王小葵，李美艷，葛朝民，于軍，王超

摘要：地表覆蓋數(shù)據(jù)是關于土地利用信息的重要來源，在地理國情監(jiān)測、氣候變化研究、生態(tài)環(huán)境評估等方面發(fā)揮著重要的作用。本文以廣東省廣州市作為研究區(qū)域，利用OSM數(shù)據(jù)結合FROMGLC數(shù)據(jù)和Landsat8遙感影像數(shù)據(jù)，對研究區(qū)域地表覆蓋進行分類并完成地表覆蓋制圖。實驗結果表明，利用OSM數(shù)據(jù)進行地表覆蓋制圖結果總體精度較高，具有可用性，但是OSM數(shù)據(jù)空白區(qū)域占比較大，有數(shù)據(jù)區(qū)域個別要素數(shù)量較少，在參考選取樣本時，樣本代表性不夠高，部分類型的地表覆蓋分類精度較低。

關鍵詞：OpenStreetMap；FROMGLC；Landsat8；地表覆蓋分類圖；廣東省廣州市

中圖分類號：P208文獻標識碼：Adoi：10.12128/j.issn.16726979.2023.05.010

引文格式：王小葵，李美艷，葛朝民，等.基于多源數(shù)據(jù)的地表覆蓋制圖與分析——以廣東省廣州市為例［J］.山東國土資源，2023，39（5）：6771.WANG Xiaokui，LI Meiyan，GE Chaomin，et al.Mapping and Analysis of Land Cover Based on Multi-source Data——Taking Guangzhou City in Guangdong Province as an Example［J］.Shandong Land and Resources，2023，39（5）：6771.

0引言

地表覆蓋是指地球表面各種物質類型的空間分布及其自然屬性與特征的綜合體［1］。地表覆蓋包括各種地表植被，湖泊、濕地等水體，土壤、冰川以及各種建筑物等，側重于表現(xiàn)土地的自然屬性。其空間分布反映人類社會經(jīng)濟活動過程，決定著地表水熱和物質平衡，影響地球系統(tǒng)的能量平衡、碳循環(huán)及其他生物地球化學循環(huán)，以至于引起氣候變化。因此，地表覆蓋對于氣候變化研究、生態(tài)環(huán)境評估、地理國情監(jiān)測和宏觀調控分析等具有十分重要的意義［23］。

近年來，衛(wèi)星遙感技術得到快速發(fā)展，遙感影像包含了越來越豐富的地表信息，為遙感解譯各地物屬性提供了更多可利用的決策信息。國際上也已經(jīng)展開了對全球地表覆蓋制圖的研究并研制出一些相關的產(chǎn)品。如美國的UMD、IGBPDISCover產(chǎn)品，歐洲的GLC2000、GlobeCover產(chǎn)品以及中國的GlobeLand 30等［4］。這些產(chǎn)品主要是利用遙感影像識別地物研制而成，存在遙感影像有光譜和紋理特征復雜多樣、數(shù)據(jù)質量難以保證等問題，致使錯誤分類的情況比較突出，地表覆蓋的分類精度還需要進一步提高［516］。因此，需要尋求一種辦法來提高地表覆蓋分類制圖的精度和準確性。OpenStreetMap（OSM）作為由志愿者用戶提供的數(shù)據(jù)，更新迅速、覆蓋范圍廣、屬性信息豐富［1315，17］。所以本文采用基于多源數(shù)據(jù)進行地表覆蓋制圖，結合OSM數(shù)據(jù)進行對遙感影像分類訓練樣本的選擇，以提高所制地表覆蓋分類圖的分類精度和準確性。

1研究區(qū)域概況

廣州市是華南地區(qū)和珠三角地區(qū)重要的區(qū)域性中心城市。地處中國南部、珠江下游、瀕臨南海，屬于丘陵地帶，地勢東北高、西南低，背山面海，北部是森林集中的丘陵山區(qū)，中部是丘陵盆地，南部為沿海沖積平原。同時地處亞熱帶沿海，北回歸線從中南部穿過，屬海洋性亞熱帶季風氣候。廣州市的地表覆蓋類型豐富，包括耕地、林地、草地、水體和人造地表等。

