中文题目：面向自然场景土地覆被分类的遥感物候模式分区
发表时间：2024年9月
发表期刊：地理学报
第一作者：刘晓亮等
第一单位：中国科学院地理所
DOI：10.11821/dlxb202409004
精选理由：本文提出的面向自然场景的遥感物候模式分区，为土地覆被分类提供了一种创新方法，显著降低了区域内的复杂性和特征异质性。通过引入植被物候变化和微地貌特征，结合数据驱动的空间约束层次聚类算法，研究展示了分区的有效性与适用性。统计检验结果表明，不同分区间的植被物候特征存在显著差异，且分区内部特征高度一致。这一方法不仅增强了土地覆被分类的精度，也为未来构建代表性样本库和实施分区策略提供了重要支持。建议进一步研究如何将此模型推广至不同生态系统，以优化更广泛的遥感应用。
选取适当地理边界对研究区或影像进行分区，降低区域内土地覆被复杂程度及其在影像中的特征变异性，能够有效提升土地覆被遥感分类的精度和效率。现有土地覆被制图中开展分区分类策略所借助的生态分区等区划数据缺乏目标针对性，其对遥感分类的适用性范围及精度提升效果仍存在限制。植被物候变化是造成自然场景土地覆被类内光谱异质的主要原因，本文利用遥感观测的反映地表植被绿度状态的植被指数和反映地表植被生长发育节律的关键物候期构建分区指标体系，以反映微地貌形态、坡面属性及地表物质组成的地貌小区为分区单元，采用数据驱动的空间约束层次聚类算法，提出了面向自然场景土地覆被分类的遥感物候模式分区。基于统计检验和多源土地覆被产品的分区评价结果表明，本文的遥感物候模式分区可有效降低区域内土地覆被复杂程度和植被物候变化引起的类内特征异质，在土地覆被代表性样本库构建以及分区分类策略实施等方面具有较高应用潜力。
研究背景🌍
在遥感技术日新月异的今天，如何精准地分类土地覆被成为了一个亟待解决的课题。本文围绕“面向自然场景土地覆被分类的遥感物候模式分区”这一主题，提出了一种创新的区域划分方法，旨在提升土地覆被遥感分类的精度和效率。
研究亮点🔍
选取适当的地理边界对研究区域进行划分，降低土地覆被的复杂性和光谱变异性，形成内部均质、外部异质的子区域。这种分区方法为遥感分类提供了更清晰的基础。
利用遥感观测数据构建分区指标体系，通过分析植被物候变化，揭示自然场景中土地覆被的光谱异质性。这种方法将微地貌形态和植被物候信息相结合，为土地覆被分类提供了科学依据。
采用空间约束层次聚类算法，确保分区结果的高效性和准确性。尽管存在数据质量和参数选择的依赖性，该方法在实际应用中展示了良好的潜力。
研究总结🌐
本文提出的遥感物候模式分区方案，能够有效降低土地覆被复杂程度，提升分类精度。通过对相邻分区之间植被物候特征的显著差异性分析，确认了分区的有效性。同时，基于现有土地覆被产品的评价结果表明，各分区内主要和次要土地覆被类型的面积存在明显优势性占比，且相邻分区在主、次要土地覆被的类型和功能型方面也存在显著差异。
未来的研究可以在以下几个方面进行进一步探索：
分区尺度的细化：针对小区域的精细尺度土地覆被分类，未来应进一步优化分区策略，以满足不同解译需求。
多源数据的整合：将更多的遥感数据和相关指标纳入研究，以全方位、多尺度地刻画自然场景的土地覆被特征。
监测方法的标准化：建立统一的遥感监测体系，以提高不同研究间的可比性，降低不确定性。
通过这一研究，我们希望推动遥感技术在土地覆被分类中的应用，为未来的生态监测与管理提供更加可靠的支持。🌱
图1. 主要技术流程框架。
图2. 物候指标示意图。
图3. 中国遥感物候模式一级分区。
图4. 植被物候特征显著区域内4个物候指标的斯皮尔曼相关性检验结果（p<0.05）。
图5. 遥感物候模式一级分区与中国生态地理分区。
图6. 中国遥感物候模式分区图。
图7. 植被物候特征显著一级分区内4个物候指标的斯皮尔曼相关性检验结果（p<0.05）。
图8. 物候特征显著分区的SOS物候指标。
图9. 遥感物候模式一级分区主、次要土地覆被面积总占比统计结果。
图10. 示例区域空间位置及其所属分区物候指标统计结果。
图11. 不同分区Sentinel-2光学影像实例对比（标准假彩色合成）。
图12. 示例区域空间位置及其地形。
图13. 分区界线两侧 Sentinel-2 光学影像实例对比(标准假彩色合成)。
表1. 全球土地覆被产品及中国植物功能型产品主要参数。
表2. 物候特征不显著区域划分准则。
表3. 植被物候特征显著一级分区的二级区划指标筛选结果与分区数量。
表4. 遥感物候模式一级分区主要土地覆被统计结果。
表5. 遥感物候模式一级分区次要土地覆被统计结果。
E N D
获取方式：关注我们的微信公众“地学韦丰吉司长”。后台回复关键字“31中文”，即可直接获取原文PDF。
（提示：关键字要完整）
声明：本推送文章来源于公开渠道，我们已注明相关信息来源，版权归原作者或出处所有。本推文仅用于学术交流和信息分享，无商业用途。侵删。
