一、题目：利用TM遥感数据进行宜良县土地覆盖分类和制图
二、数据
2004年宜良县LANDSAT TM数据；水系数据；行政区数据。
三、内容
1、以北京54坐标水系数据为基准，对遥感图像进行校正；
2、利用有监督分类方法，完成宜良县的土地覆盖类型的分类；
3、分类标准可参照国家一级土地利用分类的标准进行；
4、在arcgis中进行成图。
四、说明：
水系数据，缺少坐标参考信息，请补充完整；行政区划数据到乡镇，请你提取县界。制图按1：10万进行。
报告内容要包括：详细的操作环节和中间结果。
具体步骤：
一：以北京54坐标水系数据为基准，对遥感图像进行校正；
1、对水系数据加坐标参考信息
由于所给的线状水系文件是ENVI的矢量evf文件，文件打开至Available Vectors List可以发现文件本身具有北京54坐标系，但其大地参考面还没有。于是在option菜单打开Edit Layer Porjection 菜单进行设置，单击Datums 设置其为WGS-84。设置好后将文件打开，为下步配准做准备。
2、对遥感图像进行校正
上一步打开了做为基准的北京54坐标水系矢量数据，接下来打开需要进行
配准的yl_TM2004的影像数据。然后如上图操作打开Image to Map Registration 菜单进行坐标系统的设置，其设置参数应与作为基准的水系数据一样，设置好后打开Ground Control Points Selection 菜单进行控制点的选取。
3、控制点选取的方法
先在yl_TM2004的影像数据也加上要配准的基准数据，这样方便控制点的对应，
选取的原则是一些明显的点，如河流的拐点、起点、交汇点等。首先在yl_TM2004的影像数据选择好明显的点，然后在矢量水系数据选择对应的点，然后鼠标右键单击Export Map Location（如上图）将坐标发送至Ground Control Points Selection 菜单，在该菜单点击Add Point完成第一个点的配准，以此类推，选取其他明显的点，以完成控制点的选取。下图为选好点的图。
4、最后配准
选好点后可以在Ground Control Points Selection 菜单点击Show List 打开Image to Map GCP List查看并检查控制点的误差，如下图，也可以发现5号点误差比较大，可以删除。
然后通过Ground Control Points Selection 菜单的Options-Warp File选择要配准的yl_TM2004影像，选择后打开Registration Parameters菜单进行配准设置。配准的数学模型选择Polymomial,Degree为2，Resampling为Bilinear。
下图为配准后的图像：
二、提取县界，裁剪出宜良县影像图
1、提取县界（最后成图需要）
所给数据行政区划面层的面数据，在Arcgis中将行政区划面层数据中的各乡镇通过Merge命令合并成一个面，然后通过面转线提取出宜良的县界，如下图。
2、裁剪出宜良县影像图
要裁剪出宜良县影像图，首先要有宜良县的面数据，这个可以由所给的行政区划面层数据得来。只要在Arcgis中将行政区划面层数据中的各乡镇通过Merge 命令合并成一个面就可以了（下图），操作完成保存编辑就可以了。
在ENVI中打开配准后的数据和原矢量数据（矢量数据方便宜良县的面数据的坐标系统的编辑）。然后打开用于裁剪的宜良县面数据，一直打开至Available Vectors List菜单，然后和上面水系数据一样进行一样的坐标设置（图参考前面水系的）。因为只有和配准后影像一样的坐标系统才能进行裁剪。坐标设置好后在Available Vectors List菜单选择File---Exper Layers to ROI,在弹出的Select Data File to Associate with new ROI菜单中，选择被裁剪的数据，也就是配准的数据，然后单击OK，弹出如下图菜单，选择第一个选项，然后单击OK。
这时在被裁剪的数据的,弹出如下#1ROI Tool窗口，可以发现通过矢量数据生成的感兴趣区已经显示出来，在配准后的数据中也叠加了该矢量数据。在#1ROI Tool窗口选择File—Subset Data via ROIs,在弹出的窗口选择配准后的数据，单击OK，即弹出Spatial Subset via ROI Parameters窗口，并进行如下图进行设置，单击OK，即可完成宜良县数据的裁剪。
下图即为配准后并裁剪出来的宜良县影像地图。
三、对宜良县影像进行监督分类，完成的土地覆盖类型的分类
1、选择地物分类类型
首先还是打开宜良县影像地图，采用543波段，以方便地物的识别，然后通过窗口中Overly---Regin of Interest命令打开#1ROI Tool窗口。如下图是水域用地分类的一个选取，以此类推选择好其他类型的用地。
下图是选好的土地分类类型，在File中还可以保存好分类类型。然后进行样本精度验证，在该窗口执行Options—Compute ROI Separability命令，在弹出的窗口中选择要分类的宜良县影像地图，单击OK，即弹出下图的ROI Separability Calculation窗口。
在ROI Separability Calculation窗口，选择所有的分类，单击OK，及可以得到样本精度分析结果。如下图，两两地物之间的可分类性系数都很高，都1.99以上，说明两两地物之间可以很好地分类，所选的分类样本合格。
2、监督分类
如下图操作，选择最大试然分类方法，在打开的窗口选择要分类的宜良县影像，单击OK。
在弹出如下窗口，并根据下图进行相应的设置，即可完成土地分类。
3、监督分类后处理
