全球土地覆盖数据
全球有四种常用的土地覆盖数据产品：
1）美国马里兰大学的全球土地覆盖数据（即UMD 数据集）；
2）国际地圈-生物圈计划的全球土地覆盖数据（即IGBP-DISCover数据集）；
3）美国波士顿大学的全球土地覆盖数据（即MODIS 数据集）；
4）欧盟联合研究中心的全球土地覆盖数据（即GLC2000 数据集）。
中国土地覆盖数据集包括5种产品：
1）由GLC2000项目开发的基于SPOT4遥感数据的全球土地覆盖数据中国子集，数据名称为GLC2000；
说明：GLC2000中国区域土地覆盖数据由全球覆盖数据直接裁剪得到。算法：非监督分类。
2）由IGBP－DIS支持的基于AVHRR遥感数据的全球土地覆盖数据中国子集，数据名称为IGBPDIS；
说明：IGBPDIS数据的制备，采用USGS的方法，利用1992年四月到1992年三月的AVHRR 数据开发出1km分辨率的全球土地覆盖数据集，分类系统采取IGBP制定的分类系统，把全球分为17类。IGBP全球土地覆盖数据集的开发以洲为单位。应用AVHRR12个月的最大化合成NDVI资料，通过非监督分类的方法进行分类，最后使用辅助数据进行精细的分类后处理。
3）MODIS土地覆盖数据产品中国子集，数据名称为MODIS；
说明：MODIS中国区域土地覆盖数据由全球覆盖数据直接裁剪得到。
4）由马里兰大学生产的基于AVHRR数据的全球土地覆盖数据中国子集，数据名称为UMd；
说明：UMd基于AVHRR数据的5 个波段及NDVI数据经过重新组合建议数据矩阵，用分类树的方法进行了全球土地覆盖分类工作。其目的是希望建立一个比过去数据更高精度的数据。分类系统很大程度上采用了IGBP 的分类方案。算法：决策树。
5）由中国科学院组织实施的中国2000年1：10万土地覆盖数据，对其进行合并、矢栅转换（面积最大法），最后得到全国幅1km的土地利用数据产品，数据名称为WESTDC。采用中科院资源环境分类系统。
说明：研究并形成了以实现国家资源环境组合分类系统调查为核心的技术路线，经过试点和完善，解决了有关关键技术问题，形成了全国资源环境遥感宏观调查技术规程，主要运用中国老一辈地理学家在国家资源环境，特别是自然地理区域规律方面的研究成果，依靠专家对当地土地利用类型的光谱特征、影像亮度、颜色、纹理的认知并结合长年积累的丰富先验知识，进行目视解译，首先产生了90年代中期的土地利用数据库；
以90 年代的土地利用数据库为基础，依靠80 年代末期陆地卫星及其它遥感数据为信息源，通过分析80 年代遥感影像并同90 年代末期遥感影像对比，发现并提取遥感影像
上对于过去土地利用状况的记录信息，在90 年代末期土地利用数据层面上，判定并勾绘变化区域，标注类型变化的动态信息编码，该编码同时反映变化地块在前后2个时段的土地利用类型。然后，将90 年代末期的土地利用变更为80 年代末期状况，逐县实施，实现全国区域的完整覆盖。
拓展阅读：《中国西部环境与生态科学数据中心---中国土地覆盖介绍》、中国WESTDC系列土地覆盖数据产品
ENVI下植被覆盖度的遥感估算
ENVI下植被覆盖度的遥感估算 植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。 估算模型 目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。下面是李苗苗等在 像元二分模型的基础上研究的模型： VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1） 其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。两个值的计算公式为： NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2） NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3） 利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。 公式（1）可变为： VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4） NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。 2）当区域内不能近似取VFCmax=100%，VFCmin=0%
土地开发整理规划数据库标准
土地开发整理规划数据库标准 目次 前言 1范围1 2规范性引用文件1 3术语和定义1 4数据库内容和要素分类编码2 5数据库结构定义4 6数据文件命名规则14 7数据交换格式16 8元数据17 附录A（规范性附录）土地分类代码18 附录B（资料性附录）土地开发整理规划空间矢量数据交换格式样本23附录C（资料性附录）土地开发整理规划信息元数据示例27 表1土地开发整理规划数据库要素代码表2 表2土地开发整理规划空间信息要素分层、定义与属性关联表4 表3表格信息要素属性关联表5 表4行政区属性结构表（属性表代码：XZQ）5 表5行政界线属性结构表（属性表代码：XZJX）6 表6等高线属性结构描述表（属性表代码：DGX）6 表7高程注记点属性结构描述表（属性表代码：GCZJD）6 表8地类图斑属性结构描述表（属性表代码：DLTB）6
