EN中文

Journal of Geo-information Science >

2017 , Vol. 19 >Issue 1: 91 - 100

DOI: https://doi.org/10.3724/SP.J.1047.2017.00091

Orginal Article

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

  • DU Guoming , 1, 2 ,
  • LIU Mei 1 ,
  • MENG Fanhao , 3, 4, * ,
  • CHUN Xiang 1 ,
  • FENG Yue 1
Expand
  • 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
*Corresponding author: MENG Fanhao, E-mail:

Received date: 2016-07-01

  Request revised date: 2016-09-23

  Online published: 2017-01-13

Copyright

《地球信息科学学报》编辑部 所有
Fold

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

Cite this article

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

1 引言

土地利用/覆盖变化（Land use/cover change, LUCC）综合地反映了人类活动与气候变化对地球下垫面自然生态环境等多方面的影响[1-8],并直接影响了地表的物质与能量循环过程[9-12],对未来气候和社会经济具有明显的反馈作用[12-15]。由于LUCC对全球变化研究的重要性,国际社会对LUCC数据研发高度重视,在遥感产品与技术迅猛发展的时代背景下相关研究机构启动了一系列LUCC产品研发项目。例如,联合国粮农组织（Food and Agriculture Organization, FAO）土地利用的分类项目、IGBP（国际地圈生物圈计划）和IHDP土地利用/覆盖变化核心项目及IGBP研究第二阶段的全球陆地计划 （GLP）[16]、美国NASA土地利用/覆盖变化研究项目、国际应用系统分析研究所土地利用/覆盖和农业研究项目（IIASA）等。除上述主要针对全球LUCC相关的研究项目外,还有很多世界热点地区也设立了相关科研项目,制作了不同区域和不同比例尺的LUCC数据。
现已发布的全球土地利用/覆盖数据共有6套（表1）,其中美国和欧洲制作完成4套1 km和1套300 m的产品,中国于2013年底也发布了1套30 m的产品,这几套数据全部免费提供给全球科学界使用。其中,3套1 km产品分别是由美国地质勘探局（United States Geological Survey,简称USGS）[17],马里兰大学（UMD）[18]和波士顿大学（BU）[19]等美国机构开发,所使用的分类方案是国际地圈生物圈计划的17类覆盖类型分类系统（IGBP-LCCS）。第4套1 km产品是由欧洲开发的GLC2000[20],此后欧洲太空局（European Space Agency,ESA,简称欧空局）通过全球合作完成了300 m分辨率的全球地表覆盖制图（GlobCover）,二者均采用联合国粮农组织22类的分类方案（FAO-LCCS）。中国30 m全球地表覆盖遥感制图数据产品（GlobeLand30）是中国科技部研制[21]。表1汇总了已有的6套全球地表覆盖产品的主要特征。DISCover数据是基于光谱、纹理等聚类和人工解译、修改编辑方法生成的,而UMD 和 MODIS-1 km数据均是由不同的分类树算法完成,这3套数据没有提供相应的精度评估报告。GLC2000是由世界上19个不同区域的大量工作人员,利用1999-2000年的SPOT VEGETATION传感器生成每旬的植被指数产品制作而成,其总体分类精度为68.6%[22]。2008年8月面世的300 m 分辨率的GlobCover（2005/2006）使用的数据源是2004年12月到2006年6月300 m分辨率的ENVISAT/MERIS数据,结合生态气候分区采用不同多维迭代聚类法制作而成,据16位专家在全球3000点进行的验证结果,是当时国际上可供使用的全球性土地利用/覆盖数据精度较高的。
本研究以覆盖巴西的GlobCover数据集为数据源,经样点检查,发现耕地、灌丛与草地、城市与建成区和水体等地类存在一定错分现象。如图1所示,红色代表的是城市与建成区,A1上显示的是GlobCover数据,A2上显示的是Landsat TM/ETM数据,A3上显示的是Google Earth数据,A1上红色的面积与A2和A3上城市与建成区的面积不符;B区域（图1(a)）显示的是亚马逊周边地区土地垦殖状况,显然B1的开垦情况没有B2和B3上开垦的严重;C2和C3上显示的是一块水体,而C1中水体形状和面积与C2和C3不对应。可见,GlobCover数据仍存在一定的数据分类误差。因此,本研究以巴西为研究区,探讨如何快速地改进GlobCover数据,以提升数据精度和质量,为全球变化土地利用制图提供新的思路。
Tab. 1 Existing global land cover datasets

表1 全球现有土地覆盖数据集

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
Fig. 1 Typical errors existed in the GlobCover datasets

