基于地学知识的大尺度土地利用/土地覆盖精细化分类方法研究

doi:10.3724/SP.J.1047.2017.00091

地球信息科学学报 ›› 2017, Vol. 19 ›› Issue (1): 91-100.doi: 10.3724/SP.J.1047.2017.00091

• 新时期中国土地利用/覆被变化时空特征与生态环境效应专栏 • 上一篇下一篇

基于地学知识的大尺度土地利用/土地覆盖精细化分类方法研究

杜国明^1,²(), 刘美¹, 孟凡浩^3,^4,*^*(), 匡文慧², 春香¹, 冯悦¹

1. 东北农业大学资源与环境学院,哈尔滨 150030
2. 中国科学院地理科学与资源研究所,北京 100101
3. 中国科学院新疆生态与地理研究所,乌鲁木齐 830011
4. 中国科学院大学,北京 100101

收稿日期:2016-07-01 修回日期:2016-09-23 出版日期:2017-01-20 发布日期:2017-01-13
通讯作者: 孟凡浩 E-mail:nmgdgm@126.com;mfh320@163.com
作者简介:
作者简介：杜国明（1978-）,男,博士,教授,研究方向为土地资源优化配置。E-mail: nmgdgm@126.com
基金资助:
国家“973”计划项目（2014CB954300）;国家“863”计划项目（2013AA122802）

Fine Classification Method Study of Large-scale Land Use/Cover Based onGeoscience Knowledge

DU Guoming^1,²(), LIU Mei¹, MENG Fanhao^3,^4,^*(), CHUN Xiang¹, FENG Yue¹

1. Northeast Agricultural University, College of Resources and Environment, Harbin 150030
2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101
3. Xinjiang Institute of Ecology and Geography Chinese Academy of Sciences, Urumqi 830011
4. University of Chinese Academy of Sciences, Beijing 100101

Received:2016-07-01 Revised:2016-09-23 Online:2017-01-20 Published:2017-01-13
Contact: MENG Fanhao E-mail:nmgdgm@126.com;mfh320@163.com

摘要/Abstract

摘要：

人类活动对生态环境具有显著影响,大尺度土地利用/覆盖变化（Land Use/Cover Change,LUCC）作为人类活动最直接的表征,能够很好地反映这一过程,因此进行精确而迅速的大尺度土地利用/覆盖分类与提取方法研究尤为关键。全球覆盖产品GlobCover（2005/2006）数据已经具有良好的空间精度和数据准确度,但仍然存在一些分类误差。为提高地表覆被分类精度,本文以GlobCover（2005/2006）的巴西数据为例,以2005年Landsat TM/ETM影像为主要信息源,结合相应地学知识与辅助数据,利用人机交互逐栅格修改方法得到2005年土地利用数据产品。结果表明：通过对GlobCover数据和本次成果数据进行精度评价与对比分析,GlobCover数据巴西地区的总体精度为67.17%,Kappa系数为0.58,改进后产品总体精度为93.39%,Kappa系数为0.91。此外,改进后数据显示巴西常绿阔叶林面积最大,面积比例达45.67%;农地/自然植被镶嵌面积次之,比例为19.19%;封闭灌丛面积最小,比例为12.34%。农地/自然植被镶嵌和灌丛与草地2种地类的修改比例最大,其中混合像元地类比例减少3.54%,灌丛与草地比例增加3.81%。综上,改进方法可以有效地提高土地利用/覆盖分类的效率和精度,为后续大尺度LUCC产品的制作和以LUCC产品为基础的相关研究提供参考。

关键词: 巴西, 土地利用/覆盖变化, GlobCover, 精细化分类, 精度评价

Abstract:

Human activities have significant impacts on ecosystems. As the most direct characterization of human activity, large-scale land use/cover change is used to analyze the impacts of human activities on ecosystems. Therefore, scientists have paid much attention on the classification and extraction methods of land use/cover products. It was suggested that GlobCover (2005/2006) product was precise enough for the scientific study. However, the product has some limitations. In order to improve the quality of this product, this study developed new method for mapping and monitoring national land cover information in Brazil. The new Brazilian land use/cover data in 2005 were developed by using human-computer interactive discrimination at per-cell level based on GlobCover (2005/2006) data and the combination of geographic knowledge and the major data source of Landsat TM/ETM images. The results indicated that data accuracy and cost-efficiency were both improved by the developed method. The classification accuracy was improved from 67.17% in the GlobCover to 93.39% in our new dataset. Kappa coefficient was also improved from 0.58 to 0.91. Evergreen broadleaf forest area in Brazil was the highest among all the land cover types, with an area ratio of 45.67%. Farmland/natural vegetation mosaic area followed with an area ratio of 19.19%. The third largest land cover type was closed shrub with an area ratio of 12.34%. Modification ratio of agricultural land/natural vegetation mosaic and shrub and grassland was the largest. Among them, the proportion of mixed pixels of land class decreased 3.54%, while shrub and grassland increased 3.81%. As a result, the new developed method was proved to be more efficient and accurate. It can be used for large-scale land use/cover classification and analysis in further study.

Key words: Brazil, land use/cover change, GlobCover, fine classification, precision evaluation

杜国明, 刘美, 孟凡浩, 匡文慧, 春香, 冯悦. 基于地学知识的大尺度土地利用/土地覆盖精细化分类方法研究[J]. 地球信息科学学报, 2017, 19(1): 91-100.DOI:10.3724/SP.J.1047.2017.00091

DU Guoming,LIU Mei,MENG Fanhao,CHUN Xiang,FENG Yue. Fine Classification Method Study of Large-scale Land Use/Cover Based onGeoscience Knowledge[J]. Journal of Geo-information Science, 2017, 19(1): 91-100.DOI:10.3724/SP.J.1047.2017.00091

图/表 13

表1

图1

图2

表2

土地利用/覆盖分类体系转换表"