表9线状地物属性结构描述表（属性表代码：XZDW）7 表10零星地类属性结构描述表（属性表代码：LXDL）7 表11开发整理潜力属性结构表（属性表代码KFZLQL）8 表12开发整理规划区域属性结构表（属性表代码KFZLGHQY）9 表13面状工程、线状工程、点状工程属性结构表（属性表代码KFZLGC）9表14面状项目、线状项目、点状项目属性结构表（属性表代码KFZLXM）10表15注记属性结构描述表（属性表代码：ZJ）11 表16土地开发整理补充耕地区域平衡表（属性表代码BG_BCGDPHB）11 表17土地开发整理规划结构调整表（属性表代码BG_GHJGTZ）11 表18土地开发整理规划指标分解表(属性表代码BG_GHZBFJ)12 表19土地开发整理规划文本信息表（属性表代码WB_WBXX）12 表20界线类型代码表12 表21界线性质代码表13 表22等高线类型代码表13 表23权属性质代码表13 表24土地开发整理类型代码表13 表25比例尺代码表14 表26规划图类型代码表15 表27土地开发整理规划文本信息编码16 表《全国土地分类（试行）》代码表18 表《全国土地分类（过渡期适用）》代码表20 前言 附录A为规范性附录，附录B和附录C为资料性附录。
基于GIS的ndvi植被覆盖度的估算
1.绪论 1.1 课题研究的目的与意义 植被，包括森林、灌丛、草地和农作物，既是生态系统的主要组成部分，也是生态系统存在的基础，具有截流降雨、减缓径流、防沙治沙、保持水土等功能，联结着土壤、大气和水分等自然过程，在陆地表面的能量交换、生物地球化学循环和水文循环等过程中扮演着重要角色，是全球变化研究中的“指示器”[1]。植被根据生态系统中水、气等的状况，调控其内部与外部的物质、能量交换。植被覆盖与气候因子关系极为密切，研究植被覆盖变化 对气候的影响是气候变化研究的主要内容之一，它影响着土壤湿度、地表温度和地表能量与水的循环(李苗苗，2004)。
植被覆盖度(vegetation fractional cover，简称FC)是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比[2]。它是植被对地面的垂直投影比例， 对于山坡进行植被覆盖度测量时，应该采用垂直于坡面的角度。植被覆盖度具有强烈的尺度效应，同一片植被，因被纳入统计的范围不同而表现为不同的植被覆盖度。如一个地区的植被覆盖度很高，但平均到全国水平就大大降低了[3]。植被覆盖度在提示地表植被分布规律, 探讨植被分布影响因子, 分析评价区域生态环境, 及时准确地掌握其动态变化, 分析其发展趋势对维护区域生态平衡等方面都具有重要意义。[4]而城市植被则是城市生态系统重要的还原组织和最重要的元素,对于保护城市生态环境具有不可忽视的作用[5] ,如有效缓解城市
“热岛效应”,改善城市区域小气候[5～7] 等。 城市化的迅速推进，带来了多样化的生态足迹，植被覆盖度，土壤污染率，地表侵蚀率，逐渐成为生态研究的热点，也成为环境保护的重点。借助于高速发展的RS与GIS技术来进行植被覆盖度的估算，将是当前环境监测的必要步骤。 徐州是由矿区发展起来的城市，由于长期开采矿产，导致了一系列严重的生态问题，如塌陷地广布，植被破坏率严重，土地侵蚀率增大，等。在此背景下，研究徐州市整体的土地覆盖情况，即是现实需要，也是未来生态城市规划的重要步骤。研究的最终结果也会给徐州市的城市规划提供信息支持与技术保障。 1.2 国内外植被覆盖度研究现状 由于植被覆盖度是许多学科的重要参数，为
土地利用规划数据库标准
土地利用规划数据库标准 1 范围 本标准规定了土地利用规划数据库的要素分类、要素编码、属性数据结构、图形数据结构、影像数据结构、文件命名规则、元数据和数据交换格式等内容。 本标准适用于乡（镇）级（含和乡镇级同比例尺的中心城区）土地利用规划数据库建设和数据交换，同时也适用于仅包含土地利用规划文本、指标、影像等要素的市级、县级土地利用规划数据库建设和数据交换。 2 规范性引用文件 下列文件中的条款通过本标准的引用而成为本标准的条款。凡是注日期的引用文件，其随后所有的修改单（不包括勘误的内容）或修订版均不适用于本标准，然而，鼓励根据本标准达成协议的各方研究是否可使用这些文件的最新版本。凡是不注日期的引用文件，其最新版本适用于本标准。 GB/T 2260 中华人民共和国行政区划代码 GB/T 13989 国家基本比例尺地形图分幅和编号 GB/T 17798-2007 地球空间数据交换格式 GB/T 19231 土地基本术语 GB/T 16820 地图学术语 GB/T 13923-2006 基础地理信息要素分类与代码 GB/T 21010-2007 土地利用现状分类 TD/T 1014-2007 第二次全国土地调查技术规程 TD/T 1016-2007 《土地利用数据库标准》 TD/T 1019-2009 《基本农田数据库标准》 TD/T 1016-2003 国土资源信息核心元数据标准 国土资源部《市级土地利用总体规划编制规程》 国土资源部《县级土地利用总体规划编制规程》 国土资源部《乡级土地利用总体规划编制规程》 3 术语和定义 下列术语和定义适用于本标准。 3.1 要素feature 现实世界现象的抽象。[GB/T 17798-2007 3.4要素] 3.2 要素性质feature arribute 要素的性质。[GB/T 17798-2007 3.5要素性质] 3.3 类class 具有共同特性和关系的要素集合。 3.4 对象object 具有明确定义的边界和封状态与行为特征的实体。[GB/T 17798-2007 3.6对象] 3.5 实体entity
植被覆盖度反演
