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。     

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。     

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。     

全球海岸带多源土地利用/覆盖遥感分类产品一致性分析

多源土地利用/覆盖分类产品是陆地表层过程研究不可或缺的重要基础数据,而其一致性分析则是产品应用的前提和基础。本文基于类型面积偏差、类型面积相关、误差矩阵和类型空间混淆等方法,从面积一致性和空间一致性两方面分析了 5种土地利用/覆盖分类产品（MCD12Q1-2010、GlobCover2009、CCI-LC2010、FROM-GLC2010和GlobeLand30-2010）在全球海岸带区域的一致性。结果表明：① 各产品土地利用/覆盖类型的空间分布总体上表现出较强的一致性,但在细节上存在大面积不一致现象;② 各产品对全球海岸带土地利用/覆盖构成的描述基本一致,即以水体为主,林地和未利用地次之,耕地、草地和灌木地较少,湿地和人造地表相对最少,但在细节上存在面积偏差;③ 在产品组合中,MCD12Q1-2010/GlobCover2009的相关系数、总体精度和Kappa系数均最低,分别为0.8814、67.46%和0.5748,而GlobCover2009/CCI-LC2010的相关系数、总体精度和Kappa系数均最高,分别为0.9869、81.50%和0.7505;④ 5种产品两两对比,草地、灌木地和湿地的混淆程度最高,耕地和人造地表次之,林地和未利用地较低,水体最低;⑤ 全球海岸带有28.81%的土地具有较低的一致性,这些区域地类混淆现象较为严重,尤其是耕地、林地、草地、灌木地、湿地和未利用地之间的相互混淆对5种产品的一致性程度有直接影响。本文有望为海岸带研究在已有土地利用/覆盖数据源选择和使用等方面提供参考和建议。     

基于决策树方法的蒙古高原土地覆盖遥感分类——以蒙古国中央省为例

蒙古高原包括蒙古全部、俄罗斯南部和中国北部部分地区。蒙古高原的土地利用/覆盖格局与变化,对揭示该区域乃至整个东北亚地区的资源、环境和生态特征,促进该区域可持续发展具有重要的现实和科学意义。本文以在蒙古国中央省及其所含首都乌兰巴托市为研究区,利用空间分辨率为30 m的TM影像,采取QUEST(Quick Unbiased and Efficient Statistical Tree)决策树方法,通过图像目视解译,获取了研究区2010年土地覆盖分类数据。结果显示,草地占据研究区总面积的70.88%,其次是森林占14.83%、裸地占10.73%、农田占2.98%、水体占0.31%、建筑用地占0.27%、湿地占0.02%。通过野外实地采集的139个GPS验证点进行精度评价发现,一级土地覆盖类型的总体精度可达72.66%。针对草地的二级分类的总体精度有较明显下降,其主要是由于中蒙科学家对于草地类型分类体系的差异所造成的典型草地和荒漠草地的混分。     

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。     

尼泊尔土地覆被遥感制图及其空间格局分析

尼泊尔作为兴都库什-喜马拉雅区域的重要组成部分,是一个从平原到山地再到高原的典型过渡地带,具有多样且复杂的土地覆被类型。开展尼泊尔国家尺度的土地覆被研究,对该国的国土资源管理、生态环境保护具有重要的科学和实践意义,同时也能为中国倡导的“一带一路”国际区域经济合作战略提供基础数据保障。本文选用Landsat TM影像为数据源,基于面向对象与决策树相结合的土地覆被遥感制图方法,生产了尼泊尔全境2010年土地覆被产品（NepalCover-2010）,该产品包括8个一级类和32个二级类。同时,本文基于Google Earth高分辨率影像获取验证样本开展了NepalCover-2010产品的精度验证工作,并进一步分析了该国土地覆被类型的数量结构特征和空间格局特征与地形、气象要素间的关系。研究结果表明：① NepalCover-2010产品一级类总体分类精度达94.83%,Kappa系数为0.94;二级类的总体分类精度达87.17%,Kappa系数为0.85,能够准确地反映尼泊尔土地覆被类型的空间分布格局,是同类土地覆被产品中精度最好的。② 林地是尼泊尔最主要的土地覆被类型,其面积约占尼泊尔国土面积的41%。耕地次之,其面积占比约为25%,其中水田和旱地的面积分布比例约为2:3。③ 地形和气象要素对尼泊尔的土地覆被类型空间分布格局具有显著影响,自南向北随着地势的抬升,各土地覆被类型出现顺序表现出水田、常绿阔叶林、旱地、常绿阔叶灌木林、常绿针叶林、草原、稀疏植被和冰川/永久积雪的垂直地带性特征。     

蒙古国30米分辨率土地覆盖产品研制与空间格局分析

作为蒙古高原的重要组成单元,蒙古国的土地覆盖格局与变化对于东北亚的资源、环境、生态及可持续发展具有重要意义。针对本区域缺乏高精度、现势性的土地覆盖数据产品的问题,本研究利用Landsat TM影像,采用面向对象的分类方法开展蒙古国土地覆盖遥感数据产品研制与分析。首先针对蒙古国景观格局特征,自主研究了适宜于蒙古国的土地覆盖分类体系,基于面向对象的遥感解译技术方法研究了蒙古国自然地物和人工地物要素的提取算法规则与阈值,建立了一套完整的面向蒙古国的土地覆盖遥感解译技术方案,在分景解译基础上获取了蒙古国2010年土地覆盖分类产品。经验证,数据集一级类分类精度为92.34%,二级类分类精度为80.24%。蒙古国土地覆盖类型以裸地、草地、森林为主,其中裸地的面积最大,占总面积的48.64%,其分布比较集中连片,主要分布在蒙古国南部和西部;草地面积次之,占总面积的42.85%,其分布具有明显的地域性,主要集中在蒙古国北部湿润地区和河流附近;林地最少,占总面积的6.63%,以蒙古国北部及西北部高山地区为主要生长区域。整体上蒙古国土地覆盖空间格局呈现明显的区域差异与地类过渡性,从南向北依次为裸地、荒漠草地、典型草地、森林类型,其中荒漠草地在中部形成一条明显的分界条带。     