一级类	代码	本研究土地覆盖分类系统	IGBP土地覆盖分类系统	代码	GlobCover土地覆盖分类系统	定义
农地	11	农地（简单或多种作物系统）	农地（简单或多种作物系统）	11	水淹或灌溉农地	雨养农地与耕作农地,简单或多种作物系统
	11	农地（简单或多种作物系统）	农地（简单或多种作物系统）	14	雨养农地	雨养农地与耕作农地,简单或多种作物系统
	12	农地/自然植被镶嵌（农地、森林、灌丛、草地;单一覆盖不超过60%）	农地/自然植被镶嵌（农地、森林、灌丛、草地;单一覆盖不超过60%）	20	耕作（50%~70%）/其他自然植被（20%~50%）镶嵌	农、草、林、灌混合镶嵌,其中单一覆盖度应小于60%
	12	农地/自然植被镶嵌（农地、森林、灌丛、草地;单一覆盖不超过60%）	农地/自然植被镶嵌（农地、森林、灌丛、草地;单一覆盖不超过60%）	30	耕作（20%~50%）/其他自然植物（50%~70%）镶嵌	农、草、林、灌混合镶嵌,其中单一覆盖度应小于60%
林地	21	常绿阔叶林	常绿阔叶林	40	郁闭或敞开（>15%）常绿阔叶或半落叶阔叶林（>5 m）	是热带至温带之间的过渡性质的森林类型。其群落外貌终年常绿,一般呈暗绿色而略闪烁反光,林相整齐,由于树冠浑圆,林冠呈微波状起伏
	21	常绿阔叶林	常绿阔叶林	50	郁闭（>40%）常绿阔叶林（>5 m）
	22	落叶阔叶林	落叶阔叶林	60	敞开（15%~40%）落叶阔叶林（>5 m）	温带、暖温带地区地带性的森林类型。因其冬季落叶、夏季葱绿,又称夏绿林
	23	常绿针叶林	常绿针叶林	70	郁闭（>40%）常绿针叶林（>5 m）	1.暖温性常绿针叶林,乔木植被类型。树种以油松和华山松为主。多生于海拔1700-2100 m之间的地带2.寒温带常绿针叶林,由常绿的云杉、冷杉、松和圆柏所组成。云杉、冷杉林具有较强的耐阴性,林冠稠密、郁闭,林下光照很弱,又称“暗针叶林”
	24	落叶针叶林	落叶针叶林	90	敞开（15%~40%）常绿针叶或落叶针叶林（>5 m）	由落叶松柏类为主的针叶树所构成的森林。寒温带的地带性植被类型,并常由落叶松组成,林下有灌木层、草本层和地面苔藓层,落叶松林呈鲜绿色,树冠尖塔形,较喜阳,林下明亮成明亮针叶林
	25	混交林（没有主导类型超过60%覆盖）	混交林（没有主导类型超过60%覆盖）	100	郁闭或敞开（>15%）针阔混交林（>5 m）	上述四种林地镶嵌,并且没有主导类型超过60%覆盖
灌丛和草地	31	有（森林）林草原（树林冠层覆盖30%~60%,高度超过2 m）	有（森林）林草原（树林冠层覆盖30%~60%,高度超过2 m）	110	草地（20%~50%）/森林/灌丛（50%~70%）镶嵌	树林冠层覆盖30%~60%,高度超过2 m的草原
	32	稀树草原（树林冠层覆盖10%~30%,高度超过2 m）	稀树草原（树林冠层覆盖10%~30%,高度超过2 m）	120	草地（50%~70%）/森林/灌丛（20%~50%）镶嵌	树林冠层覆盖10%~30%,高度超过2 m的草原
	33	封闭灌丛（灌丛覆盖度高于60%;高度低于 2 m,常绿或落叶）	封闭灌丛（灌丛覆盖度高于60%;高度低于 2 m,常绿或落叶）	130	冠层敞开或封闭（>15%）灌丛(<5 m)	灌丛覆盖度高于60%,高度低于2 m,常绿或落叶均可
	34	敞开灌丛（灌丛覆盖率10%~60%高度低于2 m,常绿或落叶）	敞开灌丛（灌丛覆盖率10%~60%高度低于 2 m,常绿或落叶）	130	冠层敞开或封闭（>15%）灌丛(<5 m)	灌丛覆盖率10%~60%,高度低于2 m,常绿或落叶均可
	35	草地或禾本植物（树冠密度低于10%）	草地或禾本植物（树冠密度低于10%）	140	冠层敞开或封闭（>15%）草地	树冠密度低于10%的草地,或禾本科植物
水域	41	水体	水体	210	水体	所有湖泊、河流、滨海、人工水体等水体的集合
	42	森林湿地	永久湿地（水/禾本植物/有林地）	160	郁闭或敞开（>15%）各种有规律水淹或长期水浸阔叶森林	其是泛滥平原森林,季节性的洪水一般会和森林湿地一起出现
	42	森林湿地	永久湿地（水/禾本植物/有林地）	170	郁闭（>40%）永久盐水水淹阔叶林或灌丛	其是泛滥平原森林,季节性的洪水一般会和森林湿地一起出现
	43	沼泽湿地		180	郁闭或敞开（>15%）各种有规律水淹或长期水浸草地	地表过湿或有薄层积水,土壤水分几达饱和,并有泥炭堆积,生长着喜湿性和喜水性沼生植物的地段
城市和建成区	51	城市和建成区	城市和建成区	190	人工地表或附属区域	城镇居民点与工矿等建设用地
裸地和冰雪	61	裸地或稀疏植被（植被覆盖低于10%）	裸地或稀疏植被（植被覆盖低于10%）	150	稀疏植被（<15%）	植被覆盖低于10%或裸地
	61	裸地或稀疏植被（植被覆盖低于10%）	裸地或稀疏植被（植被覆盖低于10%）	200	裸地	植被覆盖低于10%或裸地
	62	雪/冰	雪/冰	220	永久雪/冰	覆盖永久冰、雪