题目：植被遥感监测具有很长的历史，植被遥感中植被覆盖反演是主要内容之一，线性分解模型是混合像元分解法的一种，根据混合像元分解及线性分解模型的原理，利用红碱淖2016年6月17日Landsat8 OLI数据，求取研究区植被覆盖度（写出详细计算过程和步骤）。 一、操作思路： 端元代表影像中的纯净像元，求取植被覆盖度即求取端元的丰度，因此采用混合像元分解及线性分解模型进行混合像元分解，得到端元以及相应的丰度影像，即为植被覆盖度影像。 二、操作步骤： 1.影像预处理 由于操作时间的限制和硬件设备的不允许，将影像选取一定的区域进行裁剪，感兴趣区域为roi1文件，得到裁剪后影像2016new文件，导入影像，进行影像的预处理，包括辐射定标和大气校正步骤，辐射定标采用Radiometric Calibration 工具，大气校正采用FLAASH工具，分别得到辐射定标结果2016_rad1和2016_ref 文件。 2.MNF变换 采用MNF变换工具，可将数据波段进行“降维”，提取出有用信息集中的波段，去除噪声信息集中的波段，利用Forward MNF Estimate Noise Statistic将数据进行MNF变换，得到MNF变换结果2016_MNF和噪声文件MNF_Noise和统计文件MNF_Statistic文件。 3.PPI变换 纯净像元指数法指像元被标记为纯净像元的次数，可以将混合像元进行分解，有效的提取出端元。 由于操作时间的限制和硬件设备的不允许，将MNF变换后影像与原影像选取一定的同样区域进行裁剪，感兴趣区域选择ROI2文件，得到裁剪结果为2016_MNF_sub和2016new_sub文件。 在MNF变换后发现有用信息集中在1、2、3波段，因此利用Pixel Purity Index 工具，将MNF变换后影像选择1、2、3波段进行端元提取，阈值设为3.00，操作的结果为2016_PPI文件。 4.N维可视化 利用N维可视化工具可以将端元更好的显示，有利于更加直观的确定端元，在N维可视化窗口中，选中1、2、3波段，在显示窗口中将较为集中的区域定为端元，进行类（class）的划定，一共确定三类，利用mean all工具将三类端元的波谱显示出来，并保存为波谱库2016_sli文件。 5.端元识别
土地利用数据库属性表描述
土地利用数据库作业流程 1、土地利用数据库属性表描述 序号要素类型编码要素类型名称几何类型缺省颜色属性表名 1 A11 行政区 Polygon XZQY 2 A12 行政界线 Line XZJX 3 A21 等高线 Line DGXB 4 A22 高程点 Point GCDB 5 B10 权属区 Polygon QSQY 6 B20 权属界线 Line QSJX 7 B30 权属拐点 Point QSGD 8 C10 图斑 Polygon DLTB 9 C20 线状地物 Line XZDW 10 C30 零星地类 Point LXDL 11 C40 地类界线 Line DLJX 12 D00 注记 Annotation ZJFH 在属性表中：字段名称如下 XZQY（行政区域） 目标标识码（字段类型Int）（字段长度6）以下类同，要素代码（char 4），区划代码(char 9) ，行政区名(char 60)，计算面积(float 16)，平差面积(float 16)，控制面积(float 16) XZJX（行政界限） 目标标识码(int 6)，要素代码(char 4)，境界名称(char 80)，境界长度(float 10)，境界性质(char 1)
DGXB（等高线） 目标标识码(int 6)，要素代码(char 4)，等高线类型(char 20)，标示高程(int 4) GCDB（高程点） 目标标识码(int 6)，要素代码(char 4)，高程点名称(char 60)，标示高程(float 7) QSQY（权属区域） 目标标识码(int 6)，要素代码(char 4)，权属区代码(char 8)，权属区名(char 60)，计算面积(float 16)，平差面积(float 16)，控制面积(float 16) QSJX（权属界限） 目标标识码(int 6)，要素代码(char 4)，界限名称(char 60)，界限长度(float 8)，界限类型(char 1) QSGD（权属拐点） 目标标识码(int 6)，要素代码(char 4)，拐点点号(char 4)，点位记录(char 80)，X坐标值(float 16)，Y坐标值(float 16) DLTB（地类图斑） 目标标识码(int 6)，要素代码(char 4)，地类代码(char 4)，地类名称(char 60)，权属性质(char 3)，权属单位代码(char 12)，坐落单位代码(char 15)，坐落单位名称(char 60 ), 所在图幅(char 60)，图斑编号(char 7)，坡度级别(char 1)，田坎系数(char 5)，计算面积(float 14)，平差面积(float 14)，线状地物面积(float 12)，零星地类面积(float 10)，田坎面积(float 10)，图斑净面积(float 14)，原有线状地物面积(float 12)，原有零星地类面积((float 10))，原有田坎面积(float 10)，原有图斑面积(float 14)，（土地分类，新增建设用地状况，当年新增耕地类型，当年耕地减少类型，新增原地类型，备注可以不填） XZDW（线状地物）
2018土地利用现状分类(GBT21010-2018代替GBT21010-2007)
