中國典型區(qū)域GLC2009數(shù)據(jù)的精度評價

費 嵐， 宮傳剛

(安徽理工大學 測繪學院，安徽 淮南232001)

20 世紀90年代以來，隨著計算機制圖科技的進步和衛(wèi)星傳感器的持續(xù)發(fā)展，基于遙感技術的全球土地覆蓋數(shù)據(jù)制圖也逐步取得了進展［1］。至今，基于遙感影像數(shù)據(jù)獲得的全球土地覆蓋數(shù)據(jù)產(chǎn)品主要有IGBP － DIS Cover 數(shù)據(jù)集、UMD 數(shù)據(jù)集、MODIS 數(shù)據(jù)集、GLC2000 數(shù)據(jù)集、GLC2009 數(shù)據(jù)集五類。由于空間分辨率存在缺陷，2010年歐洲研發(fā)了分辨率為300 m 的GLC2009 土地覆蓋數(shù)據(jù)產(chǎn)品［2］。該產(chǎn)品是由歐洲太空局(ESA)、聯(lián)合國環(huán)境規(guī)劃署(UNEP)、聯(lián)合國糧農(nóng)組織(FAO)、歐洲委員會聯(lián)合研究中心(JRC)、國際地圈－生物圈計劃(IGBP)及林地和土地覆蓋動態(tài)的全球觀測(GOFC －GOLD)執(zhí)行小組共同參與完成的［3］。它具有較高的分辨率，其最新數(shù)據(jù)能反映全球地表覆蓋狀況，在生態(tài)環(huán)境動態(tài)監(jiān)測、土地資源利用等方面得到了廣泛應用。

雖然數(shù)據(jù)生產(chǎn)者對其產(chǎn)品數(shù)據(jù)的準確性進行了定量評價，部分國外學者驗證及分析了該數(shù)據(jù)產(chǎn)品在不同地區(qū)的準確性，但它在中國地區(qū)的數(shù)據(jù)目前尚未得到可靠準確的精度評價，所以，這些全球土地覆蓋數(shù)據(jù)集在中國受到了應用限制［3］。國內(nèi)學者在提高動態(tài)高效遙感技術、全球地表覆蓋制圖技術的基礎上，研制了屬于我國的高精度全球土地覆蓋產(chǎn)品，為我國研究全球環(huán)境變化和地球系統(tǒng)模式提供了可靠依據(jù)。筆者利用統(tǒng)一參考數(shù)據(jù)，以空間分辨率為300 m 的GLC2009 為研究對象，對中國典型區(qū)域內(nèi)數(shù)據(jù)進行精度驗證，定量評價此數(shù)據(jù)在中國不同區(qū)域內(nèi)的差異。

1 數(shù)據(jù)來源與處理

1.1 數(shù)據(jù)來源

GLC2009 數(shù)據(jù)源是來自ENVISAT 衛(wèi)星平臺上的MERIS 數(shù)據(jù)，空間分辨率為300 m。根據(jù)分層分區(qū)的分類方法，將自然地理分區(qū)進行分層提?。?］。它主要利用土地覆蓋分類體系(LCCS)，分成22 類全球地表覆蓋類型，對全球生態(tài)環(huán)境變化體系、土地綜合利用情況研究有著重要影響［4］。

文中以空間分辨率為30 m 的LANDSAT4 －5 TM 影像數(shù)據(jù)作為參考數(shù)據(jù)。LANDSAT 是美國陸地探測衛(wèi)星系統(tǒng)，LANDSAT 上裝備的傳感器TM 覆蓋了從紅外到可見光的七個波段，其覆蓋面廣，波段1～5 和波段7 的空間分辨率為30 m，波段6(熱紅外波段)的空間分辨率為120 m。為滿足研究對象的時效性、全面性等要求，根據(jù)中國行政區(qū)域劃分，從國際科學數(shù)據(jù)服務平臺網(wǎng)站下載影像，影像數(shù)據(jù)行列為:華東區(qū)域(119，38)，東北區(qū)域(116，27)，西北區(qū)域(127，36)，華南區(qū)域(123，44)。為確保影像質(zhì)量，以上影像數(shù)據(jù)的云量均控制在5%以內(nèi)。

