更多GIS来自遥感教程,网站来源www.gisrs.cn。
土地是人类赖以生存和发展的重要资源和物质保障（PRED）”复合系统 土地资源处于基础地位。随着现代社会人口的不断增长和工业化和城市化进程的加快，土地资源开发利用强度增加，土地资源利用不合理，导致土地流失严重，生态环境恶化，土地利用问题比历史上任何时候都更加突出。土地利用现状分析是在土地利用现状调查的基础上进行的。通过分析土地资源的数量和质量、结构和分布以及土地利用的现状和发展潜力，明确规划区域土地资源的整体优缺点，制约土地资源开发利用的主要因素，揭示土地利用中存在的问题，明确土地资源开发利用的方向和重点，提出改善土地利用、提高土地利用率和生产力的对策和途径，既能充分发挥区域资源优势，强化区域土地系统功能，又能强调人地协调发展的土地利用规划，为制定土地利用规划提供重要的科学依据。因此，分析土地利用现状对促进土地利用结构的调整和优化、综合改造、土地保护、充分挖掘土地利用潜力、保持国民经济可持续健康发展具有重要意义。因此，进行土地利用现状分析，对促进土地利用结构的调整与优化、综合整治、保护土地、充分挖掘土地利用上的潜力以及保持国民经济的持续健康发展等都具有十分重要的意义。
本研究采用的遥感图像数据来自马里兰大学和中国科学院国际科学数据服务平台，均采用美国陆地卫星于1990年和2018年拍摄LandsatTM/ OLI30m云量接近0%的遥感图像。本文的遥感影像成像时间不一致，根据瞬时状态下最大限度使图像上尽可能丰富地反映地表信息的原则，本次遥感调查主要选择5月下旬至6月中旬或8月下旬至9月中旬的图像，由于地物信息较清楚，由此带来的地物反射光谱差异显着，容易识别，影像解译比较容易。
在对影像数据进行分类解译之前，首先要对数据做预处理工作，主要步骤有:
(1)波段的选择和集成
本文采用最佳指数法（Optimum Index Factor，简称)与特征值法相结合，共同确定了最佳波段组合，即Landsat5-TM4、3、2波段，Landsat8-OLI5、4、3波段分别赋予红、绿、蓝作为标准假色合成RGB波段。这种假色图像最重要的是突出植被特征，提供丰富的信息，充分显示各种地方特征的差异，便于分类，保证分类的准确性。
(2)图像几何校正和匹配
采用的Landsat该系列图像已经在中国遥感卫星地面站进行了辐射校正和几何粗体校正，但为了使研究结果更加科学和可信，有必要对图像进行几何精细校正。几何精校就是利用地面控制点(Ground control Point，GPC)校正各种随机因素引起的遥感图像。本研究以研究区地形图为参考图像，必要时辅以实地考察GPS点，采用多项式几何校正计算模型，对遥感图像进行几何校正。
(3)图像增强处理
传感器获得的遥感图像含有大量的物理特征信息，这些特征信息以灰度的形式显示，当地物理特征之间的灰度差非常小，目视判断无法识别，图像增强处理的目的是突出图像中的有用信息，扩大不同图像特征之间的差异，从而提高图像的解释和分析能力。遥感数字图像增强处理一般可分为频域法和空间域法两类。本文主要采用空间域图像增强法，遵循视觉效果好、计算相对简单、符合应用要求的原则。此外，新波段变量结构也应用于后遥感图像分类NDVI为了提高分类精度，指数区分植被和非植被。
(4)图像拼接与裁剪
本案例的研究区域是西宁，遥感图像数据需要覆盖整个研究区，因此需要图像拼接，拼接首先参考遥感图像，其他遥感图像匹配处理，使所有使用的遥感图像颜色基本相同，然后使用图像无缝拼接处理，切割后，得到覆盖整个研究区的遥感图像。
这项服务是基于的Landsat在遥感信息的基础上，在众多专家的参与下，采用全数字人机交互操作方法，参照相关地理图件和统计数据，结合现场调查验证，分析几何形状、颜色特征、纹理特征和空间分布，综合专家意见，建立遥感图像解译标志。在行业建立解译标志和实现数据获取的基础上，不断修改解译模板，直到修改后的模板得到评估，以提高土地利用/覆盖类型的准确性。在行业建立解译标志和实现数据获取的基础上，不断修改解译模板，直到评估后对修改后的模板满意，以提高土地利用/覆盖类型的准确性。动态图斑数据主要采用动态分割图斑法。参照国内外现有土地利用/土地覆盖结合项目的目的、要求和遥感信息源，制定了6个一级分类、25个二级分类的土地利用/土地覆盖分类系统。
在分类过程中，由于遥感图像本身的空间分辨率、同物异谱和异物同谱现象广泛存在，错分和错分非常常见。因此，应进一步处理分类结果，即去除小斑点，通常称为分类后处理。常用的分类后处理方法有：聚类统计（Clump）、过滤分析（Sieve）、去除分析（Eliminate）分类重编码（Recode）等。
按要求检查各工序的工艺质量,需100%检查。
土地利用/覆盖数据抽样检查
对获得的土地利用/覆盖数据产品进行空间抽样检查，验证土地利用/覆盖数据类型的定性是否正确。验证方法主要依靠高分图像（应考虑图像的及时性）与现场验证相结合的方法进行操作，未达到90%的抽样精度。
另附上获取30m土地利用数据来源：
1、地理遥感生态网
网站地址www.gisrs.cn
土地利用分类数据于1980-2020年发布，精度为10m、30m、1000m。根据官介绍，精度达到92%。
2.地理空间数据云
(1)2000年全球土地覆盖计划（GLC2000）
(2)欧空局全球陆地覆盖数据（ESA GlobCover）
3.地理科学生态网
UMd基于AVHRR5个波段和数据NDVI数据经过又一次组合建议数据矩阵，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集。
5.MCD12Q1.006 MODIS Land Cover Type
时间范围：2001-2020，MCD12Q1 V6 产品每年提供六种不同分类方案的全球土地覆盖类型。它使用它 MODIS Terra 和 Aqua 从反射率数据的监督分类中得出结论。然后，监督分类结合先验知识和辅助信息，通过额外的后处理进一步细化特定类别。
6.IGBP(国际地圈生物圈计划)
土地数据集和土地覆盖数据不能满足大多数重要且常用的一致性和长期性。今天的全球土地覆盖数据在满足全球变球变革研究的需要，也不足以满足各国或国际可行的资源管理规划。图卢兹于1992年在法国举行IGBP讨论了工作会议IGBP核心科学计划对全球数据的需求是IGBP-DIS在领导下评估了当前的数据，最终将LUCC作为其核心研究计划之一。同时。做出了用AVHRR全球1公里土地覆盖特征数据制作建议，IGBP-DIS成立土地覆盖工作组(LCWG)启动了基于AVHRR的全球1公里土地覆盖数据项目，项目由U.S. Geological Survey (USGS),University of Nebraska-Lincoln (UNL), 内布拉斯加州林肯大学和欧洲联合研究中心承担。其目标是：採用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。分类系统採取IGBP制定的分类系统，把全球分为17类。
网站地址http://data.ess.tsinghua.edu.cn/