精彩文档 土地利用现状分类 GB/T21010-2017 代替GB/T21010-2007 2017年11月1日发布、实施 一级类 二级类 含 义 类别编码 类别名称 类别编码 类别 名称 01 耕地 指种植农作物的土地，包括熟地，新开发、复垦、整理地，休闲地（含轮歇地、休耕地）；以种植农作物（含蔬菜）为主，间有零星果 树、桑树或其他树木的土地；平均每年能保证收获一季的已垦滩地和海涂。耕地中包括南方宽度〈1.0米，北方宽度〈2.0米固定的沟、渠、路和地坎（埂）；临时种植药材、草皮、花卉、苗木等的耕地，临时种植果树、茶树和林木且耕作层未破坏的耕地，以及其他临时改变用途的耕地 0101 水田* 指用于种植水稻、莲藕等水生农作物的耕地。包括实行水生、旱生农作物轮种的耕地 0102 水浇地* 指有水源保证和灌溉设施，在一般年景能正常灌溉，种植旱生农作物（含蔬菜）的耕地。包括种植蔬菜的非工厂化的大棚用地 0103 旱地* 指无灌溉设施，主要靠天然降水种植旱生家作物的耕地，包括没有灌溉设施，仅靠引洪淤灌的耕地 02 园地 指种植以采集果、叶、根、茎、枝、汁等为主的集约经营的多年生木本和草本作物，覆盖度大于50%或每亩株数大于合理株数70%的土地。包括用于育苗的土地 0201 果园* 指种植果树的园地 0202 茶园* 指种植茶树的园地 0203 橡胶园* 指种植橡胶树的园地 0204 其他园地* 指种植桑树、可可、咖啡、油棕、胡椒、药材等其他多年生作物的园地 03 林地 指生长乔木、竹类、灌木的土地，及沿海生长红树林的土地。包括迹地，不包括城镇、村庄范围内的绿化林木用地，铁路、公路、征地范围内的林木，以及河流、沟渠的护堤林 0301 乔木林地* 指乔木郁闭度≥0.2的林地，不包括森林沼泽 0302 竹林地* 指生长竹类植物，郁闭度≥0.2的林地 0303 红树林地* 指沿海生长红树植物的林地 0304 森林沼泽* 以乔木森林植物为优势群落的淡水沼泽 0305 灌木林地* 指灌木覆盖度≥40%的林地，不包括灌丛沼泽 0306 灌丛沼泽* 以灌丛植物为优势群落的淡水沼泽 0307 其他林地* 包括疏林地（指树木郁闭度≥0.1、＜0.2的林地）、未成林地、迹地、苗圊等林地 04 草地 指生长草本植物为主的土地 041 天然牧草地* 指以天然草本植物为主，用于放牧或割草的草地，包括实施禁牧措施的草地，不包括沼泽草地 042 人工牧草地* 指人工种牧草的草地 043 其他草地** 指树林郁闭度＜0.1，表层为土质，生长草本植物为主，不用于放牧的草地
ENVI下植被覆盖度的估算
ENVI下植被覆盖度的遥感估算 2013-05-30 | 阅：1 转：17 | 分享 修改 植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。 估算模型 目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。下面是李苗苗等在像元二分模型的基础上研究 的模型： VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1） 其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。两个值的计算公式为： NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2） NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3） 利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。 公式（1）可变为： VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4） NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图 像实际情况来定。 2）当区域内不能近似取VFCmax=100%，VFCmin=0% 当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为VFCmax和VFCmin，这两个实测数据对应图像的NDVI作为NDVImax 和NDVImin。 当没有实测数据的情况下，取一定置信度范围内的NDVImax 和NDVImin。VFCmax和
植被覆盖率
植被覆盖率估算模型 一：研究区域数据获取 本次实验主要是对植被覆盖率估算，因此实验区域的影像因尽量选择植被茂盛的季节。在数据源选取上，我在马里兰大学的网站下了Landsat 5 1T 级数据，包够了红，绿，蓝，近红外，热红外7个波段。下载的地区是覆盖了福建省中部地区2009年6月6日的影像。 下图（图1）为原始数据的假彩色合成 图一：原始数据假彩色合成 二：数据预处理 进行植被覆盖率估算，需要用到归一化植被指数（NDVI）。NDVI的物理依据是地物反射率的差异变化，所以用反射率来计算是比较客观准确的。 TM原始数据就是DN值，不能用来直接计算NDVI，必须通过辐射定标计算成反射率，才能用来计算NDVI。因此，要对对实验数据先进行辐射校正和大气校正。下载的L1T级数据，头文件（）有详细影像参数，控制点文件（）中有控制点高程信息用于大气校正的地形参数，可以利用这两个文件做辐射校正和大气校正。 （1）辐射定标 实验使用数据为L1T级数据，经过系统辐射校正的数据。由于1级产品的DN值是由辐射亮度线性变换得到的，因此从1级产品计算辐射亮度只需利用相关参数（Gain和Bias）进行线性反变换即可，计算过程比较简单。各参数可在影像头文件中找到，Calibration Type 注意
