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

doi:10.3724/SP.J.1047.2016.00553

地球信息科学学报 ›› 2016, Vol. 18 ›› Issue (4): 553-563.doi: 10.3724/SP.J.1047.2016.00553

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

许光明^1,²(), 杨雅萍^2,^4,*^*(), 杨飞^2,⁴, 荆文龙^2,³, 常中兵^2,⁵

1. 陕西师范大学旅游与环境学院,西安 710062
2. 中国科学院地理科学与资源研究所,北京 100101
3. 中国科学院大学,北京 100049
4. 江苏省地理信息资源开发与利用协同创新中心,南京 210023
5. 河南大学环境与规划学院,开封 475001

收稿日期:2015-04-16 修回日期:2015-11-19 出版日期:2016-04-20 发布日期:2016-04-19
作者简介:
作者简介：许光明(1990-),男,硕士生,主要从事资源开发与GIS研究。E-mail: xgming_0609@163.com
基金资助:
国家科技基础性工作专项项目“格网化资源环境综合科学调查规范”(2011FY110400);国家地球系统科学数据共享平台、中国工程科技知识中心地理资源分中心建设项目;江苏省地理信息资源开发与利用协同创新中心资助项目

Quality Assessment of Multi-resolution Remote Sensing Land Cover Data: A Case Study in Taoyuan County of Hunan Province

XU Guangming^1,²(), YANG Yaping^2,^4,^*(), YANG Fei^2,⁴, JING Wenlong^2,³, CHANG Zhongbing^2,⁵

1. College of Tourism and Environment, Shaanxi Normal University, Xi′an 710062, China
2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
3. University of Chinese Academy of Sciences, Beijing 100049, China
4. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
5. College of Environment and Planning, Henan University, Kaifeng 475001, China

Received:2015-04-16 Revised:2015-11-19 Online:2016-04-20 Published:2016-04-19
Contact: YANG Yaping

摘要/Abstract

摘要：

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。

关键词: 土地覆被数据, 多分辨率, 遥感, 质量评价, 桃源县

Abstract:

The quality assessment of remote sensing land cover data is the premise and guarantee of using it reasonably, and it's helpful to improve remote sensing mapping methods. In this study, the 1:100000 land use data of Taoyuan county in 2010 was used as the reference data to validate four different resolution land cover data: RapidEye_5 m, FROM_GLC (30 m), GlobCover2009 (300 m) and MODIS_V005 (500 m). We evaluated the four different resolution land cover data from three aspects, including area relevance and consistency, spatial consistency, and window analysis based on the conversion of classification systems. The results show that: the overall accuracy of RapidEye_5 m data is the highest, MODIS_V005 and FROM_GLC are intermediate, and GlobCover2009 data is relatively lower. The land cover data with higher resolution have a certain superiority for classifications of residence, transportation land, water and other fine material, and the area relevance and the overall consistency of primary types is higher than secondary types. Producer accuracy and user accuracy of the four types of land cover data in crop land, woodland and water is better, while in the construction land and other unused land is lower. Moreover, the spatial consistency of FROM_GLC and MODIS_V005 data is poor in the shrub grassland. The spatial consistency of the four different resolution land cover data is better in the flat areas. Confusion occurred mainly among shrub grassland, woodland and crop land. With the increase of resolution for land cover data, more and more land cover types can be distinguished. The number of land cover types separated from RapidEye_5 m and FROM_GLC (30 m) land cover data focuses on the range of 7-16, in contrast, data with lower resolution focuses on the range of 1-5. Furthermore, data with higher resolution are better to distinguish the grand objects in hilly and mountainous areas.

Key words: land cover data, multi-resolution, remote sensing, quality assessment, Taoyuan county

许光明, 杨雅萍, 杨飞, 荆文龙, 常中兵. 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[J]. 地球信息科学学报, 2016, 18(4): 553-563.DOI:10.3724/SP.J.1047.2016.00553

XU Guangming,YANG Yaping,YANG Fei,JING Wenlong,CHANG Zhongbing. Quality Assessment of Multi-resolution Remote Sensing Land Cover Data: A Case Study in Taoyuan County of Hunan Province[J]. Journal of Geo-information Science, 2016, 18(4): 553-563.DOI:10.3724/SP.J.1047.2016.00553