1.2 數(shù)據(jù)處理

為了便于比較分析，簡化參考數(shù)據(jù)的分類，對全球土地覆蓋產(chǎn)品22 類進行類型合并，原土地覆蓋產(chǎn)品中相應編碼為11、14、20 的類別統(tǒng)一歸為耕地，110、120、130、140 的類別統(tǒng)一歸為草灌，30～70、90、100、150～180 的類別統(tǒng)一歸為林地，190、200、210、220 的類別分別為人工表面、裸地、水體和冰雪。由于永久性冰雪通常處于海拔較高處，此研究區(qū)未涉及;裸地主要是沙漠地帶，城市裸地較少。因此，裸地及永久冰雪單獨給出。

根據(jù)訓練區(qū)特點將地物分為耕地、草灌、林地、水體和人工表面五類，通過建立各類土地利用類型的遙感解譯標志，對影像進行目視解譯，用最大似然法(Maximum likelihood)進行監(jiān)督分類［5］。為了避免對結果影像造成誤判或界限不清，在目視解譯過程中，除考慮地物的光譜特性外，還要考慮地物所處的位置、形態(tài)特征等因素［6］。圖1 為中國典型區(qū)監(jiān)督分類。

圖1 不同區(qū)域監(jiān)督分類Fig．1 Supervised classification of different area

2 精度評價方法

比較分析法是檢驗遙感數(shù)據(jù)產(chǎn)品精度的主要方法，對比分析待驗證數(shù)據(jù)與參照數(shù)據(jù)的相似性與一致性，前后數(shù)據(jù)的吻合度越高則說明待驗證數(shù)據(jù)準確度越高［7］。通常數(shù)據(jù)產(chǎn)品精確度驗證主要有空間位置精度驗證和數(shù)量驗證兩方面?？臻g位置精度驗證注重評價數(shù)據(jù)間各相應類別在空間分布上是否相似，而數(shù)量精度驗證注重評價被驗證數(shù)據(jù)與參考數(shù)據(jù)在數(shù)量上的一致性［1］。該研究的參考數(shù)據(jù)是監(jiān)督分類后的四個區(qū)域影像數(shù)據(jù)，對四個區(qū)域的面積數(shù)量和空間位置的一致性進行精度分析?；煜仃囍械脑厥歉黝惖南袼財?shù)量或其占總像素數(shù)量的百分比。其主對角線上的像素數(shù)量越大或百分比越高，則表示分類精度就越高，反之越低［8］。通過混淆矩陣Kappa 系數(shù)來評價參考數(shù)據(jù)的分類精度，從而評價整個分類圖的精度。以東北區(qū)域為例，表1為影像數(shù)據(jù)與監(jiān)督分類結果所對應的混淆矩陣，計算得到東北區(qū)域監(jiān)督分類總體精度為93.61%，Kappa 系數(shù)為0.892 1。

表1 東北區(qū)域監(jiān)督分類混淆矩陣Table 1 Cofusion matrix of supervised classifcation in northeas area

通過計算合并后的GLC2009 土地覆蓋產(chǎn)品與監(jiān)督分類后的中國四個區(qū)域的面積相關系數(shù)，評價這兩種數(shù)據(jù)類型面積相對參考數(shù)據(jù)的偏離程度。相關系數(shù)(Ri)表示的是兩變量之間的線性關系。相關系數(shù)平方表示兩變量相關的強度或大?。?］。

式中:i——評價的土地覆蓋類型產(chǎn)品;

k——不同的土地覆蓋類型，k=1，2，…，5;

xk——各類型的總面積;

yk——參考數(shù)據(jù)各類型的總面積;

x——所要評價的五類土地覆蓋數(shù)據(jù)類型面積的均值;

y——對應類型在參考數(shù)據(jù)中的均值。

3 結果分析

3.1 面積精度

面積是土地覆蓋數(shù)據(jù)產(chǎn)品蘊涵的重要信息，對面積的比較具有現(xiàn)實意義。對四個典型區(qū)域的土地覆蓋產(chǎn)品GLC2009 數(shù)據(jù)及參考數(shù)據(jù)進行各類型的面積對比，結果見表2。

