陳逸聰，邵華，李楊，戴玲

1.南京工業(yè)大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院，南京 211816

2.南京師范大學(xué)虛擬地理環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室，南京 210023

3.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，南京 210023

引 言

土地覆被分類產(chǎn)品是按照一定規(guī)則對(duì)地球表面不同屬性的地物進(jìn)行分類的結(jié)果，可以綜合反映區(qū)域陸地表面的自然和人造特征，是研究區(qū)域生態(tài)環(huán)境和城市化水平等的重要數(shù)據(jù)源。長(zhǎng)三角作為世界上最大的城市化群之一，在中國(guó)現(xiàn)代化建設(shè)大局和全方位開放格局中具有舉足輕重的戰(zhàn)略地位[1]。隨著長(zhǎng)三角一體化的發(fā)展，人們對(duì)居住環(huán)境的關(guān)心程度逐漸上升，這對(duì)遙感土地覆被分類的精細(xì)程度也提出了更高要求。

已有的土地覆被分類產(chǎn)品大多采用了不同的分類方法及數(shù)據(jù)源，生產(chǎn)了多種不同的空間分辨率（下簡(jiǎn)稱分辨率）和精度的數(shù)據(jù)產(chǎn)品。2014年由國(guó)家基礎(chǔ)地理信息中心牽頭，成功研制并發(fā)布了全球首套2000年度和2010年度兩個(gè)基準(zhǔn)年的30米分辨率土地覆被數(shù)據(jù)（GlobeLand30）[2]，標(biāo)志著全球遙感土地覆被分類邁入了一個(gè)新的臺(tái)階，隨后清華大學(xué)和中國(guó)科學(xué)院空天信息創(chuàng)新研究院，也分別在發(fā)布了使用不同分類體系的全球土地覆被分類產(chǎn)品FROM_GLC[3]和GLC_FCS30[4]數(shù)據(jù)集，豐富了用戶在該分辨率下的數(shù)據(jù)選擇。2020年，哥白尼全球土地服務(wù)發(fā)布了CGLS_LC100[5]數(shù)據(jù)集，該數(shù)據(jù)集是全球首套年度更新的100 m分辨率地表覆蓋數(shù)據(jù)，極大提高了人類對(duì)地觀測(cè)的時(shí)間分辨率，對(duì)研究土地覆被變化有著重要的意義。

針對(duì)這些已經(jīng)發(fā)布的土地覆被分類數(shù)據(jù)集，前人研究發(fā)現(xiàn)在區(qū)域尺度上土地覆被數(shù)據(jù)產(chǎn)品精度與數(shù)據(jù)集生產(chǎn)機(jī)構(gòu)發(fā)布的全球尺度產(chǎn)品精度存在一定差異[6-9]，同時(shí)產(chǎn)品間對(duì)于地表細(xì)節(jié)的描述也存在著一定的不同[10-11]，各產(chǎn)品對(duì)不同類別地物識(shí)別能力也各有優(yōu)勢(shì)[12]。為了解決不同土地覆被產(chǎn)品使用時(shí)對(duì)地表描述不一致帶來(lái)的不確定性，同時(shí)結(jié)合各土地覆被產(chǎn)品的分類優(yōu)勢(shì)。Ran等[13]提出了一種基于Dempster-Shafer理論，依靠專家知識(shí)融合多套專題土地覆被數(shù)據(jù)的方法，生產(chǎn)了IGBP分類體系下的中國(guó)陸表土地覆被分類。Feng等[14]使用模糊邏輯的方法，融合多種全球土地覆被分類產(chǎn)品，生產(chǎn)了1 km分辨率的全球土地覆被產(chǎn)品。但是，一方面全球土地覆被產(chǎn)品在更精細(xì)區(qū)域應(yīng)用上的精度有待進(jìn)一步討論，另一方面1 km分辨率土地覆被分類融合產(chǎn)品已經(jīng)不再能夠滿足當(dāng)下需求。

