世界首幅10米分辨率全球地表覆盖制图问世

来源： Science Bulletin 中国科学杂志社 2019-03-08

清华大学地球系统科学系宫鹏教授研究组与国内外多家单位合作以“Stable classification with limited sample: transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in 2017”（少量全球样本稳定地表覆盖分类: 将2015年采集的30-m分辨率样本迁移到2017年10-m分辨率全球地表覆盖制图）为题撰文介绍了世界首幅10-m分辨率全球地表覆盖制图方法与结果。该成果3月8日在线发表于Science Bulletin 。

当前世界发展面临一系列挑战，如人口增长、城市化、农业扩张以及气候变化对粮食安全的影响、能源和水资源短缺、资源过度开采、生物多样性丧失和环境污染等。为维护人类健康和实现联合国可持续发展目标，需要及时和更高分辨率的土地覆盖信息，从而能够更好地进行环境监测。然而，30-m分辨率的全球土地覆盖数据直到2012年才问世。随着日益旺盛的土地覆盖信息的应用需求，我们不但需要更高空间分辨率，还需要更高时间频率的全球土地覆盖产品。而开发这样的产品，需要依赖大量的人力和很强的计算能力。

清华大学地球系统科学系宫鹏等基于研究组2011年以来在全球30-m地表覆盖制图获得的经验和在样本库建设方面的积累，以及10-m分辨率Sentinel-2全球影像的完整存储和免费获取，还有Google Earth Engine平台强大的云计算能力，开发出了世界首套10-m分辨率的全球土地覆盖产品——FROM-GLC10。

该产品基于2017年在Science Bulletin 发表的全球首套多季节样本库，涵盖从2014年和2015年Landsat 8影像由专家解译得到的均匀覆盖全球的多季节样本。其中，训练集包含大约340,000个不同大小的样本（从30 m×30 m到500 m×500 m），覆盖全球约93,000个样本点位；验证集包含大约140,000个不同季节的样本，覆盖超过38,000个样本点位。将该样本库应用于2017年获取的Sentinel-2影像，并基于随机森林分类器得到全球10-m土地覆盖图。

该研究提出“少量全球样本稳定地表覆盖分类”理论，指出了全球训练样本迁移到其他年份或不同传感器获取的遥感数据对最少样本数量和误差限度的要求。为了证明该理论在全球尺度的正确性，研究组设计了一系列严密的随机试验，分别测试了分类器对样本数量的敏感性，以及对因每年地表实际发生的土地覆盖变化或解译误差导致的样本错误的容忍度。结果显示，在纳入实验的样本量仅占整体的40%，或训练样本的误差比例达到20%时，分类精度的损失在1%之内，说明稳定分类仍能得以实现，即“少量全球样本稳定地表覆盖分类”的理论是成立的。这一理论保证了对样本进行迁移的有效性。

该文对2017年10-m分辨率的FROM-GLC10产品进行了精度检验，并将其与2017年30-m分辨率的FROM-GLC30产品进行了比较。检验和比较结果显示，FROM-GLC10总体精度为72.76%，与FROM-GLC30精度相当，但FROM-GLC10的结果提供了更多的空间细节。

FROM-GLC10产品目前已正式面向全球公开，可以通过http://data.ess.tsinghua.edu.cn 进行免费下载。

点击下方“阅读原文”读全文：

Stable classification with limited sample: transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in2017. Science Bulletin, 2019, 64, https://doi.org/10.1016/j.scib.2019.03.002

-----------------------------------------------------------------------

《海洋生态大讲堂》微信公众号

浙江省重点智库宁波大学东海研究院合作微媒平台

海洋在说话，您我来代言！

《海洋生态大讲堂》欢迎您！

投稿邮箱：550931758@qq.com

请您在留言中标注为《海洋生态大讲堂》投稿，

并提供个人简历及联系方式。

我们筛选审核后，将以全文刊出！

热烈欢迎广大自愿者合伙参与公众号运营！

                附： 投稿类型与要求

                （1）主题一定是有关海洋生态学内容的稿件；

                （2）原创文章，请配必要的图表；

                （3）好文推荐，直接发来原文，或请注明出处；

                （4）重要会议报道或信息，请附必要图表及其标题说明；

                （5）重大项目科研进展，或重大会议学术报告PPT；

                （6）重点团队介绍，或重要人物专访。

您的赞赏是我们前行的最大动力！