河南省GlobeLand30数据精度评价及对比分析

全球地表覆盖数据在气候变化研究、地理国情监测、生态环境保护等方面发挥着重要作用,2014年中国国家基础地理信息中心推出了全球最高30 m分辨率的地表覆盖遥感制图数据产品GlobeLand30。本文以2010年1:10万中国土地利用数据为参考,采用空间统计、面积一致性以及误差矩阵等分析方法,对河南省GlobeLand30、GlobCover2009、MCD12Q1数据进行精度评价和对比分析研究,结果表明：① 3种地表覆盖数据对河南省土地构成的描述基本一致,即以耕地、林地为主,草地、水体和人造地表为辅,但分类土地面积存在大小不同的差异;② GlobeLand30的总体精度和Kappa系数最高,MCD12Q1次之,GlobCover2009最低。3种数据中耕地和林地的精度均较高,草地的精度较差,GlobeLand30中水体和人造地表的生产者精度远高于其他2种数据,使用者精度相差不大;③ 地表覆盖数据与参考数据在空间上存在类型混淆情况,混淆主要发生于林地、草地、水体、人造地表与耕地之间,GlobeLand30的混淆程度要低于其他2种数据。     

基于地学知识的大尺度土地利用/土地覆盖精细化分类方法研究

人类活动对生态环境具有显著影响,大尺度土地利用/覆盖变化（Land Use/Cover Change,LUCC）作为人类活动最直接的表征,能够很好地反映这一过程,因此进行精确而迅速的大尺度土地利用/覆盖分类与提取方法研究尤为关键。全球覆盖产品GlobCover（2005/2006）数据已经具有良好的空间精度和数据准确度,但仍然存在一些分类误差。为提高地表覆被分类精度,本文以GlobCover（2005/2006）的巴西数据为例,以2005年Landsat TM/ETM影像为主要信息源,结合相应地学知识与辅助数据,利用人机交互逐栅格修改方法得到2005年土地利用数据产品。结果表明：通过对GlobCover数据和本次成果数据进行精度评价与对比分析,GlobCover数据巴西地区的总体精度为67.17%,Kappa系数为0.58,改进后产品总体精度为93.39%,Kappa系数为0.91。此外,改进后数据显示巴西常绿阔叶林面积最大,面积比例达45.67%;农地/自然植被镶嵌面积次之,比例为19.19%;封闭灌丛面积最小,比例为12.34%。农地/自然植被镶嵌和灌丛与草地2种地类的修改比例最大,其中混合像元地类比例减少3.54%,灌丛与草地比例增加3.81%。综上,改进方法可以有效地提高土地利用/覆盖分类的效率和精度,为后续大尺度LUCC产品的制作和以LUCC产品为基础的相关研究提供参考。     

中国海岸带土地利用遥感制图及精度评价

土地利用遥感制图结果是支撑全球气候变化和区域可持续发展等领域科学研究不可或缺的重要基础数据,而制图精度方面的评价信息则决定土地利用遥感制图结果的完整性、可靠性、可用性、可控性和可传播性。本文概述2000、2005、2010和2015年多时相中国海岸带土地利用遥感制图的数据源和技术方法,针对2010年和2015年制图结果,基于Google Earth高分影像通过目视判读获得精度评价所需的参考数据,进而建立混淆矩阵并评估制图的精度。结果表明：① 2010和2015年中国海岸带土地利用遥感制图结果的总体精度分别为95.15%和93.98%,Kappa系数分别为0.9357和0.9229,表明2个时相遥感制图结果的精度总体较好;② 中国海岸带土地利用遥感制图结果的精度水平存在较为显著的区域差异,2010年时相江苏沿海区域的精度最高,2015年时相津冀沿海区域、上海市、海南省和台湾省的精度均比较高,2个时相均以福建省沿海区域的精度最低;③ 中国海岸带土地利用遥感制图结果的精度水平存在显著的类型差异,总体上,耕地、林地、草地和滨海湿地的分类精度较高,而建设用地、内陆水体和人工咸水湿地的分类精度则相对较低,未利用土地则是错分最严重的类型;④ 耕地与林地之间、建设用地与草地之间相互误分比较显著,内陆水体容易被错分为耕地、林地和建设用地,人工咸水湿地容易被误分为耕地和建设用地,未利用土地容易被误分为耕地,这些都是未来时期数据持续更新过程中应该重视的问题。本文有望为海岸带土地利用变化遥感监测和科学研究提供必要的支持。     

