宋宏利， 張曉楠

(1.河北工程大學(xué)地球科學(xué)與工程學(xué)院，邯鄲 056038； 2.河北省煤炭資源綜合開發(fā)與利用協(xié)同創(chuàng)新中心，邯鄲 056038； 3.河北工程大學(xué)礦業(yè)與測繪工程學(xué)院，邯鄲 056038)

0 引言

土地覆被是地球表層各種物質(zhì)類型及其自然屬性與特征的綜合體，其空間分布反映了人類社會經(jīng)濟活動過程，地表的水熱和物質(zhì)平衡，生物地球化學(xué)循環(huán)和氣候變化[1]。全球或區(qū)域尺度土地覆被信息已成為自然資源調(diào)查、環(huán)境監(jiān)測、生物多樣性保護、地理國情普查、氣候變化及生態(tài)建模等領(lǐng)域的重要基礎(chǔ)數(shù)據(jù)[2-6]。近10 a來，隨著時間分辨率和空間分辨率的提高，遙感數(shù)據(jù)已經(jīng)成為大尺度土地覆被制圖的重要數(shù)據(jù)源。一些全球及區(qū)域尺度的土地覆被產(chǎn)品陸續(xù)出現(xiàn)[7-10]，繼2008年Landsat數(shù)據(jù)實現(xiàn)免費獲取之后，全球各個國家及組織開始嘗試研制30 m分辨率的全球尺度土地覆被遙感產(chǎn)品，并已取得了顯著成果，例如Globeland30和FROM-GLC-agg的相繼問世[11,12]。盡管每種土地覆被遙感產(chǎn)品在研制過程中，均進行了精度驗證，但由于驗證所采用的參考數(shù)據(jù)、驗證方法各不相同，計算所獲取的各種精度指標并不能直接進行比較，導(dǎo)致用戶難以選擇合理的數(shù)據(jù)作為氣候、水文、生態(tài)等模型的輸入信息，阻礙了上述數(shù)據(jù)在各個領(lǐng)域的協(xié)同使用。因此采用統(tǒng)一的參考數(shù)據(jù)對現(xiàn)有的土地覆被遙感產(chǎn)品進行全球或大區(qū)域尺度的精度驗證，已成為該領(lǐng)域亟待解決的問題。

針對上述問題，本文以中國區(qū)域為研究范圍，以現(xiàn)有的FROM-GLC-agg(簡稱FROM)，MODIS COLLECTION5，GLOBCOVER和ESACCI 4種全球尺度土地覆被數(shù)據(jù)集為研究對象，采用GLC2000，GLCNMO，GLOBCOVER，The System for Terrestrial Ecosystem Parameterization(簡稱STEP)、The Visible Infrared Imaging Radiometer Suite(簡稱VIIRS)、GEOWIKI等土地覆被產(chǎn)品研發(fā)團隊提供的參考數(shù)據(jù)，從面積一致性、類別混淆等傳統(tǒng)手段在整體上對4種土地覆被數(shù)據(jù)集進行精度評價。本文的研究成果將揭示4種土地覆被遙感數(shù)據(jù)集在中國區(qū)域的類別精度及其空間分布特征，它既為研究區(qū)域從事生態(tài)環(huán)境建模、土地覆被變化、自然資源調(diào)查等領(lǐng)域的科學(xué)研究提供了數(shù)據(jù)選擇的依據(jù)，也可為未來大尺度土地覆被遙感制圖的重點研究方向提供參考。

1 數(shù)據(jù)源及其預(yù)處理

1.1 土地覆被遙感數(shù)據(jù)