选择为Radiance。 图2：辐射定标参数设置 （2）大气校正 大气校正是采用ENVI的FLAASH模块，FLAASH模块要求输入辐亮度图像，输出反射率图像。之前对进行了辐射定标，得到辐亮度图像，在这里要把BSQ 格式的图像转换为BIL 或者BIP 格式的图像。FLAASH校正输入图像后，程序会让你选择Scale Factor，即原始辐亮度单位与ENVI 默认辐亮度单位之间的比例。ENVI 默认的辐亮度单位是μW/cm2 ?sr?nm，而之前我们做辐射定标时单位是W/m2 ?sr?μm，二者之间转换的比例是10，因此在下图中选择Single scale factor，填写10.000。其中参数中心坐标，影像获取时间，都可以在头文件中获取，大气参数可以查看ENVI help来确定，还有研究区域的平均高程，可以通过GCP文件大致估算。FLAASH的参数设置如下图（图3）。 图3：FLAASH参数设置 三：研究区域裁剪 本来想以福建省为研究区域，但是这景影像覆盖了福建省中部百分之90左右的距离，但并没有覆盖完整，所以无法用矢量边界裁剪，我就规则裁剪了一块区域做研究 图5：裁剪区域 四：分类 这里我选择了用最大似然法进行监督分类 （1）训练区选择
第三次全国土地调查土地利用数据库标准 试行
土地利用数据库标准 （试行） 国务院第三次全国土地调查领导小组办公室 2018年3月
目次 1 范围 (1) 2 规范性引用文件 (1) 3 术语和定义 (1) 4 数据库内容和要素分类编码 (2) 5 数据库结构定义 (6) 6 数据交换文件命名规则 (25) 7 数据交换内容与格式 (28) 8 元数据 (28)
土地利用数据库标准 1 范围 本标准规定了土地利用数据库的内容、要素分类代码、空间要素分层、要素属性结构、数据交换格式和元数据等。 本标准适用于县级土地利用数据库建设与数据交换。 2 规范性引用文件 下列文件中对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 GB/T 2260 中华人民共和国行政区划代码 GB/T 13923 基础地理信息要素分类与代码 GB/T 13989 国家基本比例尺地形图分幅和编号 GB/T 16820 地图学术语 GB/T 17798 地理空间数据交换格式 GB/T 19231 土地基本术语 GB/T 33469 耕地质量等级 CH/T 1007 基础地理信息数字产品元数据 TD/T 1014 全国土地调查技术规程 TD/T 1016 国土资源信息核心元数据标准 TD/T 1019 基本农田数据库标准 3 术语和定义 下列术语和定义适用于本标准。 3.1 要素 feature 真实世界现象的抽象。［ ISO 19101] 3.2 要素属性feature attribute 要素的性质。［ ISO 19109] 3.3 类 class 具有共同特性和关系的一组要素的集合。 3.4 对象object 具有明确定义的边界和封装状态与行为特征的实体。[GB/T 17798] 3.5 实体 entity 具有共同性质的对象类。[GB/T 17798]
土地利用现状数据库
XX市国土资源管理信息系统土地利用现状数据库 昆明云金地科技有限公司 2007年1月20日
项目名称：XX市国土资源管理信息系统文档日期：2007年01月20日 10:37 编写人员：张海龙、闫磊 修改历史： 文档备注：
前言 (5) 1 数据库字段数据字典描述 (5) 2 农村专用图形表 (6) 2.1 表索引 (6) 2.2 表结构 (6) 2.2. 1 影像图(dom) (6) 2.2. 2 宗地(NCR_Parcel) (7) 2.2. 3 注记属性表(NC_Annotate) (7) 2.2. 4 辅助层(NC_Asst) (8) 2.2. 5 行政区划属性表(NC_Canton) (9) 2.2. 6 行政界线属性表(NC_CanVerge) (10) 2.2. 7 等高线属性表(NC_Contour) (10) 2.2. 8 边框注记(NC_frame) (11) 2.2. 9 高程点属性表(NC_HgtPoint) (11) 2.2. 10 线状地物属性表(NC_Line) (12) 2.2. 11 图斑属性表(NC_Parcel) (13) 2.2. 12 权属界线拐点属性表(NC_RgtBLPot) (15) 2.2. 13 权属单位属性表(NC_RgtUnit) (16) 2.2. 14 权属界线属性表(NC_RightBL) (16) 2.2. 15 零星地类属性表(NC_Sporadic) (17) 2.2. 16 地类界面属性表(NC_TerrRgn) (17) 2.2. 17 地类界线属性表(NC_TerrTpBd) (18) 2.2. 18 植被符号(NC_VGT) (18) 3 公用表 (19) 3.1 表索引 (19) 3.2 表结构 (19) 3.2. 1 十字丝(S_cross) (19) 3.2. 2 网格(S_Grid) (20) 3.2. 3 接幅表(S_MapUn) (20) 3.2. 4 鹰眼窗口(TBL_EagleWindow) (21) 3.2. 5 要素表(TBL_Feature) (22) 3.2. 6 要素编码分级表(TBL_FeatureGrade) (22) 3.2. 7 图层元数据信息表(TBL_LayerMdInfo) (23) 3.2. 8 图层关系表(TBL_LayerRelation) (24) 3.2. 9 地图窗口表(TBL_MapWindow) (25) 3.2. 10 地图窗口图层关系表(TBL_MapWindowLayer) (25) 3.2. 11 比例尺字典表(TBL_Scale) (26) 3.2. 12 符号表(TBL_Symbol) (26) 3.2. 13 符号库(TBL_SymbolLib) (27) 3.2. 14 专题图(TBL_Thematic) (28) 3.2. 15 专题图符号化表(TBL_ThematicSymbol) (28) 4 农村地籍元数据表 (29) 4.1 表索引 (29)
植被覆盖度分布图制作