2數(shù)據(jù)處理

2.1OSM數(shù)據(jù)和FROMGLC數(shù)據(jù)及要素對應關系

將OSM數(shù)據(jù)中8種面要素與FROMGLC數(shù)據(jù)中的地表覆蓋類型建立一一對應關系。如表1所示，OSM數(shù)據(jù)的8種面要素分別為水系、交通運輸、宗教場所、交通服務、自然、興趣點、土地利用、建筑物；所采用GLC數(shù)據(jù)的地表覆蓋類型包括耕地、森林、草地、灌木林、濕地、水體、人造地表和裸地。建立對應關系并重分類為耕地、林地、草地、水體、人造地表和其他6類。2.2Landsat8影像

利用Landsat8遙感影像選取樣本進行監(jiān)督分類生成地表覆蓋分類結果與結合OSM數(shù)據(jù)選樣進行監(jiān)督分類生成的地表覆蓋分類結果進行精度評價對比。

3技術方法

如圖1所示，根據(jù)地表覆蓋特征，結合OSM數(shù)據(jù)的要素屬性和FROMGLC數(shù)據(jù)的分類體系，建立適合本文研究的2種數(shù)據(jù)之間的對應關系。采用空間統(tǒng)計和誤差矩陣2種分析方法對OSM數(shù)據(jù)和FROMGLC數(shù)據(jù)進行對比分析，通過2種數(shù)據(jù)的總體精度、kappa系數(shù)、數(shù)量不一致和分布不一致系數(shù)，將FROMGLC數(shù)據(jù)作為參照，檢驗OSM數(shù)據(jù)的分類精度和準確性，判斷利用OSM數(shù)據(jù)進行樣本選擇的可行性。提出采用結合OSM數(shù)據(jù)和Landsat8遙感影像的地表覆蓋制圖方法，通過與目視判讀選擇訓練樣本的分類結果對比，分析結合OSM數(shù)據(jù)選取訓練樣本分類結果的精度，以及使用結合OSM數(shù)據(jù)選取樣本對Landsat8遙感影像的分類結果填補OSM數(shù)據(jù)空白區(qū)域，進行完整覆蓋研究區(qū)域的地表覆蓋分類圖的制作，并對制圖結果進行精度評價分析［69］。

3.1對比分析

從要素類型的面積和柵格像元兩方面出發(fā)，采用空間統(tǒng)計和誤差矩陣2種分析方法，依據(jù)總體精度、Kappa系數(shù)等多種評價指標，對OSM數(shù)據(jù)進行對比分析，得到2種數(shù)據(jù)中各分類要素的一致性和差異性［5，1821］。首先采用空間統(tǒng)計的分析方法，通過統(tǒng)計2種數(shù)據(jù)中不同地表覆蓋類型分類的像元數(shù)目，引入誤差系數(shù)來計算不同分類要素之間的差異。然后采用誤差矩陣的分析方法，通過建立兩種數(shù)據(jù)之間的誤差矩陣對OSM和FROMGLC的一致性進行評價，分析2種數(shù)據(jù)之間數(shù)量和空間分布的差異。

3.2樣本選擇和監(jiān)督分類

監(jiān)督分類是遙感圖像分類的一種，即用被確認類別的樣本像元去識別其他未知類別像元的過程。已被確認類別的樣本像元是指那些位于訓練區(qū)的像元。在這種分類中，分析者在圖像上對每一種類別選取一定數(shù)量的訓練區(qū)，計算機計算每種訓練樣區(qū)的統(tǒng)計或其他信息，每個像元和訓練樣本作比較，按照不同規(guī)則將其劃分到和其最相似的樣本類［3］。通過目視解譯與結合OSM數(shù)據(jù)選取訓練樣本點，訓練樣本滿足“空間分布均勻且數(shù)量充足”的條件，符合表2中重分類類型要求，提取各類型的地表覆蓋信息，實現(xiàn)地表覆蓋類型的識別與分類［10］。

3.3地表覆蓋分類結果精度評價分析

監(jiān)督分類必須對分類結果進行評價，來確定分類的精度和可靠性。本文選擇使用感興趣區(qū)采用誤差矩陣的方式進行精度評價。通過對比分類結果的總體精度、Kappa系數(shù)、生產(chǎn)者精度和使用者精度等評價指標確定制圖方法的準確性和可靠性。