表1列出了本文待驗證土地覆被遙感產(chǎn)品的基本信息，其中FROM由清華大學(xué)研制，為30 m分辨率土地覆被遙感產(chǎn)品，該數(shù)據(jù)的時間基點為2010年，共采用8 903景Landsat TM/ETM+數(shù)據(jù)，其中約80%遙感影像的獲取時間為2009—2011年間，該數(shù)據(jù)采用2級分類體系，其中一級分類包含10個類別，二級分類包含27個類別。為了保持和其他3種土地覆被遙感產(chǎn)品的空間分辨率一致，本文所采用的FROM并非原始的30 m分辨率產(chǎn)品，而是由俞樂等人采用比例聚類法變尺度轉(zhuǎn)換后的250 m分辨率數(shù)據(jù)，該數(shù)據(jù)全球尺度的總體精度為69.5%[12]。GLOBCOVER 由歐洲空間局研制，時間基點為2009年，該產(chǎn)品以2009年1—12月MERIS 傳感器的13個波段數(shù)據(jù)作為輸入數(shù)據(jù)，采用 Plate-Carrée投影，其空間分辨率為 300 m，采用聯(lián)合國聯(lián)農(nóng)組織的土地覆被分類系統(tǒng)(land cover classification system,LCCS)，共包含22個類別，經(jīng)研發(fā)團隊驗證該數(shù)據(jù)在全球尺度的總體精度為70.7%[13]； MODIS COLLECTION5(以下簡稱MODIS)由美國波士頓大學(xué)研制，時間基點為2010年，該產(chǎn)品采用2010年1月— 2010年 12 月的 TERRA/MODIS影像數(shù)據(jù)作為輸入信息，空間分辨率為500 m，采用 IGBP 土地覆蓋分類系統(tǒng)，包含17個類別，全球尺度該數(shù)據(jù)的總體精度為74.8%[8]； 歐洲航空航天局為了滿足全球氣候演化模型對于土地覆被信息的需求，以MERIS地表反射率合成數(shù)據(jù)、時間序列SPOT-VGT數(shù)據(jù)為輸入信息，采用時空聚類及機器學(xué)習(xí)分類算法，分別研制了300 m分辨率的2000年，2005年和2010年3個時間基點的全球尺度土地覆被遙感產(chǎn)品(ESACCI)，該產(chǎn)品采用LCCS分類體系，包含22個類別，本文所用數(shù)據(jù)的時間基點為2010年，全球尺度該數(shù)據(jù)的總體精度為74.4%[14]。

表1 多源土地覆被遙感產(chǎn)品信息表Tab.1 Information illustration of land cover products

1.2 參考數(shù)據(jù)

本文共涉及6種全球尺度土地覆被遙感產(chǎn)品驗證數(shù)據(jù)集，這些數(shù)據(jù)集均可從互聯(lián)網(wǎng)免費下載(下載網(wǎng)址為http: //www.gofcgold.wur.nl/sites/gofcgold_refdataportal-glc2k.php； http: //geo-wiki.org/)，供各國研究者在驗證時參考使用。GLC2000參考數(shù)據(jù)是在原始GLC2000參考數(shù)據(jù)基礎(chǔ)上，再次通過野外實地調(diào)查、Google Earth影像對比等手段獲取的改進版本，刪除了原始數(shù)據(jù)中存在類別錯分的樣本，該數(shù)據(jù)采用分層采樣策略，全球共有1 253個樣本，共分為11種土地覆被類別，經(jīng)驗證其類別精度為95%以上[10]。GLOBCOVER產(chǎn)品的參考數(shù)據(jù)由經(jīng)全球分層隨機采樣的4 258個樣本構(gòu)成，每個樣本在解譯過程中除了參考對應(yīng)時期的Google Earth影像外，產(chǎn)品研發(fā)方還提供了2000—2007年的NDVI數(shù)據(jù)，以便從物候特征角度提高樣本的解譯精度，解譯過程由全球范圍內(nèi)土地覆被制圖領(lǐng)域相關(guān)專家完成，這些專家均具備扎實的理論基礎(chǔ)和豐富的遙感圖像處理經(jīng)驗。為了降低尺度效應(yīng)對于土地覆被遙感產(chǎn)品的驗證精度的影響，GLOBCOVER參考數(shù)據(jù)要求每個樣本的覆蓋范圍為1 500 m×1 500 m。本文所用參考數(shù)據(jù)是在原始數(shù)據(jù)基礎(chǔ)上，經(jīng)過地表土地覆被類別均質(zhì)性篩選的500個樣方，且每個樣方均進行了野外實地驗證，其精度達100%[15]。The System for Terrestrial Ecosystem Parameterization (STEP)參考數(shù)據(jù)最初是為了驗證全球陸表生態(tài)模型所需的土地覆被信息精度，該參考數(shù)據(jù)以GIS軟件中通用的多邊形格式存儲，為了保證參考數(shù)據(jù)的實時性，研發(fā)團隊定期對其進行更新，該數(shù)據(jù)采用IGBP分類體系[16]。VIIRS參考數(shù)據(jù)以全球氣候分區(qū)為依據(jù)，采用隨機分層抽樣方式在全球布設(shè)500個樣本點，每個樣本覆蓋范圍為5 km×5 km，樣本多選擇在大尺度土地覆被制圖過程中景觀異質(zhì)性較強及類別組成較為復(fù)雜區(qū)域，為了保持與當(dāng)前土地覆被遙感產(chǎn)品空間分辨率的一致性，在每個樣本覆蓋范圍內(nèi)二次劃分為25個1 km×1 km的空間格網(wǎng)，每個格網(wǎng)內(nèi)的土地覆被類別及組成均由遙感專家在植物生長季內(nèi)空間分辨率不低于2 m的高分遙感數(shù)據(jù)上完成[17]。GEO_WIKI是以Google Earth為平臺開發(fā)的一個免費的全球尺度土地覆被驗證數(shù)據(jù)庫，其數(shù)據(jù)由世界各國土地覆被遙感制圖領(lǐng)域?qū)I(yè)人員提供，數(shù)據(jù)庫中的每條記錄描述了陸表特定經(jīng)緯度交叉點的土地覆被類別組成，在向數(shù)據(jù)庫提交記錄時需提供該驗證站點的信任度級別(包括絕對確認、非常確認、確認和不確認4個等級)。本文所用的GEO_WIKI驗證數(shù)據(jù)庫在中國區(qū)域驗證站點數(shù)目為3 406個。為了保證驗證數(shù)據(jù)的可靠性，根據(jù)數(shù)據(jù)庫提供的關(guān)于GEO_WIKI驗證數(shù)據(jù)的類別準確度級別，選擇驗證點準確度級別為0(絕對準確)和1(非常準確)的驗證點作為驗證數(shù)據(jù)。經(jīng)此條件過濾，中國區(qū)域共有2 187條可供使用的數(shù)據(jù)[18]。GLCNMO參考數(shù)據(jù)是由全球制圖國際委員會為評價全球尺度GLCNMO產(chǎn)品的精度而采用的驗證數(shù)據(jù)，該數(shù)據(jù)采用IGBP分類體系，但并不包含建設(shè)用地、冰雪等類別[19]。6種參考數(shù)據(jù)在中國區(qū)域的空間分布如圖1所示。