分类好后还要进行相应的处理，其中由于没有野外数据，验证这一步就不做了。在Overlay—Classification,在弹出的菜单选择分类好的数据，在OK，弹出如下窗口，在Options项中可以进行部分错误类别的删除、更改、类别颜色的
更改等监督分类的处理，这里我就不详细写了。
剔除小斑点，执行Classification—Post Classification—sieve Class命令，然后选择分类好的分类图，最后弹出如左下窗口，并进行下图的相应设置，剔除的是5个相元以下的斑点。下边右图是剔除后的分类图。
四、在arcgis中进行成图
1、分类图转矢量图
首先执行Classification—Post Classification—Classification to Vector命令，选择分类好的地图，单击OK，然后弹出如下左窗口，先选择水域用地，及输出位置。单击OK，弹出右下图的窗口，在执行File—Export Layers to Shapelfile可转化为arcgis可使用的文件，以此类推，将林地、耕地、裸地、住宅用地都输出并转化为Shapelfile文件，以方便下一步在arcgis中进行成图。
2、arcgis成图
将生成林地、耕地、裸地、住宅用地、水域用地的Shapelfile文件和前面生成的宜良县界文件都一并加入arcgis中。进行相应得颜色设置，最后切换到Layout View 窗口。在Insert菜单中可以插入图名、图例、比例尺、指南针。最后得到一个简单的图，如下。最后也可以通过File—Export Map输出地图。当采用1：10万制图时，地图较大，就不列入本文档中了。
摘要 遥感图像分类一直是遥感研究领域的重要内容，如何解决多类别的图像的分类识别并满足一定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义。 遥感图像的计算机分类是通过计算机对遥感图像像素进行数值处理，达到自动分类识别地物的目的。遥感图像分类主要有两类分类方法:一种是非监督分类方法，另一种是监督分类方法。非监督分类方法是一个聚类过程，而监督分类则是一个学习和训练的过程，需要一定的先验知识。非监督分类由十不能确定类别属性，因此直接利用的价值很小，研究应用也越来越少。而且监督分类随着新技术新方法的不断发展，分类方法也是层出不穷。从传统的基十贝叶斯的最大似然分类方法到现在普遍研究使用的决策树分类和人工神经网络分类方法，虽然这些方法很大程度改善了分类效果，提高了分类精度，增加了遥感的应用能力。但是不同的方法有其不同优缺点，分类效果也受很多因素的影响。 本文在对国内外遥感图像分类方法研究的进展进行充分分析的基础上，应用最大似然分类法、决策树分类法对TM影像遥感图像进行了分类处理。在对分类实现中，首先对分类过程中必不可少的并影响分类效果的步骤也进行了详细地研究，分别是分类样本和分类特征；然后详细介绍两种方法的分类实验；最后分别分析分类结果图，采用混淆矩阵和kappa系数对两种方法的分类结果进行精度评价。 关键词:TM遥感影像，图像分类，最大似然法，决策树 题目：遥感图像几种分类方法的比较...................................... 错误！未定义书签。摘要.. (1) 第一章绪论 (3)
1.1遥感图像分类的实际应用及其意义 (4) 1.2我国遥感图像分类技术现状 (5) 1.3遥感图像应用于测量中的优势及存在的问题 (6) 1.3.1遥感影像在信息更新方面的优越性 (6) 1.3.2遥感影像在提取信息精度方面存在的问题 (6) 1.4研究内容及研究方法 (8) 1.4.1研究内容 (8) 1.4.2 研究方法 (8) 1.5 论文结构 (9) 第二章遥感图像的分类 (9) 2.1 监督分类 (9) 2.1.1 监督分类的步骤 (9) 2.1.2 最大似然法 (11) 2.1.3 平行多面体分类方法 (12) 2.1.4 最小距离分类方法 (13) 2.1.5监督分类的特点 (13) 2.2 非监督分类 (14) 2.2.1 K-means算法 (14) K-均值分类法也称为 (14) 2.2.2 ISODATA分类方法 (15) 2.2.3非监督分类的特点 (17) 2.4遥感图像分类新方法 (17) 2.4.1基于决策树的分类方法 (17) 2.4.2 人工神经网络方法 (19) 2.4.3 支撑向量机 (20) 2.4.4 专家系统知识 (21) 2.5 精度评估 (22) 第三章研究区典型地物类型样本的确定 (24) 3.1 样本确定的原则和方法 (24) 3.2 研究区地物类型的确定 (24) 3.3样本区提取方案 (25) 3.4 各个地物类型的样本的选取方法 (25) 3.4.1 建立目视解译标志 (25) 3.4.2 地面实地调查采集 (26) 3.4.3 利用ENVI遥感图像处理软件选取样本点 (26) 第四章遥感图像分类实验研究 (26) 4.1遥感影像适用性的判定 (26) 4.2分类前的预处理 (28) 4.2.1空间滤波的处理 (28) 4.2.2 频域滤波处理 (28) 4.3利用ENVI软件对影像按照不同的分类方法进行监督分类 (30) 4.3.1监督分类 (30) 4.3.2 决策树 (33) 4.4分类后的处理 (35)
土地利用分类系统标准 土地分类是指在研究分析各类土地的特点及它们之间的相同性和差异性的基础上划分土地类型。 土地分类成果可直接用于生产和土地科学的研究。土地分类的目的是如实反映土地的利用现状，分析在土地利用方面存在的问题，为科学管理土地提供依据。 一，我国主要采用三种土地分类系统 1.土地自然分类系统：主要依据土地自然特性的差异性分类，也可以依据土地的某一自然特性分类，还可以依据土地的自然综合特性分类； 2.土地评价分类系统：主要依据土地的经济特性分类； 3.土地利用分类系统：主要依据土地的综合特性分类。 我国城镇土地的分类是根据土地用途的差异、利用的方式、经营的特点和覆盖的特征等因素对土地进行的分类。 二，土地利用分类系统标准的发展过程 我国的土地分类体系有一个不断发展、完善的过程。 1984 年全国农业区划委员会发布的《土地利用现状调查技术规程》规定了《土地利用现状分类及含义》。 1989 年9 月原国家土地管理局发布的《城镇地籍调查规程》规定