图1 GlobCover数据集存在的典型问题

2 研究区概况与数据源

2.1 研究区概况

巴西位于35°~74° W,5° N~35° S,全国土地面积达851.49万km2,位居世界第五,占南美洲的47.3%,是南美洲面积最大的国家。境内地形以高原和平原为主,主要分为亚马逊平原、巴西高原、圭亚那高原和巴拉圭盆地。巴西共分潮湿赤道带、潮湿热带、半潮湿热带、半干旱热带和潮湿亚热带5个气候带[12]。在潮湿赤道带的亚马孙地区年降雨量最高为1500~2500 mm,每年的8-10月是少雨季节,年平均气温27~29 ℃。巴西的大部分地区均属半潮湿热带气候,每年分旱季和湿季,年均降雨量为1500 mm,年平均气温18~28 ℃。半干旱热带主要分布在巴西东北部,年降雨量一般低于1000 mm,而且多集中于一段时期。南回归线以南的巴西土地属潮湿亚热带气候,年降雨量大于1500 mm,年平均气温16~19 ℃[12]。

2.2 数据源

GlobCover由欧空局提议,与六大组织（JRC, EEA, FAO, UNEP, GOFC-GOLD and IGBP）联合研发,目的是研发具有传送服务功能的系统,以传送全球土地覆盖图,其土地覆盖图通过搭建在ENVISAT上300 m传感器上获取的输入数据所得。数据空间精度大约是300 m,与其他现有全球数据集相比较高。本研究是以欧空局的GlobCover（2005/2006）数据为基础,从中裁剪出巴西的数据,然后从美国地质勘探局（USGS）和巴西国家空间研究所（Instituto Nacional de Pesquisas Espaciais, 简称INPE）等网站上下载2005年Landsat TM/ETM遥感数据作为参考数据（图2）。2005年质量较差的遥感数据,用2004、2006或2007年的数据代替,并参照Google Earth高分辨率数据对GlobCover数据进行修改。本研究共使用378幅Landsat TM/ETM数据,研究中使用的其他辅助数据有河流、湖泊、居民点、道路等矢量数据和一些地区经济数据,主要来源于中国科学院地理科学与资源研究所土地利用基础数据库。
Fig. 2 Years′ distribution of Landsat TM/ETM data source and GlobCover land cover data of Brazil

图2 Landsat TM/ETM数据源年份分布图与GlobCover数据巴西土地覆盖图

3 研究方法

3.1 分类体系定义与转换

FAO-LCCS提供了一个合适的土地覆盖类型分类和阈值,它是一个先验分类系统,而不是预定义的特定土地覆盖类型,可以描述世界上任何规模或不同详细程度的地表覆盖类型[23]。
本研究采用的是IGBP分类系统,并对其进行局部修改,把永久湿地进一步划分为森林湿地和沼泽湿地,再根据与GlobCover数据分类系统之间的异同对其进行转换（表2）[24]。
Tab. 2 Land use/cover classification system transformation

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
14 雨养农地
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%
30 耕作（20%~50%）/其他自然植物（50%~70%）镶嵌
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
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）		 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
170 郁闭（>40%）永久盐水水淹阔叶林或灌丛
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
200 裸地
62 雪/冰 雪/冰 220 永久雪/冰 覆盖永久冰、雪

3.2 分类方法改进

所有全球地表覆盖数据产品都使用计算机分类算法完成,本研究在“大尺度土地利用/覆盖变化对全球气候的影响”主题背景下,以GlobCover数据为基础,以Landsat TM/ETM、高分辨率影像为参照,结合相应地学知识,利用人机交互逐栅格 （250 m×250 m）判别方法对GlobCover数据进行修改。主要参与人员都有丰富的地理、遥感知识,加上熟练的GIS软件操作技能,在人口分布、道路、河流等基础地理信息数据库的支持下,可以快速准确地实现大尺度土地利用/覆被数据的精细化制作。具体方法是：在尽量不分割图斑并减少工作量与保证成果质量的前提下,首先生成与栅格数据相匹配的地理网格矢量数据,利用栅格数据生成逐栅格属性面心点矢量数据,集成新的巴西（GlobCover）数据,然后参照同时期的Landsat TM/ETM影像逐网格修正。修正的前提条件是每个网格内预判地类与（GlobCover）网格属性一致,且图斑所占比例至少达到网格的50%以上,最后形成巴西2005年新的LUCC数据。技术流程如图3所示。
Fig. 3 Technology process diagram