近30年来长江源区土地覆被变化特征分析

长江源区是我国重要的水源涵养地。本文利用20世纪70年代中后期、90年代初期、2004年和2008年共4期土地覆被数据,通过土地覆被转类途径与幅度、土地覆被状况指数和土地覆被转类指数,分析评价了长江源区近30年来土地覆被与生态状况的时空变化特征。结果表明：草地是长江源区主要的土地覆被类型,2008年草地面积占该区总面积的66.93%。在70年代中后期-90年代初期、90年代初期-2004年和2004-2008年的3个时段内,土地覆被状况指数变化率分别为-0.15、-0.24和0.01;土地覆被转类指数分别为-0.20、-0.66和0.08。近30年来,长江源区土地覆被和生态状况总体经历了变差-显著变差-略有好转的过程。2004-2008年,长江源区年平均温度比前期（70年代中后期-2004年）升高了0.57℃,年平均降水量比前期增加了17.63mm。区域气候变化有助于自然生态系统的恢复。后期生态保护与建设工程的实施,对植被恢复产生了一定的积极作用。     

基于小流域抽样单元的中国FROM-GLC30数据精度评价

土地覆盖数据是全球环境变化相关研究和应用的重要数据基础,在诸多领域中被广泛运用。FROM-GLC30 2017数据是最新的全球高分辨率（30 m）公开土地覆盖数据集之一。土地覆盖数据集的精度是其在不同领域应用中的重要问题。本研究旨在探讨FROM-GLC30 2017数据集精度在全国范围内的空间分布,并比较不同土地覆盖类型精度的区域差异。本研究以亚米级高分辨率遥感影像为基础,对布设在中国范围内的6434个小流域抽样单元进行了人工目视解译,获得了土地覆盖参考数据。通过野外实地调查验证了参考数据,在此基础上对FROM-GLC30 2017数据集进行了精度评价。研究结果表明： ① FROM-GLC30 2017数据集中各土地覆盖类型的面积比例基本符合我国的实际情况;② 数据集在中国的总体精度为75.39%,在7大地理分区中,华东地区的总体精度最高,华南地区的总体精度最低;③ 在7种土地覆盖类型中,裸地、森林以及农田的精度相对较高,灌丛的精度最低。研究结果可为大区域土地覆盖数据精度评价研究提供理论支持,促进公开土地覆盖数据集的有效应用。     

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。     

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。     

基于OSM的地表覆盖变化数据提取

2014年,中国研制出了2000年和2010年两期30 m分辨率的全球地表覆盖数据产品,为了保持该数据集的现势性,持续更新成为该领域关键问题。变化数据的快速收集是全球地表覆盖数据更新的核心,志愿者地理信息(volunteered geographic information,VGI)的兴起为解决此问题提供了一条新的途径。在目前VGI项目中,OpenStreetMap(OSM)具有数据丰富、现势性强等优点,可以作为全球地表覆盖数据更新的参考信息来源,然而OSM数据不能直接对应地表覆盖增量数据,因此,本文提出了一种基于OSM的地表覆盖增量数据提取方法。该方法首先以OSM定义的几何类型和属性数据作为分类依据,建立OSM数据到地表覆盖数据的转换规则;然后针对类型转换后数据存在的目标零散等问题,采用四叉树聚类方法对转换数据进行综合;继而对整合后的数据栅格化并与GlobeLand30数据进行叠加运算得到地表覆盖增量数据。最后以爱沙尼亚区域的OSM数据验证了本文方法的可行性。     

Comparison between reconstructions of global anthropogenic land cover change over past two millennia

Three global datasets, the History Database of the Global Environment (HYDE), Kaplan and Krumhardt (KK) and Pongratz of reconstructed anthropogenic land cover change (ALCC) were introduced and compared in this paper. The HYDE dataset was reconstructed by Goldewijk and his colleagues at the National Institute of Public Health and the Environment in Netherland, covering the past 12 000 years. The KK dataset was reconstructed by Kaplan and his colleagues, the Soil-Vegetation-Atmosphere Research Group at the Institute of Environmental Engineering in Switzerland, covering the past 8000 years. The Pongratz dataset was reconstructed by Pon-gratz and her colleagues at the Max Planck Institute for Meteorology in Germany, covering AD 800-1992. The results show that the reconstructed datasets are quite different from each other due to the different methods used. The three datasets all allocated the historical ALCC according to human population density. The main reason causing the differences among the three datasets lies on the different relationships between population density and land use used in each reconstructed dataset. The KK dataset is better than the other two datasets for two important reasons. First, it used the nonlinear relationship between population density and land use, while the other two used the linear relationship. Second, Kaplan and his colleagues adopted the technological development and intensification parameters and considered the wood harvesting and the long-term fallow area resulted from shifting cultivation, which were neglected in the reconstructions of the other two datasets. Therefore, the KK dataset is more suitable as one of the anthropogenic forcing fields for climate simulation over the past two millennia that is recently concerned by two projects, the National Basic Research Program and the Strategic and Special Frontier Project of Science and Technology of the Chinese Academy of Sciences.     

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。