了《城镇土地分类及含义》。 在研究、分析两个现行土地分类基础上，国土资源部于2001年8月21日下发了“关于印发试行《土地分类》的通知”，制定了城乡统一的全国土地分类体系，并于2002 年 1 月 1 日起在全国试行。 中华人民共和国质量监督检验检疫总局和中国国家标准化管理委员会于2007年8月10日联合发布《土地利用现状分类》。 1.老八类 全国农业区划委员会1984 年9 月颁布发的《土地利用现状调查技术规程》制定了《土地利用现状分类及含义》，规定全国土地利用现状采用两级分类，统一编码排列。其中一级分8 类，二级分46 类。具体分类的名称及含义见表1。 表1 土地利用现状分类及含义(1984年标准) 一级分类二级分类含义 代码名称代 码 名称 1耕地 指种植农作物的土地。包括熟地、新开荒地、休闲地、 轮歇地、草田轮作地；以种植农作物为主间有零星果树、 桑树或其他树木的土地；耕种三年以上的滩地和海涂。 耕地中包括南方宽小于1.0m，北方宽小于2.0m的沟、 渠、路和田埂。 11灌溉水田 指有水源保证和灌溉设施，在一般年景能正常灌溉，用 于种植水稻、莲藕、席地等水生作物的耕地，包括灌溉 的水旱轮作地。 12望天田 指无浇灌工程设施，主要依靠天然降雨，用以种植水稻、 莲藕、席草等水生作物的耕地，包括灌溉的水旱轮作地。13水浇地指水田、菜地以外，有水源保证和固定灌溉设施，在一
遥感原理与应用 1.试述遥感图像分类的方法，并简单分析各种分类方法的优缺点。答：监督分类：1、最大似然法；2、平行多面体分类法:这种方法比较简单，计算速度比较快。主要问题 是按照各个波段的均值为标准差划分的平行多面体与实际地物类别数据点分布的点群形态不一致，也就造成俩类的互相重叠，混淆不清的情况；3、最小距离分类法:原理简单，分类精度不高，但计算速度快，它可以在快速浏览分类概况中使用。通常使用马氏距离、欧氏距离、计程距离这三种判别函数。主要优点：可充分利用分类地区的先验知识，预先确定分类的类别；可控制训练样本的选择，并可通过反复检验训练样本，以提高分类精度（避免分类中的严重错误）；可避免非监督分类中对光谱集群组的重新归类。主要缺点：人为主观因素较强；训练样本的选取和评估需花费较多的人力、时间；只能识别训练样本中所定义的类别，对于因训练者不知或因数量太少未被定义的类别，监督分类不能识别，从而影响分结果（对土地覆盖类型复杂的地区需特别注意）。 非监督分类：1、ISODATA； 2、K-Mean：这种方法的结果受到所选聚类中心的数目和其初始位置以及模式分布的几何性质和读入次序等因素的影响，并且在迭代的过程中又没有调整类别数的措施，因此不同的初始分类可能会得到不同的分类结果，这种分类方法的缺点。可以通过其它的简单的聚类中心试探方法来找出初始中心，提高分类结果；主要优点：无需对分类区域有广泛地了解，仅需一定的知识来解释分类出的集群组；人为误差的机会减少，需输入的初始参数较少（往往仅需给出所要分出的集群数量、计算迭代次数、分类误差的阈值等）；可以形成范围很小但具有独特光谱特征的集群，所分的类别比监督分类的类别更均质；独特的、覆盖量小的类别均能够被识别。主要缺点：对其结果需进行大量分析及后处理，才能得到可靠分类结果；分类出的集群与地类间，或对应、或不对应，加上普遍存在的“同物异谱”及“异物同谱”现象，使集群组与类别的匹配难度大；因各类别光谱特征随时间、地形等变化，则不同图像间的光谱集群组无法保持其连续性，难以对比。
《土地利用分类系统标准》 土地分类是指在研究分析各类土地的特点及它们之间的相同性和差异性的基础上划分土地类型。 土地分类成果可直接用于生产和土地科学的研究。土地分类的目的是如实反映土地的利用现状，分析在土地利用方面存在的问题，为科学管理土地提供依据。 一，我国主要采用三种土地分类系统 1.土地自然分类系统：主要依据土地自然特性的差异性分类，也可以依据土地的某一自然特性分类，还可以依据土地的自然综合特性分类； 2.土地评价分类系统：主要依据土地的经济特性分类； 3.土地利用分类系统：主要依据土地的综合特性分类。 我国城镇土地的分类是根据土地用途的差异、利用的方式、经营的特点和覆盖的特征等因素对土地进行的分类。 二，土地利用分类系统标准的发展过程 我国的土地分类体系有一个不断发展、完善的过程。 1984 年全国农业区划委员会发布的《土地利用现状调查技术规程》规定了《土地利用现状分类及含义》。 1989 年9 月原国家土地管理局发布的《城镇地籍调查规程》规定了《城镇土地分类及含义》。 在研究、分析两个现行土地分类基础上，国土资源部于2001年8月21日下发了“关于印发试行《土地分类》的通知”，制定了城乡统一的全国土地分类体系，并于2002 年1
月1 日起在全国试行。 中华人民国质量监督检验检疫总局和中国国家标准化管理委员会于2007年8月10日联合发布《土地利用现状分类》。 1.老八类 全国农业区划委员会1984 年9 月颁布发的《土地利用现状调查技术规程》制定了《土地利用现状分类及含义》，规定全国土地利用现状采用两级分类，统一编码排列。其中一级分8 类，二级分46 类。具体分类的名称及含义见表1。 表1 土地利用现状分类及含义(1984年标准)