图/表 13

图1

表1

表2

表3

图2

图3

表4

表5

表6

图4

图5

图6

图7

参考文献 20

[1]	陈军,陈晋,廖安平,等.全球30m地表覆盖遥感制图的总体技术[J].测绘学报,2014,43(6):551-557.
	[ Chen J, Chen J, Liao A P, et al.Concepts and key techniques for 30 m global land cover mapping[J]. Acta Geodaetica et Cartographica Sinica, 2014,43(6):551-557. ]
[2]	陈利军,陈军,廖安平,等.30 m全球地表覆盖遥感分类方法初探[J].测绘通报,2012(S1):350-353.
	[ Chen L J, Chen J, Liao A P, et al.A preliminary study on the method of 30 m global land cover classification[J]. Bulletin of Surveying and Mapping, 2012,S1:350-353. ]
[3]	Loveland T R, Reed B C.Development of a global land cover characteristics database and IGBP DISCover from 1 km AVHRR data[J]. International Journal of Remote Sensing, 2000,21(6/7):1303-1330. doi: 10.1080/014311600210191
[4]	Friedl M A, McIver D K. Global land cover mapping from MODIS: Algorithms and early results[J]. Remote Sensing of Environment, 2002,83(1/2):287-302. doi: 10.1016/S0034-4257(02)00078-0
[5]	Bartholomé E, Belward A S.GLC2000: A new approach to global land cover mapping from earth observation data[J]. International Journal of Remote Sensing, 2006,26(9):1959-1977. doi: 10.1080/01431160412331291297
[6]	Arino O, Bicheron P.GLOBCOVER: The most detailed portrait of the earth[J]. E. S. A. Bull, 2008,136(4):24-31.
[7]	俞乐,王杰,李雪草,等.基于多源数据集成的多分辨率全球地表覆盖制图[J].中国科学:地球科学,2014,44(8):1646-1660.
	[ Yu L, Wang J, Li X C, et al.A multi-resolution global land cover dataset through multisource data aggregation[J]. Science China: Earth Sciences, 2014,44(8):1646-1660. ]
[8]	Mayaux P, Eva H, Gallego J, et al.Validation of the Global Land Cover 2000 Map[J]. IEEE Transactionson Geoscience and Remote Sensing, 2006,44(7):1728-1739.
[9]	Scepan J.Thematic validation of high-resolution global land-cover data sets[J]. Photogrammetric Engineering and Remote Sensing, 1999,65(9):1051-1060. doi: 10.1016/S0924-2716(99)00021-0
[10]	Friedl M A, Sulla-Menashe D, Tan B, et al.MODIS Collection5 global land cover: Algorithm refinements and characterization of new datasets[J]. Remote Sensing of Environment, 2010,114(1):168-182. doi: 10.1016/j.rse.2009.08.016
[11]	Herold M, Mayaux P, Woodcock C E, et al.Some challenges in global land cover mapping: An assessment of agreement and accuracy in existing 1km datasets[J]. Remote Sensing of Environment, 2008,112(5):2538-2556. doi: 10.1016/j.rse.2007.11.013
[12]	Giri C, Zhu Z L, Reed B.A comparative analysis of the global land cover 2000 and modis land cover datasets[J]. Remote Sensing of Environment, 2005,9(1):123-132. doi: 10.1016/j.rse.2004.09.005
[13]	McCallum I, Obersteiner M, Nilsson S, et al. A spatial comparison of four satellite derived 1km global land cover datasets[J]. International Journal of Applied Earth Observation and Geoinformation, 2006,8(4):246-255. doi: 10.1016/j.jag.2005.12.002
[14]	刘向培,王汉杰,何明元,等.三种土地覆盖遥感数据在中国区域的精度分析[J].农业工程学报,2012,28(24):252-259. doi: 10.3969/j.issn.1002-6819.2012.24.034
	[ Liu X P, Wang H J, He M Y, et al.Precision analysis of three land-cover types in China region[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012,28(24):252-259. ] doi: 10.3969/j.issn.1002-6819.2012.24.034
[15]	宋宏利,张晓楠.中国区域多源土地覆被遥感产品精度分析与验证[J].农业工程学报,2012,28(22):207-214. doi: 10.3969/j.issn.1002-6819.2012.22.029
	[ Song H L, Zhang X N.Precision analysis and validation of multi-sources land cover products derived from remote sensing in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012,28(22):207-214. ] doi: 10.3969/j.issn.1002-6819.2012.22.029
[16]	杨永可,肖鹏峰,冯学智,等.大尺度土地覆盖数据集在中国及周边区域的精度评价[J].遥感学报,2014,18(2):453-475. doi: 10.11834/jrs.20143055
	[ Yang Y K, Xiao P F, Feng X Z, et al.Comparison and assessment of large-scale land cover datasets in China and adjacent regions[J]. Journal of Remote Sensing, 2014,18(2):453-475. ] doi: 10.11834/jrs.20143055
[17]	牛振国,单玉秀,张海英.全球土地覆盖GlobCover2009数据中的中国区域湿地数据精度评价[J].湿地科学,2012,10(4):389-395. doi: 10.3969/j.issn.1672-5948.2012.04.002
	[ Niu Z G, Shan Y X, Zhan H Y.Accuracy assessment of wetland categories from the GlobCover2009 data over china[J]. Wetland Science, 2012,10(4):389-395. ] doi: 10.3969/j.issn.1672-5948.2012.04.002
[18]	宁佳,张树文,蔡红艳,等.MODIS和GLOBCOVER全球土地覆盖数据集对比分析——以黑龙江流域为例[J].地球信息科学学报,2012,14(2):240-249. doi: 10.3724/SP.J.1047.2012.00240
	[ Ning J, Zhang S W, Cai H Y, et al.A comparative analysis of the MODIS land cover data sets and Globcover land cover data sets in Heilongjiang basin[J]. Journal of Geo-Information Science, 2012,14(2):240-249. ] doi: 10.3724/SP.J.1047.2012.00240
[19]	冉有华,李新,卢玲.四种常用的全球1 km土地覆盖数据中国区域的精度评价[J].冰川冻土,2009,31(3):490-500.
	[ Ran Y H, Li X, Lu L.Accuracy evaluation of the four remote sensing based land cover products over china[J]. Journal of Glaciology and Geocryology, 2009,31(3):490-500. ]
[20]	吴文斌,杨鹏,张莉,等.四类全球土地覆盖数据在中国区域的精度评价[J].农业工程学报,2009,25(12):167-173. doi: 10.3969/j.issn.1002-6819.2009.12.030
	[ Wu W B, Yang P, Zhang L, et al.Accuracy assessment of four global land cover datasets in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2009,25(12):167-173. ] doi: 10.3969/j.issn.1002-6819.2009.12.030