作业1： 用TM/ETM图像制作一个地区植被覆盖度分布图(要求如图所示)，描述该地区的 区域概况，并分析植被分布空间差异。所用公式如下： NDVI=(B4-B3)/(B4+B3) Vr=(NDVI-NDVIb)/(NDVIv-NDVIb) 式中：NDVI是归一化植被指数。B3和B4是TM第3和4波段的图像亮度值。 NDVIb和NDVIv是裸土和植被的NDVI值，可分别取0.15和0.75。Vr是植被覆盖度(0-1)。 要求：用WORD把制作过程和分析结果记录下来。>2000字 目的：学会图像处理软件，进行图像信息提取，用各种软件共同制作有实际意 义的图像 原理与方法： NDVI——归一化植被指数NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1．NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2．-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示 有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大 而增大 3．NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比 度。对于同一幅图像，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI 增加速度，即NDVI对高植被区具有较低的灵敏度； 4．NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯 叶、粗糙度等，且与植被覆盖有关。 操作步骤如下： 一．从地理空间数据云网站下载山西省吕梁地区文水县的ETM影像，对应地区的数据如下： 表：Landsat8数据波段参数 波段波长范围(μm)空间分辨率(m) 名称 1-海岸波段0.433–0.453 30 LC81260342015159LGN00_B1 2-蓝波段0.450–0.515 30 LC81260342015159LGN00_B2 3-绿波段0.525–0.600 30 LC81260342015159LGN00_B3
土地利用覆盖变化地信息提取
土地利用/覆盖变化信息提取实验报告 1. 实验目的 利用TM/ETM3个时相卫星数据，应用ENVI软件进行土地利用/覆盖分类，在此基础上进一步分析其动态变化特征。 2. 实验内容 金华市土地利用/覆被变化信息的提取。采用决策树分类法提取土地利用/覆被信息，它通过分析地物光谱特征和其他图像特征，充分利用高程、坡度等地理辅助信息可以有效地提高分类精度，比较适合于江南丘陵地形破碎、地物分布复杂的地区。和传统的监督分类法相比，它可以消除园地和林地、建设用地和裸地光谱相似所带来的影响。 （1）TM影像数据的预处理。本文的遥感数据处理主要包括大气校正、几何校正和图像增强，并利用行政边界矢量图对影像进行裁剪。 （2）土地利用变化信息提取。首先对其中的一期影像(2003年)分别采用最大似然法、决策分类树法进行分类，提取土地利用/覆被信息，并对二者的提取精度进行比较，选择精度最高者作为最终的提取方法，进而提取1988～2003年金华市土地利用/土地覆被信息。 （3）利用空间叠加获取土地利用/覆被变化的面积转移矩阵，进而通过面积转移矩阵分析土地利用/土地覆被的数量变化、空间结构变化和土地利用程度。 3. 实验方案 4. 数据预处理 4.1 数据源
本文所采用的数据包括：两景金华市的Landsat TM和一景Landsat ETM陆地卫星影像，一景半SPOT 全色影像；该地区1：50 000地形图；该地区81m*81m分辨率的数字高程模型（DEM）；1：100万中国行政边界矢量图等。具体的见表4-1和4-2所示。 表4-1 研究区遥感影像数据 获取时间传感器类型数量（景）空间分辨率（m） 2003年3月9日SPOT-5全色 15 1/25 2003年3月26日LandsatETM+ 1-8波段 1 15m（全色） 30m(多光谱) 1996年9月6日LandsatTM1-7波段130 1988年12月5日LandsatTM1-7波段130 表4-2 研究区其他资料及应用说明 数据类型应用说明 大比例尺地形图最新时相的1：50000地形图，用于进行卫星遥感资料的几何校正 野外调查资料野外控制点的测量，土地利用/覆盖分类训练样本区的调查，建立判读标志，进行分类及信息提取精度检验等工作 土地利用现状图对比土地利用/覆盖动态变化及遥感影像分类精度参考 4.2 图像预处理 数据预处理部分主要包括：对遥感影像进行大气校正、几何纠正、以及对研究区进行边界裁剪和图像增强。主要工作流程如下（图4-2）：
植被覆盖度计算
植被覆盖度计算 Document serial number【KK89K-LLS98YT-SS8CB-SSUT-SST108】
