張小紅

摘 要：近年來，很多學(xué)者提出了融合多種地表覆蓋產(chǎn)品的方法，以生產(chǎn)出空間一致性較好且精度較高的分類產(chǎn)品。文章以美國(guó)區(qū)域?yàn)檠芯繉?duì)象，使用基于模糊理論的方法將三種源數(shù)據(jù)NLCD 2011、FROM-GLC-seg、Globcover2009_V2.3_Globald的森林類進(jìn)行融合，將GlobeLand30（2010）林地類型劃分成針葉林、闊葉林、混交林。在新圖像中，闊葉林、針葉林、混交林用戶精度分別達(dá)到77%、 74%、 69%。

關(guān)鍵詞：融合；GlobeLand30；細(xì)化圖

中圖分類號(hào)：P237 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2018）16-0008-03

Abstract： In recent years，many scholars have proposed a method that integrates a variety of land cover products to produce a better spatial consistency and higher precision of the classified products. This article used the United States region as the research object， using the method based on fuzzy theory to integrate the forest type of three source data NLCD 2011， FROM-GLC-seg， and Globecover2009_V2.3_Globald. The land type of GlobeLand30 （2010） was divided into coniferous forest， broad-leaved forest， and mixed forest. In the new image， the user accuracy of broad-leaved forest， coniferous forest， and mixed forest reached 77%， 74%， and 69%， respectively.

Keywords： integration； GlobeLand30； refined image

引言

地表覆蓋是指地球表面各種物質(zhì)類型及其自然屬性與特征的綜合體， 其空間分布與變化對(duì)人類社會(huì)、生物及自然環(huán)境有著重要的影響作用[1]?，F(xiàn)有的全球地表覆蓋產(chǎn)品有馬里蘭大學(xué)的全球地表覆蓋數(shù)據(jù)集、MODIS土地覆蓋產(chǎn)品等。以上產(chǎn)品的空間分辨率是300-1000m，在全球尺度上，已經(jīng)出現(xiàn)了更高空間分辨率的地表覆蓋產(chǎn)品，其中包括美國(guó)馬里蘭大學(xué)研制的2000年-2012年全球30m森林覆蓋及增減數(shù)據(jù)集和中國(guó)研制的GlobeLand30。

為了進(jìn)一步提高現(xiàn)有的全球地表覆蓋產(chǎn)品的精度，滿足用戶多樣化的需求，很多學(xué)者提出了融合多種分類產(chǎn)品來提高分類的穩(wěn)定性與精確度[2]。目前，具體的融合方法主要有兩大類：基于多源遙感數(shù)據(jù)融合法、基于多源遙感和非遙感數(shù)據(jù)融合法[3]?；诙嘣催b感數(shù)據(jù)融合法中包含基于模糊集合理論的融合的方法，其可以結(jié)合不同地表覆蓋產(chǎn)品各自的優(yōu)勢(shì)，生產(chǎn)出空間一致性較好且精度較高的產(chǎn)品，比基于遙感影像的傳統(tǒng)分類方法工作量少，綜合考慮，本文采用基于模糊集合理論的融合方法，利用四種地表覆蓋數(shù)據(jù)產(chǎn)品：NLCD 2011、FROM-GLC-seg、Globcover2009_V2.3_Global、GlobeLand30（2010），以美國(guó)區(qū)域?yàn)閷?duì)象來進(jìn)行研究，將GlobeLand30（2010）林地類型劃分成針葉林、闊葉林、混交林。

1 數(shù)據(jù)來源

本文采用四種地表覆蓋數(shù)據(jù)產(chǎn)品進(jìn)行研究，即：NLCD 2011、FROM-GLC-seg、Globcover2009_V2.3_Global、GlobeLand30（2010）。NLCD 2011（National Land Cover Database 2011）采用2011年陸地衛(wèi)星數(shù)據(jù)并利用決策樹進(jìn)行分類，空間分辨率為30米[4]。FROM-GLC-seg（Fine Resolution Observation and Monitoring of Global Land Cover-Segmentation）在使用陸地衛(wèi)星TM/ETM+數(shù)據(jù)（30m）的基礎(chǔ)上，利用基于分割的降尺度方法來融合多種多分辨率數(shù)據(jù)集，空間分辨率為30m[5]。Globcover2009產(chǎn)品的分類方法是分層分區(qū)法，采用來自ENVISAT衛(wèi)星平臺(tái)的MERIS FR數(shù)據(jù)，空間分辨率為300m[6]。GlobeLand30是中國(guó)科學(xué)家自主研制的首套全球30米分辨率的地表覆蓋遙感制圖數(shù)據(jù)集，其研制中所使用的分類影像主要是30米多光譜影像，其具有10個(gè)一級(jí)類，空間分辨率為30m[7]。