一级类	二级类
1乔木林地	11针叶林、12常绿阔叶林、13落叶阔叶林、14混交林
2灌木草地	21灌木林、22草地
3耕地	31农田
4水体	41水体
5建筑用地	51居民地、52工业用地、53交通用地
6其他未利用地	61裸地/裸岩

分类编码	MODIS_V005	GlobCover2009	FROM_GLC	RapidEye_5 m
1乔木林地	常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混交林、树林草原	常绿阔叶/半落叶林、郁闭常绿针叶林、郁闭落叶阔叶林、混交林	阔叶林、针叶林、混交林	常绿阔叶林、落叶阔叶林、针叶林、混交林、竹林
2灌木草地	郁闭灌木林、稀疏灌木林、稀树草原、草原	植被（50%~70%）/耕地（20%~50%）镶嵌、灌木/林地（50%~70%）/草地（20%~50%）镶嵌、草地（50%~70%）/林地（20%~50%）/灌木镶嵌、灌木林、草地	天然草地	草地、茶园、柑橘、灌木林、其他经济林
3耕地	耕地、农田与自然植被镶嵌	水田、旱地、耕地（50%~70%）/植被（20%~50%）镶嵌	其他农地、裸农地	菜地、水田、旱地
4水体	水体、永久湿地	水体	水库/鱼塘、河流	水体、沼泽
5建筑用地	城镇	城镇	不透水层（高反照率、低反照率）	居民地、道路、工矿用地
6其他未利用地	-	-	砾/岩石地	裸地、裸岩

一级土地覆被类型	一级类面积一致性系数
一级土地覆被类型	RapidEye_5 m	FROM_GLC	GlobCover 2009	MODIS_V005
乔木林地	0.71	0.97	0.60	0.11
灌木草地	0.88	0.01	0.94	0.004
耕地	0.74	0.22	0.36	0.66
水体	0.97	0.51	0.55	0.86
建筑用地	0.68	0.14	0.06	0.36
其他未利用地	-3.98	0.99	0.00	0.00
一级类相关性系数	0.9468	0.7775	0.8272	0.7831

二级土地覆被类型	二级类面积一致性系数
二级土地覆被类型	RapidEye_5 m	FROM_GLC	GlobCover 2009	MODIS_V005
针叶林	0.65	0.09	0.10	0.55
常绿阔叶林	-7.84	-1.87	0.89	0.01
落叶阔叶林	-14.09	0.00	0.67	0.03
混交林	-3.82	-35.11	-33.55	-172.89
灌木林	0.70	0.00	0.94	0.001
草地	-9.31	0.34	0.74	0.41
农田	0.74	0.22	0.36	0.66
水体	0.97	0.51	0.55	0.86
居住地	0.62	0.14	0.06	0.36
工业用地	0.70	0.00	0.00	0.00
交通用地	0.86	0.00	0.00	0.00
裸地/裸岩	-6.49	0.99	0.00	0.00
二级类相关性系数	0.862	0.3656	0.5974	0.2119

