國(guó)家尺度異源土地覆被遙感產(chǎn)品精度評(píng)價(jià)

宋宏利， 張曉楠

(1.河北工程大學(xué)地球科學(xué)與工程學(xué)院，邯鄲 056038； 2.河北省煤炭資源綜合開(kāi)發(fā)與利用協(xié)同創(chuàng)新中心，邯鄲 056038； 3.河北工程大學(xué)礦業(yè)與測(cè)繪工程學(xué)院，邯鄲 056038)

0 引言

土地覆被是地球表層各種物質(zhì)類型及其自然屬性與特征的綜合體，其空間分布反映了人類社會(huì)經(jīng)濟(jì)活動(dòng)過(guò)程，地表的水熱和物質(zhì)平衡，生物地球化學(xué)循環(huán)和氣候變化[1]。全球或區(qū)域尺度土地覆被信息已成為自然資源調(diào)查、環(huán)境監(jiān)測(cè)、生物多樣性保護(hù)、地理國(guó)情普查、氣候變化及生態(tài)建模等領(lǐng)域的重要基礎(chǔ)數(shù)據(jù)[2-6]。近10 a來(lái)，隨著時(shí)間分辨率和空間分辨率的提高，遙感數(shù)據(jù)已經(jīng)成為大尺度土地覆被制圖的重要數(shù)據(jù)源。一些全球及區(qū)域尺度的土地覆被產(chǎn)品陸續(xù)出現(xiàn)[7-10]，繼2008年Landsat數(shù)據(jù)實(shí)現(xiàn)免費(fèi)獲取之后，全球各個(gè)國(guó)家及組織開(kāi)始嘗試研制30 m分辨率的全球尺度土地覆被遙感產(chǎn)品，并已取得了顯著成果，例如Globeland30和FROM-GLC-agg的相繼問(wèn)世[11,12]。盡管每種土地覆被遙感產(chǎn)品在研制過(guò)程中，均進(jìn)行了精度驗(yàn)證，但由于驗(yàn)證所采用的參考數(shù)據(jù)、驗(yàn)證方法各不相同，計(jì)算所獲取的各種精度指標(biāo)并不能直接進(jìn)行比較，導(dǎo)致用戶難以選擇合理的數(shù)據(jù)作為氣候、水文、生態(tài)等模型的輸入信息，阻礙了上述數(shù)據(jù)在各個(gè)領(lǐng)域的協(xié)同使用。因此采用統(tǒng)一的參考數(shù)據(jù)對(duì)現(xiàn)有的土地覆被遙感產(chǎn)品進(jìn)行全球或大區(qū)域尺度的精度驗(yàn)證，已成為該領(lǐng)域亟待解決的問(wèn)題。

針對(duì)上述問(wèn)題，本文以中國(guó)區(qū)域?yàn)檠芯糠秶袁F(xiàn)有的FROM-GLC-agg(簡(jiǎn)稱FROM)，MODIS COLLECTION5，GLOBCOVER和ESACCI 4種全球尺度土地覆被數(shù)據(jù)集為研究對(duì)象，采用GLC2000，GLCNMO，GLOBCOVER，The System for Terrestrial Ecosystem Parameterization(簡(jiǎn)稱STEP)、The Visible Infrared Imaging Radiometer Suite(簡(jiǎn)稱VIIRS)、GEOWIKI等土地覆被產(chǎn)品研發(fā)團(tuán)隊(duì)提供的參考數(shù)據(jù)，從面積一致性、類別混淆等傳統(tǒng)手段在整體上對(duì)4種土地覆被數(shù)據(jù)集進(jìn)行精度評(píng)價(jià)。本文的研究成果將揭示4種土地覆被遙感數(shù)據(jù)集在中國(guó)區(qū)域的類別精度及其空間分布特征，它既為研究區(qū)域從事生態(tài)環(huán)境建模、土地覆被變化、自然資源調(diào)查等領(lǐng)域的科學(xué)研究提供了數(shù)據(jù)選擇的依據(jù)，也可為未來(lái)大尺度土地覆被遙感制圖的重點(diǎn)研究方向提供參考。

1 數(shù)據(jù)源及其預(yù)處理

1.1 土地覆被遙感數(shù)據(jù)

