推动了土地资源遥感应用研究的发展，动态监测与过程分析受到重视。不仅实现了动态信息的获取，而且加快了整个技术流程的实现，有效提高了应用成果的现势性和应用价值。土地资源研究的技术路线也由传统的直线式逐步开展，演变出螺旋式演进的周期性特点。成果形式除了图、表和报告外，增加了影像库、专题信息库等数据库形式，多数情况下还实现了现状库与动态库的结合。
3.3 土地资源信息提取方法
基于遥感数据的土地资源信息提取主要是将遥感数据所包含的不同时期、不同空间、不同类型的土地依照其属性特征加以识别和表示的过程。提取方法一般归为两类。一类是基于专业人员对遥感数据及其区域状况的了解，采用综合分析的方法来实现，另一类就是利用计算机技术，主要过程是通过不同波段信息的组合计算加以区分和表示，就其效率和精度而言各有利弊。
目视解译是早期出现的遥感信息提取方法，根据专业经验和知识，建立不同地物类型的判读标志，进而识别、提取和绘制专题地图。这是人们通过遥感技术获取目标信息最直接、最基本的方法。无论是早期的利用航空像片，还是卫星影像，从遥感图像的选取—图像分析—解译标志的建立—判读与制图—面积量算—误差的平赋—精度分析等，已形成一套比较成熟的技术路线(赵英时，2003)，在全国土地资源、三北防护林、西藏自治区土地利用等大型遥感中得到实际应用，形成了不同的土地资源遥感监测数据产品(刘纪远等，2005;张增祥等，2012)。目视解译具有便于利用地学知识综合判断、利于空间信息提取、灵活性强等优点，同时存在人工投入大、解译经验要求高且受个人主观因素影响大，在广泛推广时面临效率低和精度控制困难等问题(贾坤等，2011)。综合来看，目视解译方法因技术成熟，信息提取定性精度可高达90%(刘纪远等，2005)，目前仍然是一种比较成功且精度普遍被认可的一种分类方法(史泽鹏，2012)。
判读分析方法更注重结果的准确性、合理性和可解读性，被认可程度高，在大多数应用工程类研究中受到重视。随着遥感技术和GIS技术的发展及其在土地资源研究中应用的深入，以纸质遥感影像为分析介质的传统遥感目视判读方法，逐步转化为人机交互方式，直接利用计算机显示遥感数据，在屏幕上进行判读分析，便于修改，也能够利用缩放功能，更细致地观察对象，对于效率的提高有明显帮助，而且更便于专题信息的更新和动态信息的获取。这种方法常被诟病的是分析结果会因为专业人员的知识背景、理解能力、理解角度和对研究区的了解程度而有所差异，实际上基于计算机的自动分类也同样会因为类似原因存在这样的“不确定性”，“直到满意为止”的认可原则本身就表明了结果的不确定。
自20世纪80年代以来，国内外学者一直致力于研究计算机自动分类方法用以替代传统的目视解译方法，一方面可以将专业的图像解译人员从繁重的解译工作中解放出来，同时可以去除主观性，特别是面向目前遥感数据时空分辨率逐渐提高、数据来源日益增多且研究区域全球化的发展形势，依靠专业人员目视解译的传统信息提取方法，难以满足数据量日益庞大的遥感信息提取数量与速度的需求。近30年来，学者们发展了大量的遥感自动分类方法，可归纳为3大类：统计学分类、人工智能分类(Wilkinson，1996;刘小平等，2008)及其他分类方法。
基于统计分析原理的非监督分类法和监督分类法是发展较早的两种简单分类方法。其中，非监督分类方法受人为因素影响较少，不需要对地面实际情况有很多了解，但分类精度较低，因此常被用于土地利用/覆盖分类前期的初分类，用以了解区域的大致情况(Martinez-Casasnovas，2000)。依赖训练样本的监督分类方法精度明显提高，其中使用最为广泛的是最大似然分类方法，在小区域应用研究中总体精度可达到80%以上(骆剑承等，2002)。该方法要求训练数据为正态分布，在大区域应用时由于地物类型趋于复杂，训练数据难以满足正态分布，难以获得较高的分类精度。