摘要 在面向对象的影像分类方法中，首先需要将遥感影像分割成有意义的影像对象集合，进而在影像对象的基础上进行特征提取和分类。本文针对面向对象影像分类思想的关键环节展开讨论和研究，(1) 采用基于改进分水岭变换的多尺度分割算法对高分辨率遥感影像进行分割。构建了基于高斯尺度金字塔的多尺度视觉单词，并且通过实验证明其表达能力优于经典的词包表示。最后，在词包表示的基础上，利用概率潜在语义分析方法对同义词和多义词较强的鉴别能力对影像对象进行分析，找出其最可能属于的主题或类别，进而完成影像的分类。 近些年来，随着航空航天平台与传感器技术的高速发展，获取的遥感影像的分辨率越来越高。高分辨率遥感影像在各行业部门的应用也越来越广泛，除了传统的国土资源、地质调查和测绘测量等部门，还涉及到城市规划、交通旅游和环境生态等领域，极大地拓展了遥感影像的应用范围。因此，对高分辨率遥感影像的处理分析成为备受关注的领域之一。高分辨率遥感影像包括以下三种形式：高空间分辨率（获取影像的空间分辨率从以前的几十米提高到1 至5 米，甚至更高）；高光谱分辨率（电磁波谱被不断细分，获取遥感数据的波段数从几十个到数百个）；高时间分辨率（遥感卫星的回访周期不断缩短，在部分区域甚至可以连续观测）。本文所要研究的高分辨率遥感影像均是指“高空间分辨率”影像。 相对于中低分辨率的遥感数据，高空间分辨率遥感影像具有更加丰富的空间结构、几何纹理及拓扑关系等信息，对认知地物目标的属性特征更加方便，如光谱、形状、纹理、结构和层次等。另外，高分辨率遥感影像有效减弱了混合像元的影响，并且能够在较小的空间尺度下反映地物特征的细节变化，为实现更高精度的地物识别和分类提供了可能。 然而，传统的遥感影像分析方法主要基于“像元”进行，它处于图像工程中的“图像处理”阶段（见图1-1），已然不能满足当今遥感数据发展的需求。基于“像元”的高分辨率遥感影像分类更多地依赖光谱特征，而忽视影像的纹理、形状、上下文和结构等重要的空间特征，因此，分类结果会产生很严重的“椒盐(salt and pepper)现象”，从而影响到分类的精度。虽然国内外的很多研究人员针对以上缺陷提出了很多新的方法，如支持向量机(Support Vector Machine，SVM) 、纹理聚类、分层聚类(Hierarchical Clustering) 、神经网络(Neural Network, NN)等，但仅依靠光谱特征的基于像元的方法很难取得更好的分类结果。基于“像元”的传统分类方法还有着另一个局限：无法很好的描述和应用地物目标的尺度特征，而多尺度特征正是遥感信息的基本属性之一。由于在不同的空间尺度上，同样的地表空间格局与过程会表现出明显的差异，因此，在单一尺度下对遥感影像进行分析和识别是不全面的。为了得到更好的分类结果，需要充分考虑多尺度特征。 针对以上问题，面向对象的处理方法应运而生，并且逐渐成为高空间分辨率遥感影像分析和识别的新途径。所谓“面向对象”，即影像分析的最小单元不再是传统的单个像元，而是由特定像元组成的有意义的同质区域，也即“对象”；因此，在对影像分析和识别的过程
遥感技术在土地利用分类中的应用 ——以秦皇岛为例 摘要：以LANDSAT TM遥感影像为数据源，经过波段选择、色彩合成、拼接裁剪、遥感图像增强和人机交互解译等步骤，将秦皇岛市土地利用类型分为耕地、林地、草地、水域湿地、建设用地和未利用土地等6类，绘制出秦皇岛市土地利用现状图。 关键字：遥感；土地利用；秦皇岛；土地分类 前言 土地是人类赖以生存和发展的物质基础，是社会生产的劳动资料，是农业生产的基本生产资料，是一切生产和一切存在的源泉[1]。土地是一种不可再生资源，且资源的数量是相对有限的，土地的利用是否合理直接关系着社会经济的未来发展。因此如何合理的配置现有的土地资源，使其不断满足经济、社会、环境等各方面的需求，逐渐成为学者们研究的焦点。 遥感技术具有高光谱分辨率、高空间分辨率、实时观测、重访周期短等特点，在土地利用中显示出明显的优势，在国内外得到了广泛应用[2]。本文以秦皇岛市为例，介绍遥感技术在土地利用分类中的应用。 1研究区域自然经济概况 秦皇岛市位于河北省东部沿海，处于北纬39o24'-40o37'，东经118o34'-119o51'。东邻辽宁、西接唐山、北靠燕山、南临渤海。西南距省会石家庄483km，西距首都北京280km，距天津220km。现辖海港区、山海关区、北戴河区3区和昌黎县、抚宁县、卢龙县、青龙满族自治县四县，为我国重要的综合性港口城市，著名的旅游城市。 随着秦皇岛市人口的增加和社会经济的发展，人类加大了对土地资源开发的力度，引起土地利用景观格局发生变化。对土地资源的过度和无序利用，导致秦皇岛市生态环境恶化，产生了土地退化、水土流失等严重威胁生存安全的生态问题。
土地利用现状分类 1.1.概述 土地利用是人类根据自身需要和土地的特性，对土地资源进行的多种形式的利用。土 地利用现状是土地资源的自然属性和经济特性的深刻反映。土地利用划分具有如下特点： b5E2RGbCAP 是在自然、经济和技术条件的综合影响下，经过人类的劳动所形成的产物。 在一定的空间分布上服从社会经济条件，因此，它们在地域分布上不一定连成片。 种类、数量、分布是随着社会经济技术条件的进步而变化的。 1.1.1.土地分类方法 土地分类是国家为掌握土地资源现状、制定土地政策、合理利用土地的重要基础工作 之一。土地分类由于目的不同，有着显著的差别，形成不同的土地分类系统。p1EanqFDPw 1.土地自然分类系统： 指主要依据土地的自然属性的相同性和差异性对土地进行分类。一般按地貌、土壤、 植被为具体标志进行分类。其目的是揭示土地类型的分异和演替规律，遵循土地构成要素 的自然规律，最佳、最有效地挖掘土地生产力。DXDiTa9E3d 2.土地评价分类系统： 指主要依据一些评价指标的相同性和差异性对土地进行分类。一般按土地生产力水 平、土地质量、土地生产潜力、土地适宜性等为具体标志进行分类。也称为土地的经济特 性分类。