第39卷第3期注為科修Vol.39No.3 2021年6月JIANGXI SCIENCE2021 doi：10.13990/j.!&1001-3679.2021.03.028
—以江西省为例
—
黄吉▽，黄宏胜▽，钟海燕张宏涛—，邵新霞▽
(1.江西农业大学江西省鄱阳湖流域农业资源与生态重点实验室,330045，南昌；
2.江西农业大学国土资源与环境学院,330045，南昌)
摘要：为获得The MODIS Land Cover Type product(MCD12Q1)、欧空局ESACCA全球30m地表覆被数据(FROM-GLC)在省级尺度的精度，从土地利用变更数据抽取含66"一级土地覆被类型、8个二级土地覆被类型的162478个样本点，采用混淆矩阵方法，从总体精度、制图精度和用户精度角度评价3套数据的精度及适用性。结果表明：总体精度中，MCD12Q1—级总体精度为72.71%，二级为71.58%；ESACCI—级为75.63%，二级为64.61%；FROM-GLC一级为77.58%，二级为75.32%。研究发现，数据集在不 同区域的总体精度不同，且总体精度与研究区的主导地类占比相关。运用统计分析方法得出3套数据总体精度的预测方程，本项研究克服了传统的总体精度应用不广泛的缺陷，并且建议遥感数据集使用者在选取遥感数据集时，将地域性因素纳入考虑范围中。
关键词：土地覆被数据；适用性分析；精度评价；江西省
中图分类号:F301.21文献标识码:A文章编号：1001-3679(2021)03-534-08
Provincial-Scale Applicability Analysis of Land Cover Data
at Different Resolutions
------Case Study of Jiangxi Province
HUANG Ji",HUANG Hongshen',ZHONG Haiyan",ZHANG HongtaE",SHAO Xinxia"
(1.Jiangxa Poyang Lake Basin Key Laboratoro of Agricultural Resources and Ecclogy,
Jiangxa Agriculturat University,330045,Nanchang,PRC;
2.Colleee of Land Resources and EnvironmenO,Jiangxt Agricultural University,330045,Nanchang,P
RC)
Abstract：In order to obtdin tOe accuccy of The MODIS Ldnd Cover Type Product(MCD12Q1), ESACCI and FROM一GLC aO tOe provincial sccte in2015,this paper adopted tOe obtuse matav metOod to evvluate the accuracy and applicability of tOe three sets of data from the perspectivee of o-vol t occuocy,crtooraphic accuocy and user occuracy from162478empte points of6firsi一tee-
e land coyer Oypes and8second一levee land coyer Oypes extracted from the land use change data set
of Jiangxi province in2015.The results show that the overall precision of tOe first-levee class is
72.71%in MCD12Q1version6,75.63%in ESACCI,and77.58%in the firsi一levee FROM GLC
version1.The overaUccuracy of the class2is71.58%for MCD12Q1version6,64.61%for ESACCI,and75.32%for FROM一GLC version1.In this paper,it is found that the overall psecision of the datt set is dOferent in dferent ogions,and the overall precision is related tO the proportion of 收稿日期：2021-03-16；修订日期：2021-05-18
科室牌设计作者简介：黄吉(1996-)，女，硕士，主要从事土地遥感与信息研究。
基金项目：江西省教育厅科技项目(GJ159420)o
*通信作者潢宏胜(1976—)，男，博士，副教授，主要从事土地利用变化与管理研究。E-mail：huanghs@jxau.edu o
第3期黄吉等：不同分辨率土地覆被数据在省域的适用性分析-535-
dominant regions in the research area.Based on the overall precision of38counties in Jiangxi province with veaous land types of ddtr,using statisticci analysis method foc three sets of datr overall precision of tye prediction equation,the study overcome the defects of traditiona"o—ell accuecy which is not widely used,and suggested uses take reeional factors into consideration in the selection of remote sensing data sets.