圖1 中國區(qū)域參考數(shù)據(jù)空間分布圖 (審圖號： GS(2016)2885號)Fig.1 The spatial distribution of referenced data in China

本文所采用的參考數(shù)據(jù)集均為以ArcGIS SHP格式存儲的點類型，每個點所代表的土地覆被類別為對應(yīng)參考樣方中心點處土地覆被信息。在精度評價過程中，通過ArcGIS軟件中的點屬性提取功能，獲取待驗證土地覆被數(shù)據(jù)集對應(yīng)位置的土地覆被類別，并將類別假設(shè)為該點所在像元的土地覆被類別，通過逐點之間的一一比較，構(gòu)建土地覆被類別誤差矩陣。

1.3 數(shù)據(jù)預(yù)處理

為了完成研究區(qū)域異源土地覆被遙感產(chǎn)品的精度評價，首先將各種待評價土地覆被遙感產(chǎn)品及參考數(shù)據(jù)統(tǒng)一到相同的空間參考框架下，鑒于本文重點研究各種產(chǎn)品土地覆被類別的面積精度，因此選擇阿爾伯斯等積投影作為空間參考基準，將所有的待驗證數(shù)據(jù)及參考數(shù)據(jù)在ArcGIS軟件中完成空間參考轉(zhuǎn)換。由于GLOBCOVER和ESACCI的空間分辨率為300 m，而FROM和MODIS數(shù)據(jù)的空間分辨率則分別為250 m和500 m，為了實現(xiàn)空間分辨率的統(tǒng)一，參考已有研究[20]，采用最鄰近像元插值法將FROM和MODIS這2種數(shù)據(jù)集的的空間分辨率重采樣為300 m。

如1.1所述，F(xiàn)ROM，MODIS，ESACCI和GLOBCOVER 4種土地覆被遙感產(chǎn)品及參考數(shù)據(jù)所采用的分類體系在描述陸表覆被信息的詳細程度上有所差異。例如，F(xiàn)ROM數(shù)據(jù)并沒有對林地的物候作出細分； GLOBCOVER和ESACCI定義了較多的混合類別； GEOWIKI僅將參考樣本劃分為林地、草地、灌木、耕地等9個一級類別，沒有考慮木本及草本類別的物候及郁閉度。為了驗證的可行性，需要將所有的待驗證數(shù)據(jù)及參考數(shù)據(jù)統(tǒng)一到同一分類體系，在已有研究基礎(chǔ)上[16-19]，將待驗證數(shù)據(jù)及參考數(shù)據(jù)的土地覆被類別聚合為林地、灌木、草地、耕地、水域/濕地、建設(shè)用地、永久性冰雪及裸地 8個類別，表2中詳細列舉了每種聚合后類別所對應(yīng)的不同土地覆被遙感數(shù)據(jù)的原有類別編碼，例如，林地在FROM數(shù)據(jù)中的類別編碼為20，而在GLOBCOVER數(shù)據(jù)中的類別編碼為40，50，60，70，80，90，100，110，160和170，而在MODIS數(shù)據(jù)中對應(yīng)的編碼為1，2，3，4，5，其他類別以此類推。由于STEP和VIIRS數(shù)據(jù)采用和MODIS完全相同的分類體系及類別聚合方法，因此在表2中并未列出。