ENVI下植被覆盖度的遥感估算 (植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。 植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。 估算模型 目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。下面是李苗苗等在像元二分模型的基础上研究的模型： VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)（1） 其中,NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。两个值的计算公式为： NDVIsoil=（VFCmax*NDVImin-VFCmin*NDVImax）/(VFCmax-VFCmin)（2） NDVIveg=（(1-VFCmin)*NDVImax-(1-VFCmax)*NDVImin）/(VFCmax-VFCmin)（3） 利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设： 1）当区域内可以近似取VFCmax=100%，VFCmin=0%。 公式（1）可变为： VFC=(NDVI-NDVImin)/(NDVImax-NDVImin)（4） NDVImax和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。 2）当区域内不能近似取VFCmax=100%，VFCmin=0%
土地规划数据库类型代码
一、主要图层命名对照表： CZJSKZQ村镇建设控制区 JSYDGZQ建设用地管制区 TDYTQ土地用途区 JQDLTB基期地类图斑 MZJCSS面状基础设施 MZZDJSXM面状重点建设项目 XZQ行政区 JBNTGHTB基本农田规划图斑 JQXZDW基期现状地物 DLMCZJ地类名称注记 XZQJX行政区界线 二、主要图层类型代码表 1.①建设用地管制区 属性代码表达图式 代码管制区类型SM图式符号RGB线宽 010允许建设区011现状建设用地 RGB(170,0,130) RGB(245,140,140) 1.5 012新增建设用地 RGB(170,0,130) RGB(220,100,120) 1.5 020有条件建设区// RGB(170,0,130) RGB(255,210,125) 1.5 030限制建设区//RGB(165,255,115)/ 040禁止建设区//RGB(40,115,0) RGB(60,180,70) 1.5
②建设用地管制区（土地利用总体规划图） 建设用地管制分区 表达图式 图示符号RGB 允许建设区RGB(170,0,130) 有条件建设区 RGB(170,0,130) RGB(220,100,120) 2.土地用途区 属性代码表达图式代码土地用途区类型图式符号RGB 010基本农田保护区RGB(250,255,50) 020一般农地区RGB(245,255,125) 030城镇建设用地区 RGB(170,0,130) RGB(220,100,120) 040村镇建设用地区 RGB(170,0,130) RGB(245,140,140) 050独立工矿用地区RGB(210,160,120) 060风景旅游用地区RGB(0,135,255) 070生态环境安全控制区RGB(40,110,25) 080自然与文化遗产保护区RGB(20,230,0) 090林业用地区RGB(120,220,120) 100牧业用地区RGB(210,255,115) 990其他用地区 水域RGB(115,225,255) 自然保留地RGB(180,180,180)
全国土地覆盖数据
北京揽宇方圆信息技术有限公司 北京揽宇方圆全国土地覆盖数据产品是指基于Landsat TM/ETM/OLI遥感影像，采用全数字化人机交互遥感快速提取方法，同时参照国内外现有的主要是美国马里兰大学土地覆盖分类体系，以及遥感信息源和我国地表覆盖的实际情况，将全国土地类型划分为13级分类土地覆盖数据产品 栅格数据源 数据名称全国土地覆盖 数据类型栅格 数据格式tif 空间分辨率1km 时间序列1980年、1990年、1995年、2000年、2005年、 2008年、2010年、2013年、2015年 投影坐标Krasovsky_1940_Albers 覆盖范围中国全域 数据简介 土地覆盖最主要组成部分是植被，但也包括土壤和陆地表面的水体；是陆地生物圈的重要组成部分。是土地自然属性的重要反映；土地覆盖具有显著的空间特征、时间特征和时空尺度特征。土地覆盖形态和状态可以在多种时空尺度上变化，而且产生土地覆盖变化的原因也是复杂的。 土地覆盖数据是全球环境变化、碳氮循环等研究和应用的基础数据；土地覆盖数据是国家建设生态文明建设、自然资产价值等准确评估的基础数据。 全国各省市自治区土地覆盖数据产品是指基于Landsat TM/ETM/OLI遥感影像，采用遥感信息提取方法，并结合野外实测，以及参照国内外现有的土地覆盖分类体系，经过波段选择及融合，图像几何校正及配准并对图像进行增强处理、拼接与裁剪，将全国土地利用类型划分为13种分类土地覆盖数据产品。 土地覆盖分类体系 编号名称含义（定义、特征） 1常绿针叶林以针叶树为建群种所组成的各类森林的总称。 2常绿阔叶林亚热带湿润地区由常绿阔叶树种组成的地带性森林类型。 3落叶针叶林由落叶松柏类为主的针叶树所构成的森林。
地表覆盖知识点总结
第一章：绪论（★★★★） 1.1地表覆盖与土地利用的基本概念 1.1.1地表覆盖：是指自然营造物和人工建筑物所覆盖的地表诸多要素的综合体，包括地表植被、土壤、冰川、河流、湖泊、沼泽湿地及各种建筑物，主要侧重描述地球表面的自然属性，具有特定的时间和空间特性。 1.1.2土地利用：土地利用是土地利用方式、利用程度和利用效果的总称。 它包括的主要内容是： 1、确定土地的用途； 2、在国民经济各部门和各行业间合理分配土地资源； 3、采取各种措施开发、整治、经营、保护土地资源，提高土地利用效果。 1.1.3地表覆盖与土地利用性质： 1、地表覆盖反映了土地的自然属性（其性质主要取决于自然因素） 2、影响土地利用的因素包括地表自然因素（气候、地形地貌、土壤、水文、地质条件）和社会 经济因素（社会制度、政策、城市化与工业化、区位、交通条件、成本、效益、土地利用现状）（其性质主要取决于自然和经济因素） 3、地表覆盖与土地利用有着密切的联系，其性质的变化构成了地表覆盖/土地利用变化 4、自然力也会引起地表覆盖的变化 5、地表覆盖具有特定的时间和空间属性，其形态和特征可在多种时空尺度上变化，而且产生变 化的原因也具复杂多样性，并因此引起一系列的生态环境效应。 