基于高分辨率人工識(shí)別地表類型的GlobeLand30產(chǎn)品精度評價(jià)

，， ，,2

(1.山東科技大學(xué) 測繪科學(xué)與工程學(xué)院，山東 青島 266590；2.曲阜師范大學(xué) 地理與旅游學(xué)院，山東 日照 276826)

地表覆被是地球表面各種物質(zhì)類型及其屬性特征的綜合體[1]，其空間分布變化反映了人類社會(huì)的經(jīng)濟(jì)活動(dòng)發(fā)展過程。同時(shí)地表覆被的變化也會(huì)影響地球表面物質(zhì)和能量的循環(huán)過程，繼而對區(qū)域及全球的環(huán)境與氣候產(chǎn)生重要影響[2]。精準(zhǔn)的地表覆被數(shù)據(jù)對于研究社會(huì)經(jīng)濟(jì)發(fā)展的健康狀況、指導(dǎo)土地科學(xué)利用，以及研究區(qū)域乃至全球的生態(tài)環(huán)境及氣候變化具有重要意義[3-5]。

中國國家基礎(chǔ)地理信息中心2014年推出了 30 m分辨率的全球地表覆蓋遙感數(shù)據(jù)產(chǎn)品(GlobeLand30)，大大提高了全球地表覆蓋產(chǎn)品的空間分辨率，該產(chǎn)品已被廣泛應(yīng)用于區(qū)域經(jīng)濟(jì)分析、區(qū)域及全球氣候變化研究中。Shi等[6]在將GlobeLand30數(shù)據(jù)產(chǎn)品應(yīng)用于陸面-大氣耦合過程中，反演了全球氣溫和降水的分布特征。Dong等[7]以GlobeLand30產(chǎn)品為參考數(shù)據(jù)，對MODIS土地覆蓋產(chǎn)品進(jìn)行了省級尺度的一致性分析與評估。陳軍等[8]利用該數(shù)據(jù)產(chǎn)品提取地表覆蓋面積，分析了全球城鄉(xiāng)建設(shè)用地的空間分布狀況。

隨著該數(shù)據(jù)產(chǎn)品應(yīng)用的不斷深入，針對該產(chǎn)品精度驗(yàn)證的工作正逐步開展。Chen等[9]通過與分辨率相近的地表類型產(chǎn)品的比較，驗(yàn)證了GlobeLand30數(shù)據(jù)產(chǎn)品在全球范圍的精度；Brovelli等[10]選取意大利境內(nèi)的八個(gè)研究區(qū)，對比分析了GlobeLand30數(shù)據(jù)產(chǎn)品在意大利地區(qū)的相對精度；Manakos等[11]使用希臘境內(nèi)部分區(qū)域的多種地表類型產(chǎn)品，對GlobeLand30產(chǎn)品水體類型的判別精度進(jìn)行了分析；孟雯等[12]以陜西省為例，利用樣本分層抽樣法評估了該產(chǎn)品的區(qū)域精度；黃亞博等[13]利用1∶10萬土地利用數(shù)據(jù)結(jié)合野外考察樣本分析了GlobeLand30產(chǎn)品在河南地區(qū)的精度?？偨Y(jié)國內(nèi)外針對GlobeLand30產(chǎn)品的精度驗(yàn)證工作發(fā)現(xiàn)，參考數(shù)據(jù)多使用與該產(chǎn)品空間分辨率相近的數(shù)據(jù)產(chǎn)品，受空間分辨率限制，參考數(shù)據(jù)本身的分類精度無法保障，由此得到GlobeLand30產(chǎn)品的相對精度驗(yàn)證結(jié)果缺乏說服力。另外，現(xiàn)有的GlobeLand30產(chǎn)品的驗(yàn)證工作多停留在局部尺度下針對特定地類進(jìn)行，無法描述其總體精度狀況。為全面、可靠評價(jià)GlobeLand30的產(chǎn)品精度，本研究使用高分辨率人工識(shí)別土地類型產(chǎn)品作為參考數(shù)據(jù)評價(jià)GlobeLand30產(chǎn)品的精度，參考數(shù)據(jù)使用2 m分辨率的高質(zhì)量衛(wèi)星數(shù)據(jù)，通過人機(jī)交互、目視解譯制作而成，結(jié)合專家的分類知識(shí)與經(jīng)驗(yàn)，參考多樣輔助數(shù)據(jù)，其分類結(jié)果具有更高的可靠性，基于以上高分辨率地表類型數(shù)據(jù)對研究區(qū)內(nèi)GlobeLand30產(chǎn)品的所有類型進(jìn)行綜合評價(jià)，有效解決了GlobeLand30產(chǎn)品精度評價(jià)由于參考數(shù)據(jù)空間分辨率有限以及評價(jià)類型單一導(dǎo)致的評價(jià)結(jié)果缺乏說服力的問題。