表1列出了本文待驗(yàn)證土地覆被遙感產(chǎn)品的基本信息，其中FROM由清華大學(xué)研制，為30 m分辨率土地覆被遙感產(chǎn)品，該數(shù)據(jù)的時(shí)間基點(diǎn)為2010年，共采用8 903景Landsat TM/ETM+數(shù)據(jù)，其中約80%遙感影像的獲取時(shí)間為2009—2011年間，該數(shù)據(jù)采用2級(jí)分類體系，其中一級(jí)分類包含10個(gè)類別，二級(jí)分類包含27個(gè)類別。為了保持和其他3種土地覆被遙感產(chǎn)品的空間分辨率一致，本文所采用的FROM并非原始的30 m分辨率產(chǎn)品，而是由俞樂(lè)等人采用比例聚類法變尺度轉(zhuǎn)換后的250 m分辨率數(shù)據(jù)，該數(shù)據(jù)全球尺度的總體精度為69.5%[12]。GLOBCOVER 由歐洲空間局研制，時(shí)間基點(diǎn)為2009年，該產(chǎn)品以2009年1—12月MERIS 傳感器的13個(gè)波段數(shù)據(jù)作為輸入數(shù)據(jù)，采用 Plate-Carrée投影，其空間分辨率為 300 m，采用聯(lián)合國(guó)聯(lián)農(nóng)組織的土地覆被分類系統(tǒng)(land cover classification system,LCCS)，共包含22個(gè)類別，經(jīng)研發(fā)團(tuán)隊(duì)驗(yàn)證該數(shù)據(jù)在全球尺度的總體精度為70.7%[13]； MODIS COLLECTION5(以下簡(jiǎn)稱MODIS)由美國(guó)波士頓大學(xué)研制，時(shí)間基點(diǎn)為2010年，該產(chǎn)品采用2010年1月— 2010年 12 月的 TERRA/MODIS影像數(shù)據(jù)作為輸入信息，空間分辨率為500 m，采用 IGBP 土地覆蓋分類系統(tǒng)，包含17個(gè)類別，全球尺度該數(shù)據(jù)的總體精度為74.8%[8]； 歐洲航空航天局為了滿足全球氣候演化模型對(duì)于土地覆被信息的需求，以MERIS地表反射率合成數(shù)據(jù)、時(shí)間序列SPOT-VGT數(shù)據(jù)為輸入信息，采用時(shí)空聚類及機(jī)器學(xué)習(xí)分類算法，分別研制了300 m分辨率的2000年，2005年和2010年3個(gè)時(shí)間基點(diǎn)的全球尺度土地覆被遙感產(chǎn)品(ESACCI)，該產(chǎn)品采用LCCS分類體系，包含22個(gè)類別，本文所用數(shù)據(jù)的時(shí)間基點(diǎn)為2010年，全球尺度該數(shù)據(jù)的總體精度為74.4%[14]。

表1 多源土地覆被遙感產(chǎn)品信息表Tab.1 Information illustration of land cover products

1.2 參考數(shù)據(jù)

