从所使用的卫星影像中选取样本数据用于自动制图是卫星遥感制图最常用的方法。以往地表覆盖制图使用的样本多来自单时相卫星影像。近年来，随着卫星影像获取频率的增多，对更高频次地表覆盖制图的需求不断提高。

为此，清华大学地球系统科学系宫鹏教授研究团队基于2013-2015年获取的陆地卫星8号数据，建立了全球首套全季节地表覆盖制图样本库。相关研究成果发表在Science Bulletin 2017年第7期：

Congcong Li, Peng Gong, Jie Wang, Zhiliang Zhu, Gregory S. Biging, Cui Yuan, Tengyun Hu, Haiying Zhang, Qi Wang, Xuecao Li, Xiaoxuan Liu, Yidi Xu, Jing Guo, Caixia Liu, Kwame O. Hackman, Meinan Zhang, Yuqi Cheng, Le Yu, Jun Yang, Huabing Huang, Nicholas Clinton. The first all-season sample set for mapping global land cover with Landsat-8 data. Sci Bull, 2017, 62(7): 508-515

     该样本库中每个点的位置来源于清华大学世界首幅30米分辨率地表覆盖制图FROM-GLC中的样本点及2014年非洲首套全季节样本库中补充的训练样本点位置，共有超过90000个训练样本点和36000个验证样本点位置。每个点位置的四个季节类型全部解译，并作为一个独立的样本点使用，这些在全球不同地理区域采集的超过48万个样本点有准确地理位置和相应的光谱数据，构成了一个全季节样本库。

     每个样本点均标注了在两套不同分类系统中的对应类型。这两套分类系统分别是FROM-GLC提出的分类系统和欧洲的Global Land Cover 2000（GLC2000）中使用的联合国粮农组织FAO的分类方案。它们满足了不同的用户需求，同时也可以结合两套分类系统的类型描述得到任意其它分类系统的类型。

     以FROM-GLC分类系统为例，下图展示了训练样本点的位置和类型。利用这套全季节训练样本数据，训练随机森林算法便可获得全球地表覆盖制图。

图 全季节样本库中训练样本点的位置和FROM-GLC分类体系中的类型

试验结果显示：单季节样本仅对同季影像分类效果最佳，而使用全季节样本对一年中任意时间影像都能得到接近最佳精度的结果。

该研究还表明：全球制图不需要重复采集训练样本，只要遥感数据类型一致，处理方法一致，全季节训练样本库便可用于这些数据，就能做到分类制图时“一次采样，一劳永逸”。这个样本库可用于全球任意时间和地点的同类图像。这在过去任何尺度的遥感制图中都没有实现过。这一认识是遥感制图理论发展40年来的一次突破性进步。

此外，该研究还证明全季节样本库中训练样本数量已经足够多，按照一定的策略使用便可以得到较好的分类结果。比如按照地理经纬度分带使用全季节样本，做区域性的分类，然后合并结果，有助于提高全球地表覆盖制图的分类准确度。

点击下方链接免费阅读并下载全文：

http://engine.scichina.com/publisher/scp/journal/SB/62/7/10.1016/j.scib.2017.03.011?slug=full%20text

扫描识别二维码，关注“SciBull”    官方网站：www.scibull.com