1 研究區(qū)及數(shù)據(jù)

1.1 研究區(qū)概況

考慮到地表類型產(chǎn)品誤判情況主要有草地、林地和耕地三者混分，河流等水體漏判，道路等人造地表的漏判等幾方面，選取兩研究區(qū)進(jìn)行分析，所選研究區(qū)地表類型分布全面，且暴露出地表類型產(chǎn)品的誤判情況也十分全面，故選取這兩個(gè)案例進(jìn)行分析評價(jià)，能做到比較全面地反映GlobeLand30土地產(chǎn)品精度情況。研究區(qū)1位于沿海地區(qū)，區(qū)域總面積為1 615 km2，地表類型呈多樣性，且區(qū)域地塊多以碎斑塊形式分布，這種地表特征易出現(xiàn)地類誤判情況。研究區(qū)2位于內(nèi)陸地區(qū)，區(qū)域總面積為3 166 km2，境內(nèi)流域面積10 km2以上的各類河流53條，區(qū)域水資源豐富，重點(diǎn)驗(yàn)證數(shù)據(jù)產(chǎn)品水體類型的判別精度。

1.2 數(shù)據(jù)來源

1.2.1 GlobeLand30數(shù)據(jù)產(chǎn)品

GlobeLand30土地覆被數(shù)據(jù)集主要使用美國陸地資源衛(wèi)星(Landsat)TM5、ETM+和中國環(huán)境減災(zāi)衛(wèi)星(HJ-1)的30 m多光譜影像作為分類影像，采用WGS84坐標(biāo)系統(tǒng)和UTM投影，覆蓋了南北緯80%的陸地范圍，該產(chǎn)品將地表類型分為耕地、林木、水體、人造地表、草地、灌木地、濕地、苔原、裸地、冰川和永久積雪等10個(gè)類別。地表類型分類過程運(yùn)用基于自動(dòng)識(shí)別的逐類型分層分類與單類型分類相結(jié)合的分類方法[13]，主要通過各類型地物的不同光譜特征進(jìn)行自動(dòng)地類識(shí)別，由于地物波譜具有同物異譜和同譜異物現(xiàn)象，判別精度受到一定限制。

1.2.2 高分辨率人工識(shí)別土地類型產(chǎn)品

通過人機(jī)交互、目視解譯得到2010年的2 m分辨率地表覆蓋影像，其中地類判別過程結(jié)合專家經(jīng)驗(yàn)，由于可借助的信息較為豐富，如紋理信息、地形地貌特征等，相對自動(dòng)識(shí)別方法，地類判別精度得到大幅提升，是最接近地表實(shí)際情況的高分辨率土地類型產(chǎn)品。本研究以2 m分辨率人工識(shí)別土地類型產(chǎn)品作為研究參考數(shù)據(jù)，對GlobeLand30數(shù)據(jù)產(chǎn)品中的對應(yīng)地表類型進(jìn)行精度評價(jià)。

圖1 待評價(jià)數(shù)據(jù)與參考數(shù)據(jù)處理流程圖

1.3 數(shù)據(jù)預(yù)處理

GlobeLand30數(shù)據(jù)產(chǎn)品與參考數(shù)據(jù)在空間分辨率、投影方式等方面不盡相同，因此要對數(shù)據(jù)進(jìn)行預(yù)處理，操作流程如圖1所示。

首先，將數(shù)據(jù)產(chǎn)品統(tǒng)一到相同的坐標(biāo)系和地理投影下，便于進(jìn)行空間疊加分析，歸并統(tǒng)一數(shù)據(jù)產(chǎn)品地類，兩數(shù)據(jù)產(chǎn)品地物類別存在一對一和一對多的關(guān)系；然后以表1為類別轉(zhuǎn)換參照，將地類進(jìn)行重分類[14]；最終使兩數(shù)據(jù)產(chǎn)品擁有相同的地表類型體系與投影方式。由于其他用地類型只存在于參考數(shù)據(jù)分類體系中，且所占的面積比例較小，加之待驗(yàn)證數(shù)據(jù)產(chǎn)品中并無可與其相歸并的類別，不再對其進(jìn)行精度評價(jià)。