图3 技术流程图

3.3 采样方案

精度验证关系到数据产品的可靠性,而精度验证结果的可靠性关键的一步就是随机采样。首先要保证样本点是完全随机分布,不施加任何人为意志;其次是针对土地覆盖数据,样本点必须覆盖所有地类;最后每种地类样本个数不低于一个阈值。
本研究数据精度验证采用分层分类采样方法（图4）。首先,将数据集分层,每种地类是一层,单独提取出来;其次,将数据转换为矢量点,每一个点代表250 m×250 m范围;接着,统计数据一共有多少个矢量点,并计算每一层（每一种地类）面积占总面积的百分比;最后,预定一共选取3000个样本点,并设定每种地类最少不低于30个,根据各地类面积比随机严格选取相应的样本数,以保证所选取样点具有较高的代表性。
基于上述采样原理与方法,个别地类采样数量适当调整,将样本数不足30个的按30个采样,采样结果总数超过3000个。GlobCover数据集的采样总量为3180个,本研究数据集的采样总量为3056个（表3）。
Tab. 3 Distribution of sample points

表3 样本点分配表

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 11.61 340
40 21 43.90 1300 45.81 1300
50 3.11 90
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
34 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 0.08 30
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 0.05 30
210 41 1.38 41 1.43 36
220 62 0.006 30 0 0

注：A代表GlobCover数据;B代表本研究数据

Fig. 4 Samoling program

图4 采样方案

3.4 精度评价方法

精度评价通过比较实地数据与分类结果,以确定分类过程的准确程度。分类结果精度评价是进行土地利用/覆被遥感监测中重要的一步,也是分类结果是否可信的一种度量。本研究使用误差矩阵或混淆矩阵（Error Matrix）法,从误差矩阵计算出各种精度统计值,如总体精度、使用者精度、生产者精度、Kappa系数[25-26]。

4 结果与分析

4.1 GlobCover数据精度评价与改善

本研究对GlobCover巴西数据进行评价,结果显示,总体精度是67.17%,Kappa系数是0.58。各土地利用/覆盖类型的用户精度和生产者精度高低不等,高者可达100%,低者甚至低于50%以下（表4）。
Tab. 4 Matrix of accuracy evaluation

表4 精度评价矩阵表

参考数据 产品数据
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
从表4可看出,巴西地表覆盖类型以农地、常绿阔叶林和灌丛与草地为主,常绿阔叶林精度较高,其他两种地类精度较低,农地和灌丛与草地是重点修改对象。其中,地类代码为60（敞开（15%~40%）落叶阔叶林（>5 m））、110（草地（20%~50%）/森林/灌丛（50%~70%）镶嵌）和140（冠层敞开或封闭 （>15%）草地）的生产者精度最低,分别是36.84%、36.00%和37.93%,转换为本研究分类系统中地类分别为落叶阔叶林、有林草原和草地,说明其他地类错归为这几种地类的相对多些。其次是地类代码为20（耕作（50%~70%）/其他自然植被（20%~50%）镶嵌）、30（耕作（20%~50%）/其他自然植物（50%~70%）镶嵌）、120（草地（50%~70%）/森林/灌丛（20%~50%）镶嵌）、130（冠层敞开或封闭（>15%）灌丛 (<5 m)）、180（郁闭或敞开（>15%）各种有规律水淹或长期水浸草地）和210（人工地表或附属区域）,转换为本研究分类系统中地类为混合地类、稀树草原、灌丛与草地、沼泽湿地和城市与建成区,这几种地类中混合地类和灌丛与草地是面积较大的地类,生产者精度不达60%,说明这几种地类错分现象相对比较严重。
针对上述问题,共修改11 601 559块图斑,涉及面积约为725 097.44 km2。从表5可看出,11（简单农地）、12（农地/自然植被镶嵌）、33（封闭灌丛）和34（敞开灌丛）等几种地类被修改的图斑个数相对较多。另外,城市和建成区（51）被修改的比例也相对较高,原数据中很多城市和建成区被错分为封闭灌丛（地类代码是33）,其他地类也相应做了修改。
Tab. 5 Statistics of land use/cover data modification

表5 土地利用/覆盖数据修改统计表

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

4.2 本研究产品精度

通过对修改后的数据进行随机采点共3056个。基于收集的景观照片,参照Google Earth高分影像,进行精度评价,结果显示：总体精度达93.39%,Kappa系数约为0.91（表6）。
Tab. 6 Evaluation of accuracy verification