本文共涉及6種全球尺度土地覆被遙感產(chǎn)品驗(yàn)證數(shù)據(jù)集，這些數(shù)據(jù)集均可從互聯(lián)網(wǎng)免費(fèi)下載(下載網(wǎng)址為http: //www.gofcgold.wur.nl/sites/gofcgold_refdataportal-glc2k.php； http: //geo-wiki.org/)，供各國(guó)研究者在驗(yàn)證時(shí)參考使用。GLC2000參考數(shù)據(jù)是在原始GLC2000參考數(shù)據(jù)基礎(chǔ)上，再次通過(guò)野外實(shí)地調(diào)查、Google Earth影像對(duì)比等手段獲取的改進(jìn)版本，刪除了原始數(shù)據(jù)中存在類別錯(cuò)分的樣本，該數(shù)據(jù)采用分層采樣策略，全球共有1 253個(gè)樣本，共分為11種土地覆被類別，經(jīng)驗(yàn)證其類別精度為95%以上[10]。GLOBCOVER產(chǎn)品的參考數(shù)據(jù)由經(jīng)全球分層隨機(jī)采樣的4 258個(gè)樣本構(gòu)成，每個(gè)樣本在解譯過(guò)程中除了參考對(duì)應(yīng)時(shí)期的Google Earth影像外，產(chǎn)品研發(fā)方還提供了2000—2007年的NDVI數(shù)據(jù)，以便從物候特征角度提高樣本的解譯精度，解譯過(guò)程由全球范圍內(nèi)土地覆被制圖領(lǐng)域相關(guān)專家完成，這些專家均具備扎實(shí)的理論基礎(chǔ)和豐富的遙感圖像處理經(jīng)驗(yàn)。為了降低尺度效應(yīng)對(duì)于土地覆被遙感產(chǎn)品的驗(yàn)證精度的影響，GLOBCOVER參考數(shù)據(jù)要求每個(gè)樣本的覆蓋范圍為1 500 m×1 500 m。本文所用參考數(shù)據(jù)是在原始數(shù)據(jù)基礎(chǔ)上，經(jīng)過(guò)地表土地覆被類別均質(zhì)性篩選的500個(gè)樣方，且每個(gè)樣方均進(jìn)行了野外實(shí)地驗(yàn)證，其精度達(dá)100%[15]。The System for Terrestrial Ecosystem Parameterization (STEP)參考數(shù)據(jù)最初是為了驗(yàn)證全球陸表生態(tài)模型所需的土地覆被信息精度，該參考數(shù)據(jù)以GIS軟件中通用的多邊形格式存儲(chǔ)，為了保證參考數(shù)據(jù)的實(shí)時(shí)性，研發(fā)團(tuán)隊(duì)定期對(duì)其進(jìn)行更新，該數(shù)據(jù)采用IGBP分類體系[16]。VIIRS參考數(shù)據(jù)以全球氣候分區(qū)為依據(jù)，采用隨機(jī)分層抽樣方式在全球布設(shè)500個(gè)樣本點(diǎn)，每個(gè)樣本覆蓋范圍為5 km×5 km，樣本多選擇在大尺度土地覆被制圖過(guò)程中景觀異質(zhì)性較強(qiáng)及類別組成較為復(fù)雜區(qū)域，為了保持與當(dāng)前土地覆被遙感產(chǎn)品空間分辨率的一致性，在每個(gè)樣本覆蓋范圍內(nèi)二次劃分為25個(gè)1 km×1 km的空間格網(wǎng)，每個(gè)格網(wǎng)內(nèi)的土地覆被類別及組成均由遙感專家在植物生長(zhǎng)季內(nèi)空間分辨率不低于2 m的高分遙感數(shù)據(jù)上完成[17]。GEO_WIKI是以Google Earth為平臺(tái)開(kāi)發(fā)的一個(gè)免費(fèi)的全球尺度土地覆被驗(yàn)證數(shù)據(jù)庫(kù)，其數(shù)據(jù)由世界各國(guó)土地覆被遙感制圖領(lǐng)域?qū)I(yè)人員提供，數(shù)據(jù)庫(kù)中的每條記錄描述了陸表特定經(jīng)緯度交叉點(diǎn)的土地覆被類別組成，在向數(shù)據(jù)庫(kù)提交記錄時(shí)需提供該驗(yàn)證站點(diǎn)的信任度級(jí)別(包括絕對(duì)確認(rèn)、非常確認(rèn)、確認(rèn)和不確認(rèn)4個(gè)等級(jí))。本文所用的GEO_WIKI驗(yàn)證數(shù)據(jù)庫(kù)在中國(guó)區(qū)域驗(yàn)證站點(diǎn)數(shù)目為3 406個(gè)。為了保證驗(yàn)證數(shù)據(jù)的可靠性，根據(jù)數(shù)據(jù)庫(kù)提供的關(guān)于GEO_WIKI驗(yàn)證數(shù)據(jù)的類別準(zhǔn)確度級(jí)別，選擇驗(yàn)證點(diǎn)準(zhǔn)確度級(jí)別為0(絕對(duì)準(zhǔn)確)和1(非常準(zhǔn)確)的驗(yàn)證點(diǎn)作為驗(yàn)證數(shù)據(jù)。經(jīng)此條件過(guò)濾，中國(guó)區(qū)域共有2 187條可供使用的數(shù)據(jù)[18]。GLCNMO參考數(shù)據(jù)是由全球制圖國(guó)際委員會(huì)為評(píng)價(jià)全球尺度GLCNMO產(chǎn)品的精度而采用的驗(yàn)證數(shù)據(jù)，該數(shù)據(jù)采用IGBP分類體系，但并不包含建設(shè)用地、冰雪等類別[19]。6種參考數(shù)據(jù)在中國(guó)區(qū)域的空間分布如圖1所示。

圖1 中國(guó)區(qū)域參考數(shù)據(jù)空間分布圖 (審圖號(hào)： GS(2016)2885號(hào))Fig.1 The spatial distribution of referenced data in China