表1 不同土地覆被分類系統(tǒng)間的類別對應(yīng)關(guān)系

2 研究方法

從柵格像元的角度出發(fā)，將空間統(tǒng)計(jì)、空間一致性和空間混淆三種評價(jià)方法相結(jié)合，借助多種評價(jià)指標(biāo)，對地表覆被數(shù)據(jù)和參考數(shù)據(jù)進(jìn)行對比分析，得到GlobeLand30產(chǎn)品在面積以及空間位置上的精度情況。

2.1 空間統(tǒng)計(jì)分析

利用逐像元分析方法評價(jià)待驗(yàn)證數(shù)據(jù)與參考數(shù)據(jù)的空間相似程度。分別統(tǒng)計(jì)不同數(shù)據(jù)各地類像元數(shù)，根據(jù)像元數(shù)計(jì)算各地類覆蓋面積及所占比例，進(jìn)而分析兩類數(shù)據(jù)的空間相似程度。另外，本研究以參考數(shù)據(jù)為基準(zhǔn)，引入誤差系數(shù)來定量反映待評價(jià)數(shù)據(jù)與參考數(shù)據(jù)間的差異[15]。

(1)

其中：C為誤差系數(shù)，%；Ki為待評價(jià)地表數(shù)據(jù)產(chǎn)品中第i類土地面積，m2；Ni為參考數(shù)據(jù)中第i類土地面積，m2。計(jì)算出的誤差系數(shù)越小，表明待評價(jià)數(shù)據(jù)與參考數(shù)據(jù)越接近，反之，二者之間的誤差越大。

2.2 空間一致性評價(jià)

選擇兩種產(chǎn)品各地類的一致性比率Ai(%)與總體一致性比率B(%)來定量分析GlobeLand30產(chǎn)品與參考數(shù)據(jù)的空間一致性，兩一致性指標(biāo)計(jì)算公式如式(2)～(3)所示。一致性指標(biāo)數(shù)值越大，則待驗(yàn)證數(shù)據(jù)與參考數(shù)據(jù)一致性越高，其對應(yīng)精度越高，反之越低。

(2)

(3)

其中：Mi與Ni分別為參考數(shù)據(jù)M與待驗(yàn)證數(shù)據(jù)N中第i類土地覆被類別的像元數(shù)；Ti為相同位置兩種產(chǎn)品均為類別i的像元數(shù)，k為不同類別個(gè)數(shù)。

2.3 空間混淆評價(jià)

一致性評價(jià)能定量描述兩種產(chǎn)品類別總體間以及各類地物間的一致性水平，但無法描述產(chǎn)品地類的混淆程度以及空間分布，空間混淆評價(jià)可以實(shí)現(xiàn)以上信息的獲取。空間混淆評價(jià)是進(jìn)行土地覆蓋數(shù)據(jù)集精度評價(jià)的常用方法，在精度評價(jià)中至關(guān)重要[16-19]。利用疊加分析的方法，得到兩種地表覆蓋產(chǎn)品在相同位置的覆蓋類型關(guān)系，并在對疊加結(jié)果匯總分析前提下，建立起GlobeLand30產(chǎn)品與參考數(shù)據(jù)產(chǎn)品的土地覆被類別混淆矩陣，混淆矩陣中的元素是各地類的像元數(shù)，其主對角線上的元素是待評價(jià)產(chǎn)品中各地類被正確判別的像元數(shù)，即主對角線元素?cái)?shù)值越大其對應(yīng)的分類精度就越高，反之越低。另外，通過混淆矩陣可以得到Kappa系數(shù)以及用戶精度與制圖精度等精度評價(jià)指標(biāo)?？傮w精度反映所有類型中正確分類面積的比例；制圖精度反映某一類型正確分類的面積占待驗(yàn)證數(shù)據(jù)中該類型總面積的比例，也就是實(shí)際對應(yīng)某一類別的地表被正確分類的比例；用戶精度反映某一類型正確分類的面積占參考數(shù)據(jù)該類型總面積的比例；Kappa系數(shù)是用來評價(jià)待驗(yàn)證數(shù)據(jù)地類判別的精度和一致性的綜合指標(biāo)。以上幾種指標(biāo)的計(jì)算公式如式(4)～(6)所示[20]。

