全球及区域尺度土地覆盖土地利用遥感研究的现状和展望

植被种类组合和生态环境。季节性土地覆盖单元构成灵活土地覆盖数据库的基本成分，辅之以一系列有关光谱、地形、生态区、气候等属性特征，成为分类系统中最底部的一层。根据土地覆盖单元的类型和一系列属性特征，用户可以根据应用需要将季节性单元调整和归并至所需土地覆盖土地利用系统中。这一新的土地覆盖分类策略在美国及全球 1 公里土地覆盖数据库的研制中得以应用，并取得了成果[9]。
 
　　再从土地覆盖遥感分类方法看近期的进展，目前利用数据统计理论方法结合人工解译仍为在大尺度内进行遥感分类的主导方法。显然这种方法具有算法成熟、充分利用人机交互和影响等特点，然而其用时长，对参与解译分析的人员依赖性强，很大程度上不具备可重复性等。这些局限性影响了迅速、准确、客观地获取大面积土地覆盖信息。
 
　　近年来出现了不少研究讨论土地遥感分类的新方法。主要代表包括人工智能神经元网络分类[10]、分类树方法[11]、多元数据的专家系统和计算机识别法。其中分类树及神经元网络方法目前正应用于 EOS MODIS土地覆盖数据库的开发试验，并取得了一些经验。而专家系统与计算机识别在全球和大区域土地覆盖遥感应用的领域中还未见到报道。
 
2.2 全球和区域尺度土地覆盖数据库的开发应用
 
　　在 90 年代已经和即将完成的大面积土地覆盖数据库主要包括：①利用 NOAA－AVHRR 数据开发的全球 1 公里空间分辨率的土地覆盖数据库[7]；②全球 1 个经纬度间距地表生物物理量数据库[12]；③全球 1 个经纬度间距土地覆盖类型图 [13];④利用陆地资源卫星数据开发的美国本土 48 个州的土地覆盖和利用数据库[14]；以及正在开发研制中的中国土地覆盖土地利用监测系统及其它区域性的土地资源和植被遥感应用的重要项目。
 
　　全球和区域尺度土地覆盖及地表生物物理特征数据库的建立推动了全球气候与环境变化的研究。土地覆盖及其变化对地表生物气候水文等过程具有直接的影响，如大气圈、生物圈、土壤圈及水圈相互之间能量、水分、化学元素的交换和迁移及其对大气边界层的影响。此外，人类对于土地资源的利用有可能直接改变土地覆盖的状态，从而影响气候与环境的变化。这些过程的研究无疑依赖于可靠的及时的土地覆盖数据作为基础。
 
　　近年来较为典型的应用包括利用 AVHRR 1公里季节性土地覆盖数据库改进中尺度区域天气与气候模拟，以深入了解地表覆盖极其复杂的组合对中尺度大气环流和区域天气的影响[15]。