随着计算机和遥感技术的不断发展，神经网络分类、专家系统分类(张爽，2006)、蚁群算法分类(刘小平等，2008)等人工智能分类方法在遥感数据分类中得到了广泛的应用。最常用的算法是神经网络分类(Atkinson和Tatnall，1997;胡守仁等，1993)，发展有多种形式的神经网络算法，如反向传播网络(Heerman和Khazenie，1992)、模糊神经网络(Gopal等，1999)、Kohonen自组织特征映射网络(Kohonen，1981)等，同时呈现出与遗传算法、小波变换以及模拟退火算法等(童小华等，2008;哈斯巴干等，2003;韩宗伟等，2015;李双成和郑度，2003)多种技术综合集成的态势。神经网络方法具有自适应性和进行复杂并行运算的能力(Heermann和Khazenie，1992;Bischof等，1992;Serpico和Roli，1995)，对数据类型及数据分布函数没有限制性要求，可融合多种数据进行分类。人工神经网络在土地覆盖和土地利用方面得到广泛应用。该方法应用在基于Landsat ETM+遥感数据的盐城滨海湿地覆被分类中(肖锦成等，2013)，得到了85%的分类精度，相比最大似然法提高了6个百分点。不足的是，神经网络属于黑箱结构，难以对结果进行解释，并存在过学习、局部最小值和收敛速度慢等问题(刘小平等，2008)，虽然在小区域土地分类中使用广泛，但在大区域土地分类中应用不多。
此外，常用的还有支持向量机分类方法(Vapnik，1995;骆剑承等，2002)、决策树分类(Friedl等，1999;邸凯昌等，2000)以及面向对象分类方法等。支撑向量机通过解算最优化问题，在高维特征空间中寻找最优分类超平面，从而解决复杂数据的分类及回归问题。利用支持向量机和MERIS(300 m)数据的区域土地覆盖制图研究发现，支持向量机在土地特征刻画过程中的分类性能和精度明显优于神经网络算法和最大似然算法(李明诗，2008)，区域土地覆盖一级分类精度可达67%。
决策树分类是以分层分类思想作为指导原则，利用训练样本生成判别函数，根据不同取值建立树的分支并把数据分为特征更为均质的子集(贾坤等，2011)的一种方法。决策树分类法无需统计假设，可以处理不同空间尺度的数据，在遥感分类领域应用广泛。美国USGS、EPA等部门联合实施的“美国土地覆盖数据库”计划(NLCD 2001)中，决策树分类技术在土地利用分类中的分类精度达到了73%—77%，可以满足大规模土地分类数据产品生产的要求(姜丽华和杨晓蓉，2009)。
面向对象分类方法是一种影像分割技术，其分类的最小单元由影像分割得到的同质影像对象(图斑)，而非单个像素，充分利用了影像的光谱信息、纹理信息和拓扑关系。面向对象分类方法在高空间分辨率的遥感数据分类中优势十分明显，目前已有成熟的面向对象分类方法集成商业软件平台eCognition。在小区域的分类精度可达到80%—90%(钱巧静等，2005;夏朝旭等，2014)，在小区域高空间分辨率制图中应用广泛。
经历了近半个世纪的快速发展，遥感领域已经积累了一大批丰富的遥感信息提取方法，依据方法各自的特点有其相适应的应用范畴。简单而言，自动分类方法中的神经网络法、支持向量机法、面向对象法等在方法研究和小区域研究中取得了较好的效果，应用广泛;大区域土地利用/覆盖制图中有效的方法为决策树分类方法和目视解译方法。虽然传统的目视解译方法耗时费力，但目前仍是精度被广泛认可的大区域制图方法之一。自动方法通常对遥感影像中地物成像条件多变、类内差异大、类间差异不平衡等特点考虑并不充分，直接通过改进分类器来提高分类性能越来越困难。
