基于GlobeLand30的全球城乡建设用地空间分布与变化统计分析

城乡建设用地分布与变化是人类活动的直观标志和生态足迹,在环境变化研究、地理国(世)情监测和可持续发展研究等方面发挥着重要作用。以往人们对一些城市、区域或国家的城乡建设用地分布与变化进行过较为深入系统的研究,但在全球尺度上,这方面研究尚为空白。本文是利用我国自主研制的世界上首套30m空间分辨率全球地表覆盖数据集GlobeLand30的人造地表数据层,首次开展了全球城乡建设用地的空间分布及变化的统计分析。它采用用地面积、构成占比和增量占比等主要指标,统计全球范围内城乡建设用地的空间分布及2000年至2010年10年间的变化,重点分析了2010年全球、各大洲及主要国家的城乡建设用地分布现状与地域差异,2000年至2010年全球、主要国家的建设用地变化以及其主要土地来源。研究结果表明,2010年全球城乡建设用地总面积为118.75×104km2,占全球陆表面积的0.88%;2000年至2010年全球城乡建设用地面积增加了5.74×104 km2,变化率为5.08%,其中,中国和美国新增城乡建设用地约占全球的一半;新增城乡建设用地占用最多的是耕地,占总量的50.26%。这些为研究全球陆表人类活动的空间分布特征与变化趋势提供了翔实的信息和知识。     

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。     

基于球面退化四叉树格网的GlobeLand30数据表达及精度分析

Globe Land30为我国研制的世界上首套全球30 m地表覆盖数据集。该数据采用传统的通用横轴墨卡托投影(UTM)组织数据。为了解决地图投影给全球性问题带来的空间数据断裂及几何变形等问题,本文以球面退化四叉树格网(DQG)为基础,构建一种Globe Land30的全球连续表达模型;并选择相应的精度评价指标,对基于DQG模型表达的几何变形、数据误差的空间位置分布及定量化进行研究。结果表明:基于DQG模型既能保证Globe Land30数据表达的全球连续性,又能保持原有的数据精度,为Globe Land30在全球空间数据的可视化连续表达与深度分析提供了基础。     

Cultivated land change in the Belt and Road Initiative region

The Belt and Road Initiative (BRI)–a development strategy proposed by China – provides unprecedented opportunities for multi-dimensional communication and cooperation across Asia, Africa and Europe. In this study, we analyse the spatio-temporal changes in cultivated land in the BRI countries (64 in total) to better understand the land use status of China along with its periphery for targeting specific collaboration. We apply FAO statistics and GlobeLand30 (the world’s finest land cover data at a 30-m resolution), and develop three indicator groups (namely quantity, conversion, and utilization degree) for the analysis. The results show that cultivated land area in the BRI region increased 3.73×10⁴ km² between 2000 and 2010. The increased cultivated land was mainly found in Central and Eastern Europe and Southeast Asia, while the decreased cultivated land was mostly concentrated in China. Russia ranks first with an increase of 1.59×10⁴ km² cultivated land area, followed by Hungary (0.66×10⁴ km²) and India (0.57×104 km2). China decreased 1.95×10⁴ km² cultivated land area, followed by Bangladesh (–0.22×10⁴ km²) and Thailand (–0.22×10⁴ km²). Cultivated land was mainly transferred to/from forest, grassland, artificial surfaces and bare land, and transfer types in different regions have different characteristics: while large amount of cultivated land in China was converted to artificial surfaces, considerable forest was converted to cultivated land in Southeast Asia. The increase of multi-cropping index dominated the region except the Central and Eastern Europe, while the increase of fragmentation index was prevailing in the region except for a few South Asian countries. Our results indicate that the negative consequence of cultivated land loss in China might be underestimated by the domestic- focused studies, as none of its close neighbours experienced such obvious cultivated land losses. Nevertheless, the increased cultivated land area in Southeast Asia and the extensive cultivated land use in Ukraine and Russia imply that the regional food production would be greatly improved if China’ “Go Out policy” would help those countries to intensify their cultivated land use.     