4結果與分析

表2為監(jiān)督分類的評價指標。其中，結合OSM數(shù)據(jù)進行地表覆蓋分類的總體精度為92.88%，kappa系數(shù)為0.8908；通過目視判讀選擇訓練樣本進行監(jiān)督分類的總體精度為94.97%，Kappa系數(shù)為0.9135。結合OSM數(shù)據(jù)制圖結果的精度是較高的，說明分類較為可靠。表3為監(jiān)督分類生產(chǎn)者精度和使用者精度表。從結合OSM數(shù)據(jù)一欄看出，草地的精度為0；耕地的生產(chǎn)者精度為43.54%，使用者精度為95.77%；林地的2種精度均在96%以上；水體的生產(chǎn)者精度高達97%，使用者精度為80.55%；人造地表的2種精度均在95%以上，且生產(chǎn)者精度高達97.21%。在目視判讀的一欄可以看出耕地的2種精度都在85%以上；林地的2種精度都在90%以上；草地的生產(chǎn)者精度為38.78%，使用者精度為86.36%；水體和人造地表的2種精度都在94%以上，最高達97.85%。

如圖2為結合OSM數(shù)據(jù)和Landsat影像地表覆蓋分類圖。將FROMGLC數(shù)據(jù)作為參照，對結合OSM數(shù)據(jù)和Landsat影像地表覆蓋分類圖進行精度評價。經(jīng)統(tǒng)計計算可得，結合OSM數(shù)據(jù)和Landsat影像地表覆蓋分類制圖的總體精度為89.70%，Kappa系數(shù)為0.8428，精度較高。各個地表覆蓋類別的精度情況如表4。為結合OSM制圖結果與FROMGLC精度對比表。其中，林地、水體和人造地表的生產(chǎn)者精度較高，均在90%以上，分別為96.38%、92.66%和94.36%；耕地的生產(chǎn)者精度較低為68.16%；草地的生產(chǎn)者最低為1.08%。

5結語

本文結合OSM數(shù)據(jù)選取樣本對Landsat 8遙感影像的分類結果填補OSM數(shù)據(jù)空白區(qū)域可以得到完整覆蓋研究區(qū)域的地表覆蓋分類圖，使空白區(qū)域有了地表覆蓋信息，提高了空白區(qū)域的精度。結合OSM數(shù)據(jù)進行地表覆蓋制圖結果總體精度較高，具有可用性，但是OSM數(shù)據(jù)空白區(qū)域占比較大，有數(shù)據(jù)區(qū)域個別要素數(shù)量較少，在參考選取樣本時，樣本代表性不夠高，致使耕地和草地的地表覆蓋分類精度較低。另外，OSM數(shù)據(jù)本身存在著誤差的原因，填補OSM空白數(shù)據(jù)的制圖結果，較結合OSM數(shù)據(jù)選樣進行監(jiān)督分類和目視判讀選樣監(jiān)督分類的結果精度減低。在結合OSM數(shù)據(jù)進行選取訓練樣本時，選擇數(shù)據(jù)量更大，覆蓋研究區(qū)域范圍更廣的OSM數(shù)據(jù)作為參考，分類結果的精度會更好。

結合OSM數(shù)據(jù)選取樣本對Landsat 8遙感影像的分類結果填補OSM數(shù)據(jù)空白區(qū)域可以得到完整覆蓋研究區(qū)域的地表覆蓋分類圖，但在制圖過程中所使用的遙感影像分類方法都只是利用了影像的光譜信息，沒有充分利用影像中的其他信息，分類結果的精度不夠高。后續(xù)可以改進遙感影像的分類方法，增加對OSM數(shù)據(jù)點要素和線要素的研究，從而得到精度更高的分類結果，用來填補OSM數(shù)據(jù)空白區(qū)，另外還可以探索更多的結合不同數(shù)據(jù)源的制圖方法來提高制圖精度。

參考文獻：

［1］Pervez M S，Henebry G M.Assessing the impacts of climate and land use and land cover change on the freshwater availability in the Brahmaputra River basin［J］.Journal of Hydrology Regional Studies，2015，3：285311.

［2］陳軍，陳晉，宮鵬，等.全球地表覆蓋高分辨率遙感制圖［J］.地理信息世界，2011，9（2）：1214.

［3］陳利軍，陳軍，廖安平，等.30 m全球地表覆蓋遙感分類方法初探［J］.測繪通報，2012（S1）：350353.

［4］馬京振，孫群，肖強，等.河南省GlobeLand 30數(shù)據(jù)精度評價及對比分析［J］.地球信息科學學報，2016，18（11）：15631572.