表2 面積一致性比較Table 2 Consistency comparison of area

從表2 可以看出，四個區(qū)域面積總體上差異較大。華東區(qū)域的精度較高，這是因為華東區(qū)域地勢比較平坦，水體在光譜上容易區(qū)分，而農(nóng)田因為有明顯的人類耕作季節(jié)特征，在光譜上表現(xiàn)為NDVI年變化，呈現(xiàn)多峰、雙峰和單峰特征，因而也較易識別［10］。西北及東北區(qū)域的耕地類型偏差達100%，東北區(qū)域的耕地面積為0，是因為土地覆蓋產(chǎn)品GLC2009 將耕地類型分類為裸地、草灌和林地三類。西北區(qū)域的耕地面積遠遠高于參考數(shù)據(jù)，是因為西北區(qū)域的耕地比較零散，而且主要是黃土高原。人工表面覆蓋的面積在四個區(qū)域均比參考數(shù)據(jù)小，誤差大于50%以上。草灌、林地面積相對于土地覆蓋產(chǎn)品的差距也較大，與西北區(qū)域的林地面積最為接近，兩者相差9.53%。由表2 中誤差比例可知，利用遙感方法進行中國土地分類的難點在于準確地對林地、草灌進行分類。

根據(jù)相關系數(shù)公式求得東北、西北、華東、華南四個區(qū)域的相關系數(shù)，分別為0.73、0.66、0.98、0.66。從土地覆蓋數(shù)據(jù)產(chǎn)品中的四個區(qū)域與參考數(shù)據(jù)面積總體的相關性可以看出，華東區(qū)域的精度最高，東北次之，西北和華南區(qū)域精度較低。

3.2 空間位置精度

僅評價遙感數(shù)據(jù)產(chǎn)品的面積精度，會影響該數(shù)據(jù)產(chǎn)品質(zhì)量的真實性和可靠性，因為遙感制圖相對容易描述一個區(qū)域某一土地覆蓋類別的總數(shù)量特征，但其空間位置制圖并不準確。所以，文中對空間位置精度進行評價分析［11］。

GLC2009 土地覆蓋產(chǎn)品與監(jiān)督分類結果的混淆矩陣見表3～6。GLC2009 土地覆蓋數(shù)據(jù)在華東區(qū)域與參考數(shù)據(jù)的一致性最好，Kappa 系數(shù)為0.77，總體精度為92.62%，主要表現(xiàn)在，耕地類型及水體類型的精度是四個區(qū)域內(nèi)精度最高的，分別達到95.59%和98.97%。但華東區(qū)域的草灌精度很低，為5.42%，這是因為有46.05%草灌被分為耕地，41.93%草灌被分為水體。與參考數(shù)據(jù)一致性最差的是東北區(qū)域，Kappa 系數(shù)為0.02，總體精度是32.19%，其耕地類型精度是土地覆蓋產(chǎn)品GLC2009在四個區(qū)域內(nèi)最低的。GLC2009 土地覆蓋產(chǎn)品在西北和華南區(qū)域的總體精度相差不大，各類型的分類精度不等，西北區(qū)域內(nèi)人工表面的精度是最高的，達到75.02%，同時，將人工表面分為草灌的比例為0.16%，是四個區(qū)域內(nèi)最小的。這是以草灌的精度損失為代價的，分類精度為0。

GLC2009 土地覆蓋產(chǎn)品在以上四個區(qū)域內(nèi)，耕地與草灌，林地與草灌，林地之間，耕地之間，人工表面與耕地，草灌與林地、耕地之間，水體與耕地、草地之間都存在不同程度的混分現(xiàn)象。

從以上分析可知，未來我國開展高精度的土地覆蓋分類制圖的關鍵在于，提高各種類型精度，特別是草灌和人工表面，因為在中國的人工表面用地周圍一般都是耕地，尤其是面積小且分散的農(nóng)村地區(qū)，其與耕地嚴重混淆，草灌一類也分布較散，不能區(qū)分。在中國山地丘陵區(qū)域，地形起伏大，耕地零星分布，而且與其他植被類型高度混合，使得地表復雜程度高于衛(wèi)星傳感器的識別能力。中國山區(qū)具有地形起伏、耕地分散的顯著特點，但與其他植被類型高度混合，使得衛(wèi)星傳感器的識別能力不能滿足復雜的地表情況。在這些區(qū)域進行土地覆蓋制圖時使用低空間分辨率的遙感數(shù)據(jù)，很可能引起更大的誤差，精度隨之降低，土地覆蓋制圖顯然會有更多的錯誤和不確定性［12］。