基于上述存在問(wèn)題，本文基于模糊邏輯的方法，結(jié)合長(zhǎng)三角地區(qū)高精度土地覆被樣本點(diǎn)，對(duì)現(xiàn)有的長(zhǎng)三角地區(qū)6種不同分辨率土地覆被分類產(chǎn)品進(jìn)行了融合，生產(chǎn)了兩個(gè)等級(jí)分類標(biāo)準(zhǔn)下的土地覆被分類數(shù)據(jù)，較原始的6種數(shù)據(jù)集在長(zhǎng)三角地區(qū)有著更好的分類精度。本數(shù)據(jù)可滿足區(qū)域研究需求，為相關(guān)部門掌握區(qū)域生態(tài)環(huán)境變化、城市發(fā)展水平及地類分布提供數(shù)據(jù)源。

1 數(shù)據(jù)采集和處理方法

1.1 區(qū)域范圍

本文選擇長(zhǎng)江三角洲地區(qū)作為研究區(qū)，參考《長(zhǎng)江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》[1]，包含安徽省、江蘇省、上海市和浙江省內(nèi)的長(zhǎng)三角地區(qū)完整行政區(qū)劃范圍，地理坐標(biāo)介于東經(jīng)114°52′-122°50′，北緯 27°08′-35°07′。該地區(qū)自然地理環(huán)境北部以平原為主，南部則多有丘陵，河網(wǎng)密布，受到亞熱帶季風(fēng)氣候影響，夏季炎熱，冬季溫和，降水豐沛。同時(shí)該地區(qū)也是我國(guó)經(jīng)濟(jì)發(fā)展領(lǐng)先區(qū)域，經(jīng)濟(jì)總量約占全國(guó)1/4，成為引領(lǐng)全國(guó)經(jīng)濟(jì)發(fā)展的重要引擎[1]。在這樣地理、氣候和社會(huì)因素影響下，該地區(qū)的土地覆被構(gòu)成主要以耕地、林地、水體和建設(shè)用地為主。

1.2 數(shù)據(jù)來(lái)源

本文選擇近年發(fā)布的6套不同分辨率土地覆被數(shù)據(jù)產(chǎn)品作為數(shù)據(jù)源，其中包括3套中國(guó)研制的30 m分辨率產(chǎn)品分別為：清華大學(xué)研制的FROM-GLC[3]（簡(jiǎn)稱FROM）、國(guó)家基礎(chǔ)地理信息中心研制的GlobeLand30[2]和中科院研制的GLC_FCS30[4]（簡(jiǎn)稱GLCFCS）數(shù)據(jù)，以及哥白尼全球土地服務(wù)研制的100 m分辨率數(shù)據(jù)產(chǎn)品CGLS_LC100[5]（簡(jiǎn)稱CGLS_LC），歐洲空間局研制的300 m分辨率數(shù)據(jù)產(chǎn)品CCI_LC[15]和日本空間信息管理局研制了500 m分辨率數(shù)據(jù)產(chǎn)品GLCNMO[16]，以上產(chǎn)品發(fā)布的具體參數(shù)如表1所示。

表1 全球土地覆被產(chǎn)品參數(shù)表Table 1 Global land cover product parameter table

1.3 數(shù)據(jù)采集方法

數(shù)據(jù)采集方法主要由數(shù)據(jù)預(yù)處理和數(shù)據(jù)融合兩個(gè)步驟組成，其中數(shù)據(jù)預(yù)處理包括：重投影、鑲嵌、裁剪、重采樣和無(wú)效像元值歸零，數(shù)據(jù)融合主要包括：土地覆被產(chǎn)品地類相關(guān)性分值賦值、依精度的土地覆被產(chǎn)品融合和類型提取，具體過(guò)程如圖1所示。以下主要對(duì)數(shù)據(jù)預(yù)處理和數(shù)據(jù)融合過(guò)程中的一些關(guān)鍵步驟進(jìn)行說(shuō)明。