本文所采用的參考數(shù)據(jù)集均為以ArcGIS SHP格式存儲(chǔ)的點(diǎn)類型，每個(gè)點(diǎn)所代表的土地覆被類別為對(duì)應(yīng)參考樣方中心點(diǎn)處土地覆被信息。在精度評(píng)價(jià)過(guò)程中，通過(guò)ArcGIS軟件中的點(diǎn)屬性提取功能，獲取待驗(yàn)證土地覆被數(shù)據(jù)集對(duì)應(yīng)位置的土地覆被類別，并將類別假設(shè)為該點(diǎn)所在像元的土地覆被類別，通過(guò)逐點(diǎn)之間的一一比較，構(gòu)建土地覆被類別誤差矩陣。

1.3 數(shù)據(jù)預(yù)處理

為了完成研究區(qū)域異源土地覆被遙感產(chǎn)品的精度評(píng)價(jià)，首先將各種待評(píng)價(jià)土地覆被遙感產(chǎn)品及參考數(shù)據(jù)統(tǒng)一到相同的空間參考框架下，鑒于本文重點(diǎn)研究各種產(chǎn)品土地覆被類別的面積精度，因此選擇阿爾伯斯等積投影作為空間參考基準(zhǔn)，將所有的待驗(yàn)證數(shù)據(jù)及參考數(shù)據(jù)在ArcGIS軟件中完成空間參考轉(zhuǎn)換。由于GLOBCOVER和ESACCI的空間分辨率為300 m，而FROM和MODIS數(shù)據(jù)的空間分辨率則分別為250 m和500 m，為了實(shí)現(xiàn)空間分辨率的統(tǒng)一，參考已有研究[20]，采用最鄰近像元插值法將FROM和MODIS這2種數(shù)據(jù)集的的空間分辨率重采樣為300 m。

如1.1所述，F(xiàn)ROM，MODIS，ESACCI和GLOBCOVER 4種土地覆被遙感產(chǎn)品及參考數(shù)據(jù)所采用的分類體系在描述陸表覆被信息的詳細(xì)程度上有所差異。例如，F(xiàn)ROM數(shù)據(jù)并沒(méi)有對(duì)林地的物候作出細(xì)分； GLOBCOVER和ESACCI定義了較多的混合類別； GEOWIKI僅將參考樣本劃分為林地、草地、灌木、耕地等9個(gè)一級(jí)類別，沒(méi)有考慮木本及草本類別的物候及郁閉度。為了驗(yàn)證的可行性，需要將所有的待驗(yàn)證數(shù)據(jù)及參考數(shù)據(jù)統(tǒng)一到同一分類體系，在已有研究基礎(chǔ)上[16-19]，將待驗(yàn)證數(shù)據(jù)及參考數(shù)據(jù)的土地覆被類別聚合為林地、灌木、草地、耕地、水域/濕地、建設(shè)用地、永久性冰雪及裸地 8個(gè)類別，表2中詳細(xì)列舉了每種聚合后類別所對(duì)應(yīng)的不同土地覆被遙感數(shù)據(jù)的原有類別編碼，例如，林地在FROM數(shù)據(jù)中的類別編碼為20，而在GLOBCOVER數(shù)據(jù)中的類別編碼為40，50，60，70，80，90，100，110，160和170，而在MODIS數(shù)據(jù)中對(duì)應(yīng)的編碼為1，2，3，4，5，其他類別以此類推。由于STEP和VIIRS數(shù)據(jù)采用和MODIS完全相同的分類體系及類別聚合方法，因此在表2中并未列出。

表2 聚合土地覆被類別與原始土地覆被數(shù)據(jù)類別對(duì)應(yīng)表Tab.2 The correspondingTable of aggregated land cover classes and original classes of the GLC datasets

表3揭示了聚合后的中國(guó)區(qū)域參考數(shù)據(jù)類別結(jié)構(gòu)。從表中可以看出，參考數(shù)據(jù)中各種類別的比例并不均衡，存在較大的數(shù)量差異。其中耕地、建設(shè)用地、林地、草地4種類別的數(shù)量較大，其總和約占參考數(shù)據(jù)總量的83%； 而水域、灌木、裸地及冰雪的參考數(shù)據(jù)則較少，尤其是水域和裸地，僅占參考數(shù)據(jù)總量的0.98%和1.75%。