表6 精度验证评价表

参考数据 产品数据
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

4.3 数据产品

修改后得到的2005年巴西土地利用/覆盖如 图5所示。本研究数据产品的投影信息是Albers投影,双标准纬线分别是南纬5°和南纬42°,基准面是D_South_American_1969。表7是在此投影下统计的巴西15种土地利用/覆盖类型的面积。
Fig. 5 Current status of land use/cover in Brazil

图5 巴西土地利用/覆盖现状图

Tab. 7 Statistics of secondary land use/cover classification area in Brazil

表7 巴西二级土地利用/覆盖类型面积统计表

地类代码 11 12 21 22 25 31 32 33 34 35 41 42 43 51 56
所占面积比例/% 9.19 19.19 45.67 0.81 0 0.89 0.11 12.34 6.23 1.11 1.45 1.95 0.74 0.25 0.07

4.4 对比分析

将GlobCover数据与修改后的数据进行对比,结果发现大部分地类面积都有所变化,其中混合像元地类比例减少了3.54%,灌丛与草地比例增加了3.81%。城市与建成区类型基础面积虽然小,但修改后的面积比修改前多了2倍,所占面积比例由0.06%增加到0.25%。另外,耕地面积比例由8.49%增加到9.19%,林地面积比例由47.28%降低到46.49%,水域面积比例由4.50%降低到4.14%,仅有冰川雪地面积比例没有变化（表8）。
Tab. 8 Statistics of primary land use/cover classification area in Brazil

表8 巴西一级土地利用/覆盖类型面积统计表

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

5 结论与讨论

GlobCover（2005/2006）数据集在巴西区域整体精度检验为67.17%,Kappa系数为0.58。其中,简单农地、农地/自然植被镶嵌、封闭灌丛、敞开灌丛、以及城市和建成区（与Landsat TM/ETM相比）存在着较大的误差。这种误差主要是由于GlobCover数据本身要求是基于全球（Global）尺度,验证点稀少等原因,造成数据精度在巴西区域相对粗糙。
本研究以Landsat TM/ETM数据为基础,参照Google Earth高空间分辨率数据,基于新的分类体系,对GlobCover巴西区域数据进行人机交互逐栅格判断、修改、验证和评价,修改后产品总体精度为93.39%,提高了26.22%,Kappa系数为0.91。根据修改后数据可知,巴西地表覆盖类型以林地、灌丛和草地、农地/自然植被镶嵌为主,所占面积比例分别为46.49%、20.68%、19.19%,其次为农地,面积比例为9.19%,其它地类面积相对较小。
本研究精细化分类的关键是人机交互逐栅格修改,要求研究人员具备扎实的地学和遥感知识。由于工作量较大,必须建立数据分发、解译、复查、核查和数据集成的完整数据处理流程。本研究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,修改后的产品数据能够很好地运用于巴西区域尺度上的土地利用/覆盖研究。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[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.在全球环境变化研究中,以土地利用与土地覆盖动态为核心的人类-环境耦合系统研究逐渐成为土地变化科学（LCS）研究的新动向。基于覆盖中国21世纪初5年间隔的遥感卫星数据获取的1km网格土地利用变化空间信息,依据近5年土地利用变化区域分异的显著特征,以及自然地理、经济发展与国家宏观政策因素综合考虑,设计针对21世纪初5年新的中国土地利用动态区划图,揭示土地利用变化的空间格局与驱动因素。总体上,21世纪初5年中国处于土地利用快速变化期,黄淮海平原、东南沿海地区与四川盆地城乡建设用地显著扩张,占用大规模优质农田,导致南方水田面积明显减少;西北绿洲农业发展与东北地区开垦导致北方旱地面积略有增加;受西部开发＂生态退耕＂政策的影响中西部地区林地面积显著增加,国家退耕还林还草政策成效明显,对区域土地覆盖状况的改善产生积极的影响;这一时段国土开发与区域发展战略的实施,包括＂西部大开发＂、＂东北振兴＂等国家重大政策,加之快速的经济发展是该阶段土地利用变化格局形成的主要驱动因素。

DOI

[ 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. ]