(4)

(5)

(6)

其中：N為總像元數(shù)；nii為正確分類像元數(shù)；n+i為待評價(jià)數(shù)據(jù)中某一類型像元數(shù)；ni+為參考數(shù)據(jù)中某一類型像元數(shù)；r為分類數(shù)量。

2.4 DEM高程數(shù)據(jù)輔助

目視解譯比較結(jié)果發(fā)現(xiàn)地形起伏地區(qū)易發(fā)生地類誤判，常出現(xiàn)耕地、林地和草地三種類型混淆現(xiàn)象，為確定地形與類型誤判的關(guān)系，本文結(jié)合研究區(qū)DEM高程數(shù)據(jù)進(jìn)行誤差原因分析，研究地形起伏對地表類型分類的影響，重點(diǎn)分析地形起伏區(qū)域地表類型誤判情況。

3 結(jié)果與分析

3.1 空間統(tǒng)計(jì)分析

圖2是研究區(qū)1不同土地類型的面積對比情況。在參考數(shù)據(jù)中，研究區(qū)1的2010年耕地、林地、人造地表、水體和草地分別占研究區(qū)總面積的46.13%、25.38%、17.65%、10.48%和0.35%。在待評價(jià)數(shù)據(jù)中，以上五種地物類型的比例分別為70.66%、8.04%、8.55%、8.05%和4.70%，可以看出，從面積分布來看，二者具有較高的一致性，但不同地物類型分類精度存在較大差異，其中耕地、林地、草地的誤差相對較大，分別為53.16%、68.30%、123.49%，水體判別誤差較低，僅為23.22%。結(jié)合以上結(jié)論，對該研究區(qū)選取典型區(qū)域重點(diǎn)分析耕地、林地和草地三者的混分現(xiàn)象。

圖3為研究區(qū)2中不同土地類型的面積對比情況。參考數(shù)據(jù)中，2010年研究區(qū)2的土地類型以耕地、林地和人造地表為主，分別占區(qū)域總面積的70.51%、10.15%和14.93%，水體和草地較少，所占比例為4.30%和0.12%。通過待驗(yàn)證數(shù)據(jù)土地類型與參考數(shù)據(jù)的對比可以看出，在該研究區(qū)內(nèi)同樣存在不同土地類型誤差相差較大的問題。其中，耕地類型的判別與參考數(shù)據(jù)最為接近，誤差為22.02%，GlobeLand30產(chǎn)品中人造地表面積略小于參考數(shù)據(jù)水平；水體和林地類型誤差系數(shù)較大，說明待驗(yàn)證數(shù)據(jù)水體與林地類型判別精度較差，漏分嚴(yán)重。

圖2 研究區(qū)1人工識(shí)別產(chǎn)品與待評價(jià)產(chǎn)品不同類型土地面積對比

圖3 研究區(qū)2人工識(shí)別產(chǎn)品與待評價(jià)產(chǎn)品不同類型土地面積對比

3.2 空間一致性分析

對研究區(qū)兩數(shù)據(jù)產(chǎn)品地表類型逐像元比較，結(jié)合總體一致性比率與各地類一致性比率分析，兩研究區(qū)數(shù)據(jù)產(chǎn)品總體一致性比率分別為65.52%和78.87%。兩者不同地類空間一致性差異較大，其中耕地類別判別精度最好，研究區(qū)1、2對應(yīng)的一致性比率分別為76.34%與88.40%，反映大部分耕地被正確分類；水體類型一致性比率分別為67.50%與36.79%；人造地表類型一致性比率分別為57.76%與66.63%；林木類型空間一致性較差，對應(yīng)一致性比率分別為46.37%與16.69%；草地類型空間一致性極差，一致性比率僅為0.37%和0.49%，即絕大多數(shù)草地沒有被正確分類。