多分辨率遥感土地覆被数据质量综合评价——以湖南省桃源县为例

评价土地覆被数据质量是正确、合理使用数据的前提和保障,有助于遥感制图方法的改进。本文以1：10万土地利用数据为参考数据,选取2010年RapidEye_5 m、FROM_GLC（30 m）、MODIS_V005（500 m）,以及2009年GlobCover 2009（300 m）土地覆被数据,以湖南省桃源县为例对4种不同分辨率的遥感土地覆被数据质量,引入窗口的分类类别统计方法,进行了综合评价,并分析了其误差和空间分布。结果表明：（1）RapidEye_5 m数据总体精度最高,MODIS_V005和FROM_GLC次之,GlobCover 2009数据相对最低。高分辨率土地覆被数据对于居民地、交通用地、水体等精细地物分类较好,具有一定优越性,各数据在一级类上的面积相关性和一致性总体高于二级类;（2）各数据在建筑用地和其他未利用地类型上的生产者精度均较低,FROM_GLC和MODIS_V005数据,在灌木草地上的空间一致性较差,4种数据在以耕地为主的平坦地区空间一致性较好,混淆主要发生在灌木草地、乔木林地和耕地之间;（3）随着土地覆被数据分辨率的提高,分出较多地物类型数的面积比例也随之增加,较高分辨率的RapidEye_5 m和FROM_GLC分出的类别数集中在7-16种较高水平上,低分辨率数据集中在1-5种较低水平上,在丘陵山区差异显著,而高分辨率数据对地物区分更好,集中于11-16种地物。     

全球土地覆被数据集中哈萨克斯坦草地分布的异同及其成因

受社会制度变迁和气候变化的影响,哈萨克斯坦是中亚地区生态退化和草畜矛盾问题最为突出的国家。近百年来,放牧方式的改变、农业开垦的占用、加之暖干化的气候变化影响,使得哈萨克斯坦各类草地生态系统变化的时空格局具有鲜明的特点。因此,研究哈萨克斯坦草地退化的过程与机制对认识中亚地区草地生态系统对气候变化和人类活动的响应尤为重要,也是对绿色丝路建设过程中区域生态可持续发展的科学支撑。土地覆被数据是生态变化研究的基础数据,但目前广泛使用的各套全球数据集间往往存在很大的差异,这会导致对生态变化成因的认知以及对未来变化的模型模拟产生更大的不确定性。本研究从对草地类型识别的定义、空间分布的一致性和空间分布差异的原因3方面对比5类全球土地覆被数据（UMD 1992-1993、MCD12Q1 2001、GLC 2000、CCI-LC 2000、Glob Cover 2005）中哈萨克斯坦草地分布的异同,以期为哈萨克斯坦的相关研究中土地覆被数据集的选择提供依据。研究结果表明：① 分类系统中对草地类型的界定、遥感数据源、辅助分类数据、分类方法、验证数据和方法的不同是5套数据草地资源分布差异的主要原因,其中MCD12Q1数据与其他4套数据的草地分布面积相差最大;② 5套数据中草地分布都重叠（完全一致）或四套数据重叠（高度一致）的区域仅占39.66%,主要位于哈萨克斯坦典型草原带和部分半荒漠草原带;围绕典型草地分布区,空间一致性由内向外逐渐降低。5套数据完全不一致区域占26.78%,主要位于荒漠草原带;③ CCI-LC2000数据与其他几类数据的重叠区域最高,有76%的草地与5套数据的完全一致以及高度一致区重叠;在分布不一致区域中,极易造成混淆的土地覆被类型主要为旱作耕地、灌溉耕地、耕地与自然植被镶嵌体、裸地以及灌丛。     