圖1 數(shù)據(jù)處理流程圖Figure 1 Data processing flow chart

1.3.1 數(shù)據(jù)預(yù)處理

6套全球土地覆被產(chǎn)品的數(shù)據(jù)預(yù)處理過(guò)程包括：重投影、影像鑲嵌、影像裁剪、重采樣以及無(wú)效像元?dú)w零。其中重投影步驟為將GlobeLand30重投影至與其他5種數(shù)據(jù)產(chǎn)品相同的WGS84坐標(biāo)系下；重采樣步驟使用最鄰近法重采樣6套數(shù)據(jù)產(chǎn)品，使分辨率與FROM數(shù)據(jù)相同，采用該尺度細(xì)化方法，能夠保證產(chǎn)品的分辨率與待融合數(shù)據(jù)中分辨率最優(yōu)的數(shù)據(jù)一致，同時(shí)便于后續(xù)的空間處理；無(wú)效像元?dú)w零步驟為數(shù)據(jù)產(chǎn)品中的填充值、部分產(chǎn)品鑲嵌時(shí)邊界出現(xiàn)的nodata值、FROM 數(shù)據(jù)產(chǎn)品中云類型值以及部分產(chǎn)品中有少量長(zhǎng)三角地區(qū)不存在的類別（如永久冰雪等）全部統(tǒng)一為0。

1.3.2 數(shù)據(jù)產(chǎn)品質(zhì)量評(píng)估

在對(duì)6套長(zhǎng)三角地區(qū)土地覆被產(chǎn)品進(jìn)行數(shù)據(jù)融合之前，課題組首先對(duì)6套產(chǎn)品在長(zhǎng)三角地區(qū)的一致性及精度進(jìn)行了評(píng)價(jià)[12]。本文采用高精度土地覆被樣本數(shù)據(jù)評(píng)價(jià)土地覆被產(chǎn)品融合結(jié)果的質(zhì)量，從定量角度出發(fā)對(duì)長(zhǎng)三角地區(qū)土地覆被分類數(shù)據(jù)結(jié)果進(jìn)行精度評(píng)價(jià)。高精度土地覆被樣本數(shù)據(jù)由兩部分組成，共包含913個(gè)樣本點(diǎn)，分別為課題組通過(guò)野外實(shí)地調(diào)查獲取和Google Earth高分辨影像目視解譯獲取。其中目視解譯是在野外調(diào)查的基礎(chǔ)上，為保證樣本點(diǎn)分布能夠覆蓋研究區(qū)大部分位置，將研究區(qū)劃分為了大小相等的格網(wǎng)，選取網(wǎng)格的中心區(qū)域均質(zhì)像元為樣本點(diǎn)，進(jìn)行目視解譯，共獲得571個(gè)高精度解譯樣本點(diǎn)。該土地覆被樣本點(diǎn)數(shù)量及分布情況，基本可以滿足長(zhǎng)三角地區(qū)區(qū)域尺度的數(shù)據(jù)質(zhì)量評(píng)估需求。建立混淆矩陣，并計(jì)算出分類總體精度（Overall Accuracy，OA）和Kappa系數(shù)（K），以評(píng)價(jià)不同土地覆被產(chǎn)品的精度情況。具體公式如下：

式中N是參與評(píng)價(jià)的樣本總數(shù)；n是混淆矩陣中行列數(shù)；xii為混淆矩陣中第i行、第i列上的樣本數(shù)；xi+和x+i分別為第i行和第i列的樣本總數(shù)。

6套長(zhǎng)三角地區(qū)土地覆被分類產(chǎn)品的總體精度及Kappa系數(shù)如表2所示，根據(jù)基本精度評(píng)價(jià)結(jié)果來(lái)看，土地覆被分類產(chǎn)品的總體精度均保持在70%以上?？傮w而言，6種產(chǎn)品在長(zhǎng)三角地區(qū)都具有一定的分類精度，但是不同產(chǎn)品間的分類精度仍有一定的差異。

表2 長(zhǎng)三角地區(qū)土地覆被產(chǎn)品總體精度與Kappa系數(shù)Table 2 Overall accuracy and Kappa coefficient of land cover products in the Yangtze River Delta