表2

图3

表3

图4

表4

表5

表6

图5

表7

表8

参考文献 26

[1]	刘纪远,张增祥,徐新良,等. 21世纪初中国土地利用变化的空间格局与驱动力分析[J].地理学报,2009,64(12):1411-1420. doi: 10.3321/j.issn:0375-5444.2009.12.001
	[ Liu J Y, Zhang Z X, Xu X L, et al.Spatial patterns and driving forces of land use change in China in the early 21st century[J]. Acta Geographica Sinica , 2009, 64(12):1411-1420. ] doi: 10.3321/j.issn:0375-5444.2009.12.001
[2]	周书贵,邵全琴,曹巍.近20年黄土高原土地利用/覆被变化特征分析[J]. 地球信息科学学报,2016,18(2):190-199. doi: 10.3724/SP.J.1047.2016.00190
	[ Zhou S G, Shao Q Q, Cao W.Characteristics of land use and land cover change in the Loess Plateau over the past 20 years. Journal of Geo-Information Science, 2016,18(2):190-199. ] doi: 10.3724/SP.J.1047.2016.00190
[3]	路云阁,蔡运龙,许月卿.走向土地变化科学——土地利用/覆被变化研究的新进展[J].中国土地科学,2006,20(1):55-61. doi: 10.3969/j.issn.1001-8158.2006.01.011
	[ Lu Y G, Cai Y L, Xu Y Q.Towards Land Change Sci- ence: The Progress of LUCC[J]. China Land Sciences, 2006,20(1):55-61. ] doi: 10.3969/j.issn.1001-8158.2006.01.011
[4]	唐华俊,吴文斌,杨鹏,等.土地利用/土地覆被变化(LUCC)模型研究进展[J].地理学报,2009,64(4):456-468. doi: 10.3321/j.issn:0375-5444.2009.04.008
	[ Tang H J, Wu W B, Yang P, et al.Recent Progresses of Land Use and Land Cover Change(LUCC) Models[J]. Acta Geographica Sinica, 2009,64(4):456-468. ] doi: 10.3321/j.issn:0375-5444.2009.04.008
[5]	Liu J, Diamond J.China's environment in a globalizing world[J]. Nature, 2005,435(7046):1179-1186. doi: 10.1038/4351179a pmid: 15988514
[6]	于兴修,杨桂山,王瑶.土地利用/覆被变化的环境效应研究进展与动向[J].地理科学,2004,24(5): 627-633. doi: 10.3969/j.issn.1000-0690.2004.05.019
	[ Yu X X, Yang G S, Wang Y.Advances in researchers on environmen- tal effects of land use/cover change[J]. Scientia Geographica Sinica, 2004,24(5):627-633. ] doi: 10.3969/j.issn.1000-0690.2004.05.019
[7]	秦丽杰,张郁,许红梅,等.土地利用变化的生态环境效应研究:以前郭县为例[J].地理科学, 2002,22(4):508-512. doi: 10.3969/j.issn.1000-0690.2002.04.024
	[ Qin L J, Zhang Y, Xu H M, et al. Study on the Effect of Land Use Change on the Eco-environment. Scientia Geographica Sinica, 2002,22(4):508-512. ] doi: 10.3969/j.issn.1000-0690.2002.04.024
[8]	王昭生,黄玫,闫慧敏,等.1982-2006年加纳植被覆盖时空变化及其气候影响[J].地球信息科学学报,2015,17(1):78-85. doi: 10.3724/SP.J.1047.2015.00078
	[ Wang Z S, Huang M, Yan H M, et al.Spatiotemporal Variation of Vegetation and Climate Impacts on it in Ghana from 1982 to 2006. Journal of Geo-Information Science, 2015,17(1):78-85. ] doi: 10.3724/SP.J.1047.2015.00078
[9]	Lambin E F, Ehrlich D.Land-cover changes in sub-saharan Africa (1982-1991): Application of a change index based on remotely sensed surface temperature and vegetation indices at a continental scale[J]. Remote Sensing of Environment, 1997,61(2):181-200. doi: 10.1016/S0034-4257(97)00001-1
[10]	刘纪远,匡文慧,张增祥,等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J].地理学报,2014,69(1):3-14. doi: 10.11821/dlxb201401001
	[ Liu J Y, Kuang W H, Zhang Z X, et al.Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s[J]. Journal of Geographical Sciences, 2014,69(1):3-14. ] doi: 10.11821/dlxb201401001
[11]	刘纪远,刘明亮,庄大方,等.中国近期土地利用变化的空间格局分析[J].中国科学:地球科学,2002,32(12):1031-1040. doi: 10.3321/j.issn:1006-9267.2002.12.008
	[ Liu J Y, Liu M L, Zhuang D F, et al.Study on spatial pattern of land-use change in China during 1995-2000[J]. Science in China: Series D, 2003,46(4):373-384. ] doi: 10.3321/j.issn:1006-9267.2002.12.008
[12]	杜国明,匡文慧,孟凡浩,等.巴西土地利用/覆盖变化时空格局及驱动因素[J].地理科学进展,2015,34(1):73-82. doi: 10.11820/dlkxjz.2015.01.009
	[ Du G M, Kuang W H, Meng F H, et al.Spatiotemporal pattern and driving forces of land use/cover change in Brazil[J]. Progress in Geography, 2015,34(1):73-82. ] doi: 10.11820/dlkxjz.2015.01.009
[13]	Foley J A, Defries R, Asner G P, et al.Global consequences of land Use[J]. Science, 2005,309(5734):570-574.
[14]	何英彬,姚艳敏,唐华俊,等.土地利用/覆盖变化驱动力机制研究新进展[J].中国农学通报,2013,29(2):190-195. doi: 10.3969/j.issn.1000-6850.2013.02.033
	[ He Y B, Yao Y M, Tang H J, et al.An Overview on Progress of Land Use and Land Cover Change Dynamics[J]. Chinese Agricultural Science Bulletin, 2013,29(2):190-195. ] doi: 10.3969/j.issn.1000-6850.2013.02.033
[15]	李月臣. 土地利用/覆盖变化驱动力研究[J].水土保持研究,2008,15(3):116-120.
	[ Li Y C.Review on the Driving Force of the Land Use/Cover Changes[J]. Research of Soil and Water Conservation, 2008,15(3):116-120. ]
[16]	IGBP.2005. IGBP Report No.53, IHDP Report No.19: science plan and implementation strategy[R/OL].[2014-01-19].
[17]	Loveland T R, Reed B C, Brown J F, et al.Development of a global land cover characteris- tics database and IGBP DISCover from 1 km AVHRR data[J]. International Journal of Rem- ote Sensing, 2000,21(6-7):1303-1330. doi: 10.1080/014311600210191
[18]	Hansen M C, Defries R S, Townshend J R G, et al. Global land cover classification at 1km spatial resolution using a classification tree approach[J]. International Journal of Remote Sensing, 2000,21(6-7):1331-1364. doi: 10.1080/014311600210209
[19]	Friedl M A, McIver D K, Hodges J C F, et al. Global land cover mapping from MODIS: alg- orithms and early results[J]. Remote Sensing of Environment, 2002,83(83),287-302. doi: 10.1016/S0034-4257(02)00078-0
[20]	Fritz S, Bartholome E, Belward A, et al.Harmonisation, mosaicing and production of the Global Land Cover 2000 database (beta version)[R]. Centre Geo-information: Scientific report, 2003.
[21]	Gong P, Wang J, Yu L, et al.Finer resolution observation and monitoring of global land cover: first mapping results with Landsat TM and ETM+ data[J]. International Journal of Remote Sensing, 2013,34(7):2607-2654.
[22]	Mayaux P, Eva H, Gallego J, et al.Validation of the global land cover 2000 map[J]. IEEE Transactions on Geoscience & Remote Sensing. 2006,44(7):1728-1739.
[23]	Neumann K, Herold M, Hartley A, et al.Comparative assessment of CORINE2000 and GLC2000: Spatial analysis of land cover data for Europe[J]. International Journal of Applied Earth Observation & Geoinformation, 2007,9(4):425-437. doi: 10.1016/j.jag.2007.02.004
[24]	Loveland T R, Belward A S.The IGBP-DIS global 1 km land cover data set, DISCover: First results[J]. International Journal of Remote Sensing, 1997,18(15):3289-3295. doi: 10.1080/014311697217099
[25]	Cohen J.A coefficient of agreement for nominal scales[J]. Educational and Psychological Measurement, 1960,20(1):37-46.
[26]	Landis J R, Koch G G.The measurement of observer agreement for categorical data[J]. Biometrics, 1977,33(1):159-174. doi: 10.2307/2529310 pmid: 843571