其分类的主要依据是土地的自然属性和社会经济属性，其目的是为开展土地条件 调查和适宜性调查服务，为实现土地资源最佳配置服务。RTCrpUDGiT 3.土地综合分类系统： 指主要依据土地的自然特性和社会经济特性、管理特性及其他因素对土地进行综合分 类。土地利用分类是土地综合分类主要形式。土地利用分类一般按土地利用现状的土地覆 盖特征、土地利用方式、土地用途、土地经营特点、土地利用效果等为具体标志进行分 类。其目的是了解土地利用现状，反映国家各项管理措施的执行情况和效果，为国家和地 区宏观管理和调控服务。5PCzVD7HxA 在这三种分类中，土地利用分类即土地综合分类是在土地资源管理中应用最广、全覆 盖的基础分类。掌握土地利用现状是国家制定国民经济计划和有关政策，发挥土地资源在 经济社会发展中的宏观调控作用，加强土地管理，合理利用土地资源，切实保护耕地的重 要基础。jLBHrnAILg 1.1. 2.国内外土地利用分类 国外土地分类工作至今约有半个多世纪的历史，到二十世纪六十年代和七十年代就出 现了各种土地分类系统。国外土地利用分类多数以土地利用现状作为分类依据，具体到各 国又有差异，如美国主要以土地功能作为分类的主要依据，英国和德国以土地覆盖(是否开发用于建设用地>作为分类依据，俄罗斯、乌克兰和日本以土地用途作为分类的主要依 据，印度则以土地覆盖情况(自然属性>作为划分利用分类的依据。xHAQX74J0X 国内土地分类研究起步较迟，而且主要工作是在解放以后。国内土地利用分类依据与 国外基本相同，也是以土地利用现状作为分类依据，如土地利用现状调查(详查>采用的土地利用现状分类以土地用途、经营特点、利用方式和覆盖特征为分类依据，城镇地籍调查 采用的城镇土地分类以土地用途为分类依据，中科院中国土地利用分类以利用方式和土地 覆盖为分类依据。LDAYtRyKfE 虽然国内外土地利用分类依据基本相同，但由于国情差异，在具体划分的类型上却不 尽相同，如我国是农业大国，人多地少，因此对农用地的分类较细，而国外则相对较粗。 1 / 29
《地理信息系统应用》 GIS软件应用项目综合研究 《2014年沈阳市土地利用分类》 班级：621202 学号：62120211 姓名：田博
前言 ?根据2005年土地利用现状变更调查，全市土地总面积为1288088公顷，其中农用地面积989964公顷，占土地总面积的76.86%；建设用地面积195853公顷，占土地总面积 15.20%，未利用地面积102271公顷，占土地总面积的 7.94%。 ?进行图例利用分类分析，围绕全面建设小康社会、实现老工业基地振兴、建设国家生态城市和东北地区中心城市的经济社会发展目标，全面实施严格保护耕地特别是基本农田战略、土地科学调控和城乡统筹发展战略、土地节约集约用地战略、中心城区土地利用结构和布局优化战略、协调土地利用与生态建设战略。 ?为了深入贯彻科学发展观和老工业基地振兴战略，切实落实“十分珍惜、合理利用土地和切实保护耕地”的基本国策，节约集约利用土地，统筹安排各类各区域用地，根据有关法律法规进行研究城市的土地利用变化，能够发现城市化发展的一些问题，有利于土地资源的合理配置。同时更好地统筹土地资源的开发、利用和保护，促进国民经济又好又快发展。 ?充分利用沈阳经济区核心城市的区位优势，建立与沈阳中心城市和现代化大都市地位相适应的土地利用结构和空间布局模式。保障科学发展用地、保护和合理利用农用地、节约集约利用建设用地、协调土地利用与生态建设、统筹安排各类各区域用地，构建资源节约、环境友好、和谐发展的土地利用模式。
①项目需求分析： 以邓小平理论和“三个代表”重要思想为指导，全面贯彻落实科学发展观，坚持节约资源和保护环境的基本国策，坚持最严格的耕地保护制度和节约集约用地制度，围绕全面建设小康社会、振兴东北老工业基地和建设东北地区中心城市的目标，优化土地利用结构、统筹各类各区域用地，为经济持续快速健康发展提供用地保障和服务，促进经济社会与环境的全面、协调、可持续发展。故进行土地利用分析是必不可少的。 ②项目研究内容、方法与技术方案： 1.项目研究内容： 对目前2014年5月份沈阳市的landsat遥感图像进行处理出图，继而进行土地利用分类统计分析。 2.研究方法： 利用ENVI5.0软件对数据进行叠合，镶嵌，裁剪，继而进行监督分类，在监督分类中用到了最小距离和马氏距离分类的方法，整理感兴趣区后进行数据矢量化为能够在Arcgis软件中打开文件，最后出图，导出地图。 3.技术方案： 查找下载沈阳市2014年原始遥感数据→整理数据（遥感图像叠合，镶嵌，裁剪）→监督分类（建立感兴趣区）→数据图像矢量化→导出地图。 ④数据来源与处理过程： 数据来源： 中科院遥感所，地理空间数据云。 处理过程： 1.查找下载沈阳市2014年原始遥感数据:
遥感影像土地利用分类方法研究进展 摘要: 为了研究遥感影像土地利用分类的方法，综述了国内外近10年的遥感图像分类研究。在分析当前主要遥感影像分类方法的基础上，从传统的分类方法和传统分类方法的改进两个方面，对遥感影像土地利用分类方法研究进展进行了阐述。本研究还存在不足，今后还需进一步研究利用各种遥感影像分类方法相互结合的应用。 关键词: 遥感影像；土地利用；分类方法 引言 土地利用变化研究是全球变化及其区域响应研究的核心领域，研究土地利用变化及其生态环境效应有助于提高人们对区域生态环境问题的认识，并可为有关部门的土地利用规划、管理与决策提供科学依据[1]。目前，利用遥感图像分类获得土地利用信息已经成为土地利用变化研究必不可少的一步。遥感图像分类就是把图像中的每一个像元或区域划分为若干类别中的一种，即通过对各类地物的光谱特征分析来选择特征参数，将特征空间划分为互不重叠的子空间，然后将影像内各个像元划分到各子空间中去，从而实现分类。由于新的分类方法的大量涌现，遥感图像分类方法出现了很多问题。