3.3 空間混淆分析

在逐像元比較空間一致性基礎(chǔ)上，統(tǒng)計(jì)得到兩數(shù)據(jù)產(chǎn)品地類混淆矩陣，來分析研究區(qū)1地類混淆情況，進(jìn)而評價(jià)研究區(qū)分類精度。表2為待驗(yàn)證數(shù)據(jù)與參考數(shù)據(jù)所對應(yīng)的混淆矩陣?？梢钥闯觯孩俑仡愋团袆e精度最好，制圖精度達(dá)97.31%，用戶精度62.80%，即待驗(yàn)證數(shù)據(jù)產(chǎn)品中耕地類型像元數(shù)較參考數(shù)據(jù)對應(yīng)類型像元數(shù)略多，說明實(shí)際為耕地類型的地表絕大多數(shù)被正確分類，但待評價(jià)數(shù)據(jù)中的耕地混有少部分其他地類，這是因?yàn)楦靥卣髅黠@，分類時(shí)較易辨識(shí)。②林木類型制圖精度與用戶精度分別為30.56%和96.07%，體現(xiàn)了林木類型漏判現(xiàn)象嚴(yán)重，多判現(xiàn)象較為少見。林木多分布于地形起伏地區(qū)，且與草地、耕地等多種植被類型高度混合，自動(dòng)識(shí)別方法主要依靠地物不同光譜特征[21]，因此自動(dòng)識(shí)別方法判別林木類型難度較大，漏判現(xiàn)象嚴(yán)重。③水體類型的用戶精度與制圖精度均穩(wěn)定在70%左右，即多判與漏判現(xiàn)象均較常見。這是由于河流、湖泊等水體受季節(jié)影響較大，所采用的分類數(shù)據(jù)時(shí)相與人工識(shí)別分類數(shù)據(jù)不一致帶來的誤差[22]。④人造地表類型制圖精度43.01%，用戶精度87.9%，即參考數(shù)據(jù)中人造地表類型像元較待驗(yàn)證數(shù)據(jù)對應(yīng)類型像元數(shù)值更大，說明該類型漏判情況較嚴(yán)重，多判情況較少。⑤草地類型制圖精度與用戶精度都非常低，說明草地類型整體判別精度不高。

表2 研究區(qū)1地類混淆矩陣

表3為兩產(chǎn)品在研究區(qū)2的地類混淆矩陣?？梢钥闯觯孩俑仡愋团袆e精度較好，制圖精度達(dá)98.44%，用戶精度80.22%，大多數(shù)耕地被正確識(shí)別；②林木類型制圖精度與用戶精度分別為9.13%和96.59%，即待驗(yàn)證數(shù)據(jù)產(chǎn)品中林木類型像元較參考數(shù)據(jù)對應(yīng)類型像元少，說明林木類型漏判現(xiàn)象嚴(yán)重，多判現(xiàn)象少見；③草地類型用戶精度與制圖精度都非常低；④水體類型制圖精度與用戶精度分別為24.02%和78.47%，反映漏判嚴(yán)重，多判較少；⑤人造地表類型制圖精度53.24%，用戶精度89.02%，即參考數(shù)據(jù)人造地表類型像元數(shù)遠(yuǎn)超過待驗(yàn)證數(shù)據(jù)，說明人造地表類型漏判情況嚴(yán)重，多判情況較少。研究計(jì)劃對區(qū)域2重點(diǎn)分析水體類型與人造地表類型精度情況。

表3 研究區(qū)2地類混淆矩陣

4 典型區(qū)域分析評價(jià)

因研究區(qū)分布范圍大且標(biāo)識(shí)性較低，根據(jù)地物類型分布全面、相關(guān)地類分界明顯以及地類混淆程度大的原則，選取典型區(qū)域(1)和典型區(qū)域(2)進(jìn)行評價(jià)，如圖4、圖5框內(nèi)標(biāo)識(shí)區(qū)。其中，典型區(qū)域(1)為地類呈碎斑塊形式，耕地-林木-草地三種地類混淆明顯的區(qū)域；典型區(qū)域(2)為有主要河流流經(jīng)，河網(wǎng)密布，道路縱橫的區(qū)域。