［5］馬京振，孫群，徐立，等.GlobeLand 30和自發(fā)地理信息的對比分析研究［J］.地球信息科學學報，2018，20（9）：12251234.

［6］王忠芳.OpenStreetMap數(shù)據(jù)在城市土地利用制圖應用中的研究［D］.南京：南京大學，2019.

［7］宮鵬，張偉，俞樂，等.全球地表覆蓋制圖研究新范式［J］.遙感學報，2016，20（5）：10021016.

［8］GONG P，LIU H，ZHANG M，et al.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［J］.Science Bulletin，2019，64（6）：370373.

［9］ZHANG Y，LI Q，HUANG H，et al.The combined use of remote sensing and social sensing data in fine-grained urban land use mapping： A case study in Beijing， China［J］.Remote Sensing， 2017，9（9）：865.

［10］宋擁軍，李玉琳，王峰，等.國土資源基礎數(shù)據(jù)的多源性特征研究［J］.山東國土資源，2009，25（4）：2932.

［11］程國旗，王志勇，陳歡.Landsat8監(jiān)督分類器精度比較：以黃島區(qū)為例［J］.測繪與空間地理信息，2019，42（12）：146148，155.

［12］王明，李清泉，胡慶武，等.面向眾源開放街道地圖空間數(shù)據(jù)的質量評價方法［J］.武漢大學學報·信息科學版，2013，38（12）：14901494.

［13］OpenStreetMap wikipage on Quality Assurance［Ｎ］.http：//wiki.openstreetmap.org/wiki/Quality_Assurance.

［14］郎坤，趙庚星，王文倩，等.基于多元數(shù)據(jù)的黃河三角洲核心區(qū)生態(tài)環(huán)境狀況評價研究［J］.山東國土資源，2019，35（12）：2939.

［15］楊岸然.基于歷史數(shù)據(jù)的志愿者地理信息數(shù)據(jù)質量生成機制研究［Ｄ］.長沙：國防科學技術大學，2016.

［16］羅路長.自發(fā)地理信息與專業(yè)數(shù)據(jù)的轉換、匹配及質量評價方法研究［Ｄ］.南昌：東華理工大學，2017.

［17］徐海洋，于丙辰，陳剛，等.基于OpenStreetMap數(shù)據(jù)的城市街區(qū)提取與精度評價［J］.地理空間信息，2019（3）：7174.

［18］宋雪濤，蒲英霞，馬勁松，等.基于路網(wǎng)的城市子區(qū)域提取技術研究［J］.地理空間信息，2017（6）：1417.

［19］李亨健，張杰，胡曉丹，等.基于遙感的丁字灣地區(qū)土地利用時空變化分析及地區(qū)生態(tài)修復建議［J］.山東國土資源，2021，37（6）：7278.

［20］FAN H，ZIPF A，F(xiàn)U Q，et al.Quality assessment for building footprints data on OpenStreetMap［J］.International Journal of Geographical Information Science，2014，28（4）：700719.

［21］YANG D，F(xiàn)U C S，SMITH A C，et al.Open land-use map：a regional land-use mapping strategy for incorporating OpenStreetMap with earth observations［J］.Geo-spatial information science，2017，20（3）：269281.

Mapping and Analysis of Land Cover Based on Multi-source Data

——Taking Guangzhou City in Guangdong Province as an Example

WANG Xiaokui1， LI Meiyan1， GE Chaomin2， YU Jun2， WANG Chao1

（1. Shandong Land Development Group Limited Corporation， Shandong Ji'nan 250014， China；2. Shandong Provincial Institute of Land Spatial Data and Remote Sensing Technology， Shandong Ji'nan 250002， China ）

Abstract：Land cover data is an important source of land use information， which plays an important role in monitoring geographical conditions， climate change research， ecological environment assessment and so on. Taking Guangzhou city in Guangdong province as the study area， by using OSM data， FROM-GLC data and LandSAT-8 remote sensing image data， land cover in the study area has been classified and land cover mapping has been completed.? It is showed that the overall accuracy of land cover mapping by using OSM data is high and has usability. But the blank areas of OSM data occupy a large proportion， the number of different elements in the data areas is small， the sample representativeness is not high enough in reference sample selection， and the accuracy of some types of land cover classification is low.

Key words：Open Street Map; FROM-GLC; landsat-8; land cover classification map; Guangzhou city in Guangdong province