MODIS土地覆盖分类方法精品PPT课件
modis土地覆盖分类
MODIS土地覆盖分类1. 简介MODIS（Moderate Resolution Imaging Spectroradiometer）是美国国家航空航天局（NASA）和美国地球观测卫星数据与信息中心（LP DAAC）联合研发的一种被动遥感传感器。
MODIS传感器可以获取全球范围内的高分辨率、高频次的多光谱遥感影像数据。
其中，MODIS土地覆盖分类是利用MODIS传感器获取的遥感影像数据进行土地类型分类和监测。
2. MODIS土地覆盖分类原理MODIS土地覆盖分类主要基于遥感影像数据的光谱信息和纹理特征进行分析和判别。
具体步骤如下：2.1 数据预处理首先，对获取的MODIS遥感影像数据进行预处理。
预处理包括辐射校正、大气校正、几何校正等，以消除不同时间、不同空间条件下影像的差异性。
2.2 特征提取接下来，从预处理后的遥感影像中提取特征。
常用的特征包括光谱特征和纹理特征。
•光谱特征：通过计算遥感影像中各个波段的反射率或辐射亮度，得到每个像元的光谱特征。
这些特征可以反映不同土地类型在不同波段上的表现差异。
•纹理特征：通过计算遥感影像中像元间的灰度差异、空间关系等信息，得到每个像元的纹理特征。
这些特征可以反映土地覆盖类型的空间分布和结构。
2.3 分类算法基于提取到的特征，使用分类算法对遥感影像进行分类。
常用的分类算法包括支持向量机（SVM）、随机森林（Random Forest）等。
这些算法可以根据已知土地类型的样本数据进行训练，并将训练得到的模型应用于未知土地类型的遥感影像数据。
2.4 精度评价最后，对分类结果进行精度评价。
通常采用混淆矩阵、Kappa系数等指标来评估分类结果与实际情况之间的一致性和准确性。
3. MODIS土地覆盖分类应用MODIS土地覆盖分类在环境监测、资源管理、城市规划等领域具有广泛应用。
3.1 环境监测MODIS土地覆盖分类可以用于监测和评估生态环境的变化。
通过对不同时间段的遥感影像数据进行分类，可以获得土地覆盖类型的时空变化信息。
土地利用覆盖变化的空间模型29页PPT
土地利用覆盖变化的空间模型
6
、
露
凝
无
游
氛
，
天
高
风
景
澈
。
7、翩翩新 来燕，双双入我庐 ，先巢故尚在，相 将还旧居。
8
、
吁
嗟
身
后
名
，
于
我
若
浮
烟
。
9、 陶渊 明（ 约 365年 —427年 ），字 元亮， （又 一说名 潜，字 渊明 ）号五 柳先生 ，私 谥“靖 节”， 东晋 末期南 朝宋初 期诗 人、文 学家、 辞赋 家、散
1
0
、
倚
南
窗
以
之
易
安
。
谢谢
11、越是没有本领的就越加自命不凡。——邓拓 12、越是无能的人，越喜欢挑剔别人的错儿。——爱尔兰 13、知人者智，自知者明。胜人者有力，自胜者强。——老子 14、意志坚强的人能把世界放在手中像泥块一样任意揉捏。——歌德 15、最具挑战性的挑战莫过于提升自我。——迈克尔·F·斯特利
MODIS数据分级、分类、分步骤技术标准
MODIS数据分级、分类、分步骤技术标准MODIS数据分级、分类、分步骤技术标准1 主题内容与适用范围1.1 主题内容本标准规定了国家对地观测系统MODIS共享平台数据产品分类、分级和分步骤生产技术标准，用以规范我国MODIS数据产品在产生、归档、保藏、交换和应用中的一致性。
1.2 适用范围本规范适用于国家科技基础条件平台对地观测系统MODIS共享平台全部标准数据产品和过渡性数据产品。
2 术语2.1 国家对地观测系统MODIS共享平台数据产品国家对地观测系统MODIS共享平台数据产品包括标准数据产品和特殊数据产品。
2.2标准数据产品利用对地观测系统数据，依据规范和数据分级标准对一定空间分辨率和时间频率进行连续开发的数据产品，定义为标准数据产品。
2.3 特殊数据产品利用对地观测系统数据，依据非规定的标准、或非规定的空间分辨率、或特定地区、或特定时间频率开发、或预处理过程的数据产品，称为特殊数据产品。
2.4 数据产品分级根据数据间相互依存关系划分的等级称为数据产品分级。
2.5 数据产品分类依据数据内容异同划分的数据类型称为数据产品分类。
2.6 数据产品编码用标识符或标识数字形式对数据产品进行一一确认的过程称为数据产品编码。
3 MODIS数据产品分级3.1 MODIS数据产品分级系统MODIS标准数据产品分级系统由5级数据构成，它们分别是：0级、1级、2级、3级和4级。
3.2 0级数据卫星地面站直接接收到的、未经处理的、包括全部数据信息在内的原始数据为0级数据。
3.3 1级数据对没有经过处理的、完全分辨率的仪器数据进行重建，数据时间配准，使用辅助数据注解，计算和增补到0级数据之后为1级数据。
3.4 2级数据在1级数据基础上开发出的、具有相同空间分辨率和覆盖相同地理区域的数据为2级数据。
3.5 3级数据3级数据是以统一的时间-空间栅格表达的变量，通常具有一定的完整性和一致性。
在3级水平上，将可以集中进行科学研究，如：定点时间序列，来自单一技术的观测方程和通用模型等。
MODIS土地利用_覆被多时相多光谱决策树分类
MOD09数据 分辨率/m
波段
总期数 2007年的时间范围
数据 1
250
1、2
46期
1.1～12.31
数据 2
500
3、4、5、6、7 3期
3.22～3.29,5.9～5.16, 8.13～8.20
北京地区所在的网格范围包括 h26v04 和 h26v05 2 景，MODIS 原始数据采用 sinusoidal 投影系统进行发布。 利用 MODIS 产品专门处理工具 MRT（modis reprojection tool）软件对下载的产品进行文件格式、空间镶嵌和地图 投影的转换，输出的文件最后为通 用 横 轴 莫 卡 托 投影。 2.2 NDVI 的计算与时间序列 NDVI 的平滑处理
2 数据来源与处理
2.1 MODIS 数据 本文采用 2007 年 MOD09 产品，即地表反射率产品，