表3 中國(guó)區(qū)域參考數(shù)據(jù)土地覆被類別及組成Tab.3 The category percent of referenced data in China

2 研究方法

誤差矩陣是土地覆被遙感產(chǎn)品精度評(píng)價(jià)最常見(jiàn)的方法之一。該方法主要通過(guò)比較參考數(shù)據(jù)和待驗(yàn)證數(shù)據(jù)在特定位置處的類別一致性，進(jìn)而建立二者之間的交叉二維表格(即類別誤差矩陣)，并以此為基礎(chǔ)，計(jì)算出能夠表達(dá)待驗(yàn)證產(chǎn)品精度的生產(chǎn)者精度、用戶精度、總體精度等一系列指標(biāo)。各指標(biāo)計(jì)算公式[20]為：

(1)

(2)

(3)

式中：xii為i類土地覆被類別正確分類的像元數(shù)(本文中i的取值為1,2,3,4,5,6,7,8)；n為研究區(qū)域總的像元數(shù)；xi+為待驗(yàn)證土地覆被產(chǎn)品中i類別的像元總數(shù)；x+i為參考數(shù)據(jù)中i類別的像元總數(shù)。

誤差矩陣盡管可以從宏觀上揭示不同土地覆被數(shù)據(jù)的類別精度，但無(wú)法從空間上展示數(shù)據(jù)間類別的一致性。為此，筆者在GIS軟件中將4種土地覆被數(shù)據(jù)在空間上進(jìn)行疊加，從像元尺度揭示4種數(shù)據(jù)類別的一致性分布特征。計(jì)算的結(jié)果將歸納4個(gè)類別，分別為： ①完全一致，4種數(shù)據(jù)在對(duì)應(yīng)像元表現(xiàn)出完全相同的土地覆被類別； ②基本一致，4種數(shù)據(jù)在對(duì)應(yīng)像元表現(xiàn)出僅有2種土地覆被類別； ③不一致，4種數(shù)據(jù)在對(duì)應(yīng)像元呈現(xiàn)出3種不同的土地覆被類別； ④完全不一致，4種數(shù)據(jù)在對(duì)應(yīng)像元呈現(xiàn)出4種完全不同的土地覆被類別。

3 結(jié)果與分析

3.1 土地覆被類別面積一致性比較

圖2揭示了FROM，MODIS，GLOBCOVER和ESACCI 4種土地覆被遙感產(chǎn)品不同類別的面積一致性。從圖2中可以看出，林地、草地、耕地和裸地是研究區(qū)域的主要土地覆被類別，而灌木、水域/濕地、建設(shè)用地及永久性冰雪則相對(duì)較少。4種產(chǎn)品的林地面積相對(duì)較為接近，分別占研究區(qū)域總面積的22.9%，18.5%，17.7%和21.3%，其最大面積差為研究區(qū)總面積的5.2%； 對(duì)于草地而言，F(xiàn)ROM，MODIS和ESACCI 3種產(chǎn)品的草地面積均明顯高于GLOBCOVER，其中FROM，MODIS和ESACCI的草地面積比例分別為26.2%，30.1%和24.7%，而GLOBCOVER則僅為11.4%； 與草地面積比例相反，GLOBCOVER的耕地面積比例最高，為34.2%，高于FROM的13.6%，MODIS的20.0%和ESACCI的28.6%； 對(duì)于裸地，F(xiàn)ROM和GLOBCOVER這2種產(chǎn)品面積百分比幾乎相同，分別占研究區(qū)總面積的29.9%和30.0%，高于MODIS的22.13%和ESACCI的20.45%。由于灌木、水域/濕地、建設(shè)用地和永久性冰雪4種類別面積較少，4種產(chǎn)品的類別面積一致性較高，差異較小。

圖2 4種土地覆被遙感產(chǎn)品類別面積一致性比較Fig.2 Area consistent analysis of 4 land cover products

3.2 基于誤差矩陣的類別精度分析

根據(jù)式(1)—(3)，計(jì)算參考數(shù)據(jù)與待評(píng)價(jià)4種土地覆被遙感產(chǎn)品在研究區(qū)域的誤差矩陣，獲取不同土地覆被類別的總體精度、用戶精度和生產(chǎn)者精度。結(jié)果表明： FROM產(chǎn)品和參考數(shù)據(jù)具有最高的總體一致性，其總體精度為0.69，MODIS和ESACCI次之，其總體精度分別為0.67和0.65，GLOBCOVER的總體精度最低，為0.55。盡管總體精度可以從宏觀上表達(dá)每種土地覆被遙感產(chǎn)品的可靠性，但對(duì)于特定的科學(xué)應(yīng)用領(lǐng)域，具體的類別精度顯得更為重要。