[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.本文根据黄土高原地区20世纪80年代末、2000年、2008年3期土地利用/覆被空间数据集，计算2个时段（20世纪80年代末-2000年，2000-2008年）土地利用/覆被转类方向及其幅度、土地利用/覆被转类指数、土地利用/覆被状况指数及其变化率，分析黄土高原地区自20世纪80年代末以来土地利用/覆被时空变化特征以及宏观生态状况的变化趋势。结果显示：黄土高原地区近20年来平均土地利用/覆被状况指数为24.07，其中土石山区生态系统综合功能最好，其次为河谷平原区，最差的为农灌区。20世纪80年代末-2000年，黄土高原地区主要土地利用/覆被转类是森林和草地转为耕地，生态级别由高级向低级转移，2000-2008年主要土地利用/覆被转类是耕地转为林地和草地，低覆盖草地转为中高覆盖草地，生态级别由低级向高级转移。近20年来黄土高原地区地覆被状况指数变化以及土地利用/覆被转类指数表明，该区域的宏观生态状况总体上经历了转差（20世纪80年代末-2000年土地利用/覆被转类指数为-1.08），后转好（2000-2008年土地利用/覆被转类指数为2.66）2个过程。这一变化过程前期受区域气候变化以及人口增长共同驱动，后期则叠加了生态工程的影响。

DOI

[ 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. ]

[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.研究目的；综述国际近10年（1995—2004）来Lucc研究在研究领域、方法和理论上的进展，推动中国LUCC研究的持续深入。研究方法；文献资料法、对比法。研究结论；国际上Lucc研究除了体现在LUCC监测技术、驱动力、生态环境效应和建模研究等方面的进展外，在Lucc研究理论上也经历了非常大的突破，即IGBPⅡ于2003年提出的土地变化科学（LCS）——致力于减小人类与环境系统面对全球变化的脆弱性并实现它们的可持续性，土地变化科学正在走向范式研究。

DOI

[ 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. ]

[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.土地利用/土地覆被变化(LUCC)是全球环境变化的重要原因,LUCC模型研究始终是土地变化科学研究的重点。论文系统总结了近10年来国内外LUCC模型在理论、方法、实践应用等方面取得的新进展,指出了亟待解决的问题,并对今后的发展方向进行了展望。研究发现,①LUCC模型的功能和作用呈现多样化趋势,是了解、认识和解释土地利用系统的动态变化特征、过程和效应的有效工具,可以服务于土地利用管理和政策的制订。②模型的核心内容是研究LUCC时空变化格局,模型发展正经历从单一的非空间模型向非空间模型和空间模型融合的演进过程,但多数模型只重视空间变化机制研究,而对时间机制考虑不足。③反馈机制是LUCC系统的一个重要特征,现有模型在反馈机制方面的研究尚十分薄弱,研究不同时空尺度的反馈机制必将是未来LUCC模型的新焦点。④LUCC研究本质上是"人类—环境"关系研究,以往模型多为局部均衡分析模型,未来LUCC模型发展趋向应从系统观和整体观角度来综合考虑"人类—环境"相互作用机制,这也是LUCC模型的最高更次的科学难点问题。⑤多尺度、多层次的综合研究是LUCC模型的必然要求,模型空间尺度已经从早期的单一空间尺度转变到现今的多空间尺度,但尺度推移仍是模型研究中值得深入探讨的问题。⑥尽管LUCC模型验证方法趋于多元化,但目前还没有一个模型验证的统一标准和规范,参考数据的不足也大大限制了模型验证效果,如何对LUCC模型的可靠性和科学性进行合理验证始终是LUCC模型所面临的关键挑战之一。

DOI

[ 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. ]

[5]
Liu J, Diamond J.China's environment in a globalizing world[J]. Nature, 2005,435(7046):1179-1186.How China and the rest of the world affect each other.

DOI PMID

[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.土地利用/覆被变化产生的环境问题已引起人类社会的广泛关注,深入研究这些问题具有重要的理论和实践意义。在简要回顾土地利用/覆被变化对大气环境、土壤环境和水环境影响已有研究的基础上,结合中国研究的实际,分析了中国土地利用/覆被变化的环境效应研究中存在的问题,并对今后的研究趋势做了讨论。

DOI

[ 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. ]

[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. 随着人口的增加及经济的发展,人类对土地利用模式的改变更为显著,导致了土地资源生态环境背景的变化.对土地利用变化的生态环境效应进行研究,可改善农业生产条件和人类生存环境,促进区域经济与生态环境协调发展.