Key words：land covee data;dpplicdbility analysis;accuracy eveluation；Jidngxi province
0引言
土地覆被对全球陆地生态系统变化和地表太阳辐射能量平衡影响巨大，因此土地覆被产品的制作尤为重要，它不仅是环境、生态等学科的研究基础，更是众多地球过程模拟的数据源打1995年，国际地圈生物圈计划（IGBP）与国际全球环境变化人文因素计划（IGDP）共同提出“土地利用与土地覆被变化”
（LUCC）项目。此后，大批遥感数据产品相继问世，如马里兰大学的UMD 土地覆被产品⑶，欧洲空间局的GlobCover2005以及GlobCover2009产品⑷，美国地质调查局的全球土地覆被IGBP-DISCover⑸，以及波士顿大学的MCD12Q1®］。宫鹏团队于2013年推出第1套30m分辨率的全球土地覆盖图（FROM-GLC），基准年为2010年。中国国家基础地理信息中心团队于2014年推出了30m分辨率土地覆被产品GlobeLand3027］。土地覆被产品的普及极大地便利了科研工作者开展生物多样性、全球陆地表层过程与生态系统碳水循环研究凶。
目前，已有学者对各类土地覆被产品的精度进行评估。杨永可等对IGBP-DISCover、UMD、GLC2000、GLCNM02008等7套数据的精度进行了验证呵；刘琼欢等从点位一致性、总体精度等方面对7套数据的精度进行评价「问；许光明等从面积总体相关性分析、类型面积的一致性和误差空间分布等角度对Rapid Eye_5m、FR0M_GLC、Glob-Covee2009和M0DIS_V005这4种不同空间分辨率的数据做质量评价⑴］；朱筠等运用混淆矩阵分析了2015年中国1：10万土地覆被数据的产品精度g。
现有研究多采用高分遥感影像和野外采样样本对比方法进行精度验证，相比之下，野外采样样本检测准确率更高，但存在样本点数量太少的问题。本文基于江西省2015年1:1万土地利用变更数据集，从该数据库抽取162478个样本点进行精度评价，具有样本足、精度高的优势，评价结果更准确可靠。
1研究方法与数据来源
留言板制作
1.1土地覆被数据产品
本文选用了美国宇航局的MODIS Land Cover 数据系列、欧洲空间局的ESACCG全球30m地表覆盖数据（FROM-GLC）3类全球土地覆盖数据集，选用的数据年份均为2015年（表1）。
表13套数据的基本信息
数据集名称卫星与传感器分类系统及类型数目分辨率数据源时间数据下载地址
MODIS Modio IGBP(17classes)500m2015年search.earthdata. /search
ESACCI MERIS Ful l and Reduced
resolution7S POT
LC CS(22classes)300m2015年
http：//maps.elie.uci.ac.
be//CGviewer/
FROM-GLC Landsat、TM、ETM7、HJ-
lAb/
lOclasses30m2015年
http：//data.ess.tsinghua.
edu/fromglc2015
第1套数据是从MODIS数据集中选取MCD12Q1第6版的产品，MODIS土地覆盖类型产品（M C D12Q1）提供2001年至今每年的全球土地覆盖数据，其空间分辨率为500mW该产品包含13个科学数据集（SDS），以及5个传统分类方案和一个新的土地覆盖分类系统。为方便后期与其他数据集的类型统一化，本文选取IGBP土地覆盖分类体系，包括了17个类别。
第2套数据是从ESACCI中选取的最新的版本v2.0.7，其分类采用的是联合国土地覆盖分类系统（LCCS）的分类体系，分为22类「⑷。
第3套数据是宫鹏团队2015年全球地表覆
-536-江西科学2021年第39卷文具盒生产过程
盖数据（FROM-GLC”®，其分类体系为10级分类。
1.2样本点数据
采用随机抽样从江西省2015年土地利用变更数据集中抽取了162478个样本点用于3套数据的精度评价。样本生成步骤为：首先通过MATLAB生成公里网横坐标在［39157820,39645143］纵坐标在［2703185,3334425］之间的二维随机矩阵，将数据导入到ArcGIS中，以XY点文件保存；然后用江西省界对样本点进行裁剪，得到162478个样本点。为获得样本点的土地覆被类型，本文将162478个样本点与江西省2015年土地利用类型数据库进行连接，生成验证样本集。
由于抽取的江西省样本较为密集，本文仅抽取泰和县、兴国县以及安源镇等几个县乡的样本，从微观上展示样本的分布情况（图1）。
a
+
.i
图1样本C分布图
制作智能卡1.3数据处理与方法
1.3.1土地覆被数据预处理所用到的4套数据中，其中3套是WGS84投影，而江西省2015年土地利用类型数据库采用的投影为西安80投影。本文通过对样本点的投影进行转换达到提取同名点之目的。实现方法为采用控制点对样本点进行坐标系变换，转为西安80坐标后加以保存，此样本点用于对实际地物提取。在后期对3套数据在样本点上的地物提取完毕后，再将用于提取江西省2015年土地利用变更数据集的样本点转换为WGS84坐标，并对坐标位置相同的点进行连接，统一空间参考系。1.3.2土地覆被分类转换MCD12Q1数据采纳的是IGBP分类体系,ESACCI数据的分类系统为LCCS，全球30m数据FROM-GLC的分类系统为10级分类少］，江西省2015年土地利用变更数据集采用GB T21010-2007标准,4种数据的分类体系都不同，所以要对分类体系进行统一M （表2）。为了更直观地表示3套数据集对地类的分类情况，本文对3套数据的tiff图像进行一级分类整合（图2）。
