不知道大家有沒有想過，在我們來到地球的一生時間中，地球會有多大的變化呢? 是在空曠的草地新建了公園，還是低矮的平房變成了一座座大廈? 這些林林總總的變化，總是令人應接不暇。然而，在漫長的人類歷史歷程中，我們卻沒有辦法用詳細的數據來衡量這些變化。
幸好，如今的科技發展日新月異、包羅萬象，讓我們有了可以對全球地表覆蓋情況進行觀測的衛星，例如 MODIS、AVHRR。并借助專題地圖的增強技術，讓我們有機會細致入微的觀察自己身邊的環境。
既然如此，那么地圖上的土地覆被類型到底可以分為多少種數據集? 數據集的準確率有多少，精度有多高呢？接下來就讓我們從一個小案例來了解一下。
添加微信好友, 獲取更多信息
復制微信號
下圖所示的影像圖是紐約某地區截圖，影像由紐約的 Sentinel-2 衛星提供。其中，需要大家先記住一些比較關鍵的要素位置：
中央公園: 曼哈頓的廣場綠地、杰奎琳·肯尼迪·奧納西斯水庫以及分割紐約和新澤西的上海灣；
火島: 南岸的薄屏障島保護著紐約長島的海濱；
長島: 長島東北角的島嶼，如梅花島、大鷗島、小海鷗島；
這些要素在土地覆被地圖中的分類情況又如何呢？看起來這并非是一件容易的事，現在請閱讀以下內容，讓我們來一起了解各種免費提供的土地覆被分類方案吧。
1. Esri 土地覆被圖 （10m）
Esri 土地覆被圖 （10m） 實際上是使用 Sentinel-2 來實現 10 米的分辨率。雖然它的空間分辨率遠高于其他土地覆被產品，但在某些方面仍然有所欠缺。Esri 土地覆被數據集是由 50 億個人工標記的像素組成，這是訓練深度學習模型的結果。它的 10 米分辨率數據源是開源的，我們可在 Esri 的 Living Atlas of the World 上找到相關資源。類別包括建筑區域，水，樹木，草，農作物，淹沒的植被，灌木叢/灌木， *** 的地面，雪/冰和云。總體而言，它是當今全球更好的土地覆被方式，它使用更高分辨率的空間開放數據源，其中需要我們注意的是道路和其他幾個類別的準確性。
2. 全球土地調查圖（GLS）
據資料顯示，在滿足30米分辨率的情況下, 全球土地調查圖是更好用的地表類型分類解決方案。它由馬欄里大學與美國地質調查局合作完成，將大約2010種不同的樹木覆蓋類型、 *** 地面類型以及地表水結合在一張圖上進行展示。
上圖使用的是 Landsat 7 ETM+ 的影像數據，它最令人印象深刻的一種數據屬性是，每個網格樹木的覆蓋率等同于每個網格單元輸出的比例。這種 *** 可以持續用來衡量從 2000 年到 2012 年的全球森林范圍、損失和收益情況。
經研究表明，全球土地調查(GLS)解決方案中，靜態森林覆蓋率的準確度為91%，森林覆蓋變化率的準確度為88%。這與前面我們講到的例子中，中央公園、長島和火島的描述是一直且合乎邏輯的。
3. CCI 土地覆被圖第二版（CCI Land Cover V2)
在滿足300 米分辨率的情況下，ENVISAT MERIS (歐洲環境衛星中分辨率成像光譜儀) 的 傳感器為該項目中三期地表覆被地圖 (1998-02, 2003-07 和2008-12) 貢獻了最多數據。GlobCover 項目將全球地表土地分為23類不同的覆蓋類型。通過對地圖上的覆蓋面積與實際覆蓋面積相比較來看，它的準確度為73%。此外，歐洲航天局還創建了 ESA/CCI 土地覆被查看器以動態查看土地覆被。
同樣，在圖中我們可以看出，它對于南部海岸中比較細微的土地界限一樣捕捉得十分到位，對于東北群島的土地分類也是無可挑剔的。但是根據提供的數據顯示，圖中對于中央公園的綠色面積少標注了4千米*0.8千米。
4. O *** 土地利用現狀數據
與其它地表覆被分類不同的是，這個解決方案使用的是基于圖像分類的算法。通過數以百計的衛星圖像疊加與處理，將地球表面土地覆被區域進行分類。當然，這樣得到的土地利用分類地圖也是非常準確的。