表3 東北區(qū)域混淆矩陣Table 3 Confusion matrix in northeast area

表4 華東區(qū)域混淆矩陣Table 4 Confusion matrix in east of China

表5 西北區(qū)域混淆矩陣Table 5 Confusion matrix in northwest area

表6 華南區(qū)域混淆矩陣Table 6 Confusion matrix in south of China

4 結 論

(1)GLC2009 土地覆蓋數(shù)據(jù)集在中國華東區(qū)域的面積一致性和空間位置一致性方面均有較高的整體分類精度，西北和華南區(qū)域的空間位置分類精度次之，而東北區(qū)域的空間位置總體精度與Kappa 系數(shù)遠低于其他三個區(qū)域。

(2)GLC2009 土地覆蓋數(shù)據(jù)集在四個不同區(qū)域內(nèi)都存在著明顯的分類錯誤:在華東區(qū)域內(nèi)，GLC2009 土地覆蓋數(shù)據(jù)的分類結果顯示含有永久冰雪一類，而在東北區(qū)域內(nèi)的耕地面積為0，導致GLC2009 數(shù)據(jù)集在東北區(qū)域的精度很低。

(3)LANDSAT4 －5TM 影像作為參考數(shù)據(jù)進行分類，尚可以反應全球土地覆蓋產(chǎn)品在中國典型區(qū)域內(nèi)的總體評價，但分類結果的精確度尚待提高。

［1］吳文斌，楊 鵬，周清波，等．四類全球土地覆蓋數(shù)據(jù)在中國區(qū)域的精度評價［J］．農(nóng)業(yè)工程學報，2009，25(12):167－173．

［2］王 潔，張增祥，張委偉．基于生態(tài)地理分區(qū)的5 套土地利用/覆蓋數(shù)據(jù)的不確定性研究［J］．遙感技術與應用，2012，27(6):389 －395

［3］牛振國，單玉秀，張海英．全球土地覆蓋GlobCover 2009 數(shù)據(jù)中的中國區(qū)域濕地數(shù)據(jù)精度評價［J］．濕地科學，2012，10(4):389 －395．

［4］徐文婷，吳炳方，顏長珍，等．用SPOT －VGT 數(shù)據(jù)制作中國2000年度土地覆蓋數(shù)據(jù)［J］．遙感學報，2005，9(2):204 －214．

［5］陳 超，江 濤，岳遠平．監(jiān)督分類和目視修改相結合在高分辨率遙感影像中的應用［J］．國土資源信息化，2009(5):37 －40．

［6］王玉麗，馬 震．應用ENVI 軟件目視解譯TM 影像土地利用分類［J］．現(xiàn)代測繪，2011，34(1):11 －13．

［7］宋宏利，張曉楠．中國區(qū)域多源土地覆被遙感產(chǎn)品精度分析與驗證［J］．農(nóng)業(yè)工程學報，2012，28(22):204 －214．

［8］湯國安，韋玉春，楊 昕．遙感數(shù)字圖像處理［M］．北京:科學出版社，2004．

［9］冉有華，李 新，盧 玲．四種常用的全球1km 土地覆蓋數(shù)據(jù)中國區(qū)域的精度評價［J］．冰川凍土，2009，31(3):490 －499．

［10］李曉兵，陳云浩，喻 鋒．基于遙感數(shù)據(jù)的全球及區(qū)域土地覆蓋制圖:現(xiàn)狀、戰(zhàn)略和趨勢［J］．地球科學進展，2004，19(1):71 －80．

［11］LAMBIN E F，GEIST H．Land-use and land－cover change:Local processes and global impacts［M］．Germany:Springer，2006．

［12］劉紀遠，張增樣，莊大方，等．20 世紀90年代中國土地利用變化時空特征及其成因分析［J］．地理研究，2003，22(1):1 －12．