DOI

[ 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. ]

[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.非洲陆地生态系统是气候变化的高敏感区，研究该区域植被覆盖变化及其控制因素，对深刻认识气候变化的影响具有重要意义。本文利用1982-2006年植被指数（NDVI）数据，研究位于非洲西部热带地区的加纳共和国植被覆盖的时空变化特征，结合同期的气温和降水量数据，分析其植被活动对气候变化的响应特征。研究结果表明，加纳86.4%的植被覆盖区NDVI在25 a间都呈现不同程度的增加趋势。20世纪80年代初和21世纪初这2个时期， NDVI值大于0.4的面积百分比呈增加趋势；NDVI值大于0.5的面积百分比从26%增加到38.2%；NDVI值在0.4-0.5之间的面积百分比从47.5%增加到51.9%。NDVI受降水量控制的区域占总区域面积的57.2%，而受气温控制的面积占总区域面积的42.8%。总的来看，加纳植被覆盖对降水量变化的敏感程度强于气温变化。

DOI

[ 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. ]

[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.There is an increasing need for data on land-cover changes at broad spatial scales. In this study, a remote sensing-based technique for land-cover-change analysis was applied to the African continent for the last decade. Ten years of daily, continental-scale satellite remote sensing data (from the National Oceanic and Atmospheric Administration's advanced very-high resolution radiometer) were analyzed. Deviations in the seasonal trajectory of the land surface--characterized by its brightness temperature and a vegetation index--were interpreted in terms of land-cover change on a yearly basis, from 1982 to 1991. Land-cover-change magnitudes were measured and mapped for every year. The major categories of seasonal patterns of changes were identified. Multiyear patterns of change also were categorized, and all areas affected by a continuous decrease and gain in vegetation cover over the decade were mapped. Results were related to published high-resolution remote sensing-based studies, rainfall data, and other evidence of land-cover changes. This study's results demonstrate that interannual landcover changes in Africa mostly involve erratic variations in land-cover conditions due to interannual climatic variability and temporary modifications in seasonality. Continuous, unidirectional change processes (decrease or gain in vegetation cover) affected less than 4% of sub-Saharan Africa during the study period. Although such linear changes are just a fraction of the total land-cover changes detected, their effect on ecosystems and sustainability of livelihood might be significant. In the semiarid regions, temporary modification of the biophysical attributes of the surface driven by variations in rainfall is the dominant process. Future work will focus on finer-scale interpretation and validation of patterns of changes.

DOI

[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.土地利用/土地覆被变化（LUCC）是人类活动与自然环境相互作用最直接的表现形式，本文采用相同空间分辨率的卫星遥感信息源和相同的技术方法，对中国1980 年代末到2010 年土地利用变化数据进行定期更新。在此基础上，提出并发展土地利用动态区划的方法，研究土地利用变化的空间格局与时空特征。我们发现：1990-2010 年的20 年间，中国土地利用变化表现出明显的时空差异。“南减北增，总量基本持衡，新增耕地的重心逐步由东北向西北移动”是耕地变化的基本特征；“扩展提速，东部为重心，向中西部蔓延”是城乡建设用地变化的基本特征；“林地前减后增，荒漠前增后减，草地持续减少”是非人工土地利用类型变化的主要特征。20 世纪末与21 世纪初两个10 年相比，中国土地利用变化空间格局出现了一些新特征，原有的13 个土地利用变化区划单元演变为15 个单元，且部分区划单元边界发生变化。主要变化格局特征为黄淮海地区、东南部沿海地区、长江中游地区和四川盆地城镇工矿用地呈现明显的加速扩张态势；北方地区耕地开垦重心由东北地区和内蒙古东部转向西北绿洲农业区；东北地区旱作耕地持续转变为水田；内蒙古农牧交错带南部、黄土高原和西南山地退耕还林还草效果初显。近20 年间，尽管气候变化对北方地区的耕地变化有一定的影响，但政策调控和经济驱动仍然是导致我国土地利用变化及其时空差异的主要原因。2000 年后的第一个10 年，土地利用格局变化的人为驱动因素已由单向国土开发为主，转变为开发与保护并重。在空间格局变化的分析方法方面，应用“动态区划法”开展世纪之交两个10 年中国LUCC空间格局变化的分析，有效揭示了20 年来中国LUCC“格局的变化过程”，即动态区划边界的推移、区划单元内部特征的变化与单元的消长等；以及“变化过程的格局”，即土地利用变化过程与特征的分阶段区域差异，清晰刻画了LUCC动态区划中区划单元的消长，单元边界的变动，以及前后10 年的变化强度特征，揭示了土地利用“格局”与“过程”之间的交替转化规律，以及不同类型和区域的变化原因，证明了该分析方法的有效性。

DOI

[ 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. ]