数据集名称	作者	数据源与分辨率	分类方法	分类系统	数据精度
DISCover	U.S. Geological Survey	1992-1993年AVHRR数据合成的NDVI、1 km	基于聚类和人工解译、编辑	IGBP 17类分类系统	基于少数样点进行精度评价,总体精度为66.9%
UMD	University of Maryland	同上、1 km	不同的分类树算法	Simplified IGBP (14 classes)	同上
MODIS 1km	Boston University	2000-2001年的MODIS 数据、1 km	监督分类	IGBP 17类分类系统	基于少数样点进行精度评价,总体精度为78.3%
GLC2000	European Commission Joint Research Center	1999年11月-2000年12月的VEGETATION数据、1 km	由19个区域人员用不同类型算法制作完成	FAO 的地表覆盖22类分类系统（LCCS）	总体精度为68.6%
GlobCover 2 套产品	European Commission Joint Research Center	2004年12月-2006月6日的ENVISAT/ MERIS数据2009年数据产品、300 m	全球分为22个生态气候区,各区采用不同多维迭代聚类方法进行分类	同上	16位专家在全球3000个点进行了验证,总体精度为73%
GlobeLand 30-2010	国家基础地理信息中心等7个部门的18家单位	HJ-1星CCD影像数据2000年和2010年数据产品、30 m	逐类型层次提取方法	9大类分类系统	选取9类超过15万个样本进行精度评估,总体精度为83.51%,Kappa系数为0.78