全球30m地表覆盖遥感数据产品-Globe Land30

在国家863重点项目支持下,我国成功研制出全球30 m地表覆盖数据产品Globe Land30。该成果包括2000基准年和2010基准年两期,有耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地和冰雪十大类型,第三方评价总体精度为83.50%。2014年9月22日,中国政府将其赠送给联合国使用,是中国向联合国提供的首个全球地理信息产品。该成果成为全球变化和可持续发展研究的重要科学数据,目前已有近120个国家的用户下载使用,推动了国际对地观测与地理信息的开放共享,彰显了中国负责任大国的形象。本文主要介绍了Globe Land30产品的技术创新、精度评价与成果应用。     

山西省不同地貌形态类型区土地覆被变化的GIS分析

基于全国1:100万数字地貌数据库,全国2000、2005、2010年土地覆被数据和山西省行政区边界数据,采用土地覆被动态度、转移概率矩阵和地貌面积频度方法,分析了2000-2010年山西省基本地貌形态类型下的土地覆被变化。结果表明：（1）山西省的土地覆被类型以耕地、林地和草地为主,面积总和占省域面积的95%以上。面积变化的总体趋势是耕地和草地缩减,林地和建设用地持续增加。通过分析转移概率矩阵,表明2000-2005年和2005-2010年2个时段内,土地利用的主要转化趋势相似,即林地与草地之间大面积的相互转化,耕地、草地分别与建设用地之间的相互转化。（2）耕地和建设用地的分布,随着起伏度的增大而逐渐减小。林地分布随着起伏度的增加而逐步增大。从面积变化来看,耕地、林地和草地变化主要位于中起伏山地;水域变化主要集中在大起伏山地;建设用地变化主要分布于平原和台地;未利用地变化主要在小起伏山地。从动态度来看,耕地、草地和水域动态度,在大起伏山地地区最大;林地动态度在平原区最大;建设用地的动态度最大位于丘陵;未利用地在小起伏山地地区最大。（3）土地覆被类型之间的主要转化在地貌上也存着差异。平原地区林地的增加主要来自草地转化。台地和丘陵地区3个主要转化类型相似,2000-2005年主要是林地向草地退化,2005-2010年主要是林地和草地的相互转化。在小起伏山地地区,主要是草地和林地之间的相互转化,但草地转化为林地的面积较林地向草地的转化多。中起伏和大起伏山地地区主要以草地和耕地向林地的转化为主,也有较高比例的建设用地转化为林地。封山育林和退耕还林主要是在起伏较大的山地地区,毁林主要发生在地形平缓地区。     

1990-2010年中国土地覆盖时空变化特征

本文基于CG-LTDR土地覆盖数据产品,利用GIS空间统计等方法分析了中国1990-2010年土地覆盖的变化特点。与参考数据的比较检验表明,CG-LTDR土地覆盖数据在中国具有与其他同类数据相当甚至更高的分类精度。经逐年的长时间地表覆盖数据分析发现,由于受气候与人为因素影响,土地覆盖类型有明显的年际变化波动,尤其是云南-内蒙一线的干旱区与湿润区的过渡带。1990-2010年中国的林地和荒漠呈增加趋势,而草地和耕地呈减少趋势。利用5年的合成数据分析其年际变化,结果显示1990-2000年土地覆盖类型变化大,2000-2010年的变化较为平缓。在几种主要覆盖类型中,林地增加最明显,这主要与东南地区大部分耕地、西南和东北地区大面积草地转变为林地有关,但也有部分省份由于树木砍伐和农耕区扩张导致林地面积减小。耕地面积占比最高,其减少趋势主要与耕地变为林地和草地有关。南部的耕地减少最明显,北部略有增加,新增耕地的重心从东南向北转移。林地的增加趋势与耕地的减少趋势主要与全国大范围的退耕还林工程和生态保护政策有关。草地主要分布在生态脆弱区,其面积减少最显著,在西南及东北部分地区主要是草地变为林地,在内蒙中东部-陕西北部一线发生草地与耕地相互转换,而在内蒙北部-青藏高原一线有草地与荒漠的互相转换,在土地覆盖类型交错区,其利用类型容易发生改变。荒漠主要分布于西北地区,由于受到草地退化等因素影响,荒漠化趋势在进一步加剧。     