6、地表覆盖的空间分布反映着人类社会经济活动过程，决定着地表的水热和物质平衡，其变化 直接影响到生物地球化学循环，改变着陆地-大气的水分、能量和碳循环，以至引起气候变化。 1.2地表覆盖与土地利用的研究内容 1.2.1地表覆盖研究内容 1、地表覆盖的特点；（与地理要素的关系） 2、地表覆盖变化研究； 3、地表覆盖分类体系研究； （满足地球系统模式需求；环境系统模式需求等） 4、遥感测定地表覆盖及其变化； （数据尺度；时空分辨率；数据质量；数据处理；自动分类等） 5、变化检测技术； 6、地表过程模型化与动态模拟； 举例： 1、植被： 利用遥感手段，可以在大范围内经济而有成效的查清植被资源和检测环境动态，从空间以不同尺度来研究地球植被层的空间结构和波动规律以及多种自然灾害和人类活动对生物圈的影响，并把植被遥感信息转换成图像和数据，供决策和管理者参考。 2、水域： 水体是非常重要的自然资源，水体图形的准确提取是遥感图片解译识别的关键问题，在对提取的水体图像分析基础上，对水体的形状、水质参数、水体污染、自然灾害等进行监测和分析，实现水环境信息的准确、动态、快速发布。 PS： SAR检测的优点： 1）SAR不受天气影响，在恶劣天气仍能进行灾情监测； 2）SAR影像上水体灰度较低，灰度变化缓慢，纹理具有一致性； 3）SAR较其他类型的遥感数据，能够保持较好的边缘信息； 4）SAR能够反演波浪要素，可以进行海上或海面以下目标监测和识别（内波）； 水域的特点： 1）在激光雷达数据中，水体具有点云密度低，回波强度低的特点； 2）在海洋测绘中，利用蓝绿双激光实现海底地形的测量，但该传感器对水质要求比较高，标定50m，实际中国近海很难达到； 3）能够直接获取高精度的DSM数据，可以直接进行洪水灾害的三维解译，为泄洪和排险提供重要决策依据。
全球植被覆盖水平的定量分析
全球植被覆盖水平的 定量分析 城市与环境科学学院 11级1班 王伟红 2011013108
全球植被覆盖水平的定量分析 王伟红 （城市与环境科学学院11级1班2011013108） 摘要：首先选取2003年全球19个国家的4个植被覆盖指标（森林面积、森林覆盖率、林木蓄积量和草地面积4个指标），应用SPSS统计软件对此进行了主成分分析；然后结合主成分分析结果，利用聚类分析方法得到了世界各国植被覆盖情况的区域谱系图；最后在此基础上，探讨了全球各国植被覆盖情况的区域相似性和差异性。研究结果表明：利用主成分分析和系统聚类方法分析全球各国植被覆盖情况，不仅可以克服传统的基于人工选用指标进行综合分析所存在的数据不易处理的缺陷，而且结果准确性高。 关键词：植被覆盖情况; 主成分分析; 系统聚类; 全球 1．引言 植被覆盖率通常是指森林面积占土地总面积之比，一般用百分数表示。但国家规定在计算森林覆盖率时，森林面积还包括灌木林面积、农田林网树占地面积以及四旁树木的覆盖面积。森林覆盖率，是反映森林资源和绿化水平的重要指标。影响植被覆盖情况的因素既包括区域自身的地理状况的原因，也包括经济发展状况和政治等各方面的原因[7-9]。 为了今后能更好地掌握全球植被资源和绿化水平，实现全国的植被高覆盖率，本研究选取了2003年全球19个国家的4个植被指标，应用SPSS统计软件对此进行了主成分分析；然后结合主成分分析结果，利用聚类分析方法得到了全球植被覆盖情况的谱系图；最后结合各地区自身的地理状况和社会经济发展水平，探讨了全球植被覆盖情况的区域相似性和差异性。 2．全球植被覆盖情况的“降维”分析[10] 2.1 指标选取[11] 植被覆盖包括森林覆盖、草地覆盖、灌丛覆盖、耕地覆盖等多种形式。由于陆地大部分地区处于温带地区，而灌丛在非洲地区是分布最多的，不具有广泛性和代表性；耕地覆盖是人为造成的，与人类活动十分密切。因此，本研究选取森林面积、森林覆盖率、林木蓄积量和草地面积4个指标作为分析全球各地域植被覆盖情况的评价指标，并对这些评价指标作主成分（降维）分析。 X1——森林面积（以公里为单位）。指由乔木树种构成，郁闭度0.3以上（含0.3）的林地或冠幅宽度10米以上的林带的面积，即有林地面积。森林面积包括天然起源和人工起源的针叶林面积、阔叶林面积、针阔混交林面积和竹林面积，不包括灌木林地面积和疏林地面积。森林面积是反映森林资源总面积的重要指标。 X2——森林覆盖率（%）。森林覆盖率通常是指森林面积占土地总面积之比，一般用百分数表示。但国家规定在计算森林覆盖率时，森林面积还包括灌木林面积、农田林网树占地面积以及四旁树木的覆盖面积。森林覆盖率，是反映森林资源和绿化水平的重要指标。 X3——林木蓄积量（以亿立方米为单位）。指森林面积上生长着的林木树干材积总量。它是反映森林资源总规模和水平的重要指标。 X4——草地面积（以平方公里为单位）。草地面积是指牧区和农区用于放牧牲畜或割草，植被盖度在5%以上的草原、草坡、草山等面积。包括天然的和人工种植或改良的草地面积。 2.2 指标间的相关性分析 利用SPSS软件对原始数据做标准化处理，然后计算得出各指标之间的相关系数矩阵，其结果见表1。 表1 相关系数矩阵 Table1 The correlated matrix of 4 Indices X1 X2 X3 X4 X1 1.000 0.224 0.7840.349 X2 0.224 1.000 0.312 -0.195 X3 0.784 0.312 1.000 0.356 X4 0.349 -0.195 0.356 1.000