该数据来源于美国国家航天局（national aeronautics and space administration）的 MODIS 数据产品分发网站（http:// modis. /）。MOD09 为陆地 2 级标准数据产品， 是由 MODIS1B 数据的前 7 个波段计算得到的包含 7 个波 段反射率的产品。其中 1、2 波段为 250 m 分辨率，3～7 波段为 500 m 分辨率。该产品去除了大气的吸收和散射 影响，经过了大气校正，是对地面光谱反射的一种估计。
许多研究表明，归一化植被指数（NDVI）与叶面积 指数、绿色生物量、植被覆盖度和光合作用等植被参数 有关，是植被生长状况及植被覆盖度的最佳指示因子。
其计算公式为
NDVI = ρNIR − ρR ρNIR + ρR
（1）
式中，ρNIR 为近红外波段反射率；ρR 为红光波段反射率。 在 ENVI 4.4 软件中采用 band math 功能对全年 46 个时相
基于波段选择的MODIS全国土地覆盖分类_赵德刚
第3期,总第85期国 土 资 源 遥 感Ｎｏ.3,2010 2010年9月15日ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＬＡＮＤ＆ＲＥＳＯＵＲＣＥＳＳｅｐ.,2010 基于波段选择的ＭＯＤＩＳ全国土地覆盖分类赵德刚1,2,占玉林3,刘翔4,刘成林2,庄大方5(1.连云港市规划市政设计研究院,连云港 222001;2.南昌大学建筑工程学院,南昌 330031;3.中国科学院遥感应用研究所遥感科学国家重点实验室,北京 100101;4.北京东方泰坦科技股份有限公司,北京 100083;5.中国科学院资源环境科学数据中心,北京 100101)摘要:以ＭＯＤＩＳ多光谱和多时相数据为输入参数进行了全国土地覆盖分类研究。
从试验区2007年ＭＯＤＩＳ8ｄ数据的合成影像(ＭＯＤ09)中提取ＥＶＩ、ＮＤＷＩ和ＮＤＳＩ3个指数,并将其作为特征波段与原有的7波段(Ｂ1～Ｂ7)形成10波段影像。
以统计分类Ｊ-Ｍ距离平均值和ＳＶＭ分类总精度为标准评价不同波段对土地覆盖分类的贡献。
在全国范围内,选择贡献最大的ＥＶＩ、Ｂ7和Ｂ4这3个波段的月合成值,并分别对其作ＰＣＡ变换,选取各ＰＣＡ变换后的前3个波段进行分类运算。
研究结果表明,在没有其他辅助信息的境况下,基于ＭＯＤＩＳ贡献最大的前3个波段结合多时相信息能够在中分辨率区域土地覆盖分类中取得较好的分类结果,其精度为78.04%。
关键词:ＭＯＤＩＳ;Ｊ-Ｍ距离;土地覆盖分类;ＳＶＭ中图分类号:ＴＰ79 文献标识码:Ａ 文章编号:1001-070Ｘ(2010)03-0108-06收稿日期:2009-11-19;修订日期:2009-12-28基金项目:国家高技术研究发展计划(编号:2006ＡＡ12Ｚ142、2006ＡＡ12010106)、对地观测技术国家测绘局重点实验室经费资助项目(编号:200806)、中国科学院知识创新工程青年人才领域前沿项目专项项目、中国科学院遥感应用研究所遥感科学国家重点实验室和投资项目遥感动态监测与管理信息系统(国家863计划,编号:2006ＡＡ120107)资助项目共同资助。
esri 10m land cover和modis土地利用分类
esri 10m land cover和modis土地利用分类Esri 10m Land Cover ClassificationEsri 10m Land Cover Classification is a dataset that provides detailed information about the land cover classes present in a geographic area. This dataset is widely used in various fields including urban planning, environmental management, and natural resource analysis. The classification scheme used in Esri 10m Land Cover Classification includes the following classes:1.Water:–Category: Water bodies such as oceans, lakes,rivers, and reservoirs.–Purpose: Identifying and analyzing water resources, hydrology, and aquatic ecosystem management.2.Forest:–Category: Areas covered with trees and densevegetation.–Purpose: Studying forest ecosystems, biodiversity, and monitoring deforestation.3.Agricultural land:–Category: Land used for cultivating crops, raising livestock, and other agricultural purposes.–Purpose: Analyzing agricultural practices, crop yield estimation, and land management strategies. 4.Grassland:–Category: Areas dominated by grass or herbaceous vegetation.–Purpose: Monitoring changes in grassland ecosystems, grazing patterns, and wildlife habitat analysis.5.Urban areas:–Category: Areas characterized by human-madestructures and infrastructure.