表2 聚合土地覆被類別與原始土地覆被數(shù)據(jù)類別對應(yīng)表Tab.2 The correspondingTable of aggregated land cover classes and original classes of the GLC datasets

表3揭示了聚合后的中國區(qū)域參考數(shù)據(jù)類別結(jié)構(gòu)。從表中可以看出，參考數(shù)據(jù)中各種類別的比例并不均衡，存在較大的數(shù)量差異。其中耕地、建設(shè)用地、林地、草地4種類別的數(shù)量較大，其總和約占參考數(shù)據(jù)總量的83%； 而水域、灌木、裸地及冰雪的參考數(shù)據(jù)則較少，尤其是水域和裸地，僅占參考數(shù)據(jù)總量的0.98%和1.75%。

表3 中國區(qū)域參考數(shù)據(jù)土地覆被類別及組成Tab.3 The category percent of referenced data in China

2 研究方法

誤差矩陣是土地覆被遙感產(chǎn)品精度評價最常見的方法之一。該方法主要通過比較參考數(shù)據(jù)和待驗證數(shù)據(jù)在特定位置處的類別一致性，進而建立二者之間的交叉二維表格(即類別誤差矩陣)，并以此為基礎(chǔ)，計算出能夠表達待驗證產(chǎn)品精度的生產(chǎn)者精度、用戶精度、總體精度等一系列指標。各指標計算公式[20]為：

(1)

(2)

(3)

式中：xii為i類土地覆被類別正確分類的像元數(shù)(本文中i的取值為1,2,3,4,5,6,7,8)；n為研究區(qū)域總的像元數(shù)；xi+為待驗證土地覆被產(chǎn)品中i類別的像元總數(shù)；x+i為參考數(shù)據(jù)中i類別的像元總數(shù)。

誤差矩陣盡管可以從宏觀上揭示不同土地覆被數(shù)據(jù)的類別精度，但無法從空間上展示數(shù)據(jù)間類別的一致性。為此，筆者在GIS軟件中將4種土地覆被數(shù)據(jù)在空間上進行疊加，從像元尺度揭示4種數(shù)據(jù)類別的一致性分布特征。計算的結(jié)果將歸納4個類別，分別為： ①完全一致，4種數(shù)據(jù)在對應(yīng)像元表現(xiàn)出完全相同的土地覆被類別； ②基本一致，4種數(shù)據(jù)在對應(yīng)像元表現(xiàn)出僅有2種土地覆被類別； ③不一致，4種數(shù)據(jù)在對應(yīng)像元呈現(xiàn)出3種不同的土地覆被類別； ④完全不一致，4種數(shù)據(jù)在對應(yīng)像元呈現(xiàn)出4種完全不同的土地覆被類別。

3 結(jié)果與分析

3.1 土地覆被類別面積一致性比較

圖2揭示了FROM，MODIS，GLOBCOVER和ESACCI 4種土地覆被遙感產(chǎn)品不同類別的面積一致性。從圖2中可以看出，林地、草地、耕地和裸地是研究區(qū)域的主要土地覆被類別，而灌木、水域/濕地、建設(shè)用地及永久性冰雪則相對較少。4種產(chǎn)品的林地面積相對較為接近，分別占研究區(qū)域總面積的22.9%，18.5%，17.7%和21.3%，其最大面積差為研究區(qū)總面積的5.2%； 對于草地而言，F(xiàn)ROM，MODIS和ESACCI 3種產(chǎn)品的草地面積均明顯高于GLOBCOVER，其中FROM，MODIS和ESACCI的草地面積比例分別為26.2%，30.1%和24.7%，而GLOBCOVER則僅為11.4%； 與草地面積比例相反，GLOBCOVER的耕地面積比例最高，為34.2%，高于FROM的13.6%，MODIS的20.0%和ESACCI的28.6%； 對于裸地，F(xiàn)ROM和GLOBCOVER這2種產(chǎn)品面積百分比幾乎相同，分別占研究區(qū)總面積的29.9%和30.0%，高于MODIS的22.13%和ESACCI的20.45%。由于灌木、水域/濕地、建設(shè)用地和永久性冰雪4種類別面積較少，4種產(chǎn)品的類別面積一致性較高，差異較小。