依靠GIS计算优势的自动分类方法更注重过程，但多数情况下因为辅助信息的不足，影响了机理解释，假定条件多，结果精度难以被认可。而且，自动分类方法的直接实施对象是遥感数据，受像元的影响，结果多采用栅格方式，在制图方面存在不足，面积计算也受到直接影响。有些情况下，为了符合制图要求，虽然可以矢量化处理，但效果并不理想。一般认为计算机自动分类效率比较高，但实际上这一优势仅仅表现在计算过程环节，如果考虑完整的土地资源研究流程，总体效率并不存在明显优势。计算机自动分类对遥感数据的时相和质量要求高，时常难以保证，且分类后处理量大、难度高，在满足同样精度要求情况下，其效率会显著降低。特别是在区域性的应用研究和动态监测过程中，相邻区域的遥感数据可能存在明显的差异，需要对方法及其参数进行反复试验，动态信息又需要仔细甄别，其效率甚至不及人机交互分类方法。
近年来，两种方法的结合越来越多地应用于土地资源遥感应用研究中，依靠优势互补提高了效率，保证了符合要求的精度。2007年开展的中国土地覆盖遥感监测工作，制定了符合中国实际的土地覆盖分类系统，以矢量方式建设完成了中国土地覆盖时空数据库。土地覆盖数据库的建设既依托中国土地利用数据库制作的框架数据基础，又在森林、草地的次级类型划分中，借鉴了遥感自动分类获取的林草信息，有效保证了数据库的质量(张增祥，2010)。
在国家高技术研究发展计划(863计划)项目支持下完成的全球地表覆盖30 m分辨率遥感数据制图成果(GlobalLand 30)，获得了“世界上第1套30 m分辨率的两期(2000年和2010年)全球城乡建设用地数据集”(廖小罕和施建成，2014)。该数据集的建设中，也采用了遥感自动分类和人机交互分析相结合的方法。第2次全国土地调查采用政府统一组织、地方实地调查、国家掌控质量的组织模式，利用遥感影像为调查底图，采用人机交互判读分析方法实现了图、数、实地一致。
土地利用是人类在一定的社会、经济和技术条件下，以土地为对象，出于经济或社会目的，对土地进行的长期或周期性的经营过程，这个过程具有动态性。因而，对于土地资源信息的提取不是静态的，动态信息有时候更为重要。面对日益广泛和深化的应用需求，具有调查特点的现状数据越来越难以满足发展规划和过程研究的需要，依靠监测获取的动态信息得到更多的知识。国外的主要土地资源遥感数据产品和中国开展的大量研究，都对动态过程的监测给予足够的重视，逐步发展了时间序列的遥感应用成果。但多数情况下，并未建立专门的动态数据库，而是不同时间节点的静态数据为主。在中国科学院开展的全国土地利用遥感监测、土壤侵蚀遥感监测、土地覆盖遥感监测、城市扩展遥感监测中，首次并持续实现了现状库与动态库的同步建设，明确了每一个动态信息的实体意义。
3.4 土地资源信息的静态信息与动态信息
遥感技术和GIS技术应用于土地资源研究的一个明显变化是以数据方式表示的信息的多样化和大量化，一系列的土地资源遥感应用专题数据库相继建设完成，在现状数据库基础上，逐步开展了动态数据库的建设。
相较于不同时间节点的现状数据库，动态信息在实际应用中有同等重要的价值。在缺少动态数据库情况下，通常采用比较前后两期现状数据来获取动态信息的方法，虽然具有理论上的合理性，但实际可操作性较差。因为，无论是人机交互专题制图，还是自动分类制图，错分、漏分在所难免，分类后处理或图形编辑也会导致地类属性、位置的差异，都难以保证现状数据库的绝对准确，任何的误差和不准确，都会导致两期现状数据的不同，直接进入动态信息中，影响动态信息的准确性。另一方面，动态变化相对于土地资源状况在信息量方面处于弱势地位，这种“伪动态”会显著影响变化分析的质量。在时间序列研究中，这种影响具有传递和累积作用，必须尽可能地消除。