–Purpose: Urban planning, land use change analysis, and understanding the impacts of urbanization.6.Wetland:–Category: Land that is permanently or temporarily covered with water.–Purpose: Wetland conservation, studying waterresource management, and habitat assessment.7.Barren land:–Category: Areas devoid of vegetation or with sparse vegetation cover.–Purpose: Studying desertification, land degradation, and identifying areas suitable for afforestation. 8.Snow and ice:–Category: Areas covered with snow, glaciers, or ice.–Purpose: Monitoring changes in snow cover, glacial retreat, and analyzing the impacts of climatechange.MODIS Land Use ClassificationMODIS (Moderate Resolution Imaging Spectroradiometer) Land Use Classification is another widely used dataset that provides information about the various land use classes in a specific region. This dataset has a coarser resolution compared to Esri 10m Land Cover Classification but covers a larger area. The land use classes in MODIS Land Use Classification include the following:1.Cropland:–Category: Land used for agricultural purposes, including cultivation of crops.–Purpose: Monitoring agricultural practices,analyzing crop patterns, and estimating cropproductivity.2.Grassland:–Category: Land predominantly covered with grasses or herbaceous vegetation.–Purpose: Evaluating grazing practices, studying grassland dynamics, and wildlife habitat analysis.3.Urban and built-up:–Category: Areas characterized by human-madestructures, urban development, and infrastructure.–Purpose: Urban planning, understanding urban expansion patterns, and analyzing the impacts ofurbanization.4.Forest and woodland:–Category: Areas covered with trees and forests.–Purpose: Studying forest ecosystems, monitoring deforestation, and assessing biodiversity.5.Water bodies:–Category: Lakes, rivers, oceans, and other water bodies.–Purpose: Analyzing water resources, hydrological processes, and aquatic ecosystem management.6.Shrubland:–Category: Land covered with shrubs or low-lying vegetation.–Purpose: Studying shrubland ecology, wildlifehabitat analysis, and land management strategies. 7.Desert:–Category: Barren land or areas with sparsevegetation cover.–Purpose: Understanding desertification, landdegradation, and identifying suitable areas forvegetation restoration.8.Snow and ice:–Category: Areas covered with snow, glaciers, or ice.