圖6與圖7為所選典型區(qū)域(1)地類情況。由表4所示該區(qū)域混淆矩陣，將參考數(shù)據(jù)視作與實(shí)際地類相符，計(jì)算統(tǒng)計(jì)各地類像元在待驗(yàn)證數(shù)據(jù)中分類情況，得到圖8，其中橫坐標(biāo)表示待驗(yàn)證數(shù)據(jù)中的地類，縱坐標(biāo)表示待驗(yàn)證數(shù)據(jù)各地類像元中地類誤判率。結(jié)合得到的Kappa系數(shù)以及制圖精度和用戶精度分析，更直觀地反映待驗(yàn)證數(shù)據(jù)中各地類的精度情況：①耕地類型制圖精度92.14%，用戶精度44.03%，對應(yīng)耕地類型漏判情況較少，多判嚴(yán)重，參考數(shù)據(jù)產(chǎn)品中的耕地像元有7.86%被誤判，同時(shí)有很多其他地類被誤判為耕地類型；②林木類型制圖精度與用戶精度分別為47.44%和97.58%，漏判嚴(yán)重，多判現(xiàn)象較少，其中23.92%林木像元被誤判為耕地，28.30%被誤判為草地，耕地、林木與草地混分現(xiàn)象嚴(yán)重；③另外，水體與人造地表判別精度均較低，很大一部分類型混淆出現(xiàn)在與耕地之間；④該區(qū)域草地分類問題最為顯著，草地類型制圖精度與用戶精度分別為32.42%和0.65%，精度較低且差距大，體現(xiàn)了該區(qū)域草地類型多判與漏判現(xiàn)象嚴(yán)重，草地像元有40.23%被誤判為耕地、27.34%被誤判為林木，草地類型分類精度較差。究其原因，主要是草地多以碎斑塊形式存在，分布零星，且與林木、耕地類型混合分布，難以準(zhǔn)確判識(shí)。

圖4 待驗(yàn)證數(shù)據(jù)典型區(qū)域(1)示意圖Fig.4 Schematic diagram of typicalarea(1) to be verified

圖5 待驗(yàn)證數(shù)據(jù)典型區(qū)域(2)示意圖Fig.5 Schematic diagram of typicalarea(2) to be verified

圖6 待驗(yàn)證數(shù)據(jù)區(qū)域(1)局部圖Fig.6 The local graph of the verifying data area(1)

耕地林木水體人造地表草地耕地 11 1302705121553林木 9 76819 373513311 558水體 1 1158020325164人造地表3 1646101 115440草地 103700083

圖8 典型區(qū)域(1)地類誤判情況統(tǒng)計(jì)圖

圖9與圖10為所選典型區(qū)域(2)地類情況，由表5所示該區(qū)域混淆矩陣，計(jì)算統(tǒng)計(jì)各地類像元在待驗(yàn)證數(shù)據(jù)中分類情況，如圖11，結(jié)合所得制圖精度和用戶精度分析待驗(yàn)證數(shù)據(jù)中各地類精度情況。本區(qū)域特點(diǎn)在于林木和人造地表與耕地混淆情況嚴(yán)重：①林木類型制圖精度與用戶精度差異極大，分別為2.00%和96.02%，即漏判特別嚴(yán)重，多判情況少見，參考數(shù)據(jù)中的林木像元有92.55%被誤判為耕地，結(jié)合該區(qū)域DEM影像分析可知，該區(qū)域位于地形起伏地帶，林木多以碎斑塊形式零星分布，且與耕地高度混合，使得判別難度增加；②人造地表類型制圖精度與用戶精度分別為36.15%和78.13%，說明漏判嚴(yán)重，多判較少，原因主要是該區(qū)域人造地表斑塊較小，且多為散布在農(nóng)田周圍的小型建筑，使得其在混合像元中難以被正確判別；③圖7與圖8對比可見該區(qū)域水體主干部分識(shí)別效果較好，結(jié)合DEM影像得知，這與河谷地區(qū)地形低洼有關(guān)，細(xì)小支流在待驗(yàn)證數(shù)據(jù)中多被聚類成耕地，主要原因在于30 m影像分辨率較低，存在大量混合像元，細(xì)小支流由于所占面積較小，較難分辨，造成漏分。

圖9 待驗(yàn)證數(shù)據(jù)區(qū)域(2)局部圖(1)Fig.9 The first local graph of the verifying data area(2)

耕地林木水體人造地表草地耕地 38 501510332312林木 11 19824163137461水體 2 700014 482300人造地表3 0525121 75022草地 290000