(a) 生產(chǎn)者精度 (b) 用戶精度

圖3不同土地覆被類別的生產(chǎn)者精度和用戶精度比較

Fig.3Comparisonbetweendifferentlandcoverproductsaboutproduceraccuracyanduseraccuracy

圖3揭示了4種土地覆被遙感產(chǎn)品不同土地類別的生產(chǎn)者精度和用戶精度。從圖3(a)中可以看出，耕地和裸地具有最高的生產(chǎn)者精度，4種產(chǎn)品該兩種類別的精度均高于70%。 FROM，MODIS和ESACCI 3種產(chǎn)品的林地和建設(shè)用地生產(chǎn)者精度較高，均大于75%，但GLOBCOVER的林地和建設(shè)用地的生產(chǎn)者精度均較低，為50%左右。4種產(chǎn)品灌木和水域/濕地的生產(chǎn)者精度均較低，其中ESACCI產(chǎn)品灌木的生產(chǎn)者精度僅為1%，經(jīng)分析，有32.52%被錯(cuò)分為林地，有22.76%被錯(cuò)分為草地，有39.84%被錯(cuò)分為耕地。

圖3(b)顯示，所有土地覆被類別中，林地、耕地和建設(shè)用地的用戶精度較高，且相互差異較小，灌木、水域和裸地的用戶精度存在較大差異，如FROM產(chǎn)品灌木的用戶精度為55.56%，而ESACCI產(chǎn)品灌木的用戶精度僅為10.25%，兩者相差45.31%，F(xiàn)ORM產(chǎn)品水域/濕地的用戶精度達(dá)100%，說(shuō)明該產(chǎn)品該類別具有非常高的類別質(zhì)量，而GLOBCOVER產(chǎn)品的水域/濕地的用戶精度僅為22.23%，兩者相差77.77%。

圖3表明4種土地覆被遙感產(chǎn)品灌木類別的生產(chǎn)者精度和用戶精度均較低，除MODIS產(chǎn)品該類別的用戶精度高于50%外，其余均低于30%，這說(shuō)明，對(duì)于大尺度土地覆被制圖而言，現(xiàn)有的分類算法難以精準(zhǔn)獲取陸表灌木類別的分布信息，因此如何提高灌木類別精度，降低其與林地、草地、耕地的混淆是未來(lái)土地覆被制圖領(lǐng)域亟需解決的重要問(wèn)題。

3.3 多源數(shù)據(jù)類別空間一致性分析

圖4從空間角度闡明了FROM，MODIS，GLOB-COVER和ESACCI4種數(shù)據(jù)在中國(guó)區(qū)域的類別一致性特征。結(jié)果表明，完全空間一致性區(qū)域約占研究區(qū)總面積的39.03%，主要分布于我國(guó)東北的林業(yè)、農(nóng)業(yè)區(qū)，西北的裸地荒漠區(qū)和華北的耕地區(qū)，這些地區(qū)陸表土地利用類型較為簡(jiǎn)單，地物光譜特征比較容易識(shí)別且呈現(xiàn)出一定的物候規(guī)律特征； 基本一致區(qū)域的分布符合土地覆被類別的區(qū)域變量特點(diǎn)，其主要位于完全一致區(qū)域的周邊，其面積約占研究區(qū)總面積的40.67%，具體分布在青海省與西藏自治區(qū)交接處、四川省中部和內(nèi)蒙古自治區(qū)東北部，這些地區(qū)陸表的土地利用類型主要表現(xiàn)為裸地、草地及二者的混合類別； 不一致區(qū)域的面積約占研究區(qū)總面積的18.56%，主要分布于青藏高寒區(qū)中部、遼寧省南部、黑龍江、吉林、遼寧三省與內(nèi)蒙古自治區(qū)交界的條帶區(qū)域，相對(duì)于上述2個(gè)分區(qū)，這些地區(qū)土地覆被類別較為復(fù)雜，陸表土地類別呈現(xiàn)明顯的異質(zhì)性特征，耕地、林地、灌木和草地交錯(cuò)分布； 完全不一致區(qū)域約占研究區(qū)總面積的1.74%，主要分布于甘肅省中部。