现状数据是反映某一时刻状况的静态数据，为了避免现状数据质量对动态信息的不利影响，20世纪90年代以来开展的土地资源遥感研究中，采用人机交互的判读分析方式，实现了专门针对动态信息的专题制图。这一过程中，在早期或起始年度现状数据的基础上，补充后期或监测末期的遥感数据，通过比较分析来识别动态，动态制图中采用独立的动态编码加以表示。因为现状信息与动态信息的紧密结合，以及动态信息提取中对早期现状数据可能存在的错误的修改，有效地保证了动态信息的准确性，也保证了动态信息与现状信息的一致性。中国土地利用遥感监测等工作，都是采用现状库与动态库同步建设的方法实现了连续更新(张增祥等，2012)。在基于遥感的土地资源自动分类和变化监测研究中，尚未见类似的处理成果报道。
自“九五”时期以来，在中国开展的土地资源遥感应用研究中，先后建设完成了20世纪80年代末至2010年的1:10万比例尺中国土地利用时空数据库、1:10万比例尺土壤侵蚀数据库(张增祥等，2015)和1:25万比例尺土地覆盖数据库，20世纪70年代至2013年的1:10万比例尺城市扩展数据库(张增祥，2006;张增祥等，2014)等，各专题数据库全部实现了现状库与动态库的同步建设，很好地反映了不同时期中国土地资源与环境状况以及不同时间段的变化情况。目前，中国土地利用遥感监测数据库包含了6期土地利用现状以及相对应的5个时间段动态变化数据，成为研究20世纪80年代以来中国土地利用及其变化的基础数据和权威数据(Liu等，2005;刘纪远等，2009;刘纪远等，2014)。同时，该数据库也成全球变化和碳循环研究的重要下垫面数据来源(Wang等，2002;Tian等，2003;Yan等，2007;Tao等，2009;Huang等，2012)。
全球性的主要土地资源数据集更多是一种土地利用/覆盖状况的静态反映，唯有MODIS土地覆盖数据集提供了2001年至2012年期间500 m分辨率的土地覆盖动态数据。但是该动态数据并不是一般意义上的土地覆盖变化信息，而是为了支持地表物候变化研究而构建的，反映的仅仅是年度内全球绿度和生长季变化的信息(Ganguly等，2010)。缺少对土地覆盖变化信息的表示，在相当大程度上限制了这些全球土地覆盖数据集的使用价值。对于研究全球变化和气候变化来说，更需要长时间序列的多期土地利用/覆盖数据的支持，因此对于土地利用/覆盖动态遥感监测及其数据库更新必须持续下去。
3.5 系列专题研究
传统的土地资源研究中就有系列制图的概念和实例，可以从不同侧面对研究对象开展更有针对性的研究，也能综合不同侧面实现对研究对象的整体性了解。
针对中国的土地资源已经并正在持续开展系列专题研究。长时间序列的中国土地资源数据库已能涵盖20世纪80年代以来的变化过程。不同专题数据库采用相同的遥感信息源、相同的技术路线、相同的时间尺度、相同的技术参数建设完成，包括中国土地利用、土地覆盖、土壤侵蚀等时空数据库，这种时间序列和专题序列的结合，能够支持土地资源的社会属性和自然属性、资源与环境的综合分析，兼顾了状态评估、趋势比较和驱动因素分析等多重需要。
在系列专题研究中，不同专题的系列化、城镇化与人造覆盖相结合、土地类型与遥感参数相结合、自然属性与社会属性相结合等，在越来越多的研究中得到重视并予以实现。20世纪90年代开展的高原地区生态环境动态遥感监测，结合利用遥感数据、观测数据等，完成了生态环境状况的综合评估与动态比较(张增祥，1998)。2011年完成的中国科学院知识创新项目“耕地保育与持续高效现代农业试点工程”中，在耕地资源动态遥感监测的基础上，结合气象观测资料和遥感参数产品，分析了耕地资源时空变化及其对粮食生产能力的影响。2015年启动实施的中国科学院学部咨询项目《“胡焕庸线”时空认知：聚焦“总理三问”》中，基于土地、地形与人口等多种专题数据开展了中国城镇化潜力评估。
声明：中国勘测联合网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述，文章内容仅供参考。