圖2 4種土地覆被遙感產(chǎn)品類別面積一致性比較Fig.2 Area consistent analysis of 4 land cover products

3.2 基于誤差矩陣的類別精度分析

根據(jù)式(1)—(3)，計算參考數(shù)據(jù)與待評價4種土地覆被遙感產(chǎn)品在研究區(qū)域的誤差矩陣，獲取不同土地覆被類別的總體精度、用戶精度和生產(chǎn)者精度。結(jié)果表明： FROM產(chǎn)品和參考數(shù)據(jù)具有最高的總體一致性，其總體精度為0.69，MODIS和ESACCI次之，其總體精度分別為0.67和0.65，GLOBCOVER的總體精度最低，為0.55。盡管總體精度可以從宏觀上表達每種土地覆被遙感產(chǎn)品的可靠性，但對于特定的科學(xué)應(yīng)用領(lǐng)域，具體的類別精度顯得更為重要。

(a) 生產(chǎn)者精度 (b) 用戶精度

圖3不同土地覆被類別的生產(chǎn)者精度和用戶精度比較

Fig.3Comparisonbetweendifferentlandcoverproductsaboutproduceraccuracyanduseraccuracy

圖3揭示了4種土地覆被遙感產(chǎn)品不同土地類別的生產(chǎn)者精度和用戶精度。從圖3(a)中可以看出，耕地和裸地具有最高的生產(chǎn)者精度，4種產(chǎn)品該兩種類別的精度均高于70%。 FROM，MODIS和ESACCI 3種產(chǎn)品的林地和建設(shè)用地生產(chǎn)者精度較高，均大于75%，但GLOBCOVER的林地和建設(shè)用地的生產(chǎn)者精度均較低，為50%左右。4種產(chǎn)品灌木和水域/濕地的生產(chǎn)者精度均較低，其中ESACCI產(chǎn)品灌木的生產(chǎn)者精度僅為1%，經(jīng)分析，有32.52%被錯分為林地，有22.76%被錯分為草地，有39.84%被錯分為耕地。

圖3(b)顯示，所有土地覆被類別中，林地、耕地和建設(shè)用地的用戶精度較高，且相互差異較小，灌木、水域和裸地的用戶精度存在較大差異，如FROM產(chǎn)品灌木的用戶精度為55.56%，而ESACCI產(chǎn)品灌木的用戶精度僅為10.25%，兩者相差45.31%，F(xiàn)ORM產(chǎn)品水域/濕地的用戶精度達100%，說明該產(chǎn)品該類別具有非常高的類別質(zhì)量，而GLOBCOVER產(chǎn)品的水域/濕地的用戶精度僅為22.23%，兩者相差77.77%。

圖3表明4種土地覆被遙感產(chǎn)品灌木類別的生產(chǎn)者精度和用戶精度均較低，除MODIS產(chǎn)品該類別的用戶精度高于50%外，其余均低于30%，這說明，對于大尺度土地覆被制圖而言，現(xiàn)有的分類算法難以精準獲取陸表灌木類別的分布信息，因此如何提高灌木類別精度，降低其與林地、草地、耕地的混淆是未來土地覆被制圖領(lǐng)域亟需解決的重要問題。

3.3 多源數(shù)據(jù)類別空間一致性分析

圖4從空間角度闡明了FROM，MODIS，GLOB-COVER和ESACCI4種數(shù)據(jù)在中國區(qū)域的類別一致性特征。結(jié)果表明，完全空間一致性區(qū)域約占研究區(qū)總面積的39.03%，主要分布于我國東北的林業(yè)、農(nóng)業(yè)區(qū)，西北的裸地荒漠區(qū)和華北的耕地區(qū)，這些地區(qū)陸表土地利用類型較為簡單，地物光譜特征比較容易識別且呈現(xiàn)出一定的物候規(guī)律特征； 基本一致區(qū)域的分布符合土地覆被類別的區(qū)域變量特點，其主要位于完全一致區(qū)域的周邊，其面積約占研究區(qū)總面積的40.67%，具體分布在青海省與西藏自治區(qū)交接處、四川省中部和內(nèi)蒙古自治區(qū)東北部，這些地區(qū)陸表的土地利用類型主要表現(xiàn)為裸地、草地及二者的混合類別； 不一致區(qū)域的面積約占研究區(qū)總面積的18.56%，主要分布于青藏高寒區(qū)中部、遼寧省南部、黑龍江、吉林、遼寧三省與內(nèi)蒙古自治區(qū)交界的條帶區(qū)域，相對于上述2個分區(qū)，這些地區(qū)土地覆被類別較為復(fù)雜，陸表土地類別呈現(xiàn)明顯的異質(zhì)性特征，耕地、林地、灌木和草地交錯分布； 完全不一致區(qū)域約占研究區(qū)總面積的1.74%，主要分布于甘肅省中部。