產(chǎn)品名稱 總體精度/% Kappa系數(shù)FROM 78.42 0.6898 GlobeLand30 80.61 0.7119 CCI_LC 76.89 0.6436 GLCNMO 74.26 0.6034 CGLS_LC 85.43 0.7888

一致性評(píng)價(jià)主要采用了構(gòu)成相似性分析方法，分析比較了6套產(chǎn)品在各土地覆被類型面積構(gòu)成上的一致性情況，通過(guò)計(jì)算產(chǎn)品中各類型所占比例反映不同產(chǎn)品對(duì)研究區(qū)的總體刻畫，比較結(jié)果如圖2所示[12]。不同產(chǎn)品間對(duì)地類所占面積比例的估算在總體上較為接近，但是就單個(gè)類別而言在部分產(chǎn)品間還是存在一定差異，說(shuō)明可以按照產(chǎn)品間土地覆被分類的相同點(diǎn)，通過(guò)融合的方式提高土地覆被分類產(chǎn)品的精度。

圖2 土地覆被產(chǎn)品各地類所占比例Figure 2 Proportion of land cover types among different land cover products

1.3.3 數(shù)據(jù)融合方法

本數(shù)據(jù)集采用模糊邏輯的融合方法[14,17]，結(jié)合研究區(qū)特點(diǎn)，將6套長(zhǎng)三角地區(qū)不同分辨率的土地覆被數(shù)據(jù)產(chǎn)品融合成1套采用2級(jí)分類體系的融合數(shù)據(jù)，具體分類類型及分類代碼如表3所示。

表3 2015年長(zhǎng)三角地區(qū)30m土地覆被融合數(shù)據(jù)分類體系Table 3 Classification system of 30m land cover fusion data in the Yangtze River Delta region(2015)

一級(jí)分類 二級(jí)分類 分類代碼落葉針葉林 23常綠針葉林 24混交林 25草地 30灌叢 40濕地 50水體 60人造地表 80裸地 90

2015年長(zhǎng)三角地區(qū)30 m土地覆被融合數(shù)據(jù)一級(jí)分類的生產(chǎn)過(guò)程主要分為2個(gè)階段：1）按照專家知識(shí)[14]計(jì)算6套土地覆被數(shù)據(jù)中各地類與融合后一級(jí)分類體系中各地類的相關(guān)性分值，具體相關(guān)性分值結(jié)果如附表1所示；2）以6套土地覆被數(shù)據(jù)產(chǎn)品在長(zhǎng)三角地區(qū)的總體精度[12]為權(quán)重，逐像元地融合土地覆被數(shù)據(jù)在8種一級(jí)土地覆被類型上的相關(guān)性分值，并根據(jù)長(zhǎng)三角地區(qū)土地覆被類型的分布情況，按照林地、耕地和其他6種地類的順序，逐層次提取長(zhǎng)三角地區(qū)土地覆被類型。在逐像元融合過(guò)程中，遇到部分產(chǎn)品存在值為0的像元時(shí)，將該數(shù)據(jù)集在該像元處的權(quán)重賦值為0（即數(shù)據(jù)集在該像元不參與融合），保證研究區(qū)范圍內(nèi)融合結(jié)果不存在空值。參照前人研究[17]，采用30和43作為提取林地和耕地類別時(shí)相關(guān)性分值的閾值，其他地類則按照相關(guān)性分值最大原則進(jìn)行提取。即融合后將林地的相關(guān)性分值大于30的像元分為林地；在林地相關(guān)性分值小于30的像元中將與耕地相關(guān)性分值大于43的像元分為耕地；其余的像元?jiǎng)t分類為6種其他土地覆被類型相關(guān)性分值最大的類別。