GlobeLand30产品精度抽样测试与分析

GlobeLand30的发布为全球生态系统评价、环境规划、气候变化等研究提供了高分辨率的基础地表覆盖数据。以Landsat TM影像轨道号/行号分别为123/032所对应的区域为研究区,通过目视解译的方式在原始影像上选取地表覆盖类型作为地面参考数据,对2000和2010年两期的GlobeLand30的地表覆盖类型中的人造地表、农田、林地和水体进行了精度评定,并对比了两期产品数据的精度。此外,为了突出GlobeLand30产品的错分误差及其易于混淆的地物,以面的形式对产品的用户精度进行了计算和比较。研究表明,研究区内GlobeLand30数据具备很好的精度,与2010年数据相比,无论是总体精度,还是Kappa系数,2000年的产品其精度更高。本成果可以为研究区内GlobeLand30产品的使用提供参考。     

GlobeLand 30和自发地理信息的对比分析研究

地表覆盖数据是关于土地利用信息的重要来源,在地理国情监测、生态环境保护等方面发挥着重要的作用,目前遥感影像解译、实地测量是该数据生产的主要手段,但是仍然存在一定的局限性。随着Web2.0、互联网技术以及各种GPS设备的快速发展传播,普通大众也可以参与公众制图,志愿者用户的参与能够有效判定地表类型的空间分布和属性特征,提高地表覆盖制图的分类精度。本文以自发地理信息中最成功的项目OpenStreetMap为例,与中国新研制的全球最高30m分辨率地表覆盖数据产品GlobeLand 30进行对比分析,首先对数据进行相应的预处理和拓扑检查,然后建立两种数据的要素对应关系,最后生成误差矩阵并分析两种数据的一致性。实验结果表明：① OpenStreetMap数据缺失的部分主要是耕地类型,其草地和水体要素比GlobeLand 30更加丰富;② 2种数据的一致性较好为75%左右,其中林地和人造地表的精度较高,耕地和水体次之,草地较差;③ 重点对不一致区域的地表类型进行判断验证,能够发现GlobeLand 30数据中的错误分类,为进一步修改和优化提供依据。本文研究表明,自发地理信息中包含丰富的地表覆盖信息,能够给地表覆盖制图及评价验证带来巨大的发展潜力。     

新疆地区土地覆被遥感数据的一致性研究

鉴于新疆地区对中国乃至中亚有着特殊的战略意义,本文针对不同数据源及分类系统在土地覆被数据的空间分布上缺乏互通性问题,结合2010年目视解译土地利用现状遥感监测数据、GlobeLand30和GlobCover2009共3种土地覆被数据,采用类型相似分析、类型混淆分析、混淆矩阵分析、空间一致性分析4种方法开展精度评价及一致性分析,以期对土地覆被数据在中国西北干旱区的适用性及适用范围提供有效建议。结果表明,3种土地覆被数据对新疆地区土地覆被类型构成基本一致,且对裸地类型的辨识度最高;新疆地区中高度一致区域占新疆总面积的95%;3种数据两两对比时,总体精度在64.11%~72.57%之间,其中目视解译数据/GlobeLand 30组合表现出最高水平,且仍有提高空间,反映出目前相同卫星传感器是提升精度评价结果的重要因素之一,且不同分类系统、分类方法、空间分辨率及卫星过境时间等因素对精度评价结果也会产生巨大影响。为解决此类问题,利用多源土地覆被遥感数据的融合技术提高数据精度,或是利用深度学习对遥感影像资料进行精确地解译和判读,将是今后全球土地覆被制图及应用领域的主要发展趋势。     