因此，本研究在分析当前主要遥感图像分类方法的基础上，将遥感图像分类方法划分为传统的分类方法、传统分类方法的改进两大类，从这两个方面对遥感图像土地利用分类方法的研究进展进行了阐述。 1 传统分类方法 1.1目视解译 目视解译是根据确定的分类系统和解译标志以及解译经验，对图像进行判读等方法来获取土地利用的分类，这种方法目前仍被广泛使用。它是人们通过遥感技术获取目标信息最直接、最基本的方法。李秀梅提出对于数据精度产生的尺度效应研究过程中，通常采用目视解译并依据转换误差最小原则栅格化矢量数据，以保障数据精度，这是一种比较成功的分类方法，具有简单易操作，利于空间信息提取，灵活性强等优点，但解译中显示尺度越小，带状、面积小和边界曲折的景观要素类型损失越严重，会影响数据精度[2]。由于解译人员的专业知识水平以及解译经验的限制，解译结果会存在差异，此方法受个人主观因素影响大。 1.2 基于统计分析的分类方法 基于统计的分类方法是在数理统计的基础上，进行遥感图像的自动分类，因而又称为计算机自动分类方法。它主要包括监督分类和非监督分类。 1.2.1 监督分类 监督分类，是指通过选择具有代表已知地面覆盖类型的训练样本区，用训练样本区中已知地面各类地物样本的光谱特性来训练计算机，获得识别各类地物的判别函数或模式，并以此对未知地区的像元进行分类处理，分别归入到已知具有最大相似度的类别中。监督分类的主要方法有最小距离法、最大似然法、神经元网络分类法、马氏距离法等。其中，最大似然法是监督分类中最常用的方法。章恒等利用多源遥感影像对红树林信息提取方法进行比较，得出最大似然法与影像的特征光谱信息量相关性较强的结论[3]。孙琳等在对太湖流域HJ-1B影像分类过程中提出最大似然法的分类结果存在较严重的“椒盐噪声”现象，分类图像较破碎，而且从图像上能直观地发现林地分类误差[4]。对比改进后的传统分类方法，最大似然法在分类结果的精度上略显不足。 1.2.2非监督分类
土地利用现状分类 一级类二级类 含义 编码名称编码名称 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、轮作地）；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，以及其他临时改变用途 的耕地。 011 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。 012 水浇地指有水源保证和灌溉设施，在一般年景能正常灌溉，种植旱生农作物的耕地。包括种植蔬菜等的非工厂化的大棚用地。 013 旱地指无灌溉设施,主要靠天然降水种植旱生农作物的耕地,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、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。 021 果园指种植果树的园地。 022 茶园指种植茶树的园地。 023 其它园地指种植桑树、橡胶、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，不包括居民点内部的绿化林木用地，铁路、公路 征地范围内的林木，以及河流、沟渠的护堤林。 031 有林地指树木郁闭度≥0.2的乔木林地，包括红树林地和竹林地。 032 灌木林地指灌木覆盖度≥40%的林地。 033 其它林地包括疏林地（指树木郁闭度≥0.1、＜0.2的林地）、未成林地、迹地、苗圃等林地。 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。 042 人工牧草地指人工种植牧草的草地。 043 其它草地指树木郁闭度＜0.1，表层为土质，生长草本植物为主，不用于畜牧业的草地。
遥感图像分类方法的国内外研究现状与发展趋势
遥感图像分类方法的研究现状与发展趋势 摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。 关键词：遥感图像、发展、分类、计算机 一、遥感技术的发展现状 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台
上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要
基于高分辨率遥感影像城市土地利用类型分类方法比较摘要：本文是以面向对象的方法，高分辨率遥感影像为数据源，利用监督分类和基于专家知识的决策树分类对研究区进行城市土 地利用类型分类及对分类结果进行比较。实验证明，对于高分辨率遥感影像来说，以选择训练样区为基础的监督分类精度要高于结合专家知识的决策树分类效果。 关键字：spot影像，监督分类，决策树分类，envi，分类比较abstract: this article is based on the object-oriented method, high resolution remote sensing image as data sources, using supervised classification based on expert knowledge and decision tree category in the study area of urban land use type and classification of classification results are compared. experiments show that for high resolution for remote sensing image, to select the training sample area based supervision and classification accuracy than combining the expert knowledge decision tree classification effect. key word: spot image, supervision and classification, the decision tree classification, envi, classification comparison 1引言 随着深圳特特区一体化和城市化的快速发展，如何最大限度地利