圖11 典型區(qū)域(2)地類誤判情況統(tǒng)計(jì)圖

圖12～13參考數(shù)據(jù)顯示，選取的典型區(qū)域內(nèi)河網(wǎng)密布，道路縱橫交錯(cuò)，人造地表類型主要由道路組成，因此對該區(qū)域的精度分析主要圍繞人造地表與水體類型展開。對本區(qū)域各類像元數(shù)統(tǒng)計(jì)得知，有80.77%在參考數(shù)據(jù)中識(shí)別為水體的像元被誤判為耕地，存在較大判別誤差，結(jié)合圖像可知，細(xì)小支流未有被正確識(shí)別，被聚類到耕地類別中，影響判別精度。另外，參考數(shù)據(jù)中識(shí)別為人造地表類型的像元有40.93%被誤判為耕地，誤差較大，結(jié)合圖像看，該區(qū)域散布在耕地附近，以碎斑塊存在的人造地表大多被正確判別，但耕地周邊道路多未被正確判別，使得人造地表類型判別精度較低。

圖12 待驗(yàn)證數(shù)據(jù)區(qū)域(2)局部圖(2)Fig.12 The second local graph of the verifying data area(2)

5 結(jié)論

本研究運(yùn)用2 m分辨率人工識(shí)別覆被產(chǎn)品對我國推出的30 m分辨率地表覆被產(chǎn)品GlobeLand30進(jìn)行精度分析與驗(yàn)證，選取中國兩個(gè)典型研究區(qū)，運(yùn)用三種不同評價(jià)方法對比分析了兩類土地覆蓋產(chǎn)品，得到如下主要結(jié)論：

1) 空間一致性與空間混淆評價(jià)結(jié)果表明，GlobeLand30產(chǎn)品具有較好總體精度。兩研究區(qū)GlobeLand30產(chǎn)品與參考數(shù)據(jù)的總體一致性都穩(wěn)定在70%左右，說明待驗(yàn)證數(shù)據(jù)能夠較準(zhǔn)確地反映實(shí)際地物覆被情況。

2) GlobeLand30產(chǎn)品中不同地類判別精度存在較大差異：耕地類型大都能被準(zhǔn)確判別，這與耕地光譜特征比較顯著、且以大斑塊存在有關(guān)；林木、草地與耕地類型混淆情況多見，林木和草地類型多以碎斑塊形式存在于大范圍耕地內(nèi)部，且各類型間缺少過渡性，所以林木、草地常被誤判為耕地；人造地表類型存在漏判嚴(yán)重的情況，散布在耕地內(nèi)部的小型建筑與寬度較窄的道路易被歸并為耕地；另外，水體主干部分大都能被準(zhǔn)確識(shí)別，寬度較窄的支流多被聚類到耕地類型，導(dǎo)致水體類型漏判嚴(yán)重。

3) 結(jié)合研究區(qū)高程數(shù)據(jù)，林木、草地以及水體等類型的判別精度均受到高程變化的影響。因此，在對各地類進(jìn)行判別時(shí)結(jié)合高程分帶數(shù)據(jù)將有助提高地類判別精度。

本次研究精度評價(jià)結(jié)果是通過對比分析高空間分辨率的參考數(shù)據(jù)和低空間分辨率的被驗(yàn)證數(shù)據(jù)得到的，需要說明的是，高分辨率人工識(shí)別土地類型產(chǎn)品本身也存在一定的誤差。此外，還存在一些不足之處，有待進(jìn)一步研究：

1) 生產(chǎn)兩數(shù)據(jù)產(chǎn)品所用影像時(shí)相不同。兩數(shù)據(jù)產(chǎn)品基準(zhǔn)年都為2010年，但待評價(jià)GlobeLand30數(shù)據(jù)生產(chǎn)數(shù)據(jù)時(shí)相為2009—2011年，參考高分辨率數(shù)據(jù)人工識(shí)別土地類型產(chǎn)品而所用數(shù)據(jù)時(shí)相跨度更大。數(shù)據(jù)時(shí)相不一致可能會(huì)導(dǎo)致待評價(jià)數(shù)據(jù)與參考數(shù)據(jù)中地表類型不一致現(xiàn)象。

2) 預(yù)處理過程可能引入誤差。為統(tǒng)一待評價(jià)數(shù)據(jù)與參考數(shù)據(jù)產(chǎn)品，對待評價(jià)數(shù)據(jù)與參考數(shù)據(jù)進(jìn)行的數(shù)據(jù)預(yù)處理過程可能引入誤差。