[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.在全球环境变化研究中,土地利用和土地覆被动态越来越被认为是一个关键而迫切的研究课题.依据覆盖中国1990年代末期5a时间间隔的陆地卫星数据资料,研究了土地利用变化的特征和空间分布规律.依据土地利用动态度的概念。在1 km格网土地利用变化数据基础上,根据区域近期土地利用动态特点与社会、自然环境综合特征,设计了全国土地利用动态区划图,揭示了土地利用变化过程的空间格局.总体上,传统农作区(包括黄淮海平原、长江三角洲地区和四川盆地等)城镇居民建设用地的扩张侵占了大面积的耕地,而北方农牧交错带与西北绿洲农业区由于生产条件、经济利益和气候变化等方面的原因,耕地开垦现象最为突出,国家退耕还林还草政策的实施效果在局部地区有所体现,但截至2000年,尚未对土地覆被变化产生区域性的影响,此5 a期间森林砍伐现象依然比较严峻.本项研究,实现了中国现代土地利用动态区域单元的划分,揭示了中国现代土地利用变化的时间-空间属性并为其特征分析提供了区域格局框架.该项研究是地理科学对研究对象的“空间格局”与“时间过程”特征进行集成研究,揭示研究对象“变化过程的格局”,以及“格局的变化过程”的一次有益的尝试.

DOI

[ 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. ]

[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.土地利用/覆盖变化(LUCC)是全球变化研究的热点问题之一。本文采用人机交互方法基于2005年基准年的Landsat TM/ETM遥感影像修正欧空局Global Cover 2005年土地利用数据,进而采用逆时相目视解译法从1980年基准年的Landsat MSS/TM遥感影像数据提取1980-2005年土地利用/覆盖变化信息,分析其变化的时空格局及驱动因素。结果表明:1980-2005年的25年间,巴西土地利用/覆盖变化面积达79.43万km2,占土地总面积的9.33%。其中,单纯耕地像元面积增加了20.18万km2;耕地/自然植被镶嵌混合像元区面积增加了10.70万km2;林地面积减少了53.12万km2;灌丛与草地净增加21.10万km2;水体面积增加0.46万km2;城乡建设用地面积增加7573.87 km2。由此导致热带和亚热带湿润阔叶林生态地理区、热带和亚热带干旱阔叶林生态地理区、热带及亚热带草原生态地理区、草原和沼泽湿地生态地理区、沙漠和旱生植物生态地理区以及红树林生态地理区内分别呈现不同的土地利用/覆盖变化特征。近25年间,地形地貌、气候、植被等自然地理条件深刻影响着土地利用的宏观格局,而土地利用政策调控、经济及对外贸易发展、人口增加及空间迁移、道路修建等是导致巴西土地利用变化的主要原因。

DOI

[ 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. ]

[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.进入21世纪以来,随着全球人口、资源与环境问题的日益突出,土地利用/土地覆被变化研究已成为国际上全球变化研究的前沿与热点。作为土地利用变化研究领域焦点之一的驱动力机制研究一直备受关注,它也是土地利用变化问题最核心的研究部分。现有土地利用变化驱动力机制研究虽然取得了一些进展,但仍然存在许多亟待解决的问题。在总结梳理现有文献的基础上,针对土地利用变化驱动力机制研究的层次性变化,土地利用变化驱动力机制影响因子时空尺度效应与一致性、土地利用变化驱动力机制社会经济影响因子定量化与空间化,土地利用变化驱动力机制方法进行了探讨,并提出了土地利用变化驱动力机制研究未来发展趋势,以期对深入理解土地利用/覆盖变化驱动力内在和外在机制以及促进该领域进一步研究提供参考。

DOI

[ 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. ]

[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.驱动力研究对解释土地利用/覆盖的时空变化起着关键作用。目前土地利用/覆盖变化驱动力研究仍然存在许多亟待解决的问题,仍然是目前土地利用/覆盖变化研究的重点和难点问题。在总结前人研究的基础上,对土地利用/覆盖变化驱动力研究的理论基础、驱动力系统特征、研究技术与方法、驱动要素辨识等内容进行系统阐述,对深入理解土地利用/覆盖变化驱动力内在和外在机制以及促进其研究的进展都具有一定意义。