地类名称	地类代码	修改图斑数/块	修改比例/%
简单农地	11	2 497 095	21.52
农地/自然植被镶嵌	12	1 203 876	10.38
常绿阔叶林	21	199 895	1.72
落叶阔叶林	22	1897	0.02
混交林	25	1201	0.01
有(森林)林草原	31	6886	0.06
稀树草原	32	11252	0.10
封闭灌丛	33	3 318 585	28.60
敞开灌丛	34	3 250 248	28.02
草地或禾本植物	35	796 474	6.87
水体	41	98 869	0.85
森林湿地	42	16 075	0.14
沼泽湿地	43	10 227	0.09
城市和建成区	51	181 430	1.56
裸地或稀疏植被	61	7549	0.07

地类名称	农地	农地/自然植被镶嵌	林地	灌丛和草地	水域	城市和建成区	裸地和冰雪
地类代码	1	12	2	3	4	5	6
欧空局产品面积比例/%	8.49	22.73	47.28	16.87	4.50	0.06	0.07
本研究产品面积比例/%	9.19	19.19	46.49	20.68	4.14	0.25	0.07

基于地学知识的大尺度土地利用/土地覆盖精细化分类方法研究

Fine Classification Method Study of Large-scale Land Use/Cover Based onGeoscience Knowledge

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 26

相关文章 15

Metrics

本文评价

推荐阅读 0

地类代码		GlobCover数据		本研究数据
A	B	面积比/%	样本数	面积比/%	样本数
14	11	8.33	250	9.07	300
20	12	10.73	320	19.30	580
30	12	11.61	340	19.30	580
40	21	43.90	1300	45.81	1300
50	21	3.11	90	45.81	1300
60	22	0.86	30	0.82	30
100	25	0.0005	30	0.001	30
110	31	1.13	33	0.90	30
130	33	15.37	450	12.33	350
130	34	15.37	450	6.19	200
120	32	0.10	30	0.11	30
140	35	0.19	30	1.05	30
160	42	1.88	50	1.95	50
170	42	0.08	30	1.95	50
180	43	1.21	36	0.74	30
190	51	0.05	30	0.24	30
150	61	0.02	30	0.07	30
200	61	0.05	30	0.07	30
210	41	1.38	41	1.43	36
220	62	0.006	30	0	0

参考数据	产品数据
参考数据	14	20	30	40	50	60	100	110	120	130	140	150	160	170	180	190	200	210	220	总计	生产者精度/%
14	156	18	14	5						29	1	4	1		10					238	65.55
20	19	162	90	15						53										339	47.79
30	33	42	170	16	10			1	1	24							1			298	57.05
40	14	29	14	1142	2			4	1	47	9	2	27	12						1303	87.64
50	8	3			53	7				17										88	60.23
60		8	1	1	17	21	2			7										57	36.84
100					1		14	1												16	87.50
110	5		2	5				18	7	11									2	50	36.00
120	2				4			5	17	1									2	31	54.84
130	13	58	49	95			10	2		244	4	1	5	2	4		1	12	20	520	46.92
140				2						8	11	5							3	29	37.93
150				1								3								4	75.00
160				4							1		15	2						22	68.18
170				2										14	7					23	60.87
180				10						2	3		1		14					30	46.67
190				1	2	1			2	5		2				30	2			45	66.67
200					1	1	3	1	2								24	4		36	66.67
210				1			1	1		2	1	13	1		1		2	25		48	52.08
220																			3	3	100.00
总计	250	320	340	1300	90	30	30	33	30	450	30	30	50	30	36	30	30	41	30	3180
用户精度/%	62.40	50.63	50.00	87.85	58.89	70.00	46.67	54.55	56.67	54.22	36.67	10.00	30.00	46.67	38.89	100.0	80.00	60.98	10.00		67.17