基于伪纯像元的精度评价策略及其应用

土地覆被是地球科学研究中的重要参量,评价土地覆被数据的制图精度是保障数据合理使用的前提。本文提出了一种基于伪纯像元的精度评价策略（伪纯像元策略）,即当低空间分辨率栅格窗口内对应的高空间分辨率数据中优势类别（面积最大的地类）的占比高于伪纯像元纯度阈值（代表像元纯度,取值范围：35%~100%,步长为5%）时,以此栅格窗口为基准生成土地覆被类型为优势类别的伪纯像元用于精度评价。以澜沧江-湄公河（澜湄）流域为试验区,选择GlobeLand30为参考数据,并基于混淆矩阵精度评价方法对比分析了伪纯像元策略与重采样法（最近邻法和众数法）在CCI-LC（300 m）和MCD12Q1（500 m） 2套全球土地覆被数据精度评价中的差异。结果表明：① 伪纯像元策略在35%~100%纯度阈值下对CCI-LC和MCD12Q1在澜湄流域评价的精度分别为72.76%~55.26%和71.44%~45.41%,比重采样法评价的单一精度（众数法：71.21%和70.54%、最近邻法：71.48和69.87%）能更好地反映像元纯度对土地覆被数据精度的影响;② CCI-LC的总体精度高于MCD12Q1,且2套数据的精度差随纯度阈值的增大而增加,CCI-LC和MCD12Q1在35%、100%纯度阈值下的精度差分别为1.32%和9.85%;③ 2套数据中耕地、有林地、草地和水体的分类精度均相对较高,而灌木林地（精度接近0）和裸地的分类精度均较低;④ 2套数据与GlobeLand30的空间不一致区域多出现在土地覆被类型高度异质化的混合像元区域,且随纯度阈值的增大,评价样本栅格更趋均质,混合像元对评价精度的影响也会递减。伪纯像元精度评价策略适用于跨空间分辨率土地覆被数据的精度对比,为评价全球土地覆被产品在区域尺度的适用性及适用范围提供了新的检验策略。     

多源30 m分辨率土地覆被数据在蒙古高原的一致性分析和精度评价

蒙古高原土地覆被的变化表征着区域内生态环境的变化,许多环境问题的研究依赖于准确的土地覆被信息。因此,评估当前全球土地覆被数据在区域尺度上的准确性非常重要。本文以蒙古高原为研究区,从构成相似性、类型混淆程度、空间一致性、绝对精度4个方面,分析了GlobeLand30、GLC_FCS30和FROM_GLC 3种30m高分辨率全球土地覆被数据的一致性和准确性。结果表明：① 3种土地覆被数据都显示,草地和裸地是蒙古高原的主要土地覆被类型,任意2种数据的面积序列相关系数都优于0.95;② 3种土地覆被数据中完全一致的区域占蒙古高原总面积的61.87%,主要集中在土地表面异质性低的区域;③ GLC_FCS30数据的总体精度（78.33%）最高,GlobeLand30数据的总体精度（76.85%）次之,FROM_GLC数据的总体精度（75.86%）最低;林地、草地、水体和裸地在3种土地覆被数据中的精度较高（75%以上）,灌丛、湿地等地类的精度较低（50%以下）。因此,对蒙古高原土地覆被进行全要素研究时,可以综合考虑选择总体精度最高的GLC_FCS30数据。对特定地类研究的用户,可参考3种土地覆被数据的分类精度有针对性的进行选择。本文可为蒙古高原相关研究选择合适的土地覆被数据提供参考。     

基于自组织映射法的时间序列土地利用变化的时空可视化

精细尺度下多时间序列土地利用时空演变分析是当前研究的一个趋势,本研究基于2005、2007、2009、2011、2013年5期土地利用数据采用自组织映射方法分析了北京市乡镇级多时间序列土地利用的时空演变规律,实现了乡镇尺度下多时间序列土地利用数据的时空一体化表达和对比分析。通过构建自组织映射神经网络,利用其聚类和降维可视化功能对5个监测时期的土地利用数据同时进行训练,在其输出面板可以发现不同土地利用类型的分布聚集模式以及相互之间的结构比例关系,并对输出神经元进行二次聚类以及土地利用变化轨迹分析,展示出北京市乡镇级5个监测时相的土地利用时空演变规律。结果揭示出北京市平原区、山区及二者过渡的山前结合带的各自不同的土地利用时空变化轨迹与模式：北京市平原区向高建设用地比例的土地利用结构方向演变,山区向高林地比例的土地利用结构方向演变,而山前结合带的土地利用时空演变较为复杂。