–Purpose: Monitoring changes in snow cover,analyzing glacial retreat, and studying the impactsof climate change.These are just a few examples of the land cover and land use classifications provided by Esri 10m Land Cover and MODIS datasets. Both datasets offer valuable insights into the composition and distribution of land cover classes, allowing researchers, policymakers, and planners to make informed decisions for sustainable land management.Sure, here are more classifications from Esri 10m Land Cover and MODIS Land Use datasets:Esri 10m Land Cover Classification9.Shrubland:–Category: Land covered with shrubs or low-lying vegetation.–Purpose: Studying shrubland ecology, wildlifehabitat analysis, and land management strategies.10.Mangroves:–Category: Coastal wetlands dominated by salt-tolerant trees or shrubs.–Purpose: Monitoring and conservation of mangrove ecosystems, coastal management.11.Swamp/Marshes:–Category: Wetlands characterized by saturated soil and emergent vegetation.–Purpose: Studying wetland biodiversity, water quality, and carbon storage.12.Bare Ground:–Category: Areas devoid of vegetation or withminimal vegetation cover.–Purpose: Monitoring land degradation, erosion, and assessing soil health.13.Rock and Scree:–Category: Areas predominantly covered by rocks, stones, or loose debris.–Purpose: Studying geomorphology, landscapeevolution, and land stability analysis.MODIS Land Use Classification9.Wetland:–Category: Areas of marsh, peatland, or other wetland environments.–Purpose: Wetland conservation, water resource management, and habitat assessment.10.Plantations:–Category: Extensively managed areas with single-species plantations, such as tree plantations.–Purpose: Monitoring and managing plantation resources, evaluating land use change.11.Open Space:–Category: Land used for recreational purposes, public parks, or open areas.–Purpose: Urban planning, urban green spaces analysis, and promoting outdoor activities.12.Mining:–Category: Areas used for extraction of minerals, including open-pit mines and quarries.–Purpose: Monitoring mining activities, assessing environmental impacts, and land reclamation. 13.Built-up/Paved:–Category: Areas covered with impervious surfaces, such as buildings, roads, and parking lots.–Purpose: Urban planning, analyzing urban heatisland effect, and assessing land use changes.These additional classifications provide a more comprehensive understanding of the land cover and land use patterns in a given area. Detailed analysis of these datasets enables researchers and decision-makers to address various environmental, social, and economic challenges.。
MODIS土地覆盖分类方法
.
35
将1-7波段合成一个文件
点击， 调整文 件顺序
.
36
将1-7波段合成一个文件的结果
.
37
查看1-7波段合成的图像的信息
.
38
监督分类-制作模板
•监督分类中模板(ROI)记录了各种土地 覆盖类型的光谱特征，是决定监督分类 准确性的关键步骤。
•因此，模板的确定要有科学依据，并要 进行评价
.
MODIS具有与NOAA相同的时间分辨率，同时又提高了空间分辨率， 与AVHRR、TM等常用数据相比，其波段优点见上表。
.