圖4 中國區(qū)域多源數(shù)據(jù)類別一致性空間特征 (審圖號： GS(2016)2885號)Fig.4 The spatial map of different land cover category consistencyin China

4 結(jié)論與討論

1)4種大尺度土地覆被遙感產(chǎn)品的林地、耕地、建設(shè)用地和裸地等類別均具有較高的生產(chǎn)者精度和用戶精度。因此，對于全球或國家尺度森林面積調(diào)查、糧食產(chǎn)量預(yù)測、城市用地擴張等研究領(lǐng)域，4種數(shù)據(jù)均可提供較為精準的基礎(chǔ)數(shù)據(jù)； 相對于上述類別，4種產(chǎn)品灌木類別的生產(chǎn)者精度和用戶精度均較低，其類別混淆主要發(fā)生于林地、草地和耕地之間，因此未來如何提高大尺度低分辨率遙感數(shù)據(jù)灌木類別的識別精度，有效降低該類別與耕地、林地和草地間的錯分是當(dāng)前亟待解決的問題.

2)研究表明FROM產(chǎn)品和MODIS產(chǎn)品在總體上表現(xiàn)出較高的類別精度，優(yōu)于GLOBCOVER和ESACCI兩種產(chǎn)品。GLOBCOVER盡管采用的基礎(chǔ)數(shù)據(jù)為300 m分辨率地表反射率信息，但其總體精度則低于500 m分辨率的MODIS數(shù)據(jù)。這說明對于土地覆被遙感制圖而言，除了需關(guān)注原始數(shù)據(jù)的空間分辨率外，采用適合的影像分類算法同樣可以提高土地覆被信息的提取出精度。

3)多源數(shù)據(jù)類別一致性圖譜表明，4種數(shù)據(jù)土地覆被類別結(jié)構(gòu)單一區(qū)域具有較好的類別一致性，可以準確識別林地、耕地、裸地等均質(zhì)性較強的土地覆被類別。但對于青藏高寒區(qū)、中國西南區(qū)域等景觀異質(zhì)性區(qū)域，則表現(xiàn)出較差的類別一致性。

4)本文以國際組織發(fā)布的權(quán)威數(shù)據(jù)為參考，從國家尺度驗證了當(dāng)前的4種土地覆被遙感產(chǎn)品的類別精度。但已有研究表明，土地覆被類別精度具有空間分異特征，國家尺度的精度特征并不能代表全球或區(qū)域尺度，因此從全球及區(qū)域尺度對4種產(chǎn)品分別進行精度評價是今后要開展的必要工作。盡管國際組織發(fā)布的驗證數(shù)據(jù)的精度較高，但其數(shù)量相對較少，且各種類別所占的數(shù)量比例不均衡，無法滿足地理分層抽樣理論對于與土地覆被遙感產(chǎn)品精度驗證的要求。自從2007年公眾自發(fā)地理信息(volunteered geographic information，VGI)的概念出現(xiàn)以來，這類數(shù)據(jù)日益增多，已被廣泛應(yīng)用于生態(tài)評價、冰川調(diào)查、植被分類等眾多研究領(lǐng)域。因此如何利用自發(fā)地理信息來補充現(xiàn)有驗證數(shù)據(jù)在數(shù)量上的不足，進而實現(xiàn)土地覆被遙感產(chǎn)品地理分層抽樣驗證也是未來需要開展的工作。

志謝： 本文所用數(shù)據(jù)來源于清華大學(xué)地球系統(tǒng)科學(xué)研究中心、美國波士頓大學(xué)、歐洲航天局等科研機構(gòu)，河北工程大學(xué)“地質(zhì)資源與地質(zhì)工程”雙一流學(xué)科為本文工作的開展提供了資金支持，在此一并表示感謝。