2 方法

2.1 數(shù)據(jù)預(yù)處理及圖例翻譯

四種地表覆蓋數(shù)據(jù)中FROM-GLC-seg和GlobeLand30是分景的，且空間分辨率與坐標(biāo)系統(tǒng)，所以首先在Arcgis10.1中將這些圖像去黑邊、拼接，最后進(jìn)行重投影與重采樣，重采樣后的分辨率為300m。

在本研究中，首先要對(duì)其森林類進(jìn)行比較，本文采用地表覆蓋分類系統(tǒng)LCCS對(duì)圖例進(jìn)行翻譯，LCCS是聯(lián)合國(guó)糧農(nóng)組織（FAO）與聯(lián)合國(guó)環(huán)境規(guī)劃署（UNEP）聯(lián)合開發(fā)的地表覆蓋分類系統(tǒng)[8]，該系統(tǒng)有如下特點(diǎn)：內(nèi)部結(jié)構(gòu)具有靈活性，是一種綜合性的、規(guī)范性的先驗(yàn)系統(tǒng)。由于本文研究的內(nèi)容是針對(duì)林地類型的，所以翻譯時(shí)只需翻譯與林地相關(guān)的類。圖例翻譯過后要給每個(gè)類賦一系列屬性值，其中8個(gè)屬性值可以從LCCS中直接得到，還有一個(gè)土地利用類屬性，需要添加進(jìn)去，共9個(gè)屬性：植被狀況、土壤條件、人造覆蓋、土地利用類別、生命形式、葉型、植被覆蓋密度、葉物候、樹高[9]。

2.2 計(jì)算重疊矩陣

利用9個(gè)屬性來進(jìn)行類之間的重疊性計(jì)算時(shí)，除了植被覆蓋密度、樹高，其余屬性按照公式（1）進(jìn)行計(jì)算。植被覆蓋密度、樹高按照公式（2）進(jìn)行計(jì)算。這里須為每個(gè)屬性構(gòu)造一個(gè)概念空間，Pk代表一個(gè)n值屬性，Ok（Ci，Cj）表示Pk的兩個(gè)重疊類的重疊性，Ci≡（ri1，ri2，…，rin）和Cj≡（rj1，rj2，…，rjn）代表к+n空間的點(diǎn)，其值設(shè)置為0和1。Pk的重疊性用如下公式表示：

公式（1）中的Min（rim-rjm）代表求rim與rjm的交集。公式（2）中，li=[lil，liu]，lj=[ljl，lju]表示編碼值是連續(xù)屬性的區(qū)間值，li∩lj表示其區(qū)間長(zhǎng)度的重疊值。

當(dāng)按照公式（1）、（2）計(jì)算完9個(gè)屬性的重疊性之后，要按照公式（3）計(jì)算出最終的重疊性[9]。

其中，k表示這9個(gè)屬性在計(jì)算重疊矩陣時(shí)的權(quán)重，這里設(shè)定生命形式、葉型、葉物候三個(gè)屬性的權(quán)重為1/6，其余六個(gè)屬性的權(quán)重為1/12。

2.3 定義目標(biāo)圖例并計(jì)算相似分?jǐn)?shù)

本文中，由于NLCD 2011、FROM-GLC-seg、Globcover

2009三種產(chǎn)品中有兩種森林類都具有闊葉林、針葉林、混交林，雖然NLCD 2011森林類中只有落葉林、常綠林、混交林，但是按照常識(shí)，一般情況下，落葉林多數(shù)屬于闊葉型，常綠多數(shù)屬于針葉型，所以我們定義目標(biāo)圖例M為闊葉林、針葉林、針闊混交林三類，在新圖像中的代碼分別是1，2，3。

各原始數(shù)據(jù)圖例與目標(biāo)圖例的相似分?jǐn)?shù)表征了源數(shù)據(jù)中各類型屬于目標(biāo)圖例三個(gè)類的可能性，由重疊矩陣得到。以NLCD 2011為例，NLCD 2011中落葉林與目標(biāo)圖例中的闊葉林的相似分?jǐn)?shù)Ok（Ck，y）由落葉林與其他數(shù)據(jù)中闊葉林的各相似分?jǐn)?shù)和的平均值得到，y表示目標(biāo)圖例中的類，設(shè)Ω代表目標(biāo)圖例，Ω=（1，2，……n），n代表目標(biāo)圖例中類的個(gè)數(shù)，這里，y∈Ω。本文列舉FROM-GLC-seg與目標(biāo)圖例的相似分?jǐn)?shù)如表1所示，行代表目標(biāo)圖例，列代表FROM-GLC-seg森林類。

2.4 生成新地圖

這里，假設(shè)x是某個(gè)像素，它同時(shí)存在于三個(gè)地表覆蓋產(chǎn)品中，設(shè)其具有三個(gè)值 分別代表NLCD 2011、FROM-GLC-seg、 Globcover2009。