6
遥感影像分类的方法
计算机分类：监督分类 非监督分类
非计算机分类的方法：目视解译（工作 量很大，缺少科学依据，随意性强）
.
7
非监督分类与监督分类的过程比较
监督分类
非监督分类
TERRA/MODIS
0.459-0.479um,500m
0.545-0.565um,500m
0.58-0.68um,1km 0.72-1.0um,1km
0.620-0.670um,250m 0.841-0.876um,250m
Landsat/TM
0.45-0.52um,30m
0.52-0.60um,30m
分异规律 3为其它科学研究如海洋遥感提供研究的空
间边界 4为大气遥感提供下垫面情况
.
3
土地覆盖遥感分类的定义：
遥感影像分类是影像分析的一个重要内容， 它是利用计算机通过对影像中不同地物的空间 信息和光谱信息进行分析，选择特征，并将特 征空间划分为互不重叠的子空间，然后将影像 中各个像元划归到子空间去。
选择训练样本
初步分类
《土地分类》课件
土地分类是对土地的自然和社会 经济属性的分类和归纳，是土地 科学研究和土地管理工作的重要
基础。
土地分类是认识土地、合理利用 土地和保护土地资源的重要手段
。
土地分类的目的和意义
目的
土地分类的目的是为了更好地认识和利用土地资源，提高土 地利用效率和管理水平，促进土地资源的可持续利用和社会 经济的可持续发展。
详细描述
自然地理分类法主要依据土地的自然地理特征，如地形、地貌、气候、水文等 ，将土地划分为不同的类型。这种分类方法有助于了解土地的自然条件和生态 特点，为土地资源的合理利用和保护提供基础数据。
土地利用现状分类法
总结词
根据土地的利用现状和用途进行分类
详细描述
土地利用现状分类法是根据土地的实际利用现状和用途进行分类的方法。这种分 类方法有助于了解土地的利用现状，评估土地利用的效率和效益，为土地资源的 优化配置提供依据。
在土地利用规划中，土地分类可以帮助规划者更好地了解土地资源的特征和限制 条件，为规划方案的制定提供更加准确、可靠的信息支持。
土地评估与地价管理
土地评估和地价管理是土地分类的重要应用领域之一，通 过对土地进行分类，可以为土地评估和地价管理提供科学 依据和基础数据，有助于制定更加科学、合理的土地评估 和地价管理方案。
在土地评估和地价管理中，土地分类可以帮助评估和管理 者更好地了解土地资源的价值和限制条件，为评估和管理 方案的制定提供更加准确、可靠的信息支持。
PART 04
我国土地分类体系
我国土地分类。
依据
土地的自然属性、经济属性、生 态属性以及社会属性。
我国土地分类的等级和层次
土地分类与新型城镇化建设
总结词
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
非监督分类与监督分类的方法比较
优点 缺点
适用范围
监督分类 精度高 工作量大 有先验知识 非监督分类 精度低 工作量小 没有先验知识
监督、非监督分类处理过程：
分类前处理：bow-tie，投影转换，重采样 分类过程：监督分类，非监督分类 分类后处理：去除细小多边形、合并类型
打开图像(500m)
打开图像(500m)
地理参考（250m)
地理参考（250m)
地理参考（250m)
地理参考（500m)
地理参考（500m)
地理参考（500m)
地理参考结果（500m)
重采样（500m)
重采样（500m)
重采样（500m)
更改 进行 选择
重采样结果（500m)
将1-7波段合成一个文件
将1-7波段合成一个文件
注：最大似然分类法与最小距离分类法要求最少有两类
监督分类：制作模板
评价分类模板
评价分类模板
评价分类模板
调整旋转速度
依次点击7 个波段
评价分类模板
显示坐标轴
监督分类
监督分类
监督分类结果
监督分类的后处理
监督分类的后处理
小于3个像 元的被聚类
监督分类的后处理
非监督分类
非监督分类
打开图像(500m)
Bow-tie 图像的特点
双线条
Bow-tie 处理(500m)
Bow-tie 处理(500m)
Bow-tie 处理(500m)
Bow-tie 处理结果(500m)