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

Quality Assessment of Multi-resolution Remote Sensing Land Cover Data: A Case Study in Taoyuan County of Hunan Province

RichHTML

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 20

相关文章 15

Metrics

本文评价

推荐阅读 0

数据名称	空间分辨率/m	数据时间/年	卫星/传感器	分类方法
RapidEye_5 m	5	2010	RapidEye	面向对象
FROM_GLC	30	2009-2010	Landsat/TM、ETM+	监督分类
GlobCover2009	300	2009	ENVISAT/MERIS	神经网络分类
MODIS_V005	500	2010	TERRA/MODIS	决策树

[1]	杨颖频, 吴志峰, 黄启厅, 骆剑承, 吴田军, 董文, 胡晓东, 肖文菊. 协同遥感与统计数据的粤西甘蔗种植分布提取及时空分析[J]. 地球信息科学学报, 2023, 25(5): 1012-1026.
[2]	刘潇, 刘智, 林雨准, 王淑香, 左溪冰. 面向遥感影像场景分类的类中心知识蒸馏方法[J]. 地球信息科学学报, 2023, 25(5): 1050-1063.
[3]	衡雪彪, 许捍卫, 唐璐, 汤恒, 许怡蕾. 基于改进全卷积神经网络模型的土地覆盖分类方法研究[J]. 地球信息科学学报, 2023, 25(3): 495-509.
[4]	高鹏飞, 曹雪峰, 李科, 游雄. 融合多元稀疏特征与阶层深度特征的遥感影像目标检测[J]. 地球信息科学学报, 2023, 25(3): 638-653.
[5]	秦肖伟, 程博, 杨志平, 李林, 董文, 张新, 杨树文, 靳宗义, 薛庆. 基于时序遥感影像的西南山区地块尺度作物类型识别[J]. 地球信息科学学报, 2023, 25(3): 654-668.
[6]	陈凯, 雷少华, 代文, 王春, 刘爱利, 李敏. 基于开源数据和条件生成对抗网络的地形重建方法[J]. 地球信息科学学报, 2023, 25(2): 252-264.
[7]	饶子昱, 卢俊, 郭海涛, 余东行, 侯青峰. 利用视角转换的跨视角影像匹配方法[J]. 地球信息科学学报, 2023, 25(2): 368-379.
[8]	王龙号, 蓝朝桢, 姚富山, 侯慧太, 武蓓蓓. 多源遥感影像深度特征融合匹配算法[J]. 地球信息科学学报, 2023, 25(2): 380-395.
[9]	甘聪聪, 邱炳文, 张建阳, 姚铖鑫, 叶智燕, 黄姮, 黄莹泽, 彭玉凤, 林艺真, 林多多, 苏中豪. 基于Sentinel-1/2动态耦合移栽期特征的水稻种植模式识别[J]. 地球信息科学学报, 2023, 25(1): 153-162.
[10]	于明洋, 陈肖娴, 张文焯, 刘耀辉. 融合网格注意力阀门和特征金字塔结构的高分辨率遥感影像建筑物提取[J]. 地球信息科学学报, 2022, 24(9): 1785-1802.
[11]	吴亚楠, 郭长恩, 于东平, 段爱民, 刘玉, 董士伟, 单东方, 吴耐明, 李西灿. 基于不确定性分析的遥感分类空间分层及评估方法[J]. 地球信息科学学报, 2022, 24(9): 1803-1816.
[12]	吕爱锋, 亓珊珊. 遥感及再分析降水产品在缺资料干旱内陆盆地的适用性评估[J]. 地球信息科学学报, 2022, 24(9): 1817-1834.
[13]	廖周伟, 关燕宁, 郭杉, 蔡丹路, 于敏, 姚武韬, 张春燕, 邓锐. 基于网格的街区尺度城市绿度度量方法[J]. 地球信息科学学报, 2022, 24(8): 1475-1487.
[14]	闵杰, 张永生, 于英, 吕可枫, 王自全, 张磊. 增强型遥感影像SRGAN算法及其在三维重建精度提升中的应用[J]. 地球信息科学学报, 2022, 24(8): 1631-1644.
[15]	彭瑞, 赵文智, 张立强, 陈学泓. 基于多尺度对比学习的弱监督遥感场景分类[J]. 地球信息科学学报, 2022, 24(7): 1375-1390.

土地覆被数据	总体精度（OA）
RapidEye_5 m	63.4
FROM_GLC	52.2
GlobCover	48.4
MODIS_V005	55.1