遥感图像分类方法综述 刘佳馨 摘要：伴随着科学技术在我们的生活中不断发展，遥感技术便应运而生，而遥感图像因成为遥感技术分析中的不可缺少的依据，变得备受关注。在本文中，以遥感图像分类方法为研究中心，从传统分类方法、近代分类方法两个方面对分类方法进行了介绍，并以此为基础对分类思想及后续处理进行说明，进而展望了遥感图像分类的研究趋势和发展前景。 关键词：遥感图像；图像分类；分类方法 1 引言 遥感，作为采集地球数据及其变化信息的重要技术手段，在世界范围内的各个国家以及我国的许多部门、科研单位和公司等，例如地质、水体、植被、土壤等多个方面，得到广泛的应用，尤其在监视观测天气状况、探测自然灾害、环境污染甚至军事目标等方面有着广泛的应用前景。伴随研究的深入，获取遥感数据的方式逐渐具有可利用方法多、探测范围广、获取速度快、周期短、使用时受限条件少、获取信息量大等特点。遥感图像的分类就是对遥感图像上关于地球表面及其环境的信息进行识别后分类，来识别图像信息中所对应的实际地物，从而进一步达到提取所需地物信息的目的。 2 遥感图像分类基本原理 遥感是一种应用探测仪器，在不与探测目标接触的情况下，从远处把目标的电磁波特性记录下来，并且通过各种方法的分析，揭示出物体的特征性质及其变化的综合性探测技术。图像分类的目的在于将图像中每个像元根据其不同波段的光谱亮度、空间结构特征或其他信息，按照某种规则或算法划分为不同的类别。而遥感图像分类则是利用计算机技术来模拟人类的识别功能，对地球表面及其环境在遥感图像上的信息进行属性的自动判别和分类，以达到提取所需地物信息的目的。 3 遥感图像传统分类方法 遥感图像传统分类方法是目前应用较多，并且发展较为成熟的分类方法。从分类前是否需要获得训练样区类别这一角度进行划分，可将遥感图像传统分类方法分为两大类，即监督分类（supervised classification）和非监督分类(Unsupervised
全国土地利用数据遥感信息提取土地利用数据说明北京揽宇方圆信息技术有限公司是中国科学院系统的遥感影像数据服务企业，专注于遥感影像数据一站式的基础卫星数据服务、卫星影像数据处理服务。 土地利用数据时间：1985年、1990年、1995年、2000年、2005年、2010年、2015年 土地利用数据源：Landsat TM影像Landsat ETM影像 土地利用数据遥感信息的提取：根据影像光谱特征，利用ARCGIS、易康软件、ENVI软件等，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，提取土地利用信息。 土地利用/覆被变化信息的提取。采用arcgis与易康结合，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，比较适合于地形破碎、地物分布复杂的地区。基于Landsat TM遥感影像，采用全数字化人机交互遥感快速提取方法，同时参考国内外现有的土地利用/土地覆盖分类体系，以及遥感信息源的实际情况，将遥感影像进行解译并进行验证将土地利用数据类型划分为6个一级分类，24个二级分类以及部分三级分类的土地利用/土地覆盖数据产品，并结合本项目制定土地利用数据产品分类体系。 目视解译侧重于人的知识的参与，为了减少由于不同人员的主观差异性所造成的误差，提高遥感判读精度，因此建立统一解译标志是十分
必要的。根据影像光谱特征，结合野外实测资料，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析。 一、TM影像数据的预处理。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。 二、土地利用变化信息提取。首先对其中的一期影像分别采用人工解译的方法，然后利用易康开始分类。 三、数据集成 对数据形式特征（如格式、单位、分辨率、精度）等和内部特征（特征、属性、内容等）做出全部或部分的调整、转化、合成、分解等操作，形成充分兼容的数据库。包括空间、属性和时间等对对象数据特征的处理。 四、质量控制方法 （1）遥感影像纠正采用投影变换方法（PROJECT），控制点要选择比较明显的地物，如道路交差点，坝址等，并与地形图相对应，分布要均匀，尽可能多的选择控制点，误差控制在一个像元，TM影像纠正的方根误差（a RES error）小于0.01，MSS影像纠正的方根误差（a RES error）小于0.08。 （2）地形图纠正采用有限元方法（Finite Element）。①经纬网 偏差不超过一个像素，②经线方向的方里网误差不超过2个像素，③纬线方向的方里网不超过3个像素。 （3）专题信息矢量化采用人机交互判读实现，分为基于遥感影像 的专题信息和分为基于地形图的专题信息。遥感影像解译精度保证耕地、
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]
面向对象分类实验报告 姓名： 学号： 指导老师： 地球科学与环境工程学院