参考数据	产品数据
参考数据	11	12	21	22	25	31	32	33	34	35	41	42	43	51	61	总计	生产者精度/%
11	264	16	6					1	1							288	91.67
12	12	544	10						3				1		1	571	95.27
21	2	4	1236		3	4	2		1	2		7	4			1265	97.71
22			2	27				1								30	90.00
25					23											23	100.00
31	3					26	1								1	31	83.87
32							25									25	100.00
33	4	8	24	3	1		1	344	10			1			5	401	85.79
34	10	8	16				1	3	184						1	223	82.51
35	5		1					1	1	27						35	77.14
41			1								36				1	35	94.74
42			3									42				45	93.33
43			1		3					1			25			30	83.33
51														30		30	100.00
61															21	21	100.00
总计	300	580	1300	30	30	30	3	350	200	30	36	50	30	30	30	3056
用户精度/%	88.00	93.79	95.08	90.00	76.67	86.67	83.33	98.29	92.00	90.00	100.0	84.00	83.33	100.0	70.00		93.39

[1]	王志华, 杨晓梅, 周成虎. 面向遥感大数据的地学知识图谱构想[J]. 地球信息科学学报, 2021, 23(1): 16-28.
[2]	秦臣臣, 陈传法, 杨娜, 高原, 王梦樱. 基于ICESat/GLAS的山东省SRTM与ASTER GDEM高程精度评价与修正[J]. 地球信息科学学报, 2020, 22(3): 351-360.
[3]	何飞, 刘兆飞, 姚治君. Jason-2测高卫星对湖泊水位的监测精度评价[J]. 地球信息科学学报, 2020, 22(3): 494-504.
[4]	聂拼, 梁明, 李玉洁, 游欣妍, 孙晓娟. 基于最邻近时空距离的土地变化过程时空模式分析[J]. 地球信息科学学报, 2020, 22(3): 628-637.
[5]	徐泽源, 罗庆辉, 许仲林. 新疆地区土地覆被遥感数据的一致性研究[J]. 地球信息科学学报, 2019, 21(3): 427-436.
[6]	马永明,张利华,张康,朱志儒,吴宗凡. 基于SWAT模型和多源DEM数据的流域水系提取精度分析[J]. 地球信息科学学报, 2019, 21(10): 1527-1537.
[7]	侯西勇, 邸向红, 侯婉, 吴莉, 刘静, 王俊惠, 苏红帆, 路晓, 应兰兰, 于新洋, 毋亭, 朱明明, 韩磊, 李明杰. 中国海岸带土地利用遥感制图及精度评价[J]. 地球信息科学学报, 2018, 20(10): 1478-1488.
[8]	叶钰, 秦建新, 胡顺石. 长沙市热岛效应时空特征变化研究[J]. 地球信息科学学报, 2017, 19(4): 518-527.
[9]	何慧娟, 史学丽. 1990-2010年中国土地覆盖时空变化特征[J]. 地球信息科学学报, 2015, 17(11): 1323-1332.
[10]	马明娟, 王黎明, 董南. 基于Globcover和DMSP/OLS数据的中国大陆城市潜能分析[J]. 地球信息科学学报, 2015, 17(11): 1378-1387.
[11]	马样, 裴亮, 顾行发, 余涛, 高海亮, 谢勇. 利用特征地物计算HJ-1卫星CCD波段间配准精度[J]. 地球信息科学学报, 2014, 16(2): 290-298.
[12]	宁佳 , 张树文*, 蔡红艳, 卜坤. 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.
[13]	李秦, 高锡章, 张涛, 刘锟, 龚剑明. 最优分割尺度下的多层次遥感地物分类实验分析[J]. 地球信息科学学报, 2011, 13(3): 409-417.
[14]	钟凯文, 孙彩歌, 解靓. 基于GIS的广州市土地利用遥感动态监测与变化分析[J]. 地球信息科学学报, 2009, 11(1): 111-116.
[15]	闫永忠, 万余庆. 高光谱图像模糊识别分类及其精度评价[J]. 地球信息科学学报, 2005, 7(4): 20-24.