在一級(jí)土地覆被融合數(shù)據(jù)的基礎(chǔ)上，對(duì)林地類型進(jìn)行二級(jí)分類融合。由于GlobeLand30數(shù)據(jù)只有一級(jí)分類，在二級(jí)分類融合時(shí)，只對(duì)除GlobeLand30外的5套產(chǎn)品進(jìn)行融合。與一級(jí)分類的生產(chǎn)過(guò)程相似，二級(jí)分類的生產(chǎn)也分為2個(gè)階段：1）采用專家知識(shí)計(jì)算葉物候和葉屬性相關(guān)性分值，如附表2所示；2）采用最大原則，分別對(duì)葉物候和葉屬性進(jìn)行提取，最終融合得到針葉落葉林、針葉常綠林、闊葉落葉林、闊葉常綠林和混交林5種林地2級(jí)分類類型。

2 數(shù)據(jù)樣本描述

本數(shù)據(jù)集為2015年長(zhǎng)三角地區(qū)土地覆被分類融合數(shù)據(jù)，空間分辨率為30 m，數(shù)據(jù)總量約為140 MB，地理坐標(biāo)系使用GCS_WGS_1984。產(chǎn)品按照分類等級(jí)命名，分別為CSJLandcover30_L1和CSJLandcover30_L2。2015年長(zhǎng)三角地區(qū)土地覆被分類融合數(shù)據(jù)一級(jí)分類結(jié)果如圖3所示。

圖3 2015年長(zhǎng)三角地區(qū)土地覆被一級(jí)分類融合數(shù)據(jù)Figure 3 The level-1 fusion data of land cover product in the Yangtze River Delta in 2015

3 數(shù)據(jù)質(zhì)量控制和評(píng)估

按1.3.2節(jié)中的精度評(píng)價(jià)方法，計(jì)算了長(zhǎng)三角地區(qū)30 m土地覆被融合數(shù)據(jù)在一級(jí)分類下的混淆矩陣如圖4所示。本文中基于模糊邏輯融合得到的土地覆被分類結(jié)果總體精度為87.08%，Kappa系數(shù)為0.8069，較6套土地覆被產(chǎn)品在長(zhǎng)三角地區(qū)的分類精度（如表2所示）最高的CGLS_LC（總體精度：85.43%，Kappa系數(shù)：0.7888）有了一定的提升，總體滿足精度要求。由于草地、灌叢、濕地和裸地4個(gè)類別在6套原始土地覆被分類產(chǎn)品中的精度較低，故融合數(shù)據(jù)產(chǎn)品中4個(gè)類別的精度有限，在實(shí)際使用時(shí)只能作為參考。由于融合數(shù)據(jù)生產(chǎn)年份為2015年，課題組缺少該年份下二級(jí)類別的分類樣本，故未對(duì)二級(jí)類別進(jìn)行精度評(píng)定。同時(shí)由于5套參與二級(jí)類別融合的土地覆被分類數(shù)據(jù)間對(duì)二級(jí)類別的分類結(jié)果具有一定差異，這導(dǎo)致二級(jí)土地覆被融合數(shù)據(jù)可能較原始數(shù)據(jù)提升有限。

圖4 2015年長(zhǎng)三角地區(qū)30 m土地覆被融合數(shù)據(jù)一級(jí)分類混淆矩陣Figure 4 Confusion matrix for 30 m level-1 fusion data of land cover product in the Yangtze River Delta in 2015

4 數(shù)據(jù)價(jià)值

相較于前人研究[14,17]，本文主要有在兩個(gè)方面有所提升：一是在進(jìn)行數(shù)據(jù)融合時(shí)，考慮到不同土地覆被數(shù)據(jù)產(chǎn)品在長(zhǎng)三角地區(qū)精度不同，根據(jù)它們的精度情況，確定了融合時(shí)不同產(chǎn)品所占權(quán)重，相較前人使用的等權(quán)方法，可以更好的貼合長(zhǎng)三角地區(qū)真實(shí)的土地覆被情況；二是與前人研究并生產(chǎn)的1 km分辨率土地覆被融合產(chǎn)品相比，本數(shù)據(jù)使用了精度更高的數(shù)據(jù)源進(jìn)行融合，幫助提高并獲得了更好的產(chǎn)品精度以及空間分辨率。

