水面影响中国色调变化大局的分析方法

6.1.2.1　分尺度数据分析

利用500m分辨率的MODIS数据、30m分辨率的TM数据和4m分辨率的IKONOS多光谱数据，从大尺度到中尺度到小尺度，对中国地表主色调进行分析。首先通过低分辨率的MODIS数据在全国大尺度上进行光谱聚类，能够对全国范围光谱类别的空间分布有总体把握。但由于MODIS分辨率较高，某些局部细节信息会被忽略，因此，对某些感兴趣区和热点区域，利用中等分辨率的TM影像进行光谱聚类，聚出的光谱类别更详细，对光谱类别能够更精细地区分，如植被能够区分出针叶林、阔叶林的光谱特征。对于特定的局部区域，如某个特定城市，进一步利用高分辨率IKONOS影像进行聚类分析，能够精细地捕捉到该特定城市的建筑物以及道路信息，为伪装提供有用信息。

6.1.2.2　分类及聚类分析方法

已有很多研究利用遥感影像的多光谱以及大尺度特征进行土地利用/覆被变化研究，形成了多套数据产品。这些产品在数据源、处理方法、分类系统以及应用上都不相同，如美国地质调查局为国际地圈生物圈计划建立的全球土地覆盖数据集、美国马里兰大学建设的全球土地覆盖数据集、欧盟联合研究中心空间应用研究所2000年全球土地覆盖数据产品以及2001年MODIS土地覆盖数据产品。中国土地利用/覆被变化时空数据平台利用20世纪80年代中后期、90年代中期、2000年末期和2005年TM/ETM影像建成了1:10万的LUCC数据库（刘纪远等，2002；刘纪远，2005；刘纪远和邓祥征，2009）。(https://www.xing528.com)

这些数据分析可通过监督分类和聚类两种方法得到，监督分类基于先验知识和训练样本点的选取，往往带有较大的主观性。对于缺乏先验知识以及训练样本难以获取的区域，聚类方法可以很好地探索当地的光谱分布，为制订分类系统以及选择样本提供便利（Jensen，2004）。

目前基于聚类的土地覆盖制图从区域尺度到全球尺度都有广泛的应用。遥感中最常用的两种聚类方法是K-means和迭代自组织数据分析（Richards和Jia，2005）。这两种方法都是基于逐像元的迭代直到光谱簇达到收敛，效率较慢，对于越来越高分辨率以及越来越大尺度的遥感影像聚类有待开发新的聚类方法以提高效率（Gong和Howarth，1992）。近年来，随着获得时序数据越来越便利以及对时空变化信息挖掘的需要，时间序列聚类也成了人们关注的焦点，它可以基于原始时序数据进行聚类，也可以基于原始时序数据提取出来的特征或模型进行再聚类（Liao，2005）。

不管是用监督分类还是聚类方法，这些数据分析都依赖于地物波谱特征，它是遥感探测的基础，地物波谱特征直接反映了地物颜色信息，因此，利用遥感获得的多波段光谱特征可以探讨地表色调的空间和时间分布规律，这一探索分析可称作地表色调分析。研究中国地表色调的时空分布既能准确了解中国地表色调的变化特点，又能对确定最佳数据获取时机，为捕获最关键地表特征等提供基础支撑。同时，地表色调的时空变化也在一定程度上反映了地表类型变化，可为地物变化检测提供先验信息。为了实现这一目标，有必要先对按统一方法采集和处理的多年遥感资料进行分析，总结其内在结构和空间相似性。总体上，地表颜色由代表水的蓝色、代表植被的绿色和代表土壤的褐色3个基本色调混合而成（Ridd，1995）。在中国，由于水面仅占国土面积的2%左右，其变化幅度不影响中国色调变化大局。而绿色和褐色随季节变化和年际变化而相互消长，决定中国地表的色调变化全局。