1.3.3验证方法本文采用的精度验证方法为针对样本点数据对MCD12Q1、ESACCI、FROM-GLC3套数据与江西省2015
饱和聚酯
年土地利用变更数
第3期黄吉等：不同分辨率土地覆被数据在省域的适用性分析-537-
表24套数据分类体系转换对应关系表
一级地类二级地类IGBP FROM-GLC LCCS土地利用变更数据集
耕地
旱地
水田、水浇地12,1410,11,12,13,32
10
20
13
11,12
林地
有林地1,2,3,4,5,8
14,20,21,22,
23,24,25,26
70,71,72,50,40,80,81,
82,60,61,62,90,30
21,22,23,31,33灌木林地6,740,41,42,71120,121,122,100,152,32
草地草地9,1030,31,32,33,7211,130,140,153,11041,42,43
水体
湿地1150,51,52,53180,170,160125
水体1760210111,112,113,114,116
建设用地建设用地1380190204,201,105,202,203,205, 122,118,101,104,102,117
其他其他1690,15200,201,202126,127
图23套数据一级分类类型分布图
据集建立混淆矩阵，并从总体精度、制图精度、用户精度这几个角度评价3套土地覆被产品的质量。总体精度、制图精度和用户精度的计算公式分别为：
OA=-^x100%
X.
(1)
T.
PA t二才x100%(2)
£
T
UA t=y x100%(3)式中：OA表示总体精度，是指所有被正确识别的像元数T与总样本量£的比值;PA，表示某地类i 的制图精度，或是生产者精度，T表示被正确识别为第i类地物的像元个数,/表示实际为i第
类地物的样本量；i表示被分为第i类地物的样本量,UA表示某地类，的用户精度。2结果分析
智能商用豆浆机2.1总体精度
本文选择的3套土地覆被产品的一级分类总体精度均低于78%，其中精度最高的是全球30m 数据FROM-GLC，其总体精度为77.58%,ESACCI 总体精度为75.63%，精度最差的为MCD12Q1土地覆被数据集，其总体精度为72.71%；二级分类的总体精度最高的还是全球30m数据FROM-GLC，为75.32%，其次为MCD12Q1土地覆被数据集，为71.58%,ESACCI数据集的二级分类总体精度最低，为64.61%(表3~表5)o
2.2生产者精度
3套数据的生产者精度高低不等，在一级地类中,3套数据对耕地、林地、水体3种地物识别度较高，对草地、建设用地识别度较低。在林地类型中，MCD12Q1生产者精度最高，为95.61%；在
-538-江西科学2021年第39卷
耕地类型中，FROM-GLC的生产者精度最高，为66.16%。在水体类型中，ESACCI的生产者精度最高，为46.43%（表3~表5）。3套土地覆被数据集的一级地类中，林地的生产者精度均位于六大一级类之首，其次是耕地（图3）。3套土地覆被数据集的二级类型中，耕地、有林地、水体的生产者精度均较高，且普遍远高于40%或位于40%左右（图4）。
表3MCD12Q1与土地利用变更数据集的混淆矩阵
一级地类
耕地林地草地水体建设用地其他用户精度/%耕地121393657446118820492162.25
林地198669975422494021678432275.01
草地11134825846624914 2.43 MCD12Q1水体230252264456103187.92建设用地319187482251727468.80
其他01013629.09生产者精度/%36.0695.61 2.0542.9715.820.55
表4ESACCI与土地利用变更数据集的混淆矩阵
数据名称-----------------------------------------一级地类--------------------------------
耕地林地草地水体建设用地其他用户精度/%耕地21693914711513421586213852.38
林地113239450716071827286319484.14
草地2432782013119925 2.23 ESACCI水体217339334811156586.51建设用地19162161201836182.48
其他000512914.52生产者精度/%64.4390.580.7146.4316.82 2.42
表5FROM-GLC与土地利用变更数据集的混淆矩阵
数据名称-
耕地林地
一级地类
草地水体建设用地其他用户精度/%
耕地2227470269653132450811958.58
林地106699649117322063298017484.56
草地4165997824768453 3.76 FROM-GLC水体168107304784139491.44建设用地12080171102413587.91
其他203043319410 3.44生产者精度/%66.1692.48 2.7646.1422.10 2.74
2.3用户精度类中，3套土地覆被数据的林地用户精度均高于
四大主要类型的用户精度均较高。在一级地75%，其中最高的为FROM-GLC。水体类型中，
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议