隨著城市范圍的不斷擴(kuò)展，城市化帶來(lái)的環(huán)境問(wèn)題也日益嚴(yán)重，因此準(zhǔn)確了解城市的地表類型的分布情況，對(duì)研究城市環(huán)境問(wèn)題產(chǎn)生原因以及規(guī)劃城市下一階段發(fā)展有著極大的作用。本數(shù)據(jù)集以6套長(zhǎng)三角地區(qū)土地覆被產(chǎn)品為原始數(shù)據(jù)，結(jié)合野外調(diào)查和Google Earth高分辨率影像融合并驗(yàn)證了2015年長(zhǎng)三角地區(qū)30 m土地覆被融合數(shù)據(jù)。本數(shù)據(jù)集總體上改善了產(chǎn)品的分類精度，為科研人員提供了新的數(shù)據(jù)選擇。

本文針對(duì)4種主要土地覆被類型選擇使用者精度和生產(chǎn)者精度的平均值（Avg）、差值的絕對(duì)值（Dif）作為產(chǎn)品對(duì)單一地類識(shí)別能力的評(píng)價(jià)標(biāo)準(zhǔn)[15]，比較長(zhǎng)三角地區(qū)土地覆被融合數(shù)據(jù)與6套原始土地覆被數(shù)據(jù)對(duì)一級(jí)類耕地、林地、水體和建設(shè)用地的分類結(jié)果，結(jié)果如表4所示。結(jié)果表明，一級(jí)土地覆被融合數(shù)據(jù)對(duì)4種主要土地覆被類型有著較好的識(shí)別效果，特別在林地類型的識(shí)別上相比原始數(shù)據(jù)較大提升。對(duì)于只關(guān)注或?qū)δ撤N地類有針對(duì)性需求的用戶而言，CGLS_LC數(shù)據(jù)在耕地類型中具有最高的分類精度，CSJLandcover30_L1數(shù)據(jù)在林地和水體中具有較高的分類精度，GLC_FCS和CGLS_LC在建設(shè)用地類型中則取得了更好的結(jié)果。

表4 土地覆被數(shù)據(jù)在長(zhǎng)三角地區(qū)單一類別精度評(píng)價(jià)表Table 4 Single category accuracy assessment of land cover data in the Yangtze River Delta

5 數(shù)據(jù)使用方法和建議

2015年長(zhǎng)三角地區(qū)30 m土地覆被融合數(shù)據(jù)產(chǎn)品采用TIF格式保存，ArcGIS、QGIS、ENVI、ERDAS等常用的GIS與遙感軟件均支持本數(shù)據(jù)集的讀取和操作。數(shù)據(jù)產(chǎn)品采用2級(jí)分類系統(tǒng)分類，用戶可按照自身需求選擇使用。

致 謝

感謝國(guó)家科技基礎(chǔ)條件平臺(tái)-國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)共享服務(wù)平臺(tái)-長(zhǎng)三角科學(xué)數(shù)據(jù)中心（http://nnu.geodata.cn:8008/）提供數(shù)據(jù)支撐。

數(shù)據(jù)作者分工職責(zé)

陳逸聰（1998—），男，江蘇省南京市人，在讀碩士，研究方向?yàn)檫b感影像處理，土地覆被分類。主要承擔(dān)工作：數(shù)據(jù)生產(chǎn)流程設(shè)計(jì)，論文撰寫。

邵華（1981—）男，江蘇省揚(yáng)州市人，博士，講師，研究方向?yàn)镚IS與遙感應(yīng)用分析。主要承擔(dān)工作：土地覆被數(shù)據(jù)產(chǎn)品融合模型設(shè)計(jì)。

李楊（1984—）女，江蘇省蘇州市人，博士，講師，研究方向?yàn)檫b感數(shù)據(jù)分析與數(shù)據(jù)共享，主要承擔(dān)工作：融合數(shù)據(jù)的精度驗(yàn)證，論文撰寫。

戴玲（1992—）女，江蘇省南京市人，學(xué)士，實(shí)驗(yàn)員，研究方向?yàn)閿?shù)據(jù)共享與服務(wù)，主要承擔(dān)工作：數(shù)據(jù)預(yù)處理與分析。