其中，Ok（■k（x），y）是像素x在某個(gè)地表覆蓋產(chǎn)品中代表的類與目標(biāo)圖例中的類y的相似分?jǐn)?shù)。U（■k（x））代表用戶精度，由混淆矩陣計(jì)算得到，本文在Google Earth中對(duì)采集的樣本點(diǎn)進(jìn)行驗(yàn)證并計(jì)算U（■k（x））。公式（5）表示取的最大值時(shí)x屬于的類為最終的類。

在融合的過程中，當(dāng)遇到像素x在三種地表覆蓋產(chǎn)品中有沖突時(shí)，采取多數(shù)原則，最后，將按照如上公式得出的圖像與GlobeLand30進(jìn)行疊合，以剔除GlobeLand30認(rèn)為不是林地的像素。

3 結(jié)果與精度評(píng)價(jià)

GlobeLand30（2010）林地類型細(xì)化結(jié)果如圖1所示。

對(duì)新圖像進(jìn)行精度評(píng)價(jià)時(shí)，由于野外驗(yàn)證工作量較大且難以實(shí)現(xiàn)，本文采用室內(nèi)在Google earth上進(jìn)行精度評(píng)價(jià)。但由于Globcover2009中類40的像元總數(shù)太少，很難采集樣本，所以在本次研究中忽略此類。NLCD 2011 產(chǎn)品中類41、42、43的用戶精度分別是0.66、0.70、0.67；FROM-GLC-seg產(chǎn)品中類21、22、23、24的用戶精度分別是0.62、0.62、0.62、0.53；Globcover2009產(chǎn)品中類50、60、70、90、100的用戶精度分別是0.47、0.45、0.42、0.43、0.39；新圖像的類1、2、3用戶精度分別是0.77、0.74、0.69。

4 結(jié)束語

新圖像中闊葉林、針葉林、針闊混交林的精度分別是77%、74%、69%，這三者的精度相比其他三種地表覆蓋產(chǎn)品都有所提高。本文的創(chuàng)新點(diǎn)是在利用LCCS進(jìn)行語義翻譯且屬性賦值時(shí)，引入了新的編碼值D3，避免混交林與闊葉林、針葉林發(fā)生重疊，減少了混交林像元被分到其他類型像元中的個(gè)數(shù)，從而提高最終產(chǎn)品的精度。但是在本研究過程中也遇到了很多問題，例如Globcover2009產(chǎn)品的精度相對(duì)較低，可能會(huì)對(duì)結(jié)果精度產(chǎn)生一定的影響。盡管該方法有如上缺點(diǎn)，但不可否認(rèn)的是在本研究中，利用該方法可以用到對(duì)某個(gè)地表覆蓋產(chǎn)品一級(jí)類進(jìn)行二級(jí)細(xì)分的過程中。本研究結(jié)果也可以對(duì)某些對(duì)森林變化進(jìn)行觀測(cè)的機(jī)構(gòu)或組織提供某些參考數(shù)據(jù)，但是其空間分辨率有待提高。

參考文獻(xiàn)：

[1]Jonathan A. Foley， Ruth DeFries， Gregory P. Asner， et al. Global Consequences of Land Use[J]. Science， 2005，309（5734）：570-574.

[2]Jung M， Henkel K， Herold M， et al. Exploiting synergies of global land cover products for carbon cycle modeling[J]. Remote Sensing of Environment， 2006，101（4）：534-553.

[3]陳迪，吳文斌，陸苗，等.基于多源數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建研究進(jìn)展綜述[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2016，37（9）：62-70.

[4]Homer C， Dewitz J， Yang L， et al. Completion of the 2011 National Land Cover Database for the Conterminous United States - Representing a Decade of Land Cover Change Information[J]. Photogrammetric Engineering & Remote Sensing，2015，81（5）：345-354.

[5]Le Yu， Jie Wang， Peng Gong. Improving 30 m global land-cover map FROM-GLC with time series MODIS and auxiliary data sets： a segmentation-based approach[J]. International Journal for Remote Sensing， 2013，34（16）：5851-5867.

[6]Bicheron P， Defourny P， Brockmann C， et al. GLOBCOVER： products description and validation report[J]. Foro Mundial De La Salud， 2011，17（3）：285-287.

[7]陳軍，廖安平，陳晉，等.全球30m地表覆蓋遙感數(shù)據(jù)產(chǎn)品——Globe Land30[J].地理信息世界，2017，24（1）：1-8.

[8]Di Gregorio A. Land cover classification system： classification concepts and user manual： LCCS[M]. Rome： Food & Agriculture Org.，2005：11-74.

[9]Pérez-Hoyos A， García-Haro F J， San-Miguel-Ayanz J. A methodology to generate a synergetic land-cover map by fusion of different land-cover products[J]. International Journal of Applied Earth Observation & Geoinformation， 2012，19（10）：72-87.