250m图像的Bowtie处理过程与500m的类似。
地理参考
地理参考（250m)
地理参考（250m)
可调整
非监督分类的结果
非监督分类的后处理
非监督分类的后处理
非监督分类的后处理
点击
非监督分类的后处理结果
水体合并 成一类
将分类的结果转成矢量的格式
将分类的结果转成矢量的格式
将分类的结果转成矢量的格式
所有的分 类结果放 在一层
查询矢量数据的属性表
矢量数据的属性表
写在最后
经常不断地学习,你就什么都知道。你知道得越多,你就越有力量 Study Constantly, And You Will Know Everything. The More
遥感影像分类的方法
计算机分类：监督分类 非监督分类
非计算机分类的方法：目视解译（工 作量很大，缺少科学依据，随意性强）
非监督分类与监督分类的过程比较
监督分类
非监督分类
选择训练样本
初步分类
确定分类模板
专题判断
no
初步分类
检验分类结果
yes
分类后处理
统计分析、输出结果
分类合并 分类后处理 统计分析、输出结果
You Know, The More Powerful You Will Be
谢谢大家
荣幸这一路，与你同行
It'S An Honor To Walk With You All The Way
演讲人：XXXXXX 时 间：XX年XX月XX日
MODIS土地覆盖分类方法
报告人: 全球变化信息研究中心
MODIS土地覆盖遥感分类
• 土地覆盖遥感分类的意义 •土地覆盖计算机遥感分类的方法
小比例尺土地覆盖分类的意义：
1土地覆盖分类是生态环境变化监测的基础 2土地覆盖分类可以更好地表现土地的宏观
分异规律 3为其它科学研究如海洋遥提供研究的空间边界 4为大气遥感提供下垫面情况
0.58-0.68um,1km 0.72-1.0um,1km
0.620-0.670um,250m 0.841-0.876um,250m
Landsat/TM
0.45-0.52um,30m
0.52-0.60um,30m
0.63-0.69um,30m 0.76-0.90um,30m
短波红外 热红外
3.55-3.93um,1km
土地覆盖遥感分类的定义：
遥感影像分类是影像分析的一个重要内容， 它是利用计算机通过对影像中不同地物的空间 信息和光谱信息进行分析，选择特征，并将特 征空间划分为互不重叠的子空间，然后将影像 中各个像元划归到子空间去。
MODIS数据的特点及土 地覆盖遥感制图的优点
• 时间分辨率高(NDVI,EVI,NDSI)
选择模板的科学依据:
• 经验认识（熟悉当地的情况） • 图件（大比例尺图） • GPS（野外调查） • 光谱特征（NDVI,EVI,NDSI） • DEM（植物地理分布规律）
监督分类：制作模板
监督分类：制作模板
点击，在zoom 框里制作Region
监督分类：制作模板
新加类型
进行编辑
改变颜色
改变名称
10.3-11.3um,1km; 11.5-12.5um,1km
1.230-1.250um,500m; 1.625-1.628um,500m; 2.105-2.135um,500m
1.55-1.75um,30m; 2.08-2.35um,30m
MODIS具有与NOAA相同的时间分辨率，同时又提高了空间分辨率， 与AVHRR、TM等常用数据相比，其波段优点见上表。
• 7个波段的特点(结合了TM数据与 NOVA-HAVRR数据的特点)
• 优于NOVA-HAVRR（空间分辨率）
MODIS 、 AVHRR和 TM数据的波段分布以及空间分辨率
波段
蓝
绿
红 近红外
NOAA/AVHRR
TERRA/MODIS
0.459-0.479um,500m
0.545-0.565um,500m
将1-7波段合成一个文件
将1-7波段合成一个文件
点击， 调整文 件顺序
将1-7波段合成一个文件的结果
查看1-7波段合成的图像的信息
监督分类-制作模板
•监督分类中模板(ROI)记录了各种土地 覆盖类型的光谱特征，是决定监督分类 准确性的关键步骤。 •因此，模板的确定要有科学依据，并要 进行评价