30 m地表覆盖数据更新成果质量检查与常见问题分析

针对全球地理信息资源建设与维护更新项目中30 m地表覆盖数据（GlobeLand30）更新成果的特殊性与质量检验技术的需求,本文提出了一套适用于规模化生产的成果质量检查技术流程与方法,并结合工程质量检查验收实践对更新成果常见问题进行了系统分析,给出了解决方案,可为全球项目成果质量控制提供技术参考。     

Collaborative validation of GlobeLand30:Methodology and practices

30-m Global Land Cover(GLC)data products permit the detection of land cover changes at the scale of most human land activities,and are therefore used as fundamental information for sustainable development,environmental change studies,and many other societal benefit areas.In the past few years,increasing efforts have been devoted to the accuracy assessment of GlobeLand30 and other finer-resolution GLC data products.However,most of them were conducted either within a limited percentage of map sheets selected from a global scale or in some individual countries(areas),and there are still many areas where the uncertainty of 30-m resolution GLC data products remains to be validated and documented.In order to promote a comprehensive and collaborative validation of 30-m GLC data products,the GEO Global Land Cover Community Activity had organized a project from 2015 to 2017,to examine and explore its major problems,including the lack of international agreed validation guidelines and on-line tools for facilitating collaborative validation activities.With the joint effort of experts and users from 30 GEO member countries or participating organizations,a technical specification for 30-m GLC validation was developed based on the findings and experiences.An on-line validation tool,GLCVal,was developed by integrating land cover validation procedures with the service computing technologies.About 20 countries(regions)have completed the accuracy assess-ment of GlobeLand30 for their territories with the guidance of the technical specification and the support of GLCVal.     

顾及城乡差异的大区域人口密度估算——以山东省为例

现有大区域人口密度估算结果大多是在千米级尺度上,仅能宏观地反映城乡人口分布的范围,无法准确地刻画城乡人口空间分布的细节特征。本文将首套30m全球地表覆盖数据(GlobeLand30)引入城乡人口密度估算中,基于实现城乡划分的GlobeLand30人造地表数据,在城镇区域运用夜间灯光强度与人口的相关性将城镇人口细划到30m尺度上来估算城镇人口密度;在乡村区域引入样方估算的方法修正乡村居民地面积以估算乡村人口密度。以山东省为试验区的研究表明,本文方法无论在城乡居民地刻画还是人口空间分布的表达上均优于参考数据,所使用的GlobeLand30的全球性也保证了该方法推广的可行性。     

基于空间抽样的上海市GlobeLand302020数据精度评估

针对上海GlobeLand302020土地覆盖产品,应用顾及空间异质性的类别-异质性分层抽样方法进行抽样,将研究区各地图类别划分为匀质区和异质区子类,按照内曼分配方法布设验证样本,在研究区域内抽取2500个验证像素,并参考同时期多源Google Earth高分遥感影像数据进行样本判读,获得参考分类即真实类别信息,对区域...     

基于GlobeLand 30的水田提取方法研究

Globe Land 30是全球首套30 m分辨率地表覆盖数据产品,分为10种类型,包括耕地、森林、草地、灌木地等,分类精度经过多方验证达83.51%,Kappa系数0.78,耕地的分类精度达83.06%。由于Globe Land 30耕地图层没有更加详细的耕地亚类信息,限制了其广泛应用。本文试图基于Globe Land 30耕地数据探索一种快速提取水田信息的方法,进而为获取全球范围的水田分布信息提供技术支持。该方法基于TM影像的归一化植被指数NDVI、地表水分指数LSWI、近红外波段的反射率ρnir和短波红外波段的反射率ρwir,通过Google Earth选取的水田样本,统计水田的光谱特征和空间特征,建立水田提取的知识规则,然后结合多尺度的分割对象图斑自动化识别水田信息。文中选取了江苏省高邮市实验区进行水田提取试验,结果表明:采用该方法分类精度比基于像素的决策树方法提升大约6%,并能有效地消除椒盐误差,图斑完整性较好。     

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。