一、实验目的 面向对象法模拟人类大脑认知过程，将图像分割为不同均质的对象，充分利用对象所包含的信息，将知识库转换为规则特征，从而提取影像信息。因为分析的是对象而不是像元，因此我们可以利用对象丰富的语义信息，结合各种地学概念，如面积、距离、光谱、尺度、纹理等进行分析。 面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。首先我们要用一定方法对遥感影像进行分割，在提取分割单元（图像分割后所得到的内部属性相对一致或均质程度较高的图像区域）的各种特征后，在特征空间中进行对象识别和标识，从而最终完成信息的分类与提取。 二、实验意义 1、使用eCognition进行面向对象的影像分类的流程； 2、体会面向对象思想的内涵，学会将大脑认知过程转变为机器语言； 三、实验内容 3.1、影像的预处理 利用ERDAS软件将所给的全色影像和多光谱遥感影像进行融合，达到既满足高空间分辨率，又保留光谱信息。Image interperter-> spatial enhancement-> resolution merge.输入融合前的两幅影像，完成影像的预处理过程。 图 1 图像融合步骤
图 2 融合后的图像 3.2、使用eCongition 创建工程 a、使用规则集模式创建工程 图 3 模式选择 b、file->new projection ，打开Create Project和Import Image Layers两个
对话框，将上面的实验数据导入。（注意，数据以及工程文件保存路径不要有中文） 图 4 导入数据 c、选择数据修改波段名称,并设置Nodata选项。
北京揽宇方圆信息技术有限公司 全国土地利用数据遥感信息提取土地利用数据说明 北京揽宇方圆信息技术有限公司是中国科学院系统的遥感影像数据服务企业，专注于遥感影像数据一站式的基础卫星数据服务、卫星影像数据处理服务。 土地利用数据时间：1995年、2000年、2005年、2010年、2015年 土地利用数据源：Landsat TM影像 Landsat ETM影像 土地利用数据遥感信息的提取：根据影像光谱特征，利用ARCGIS、易康软件、ENVI软件等，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，提取土地利用信息。 土地利用/覆被变化信息的提取。采用arcgis与易康结合，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，比较适合于地形破碎、地物分布复杂的地区。基于Landsat TM遥感影像，采用全数字化人机交互遥感快速提取方法，同时参考国内外现有的土地利用/土地覆盖分类体系，以及遥感信息源的实际情况，将遥感影像进行解译并进行验证将土地利用数据类型划分为6个一级分类，24个二级分类以及部分三级分类的土地利用/土地覆盖数据产品，并结合本项目制定土地利用数据产品分类体系。 目视解译侧重于人的知识的参与，为了减少由于不同人员的主观差异性所造成的误差，提高遥感判读精度，因此建立统一解译标志是十分必要的。根据影像光谱特征，结合野外实测资料，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析。
一、TM影像数据的预处理。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。 二、土地利用变化信息提取。首先对其中的一期影像分别采用人工解译的方法，然后利用易康开始分类。 三、数据集成 对数据形式特征（如格式、单位、分辨率、精度）等和内部特征（特征、属性、内容等）做出全部或部分的调整、转化、合成、分解等操作，形成充分兼容的数据库。包括空间、属性和时间等对对象数据特征的处理。 四、质量控制方法 （1）遥感影像纠正采用投影变换方法（PROJECT），控制点要选择比较明显的地物，如道路交差点，坝址等，并与地形图相对应，分布要均匀，尽可能多的选择控制点，误差控制在一个像元，TM影像纠正的方根误差（a RES error）小于0.01，MSS影像纠正的方根误差（a RES error）小于0.08。 （2）地形图纠正采用有限元方法（Finite Element）。①经纬网偏差不超过一个像素，②经线方向的方里网误差不超过2个像素，③纬线方向的方里网不超过3个像素。 （3）专题信息矢量化采用人机交互判读实现，分为基于遥感影像的专题信息和分为基于地形图的专题信息。遥感影像解译精度保证耕地、城镇图班的属性判对率达到95%和其他地类达到90%。最小图斑大于6*6个像元，图斑最窄距离为4个像元。漏绘率小于98%，最小绘图单位为4平方毫米。 投影信息：Authority: Custom Projection: Albers False_Easting: 0.0 False_Northing: 0.0 Central_Meridian: 105.0 Standard_Parallel_1: 25.0 Standard_Parallel_2: 47.0 Latitude_Of_Origin: 0.0 Linear Unit: Meter (1.0) Geographic Coordinate System: GCS_Krasovsky_1940 Angular Unit: Degree (0.0174532925199433) Prime Meridian: Greenwich (0.0) Datum: D_Krasovsky_1940 Spheroid: Krasovsky_1940 Semimajor Axis: 6378245.0 Semiminor Axis: 6356863.018773047 Inverse Flattening: 298.3 数据分类精度：总体精度87%左右 分类系统：共计6大类24小类 1 耕地水田及水浇地.旱田 2 林地有林地.灌木林.疏林地.其他林地 3 草地高覆盖度草地.中覆盖度草地.低覆盖度草地