圖4 中國(guó)區(qū)域多源數(shù)據(jù)類別一致性空間特征 (審圖號(hào)： GS(2016)2885號(hào))Fig.4 The spatial map of different land cover category consistencyin China

4 結(jié)論與討論

1)4種大尺度土地覆被遙感產(chǎn)品的林地、耕地、建設(shè)用地和裸地等類別均具有較高的生產(chǎn)者精度和用戶精度。因此，對(duì)于全球或國(guó)家尺度森林面積調(diào)查、糧食產(chǎn)量預(yù)測(cè)、城市用地?cái)U(kuò)張等研究領(lǐng)域，4種數(shù)據(jù)均可提供較為精準(zhǔn)的基礎(chǔ)數(shù)據(jù)； 相對(duì)于上述類別，4種產(chǎn)品灌木類別的生產(chǎn)者精度和用戶精度均較低，其類別混淆主要發(fā)生于林地、草地和耕地之間，因此未來(lái)如何提高大尺度低分辨率遙感數(shù)據(jù)灌木類別的識(shí)別精度，有效降低該類別與耕地、林地和草地間的錯(cuò)分是當(dāng)前亟待解決的問(wèn)題.

2)研究表明FROM產(chǎn)品和MODIS產(chǎn)品在總體上表現(xiàn)出較高的類別精度，優(yōu)于GLOBCOVER和ESACCI兩種產(chǎn)品。GLOBCOVER盡管采用的基礎(chǔ)數(shù)據(jù)為300 m分辨率地表反射率信息，但其總體精度則低于500 m分辨率的MODIS數(shù)據(jù)。這說(shuō)明對(duì)于土地覆被遙感制圖而言，除了需關(guān)注原始數(shù)據(jù)的空間分辨率外，采用適合的影像分類算法同樣可以提高土地覆被信息的提取出精度。

3)多源數(shù)據(jù)類別一致性圖譜表明，4種數(shù)據(jù)土地覆被類別結(jié)構(gòu)單一區(qū)域具有較好的類別一致性，可以準(zhǔn)確識(shí)別林地、耕地、裸地等均質(zhì)性較強(qiáng)的土地覆被類別。但對(duì)于青藏高寒區(qū)、中國(guó)西南區(qū)域等景觀異質(zhì)性區(qū)域，則表現(xiàn)出較差的類別一致性。

4)本文以國(guó)際組織發(fā)布的權(quán)威數(shù)據(jù)為參考，從國(guó)家尺度驗(yàn)證了當(dāng)前的4種土地覆被遙感產(chǎn)品的類別精度。但已有研究表明，土地覆被類別精度具有空間分異特征，國(guó)家尺度的精度特征并不能代表全球或區(qū)域尺度，因此從全球及區(qū)域尺度對(duì)4種產(chǎn)品分別進(jìn)行精度評(píng)價(jià)是今后要開(kāi)展的必要工作。盡管國(guó)際組織發(fā)布的驗(yàn)證數(shù)據(jù)的精度較高，但其數(shù)量相對(duì)較少，且各種類別所占的數(shù)量比例不均衡，無(wú)法滿足地理分層抽樣理論對(duì)于與土地覆被遙感產(chǎn)品精度驗(yàn)證的要求。自從2007年公眾自發(fā)地理信息(volunteered geographic information，VGI)的概念出現(xiàn)以來(lái)，這類數(shù)據(jù)日益增多，已被廣泛應(yīng)用于生態(tài)評(píng)價(jià)、冰川調(diào)查、植被分類等眾多研究領(lǐng)域。因此如何利用自發(fā)地理信息來(lái)補(bǔ)充現(xiàn)有驗(yàn)證數(shù)據(jù)在數(shù)量上的不足，進(jìn)而實(shí)現(xiàn)土地覆被遙感產(chǎn)品地理分層抽樣驗(yàn)證也是未來(lái)需要開(kāi)展的工作。

志謝： 本文所用數(shù)據(jù)來(lái)源于清華大學(xué)地球系統(tǒng)科學(xué)研究中心、美國(guó)波士頓大學(xué)、歐洲航天局等科研機(jī)構(gòu)，河北工程大學(xué)“地質(zhì)資源與地質(zhì)工程”雙一流學(xué)科為本文工作的開(kāi)展提供了資金支持，在此一并表示感謝。