[ 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.Researchers from the U.S. Geological Survey, University of Nebraska-Lincoln and the European Commission's Joint Research Centre, Ispra, Italy produced a I km resolution global land cover characteristics database for use in a wide range of continental- to global-scale environmental studies. This database provides a unique view of the broad patterns of the biogeographical and ecoclimatic diversity of the global land surface, and presents a detailed interpretation of the extent of human development. The project was carried out as an International Geosphere-Biosphere Programme, Data and Information Systems (IGBP-DIS) initiative. The IGBP DISCover global land cover product is an integral component of the global land cover database. DISCover includes 17 general land cover classes defined to meet the needs of IGBP core science projects. A formal accuracy assessment of the DISCover data layer will be completed in 1998. The 1 km global land cover database was developed through a continent-by-continent unsupervised classification of 1 km monthly Advanced Very High Resolution Radiometer (AVHRR) Normalized Difference Vegetation Index (NDVI) composites covering 1992-1993. Extensive post-classification stratification was necessary to resolve spectral/temporal confusion between disparate land cover types. The complete global database consists of 961 seasonal land cover regions that capture patterns of land cover, seasonality and relative primary productivity. The seasonal land cover regions were aggregated to produce seven separate land cover data sets used for global environmental modelling and assessment. The data sets include IGBP DISCover, U.S. Geological Survey Anderson System, Simple Biosphere Model, Simple Biosphere Model 2, Biosphere-Atmosphere Transfer Scheme, Olson Ecosystems and Running Global Remote Sensing Land Cover. The database also includes all digital sources that were used in the classification. The complete database can be sourced from the website: http://edcwww.cr.usgs.gov/landdaac/glcc/glcc.html.

DOI

[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.This paper on reports the production of a 1 km spatial resolution land cover classification using data for 1992-1993 from the Advanced Very High Resolution Radiometer (AVHRR). This map will be included as an at-launch product of the Moderate Resolution Imaging Spectroradiometer (MODIS) to serve as an input for several algorithms requiring knowledge of land cover type. The methodology was derive...

DOI

[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.Until recently, advanced very high-resolution radiometer (AVHRR) observations were the only viable source of data for global land cover mapping. While many useful insights have been gained from analyses based on AVHRR data, the availability of moderate resolution imaging spectroradiometer (MODIS) data with greatly improved spectral, spatial, geometric, and radiometric attributes provides significant new opportunities and challenges for remote sensing-based land cover mapping research. In this paper, we describe the algorithms and databases being used to produce the MODIS global land cover product. This product provides maps of global land cover at 1-km spatial resolution using several classification systems, principally that of the IGBP. To generate these maps, a supervised classification methodology is used that exploits a global database of training sites interpreted from high-resolution imagery in association with ancillary data. In addition to the IGBP class at each pixel, the MODIS land cover product provides several other parameters including estimates for the classification confidence associated with the IGBP label, a prediction for the most likely alternative class, and class labels for several other classification schemes that are used by the global modeling community. Initial results based on 5 months of MODIS data are encouraging. At global scales, the distribution of vegetation and land cover types is qualitatively realistic. At regional scales, comparisons among heritage AVHRR products. Landsat TM data, and results from MODIS show that the algorithm is performing well. As a longer time series of data is added to the processing stream and the representation of global land cover in the site database is relined, the quality of the MODIS land cover product will improve accordingly.

DOI

[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.Given the current lack of interoperability between global and regional land cover products, efforts are underway to link the new European global land cover map (GLOBCOVER) with the existing global land cover 2000 map (GLC2000) and European CORINE mapping initiative. Since both datasets apply different mapping standards, key for a successful implementation is a thorough understanding of the heterogeneities among both datasets. Thus, this paper provides an assessment of compatibilities and differences between the CORINE2000 and GLC2000 datasets. The comparative assessment considers inconsistencies between the thematic legends (using the UN land cover classification system-LCCS), class specific accuracies, and the spatial resolution and heterogeneity of the datasets. The results are summarized with implications for the development of the new GLOBCOVER datasets.

DOI

[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.The International Geosphere-Biosphere Programme Data and Information System (IGBP-DIS) is co-ordinating the development of global land data sets from Advanced Very High Resolution Radiometer (AVHRR) data. The first is a 1 km spatial resolution land cover product 'DISCover', based on monthly Normalized Difference Vegetation Index composites from 1992 and 1993. DISCover is a 17 class land cover dataset based on the science requirements of IGBP elements. Mapping uses unsupervised classification with post-classification refinement using ancillary data. Draft Africa, North America and South America products are now available for peer review.

DOI

[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.This paper presents a general statistical methodology for the analysis of multivariate categorical data arising from observer reliability studies. The procedure essentially involves the construction of functions of the observed proportions which are directed at the extent to which the observers agree among themselves and the construction of test statistics for hypotheses involving these functions. Tests for interobserver bias are presented in terms of first-order marginal homogeneity and measures of interobserver agreement are developed as generalized kappa-type statistics. These procedures are illustrated with a clinical diagnosis example from the epidemiological literature.

DOI PMID

Options
Outlines

/

〈 〉