上圖是在 ENVISAT 衛星的中分辨率成像光譜儀下得到的單個像素內，所包含的157棟建筑的圖像。在圖中，我們可以清晰的看到土地的利用類型大多是住宅、商業、工業以及其他用途。同時，據資料顯示，O *** 土地利用數據也存在一些缺點：
- 有大量的數據差異性;
- 在松柏科植物范圍中，不能捕獲到落葉闊葉類型的樹木;
- 必須要有專業人士手動對其進行及時更新。
從圖中我們可以看到，圖像中對于中央公園是非常清晰的描述，而對于南海岸和東北島嶼則僅僅是矢量化的一個概述。
5. 基于 MODIS 的全球土地覆被圖
MODIS 土地覆被圖（17 個土地覆被等級） 描述了基于 10 年跨度（2001-2010）的級別變化。經研究表明，分辨率成像光譜儀 (MODIS)可以很好地捕捉這些變化，同時它也是測量天氣和氣候模型的有效方式之一。
6. 全球土地覆被特征圖 (GLCC)
基于 AVHRR 提供的年度數據，美國地質調查局的全球土地覆被特征圖使用無監督圖像分類 *** 對土地利用類型進行了分類，準確度為66.9%。后期項目觀察者制定了一定的規則，當計算機認為圖像中某一個像素內所包含的數據不足以作為一種土地類型數據出現時，就會 “覆蓋” 這些像素點。研究表明，經過改良后的精度達到了78.7%。
GLCC一直被用于環境建模的應用程序中，其中包括 Goddard 地球觀測系統模型(GEOS-5)。從上圖中可以看出，在這種土地類型分類 *** 下，中央公園被表達出來了，但是火島和長島島嶼并未出現在地圖中。
7. GlobeLand 30
據資料顯示，30米分辨率的土地覆被圖顯示了10個主要土地覆被類別的全球分布，包括水體、濕地、人工地表、耕地、永久性冰雪、森林、草地、灌木叢、裸地和苔原；在滿足30米分辨率的情況下，利用10000多張陸地衛星圖像覆蓋整個地球，使用基于像素和對象的 *** ，按優先順序確定每個類別，并在8個選定區域中，實現了80%的總體分類精度。
8. 聯合國糧農組織全球土地覆被圖 (GLC-SHARE)
聯合國糧農組織的全球土地覆被圖對于土地使用類型的分類主要用于日常土地管理中，尤其是農田、草地、 *** 的土壤和紅樹林等等。同時，它還包括了人工地表、水體、雪、樹木、灌木、草本以及稀疏的植被等類型。
在1千米地圖的精度下，它看起來有些粗糙，因為我們好像并不能從圖中得到準確的土地分類類型。但是，在1087個網站的驗證下，它的精度高居然達到了80%。
從圖中可以看出，這種分類 *** 完美地 “錯過了” 中央公園、長島島嶼和火島。當然，這與其1千米的精度也是有關系的。資料顯示，它的主要的用途是更好地服務于土地管理，我們也希望它能在農業領域結出碩果。
9. 全球地表覆蓋類型-氣候模型柵格圖
氣候模型柵格 (Climate Modeling Grid) 和 MCD12Q1 使用相同的監督分類算法，該數據集可在美國地質勘探局網站上進行下載。它認真執行國際巖石生物圈項目定義的分類標準，將地表也分類為17種，但地圖精度極低，只有5.5公里。在這樣的精度下，我們很難分辨出準確的位置在哪，更不用提中央公園、長島島嶼和火島的位置了。
10. Terrapop
Terrapop 包含了精度為1千米的中分辨率成像光譜儀成像下的23種全球地表覆被類型。最重要的是，它包含了在全球景觀行動中的10公里以內大約2000種不同的農業土地類型，其中包括175種農作物的收獲面積，這為提高農作物產量和以及現有糧食供需情況提供了很好的見解。
總結
從上述示例中可以看出，目前全球地表覆被類型的分類是多樣化的。如今，在全球范圍內，越來越多的空間機構也都在通過發射衛星來增加全球地表土地分辨率的準確度。畢竟，只有更準確地對全球土地類型進行分類，才能更好的了解人類活動，因此，希望衛星資料的資源共享越來越多。
來源：開源地理空間基金會中文分會
來源鏈接：https://www.osgeo.cn/post/1379b
本站聲明:網站內容來源于 *** ,如有侵權,請聯系我們,我們將及時處理。
