全球地表覆蓋制圖研究新范式

1、1007-4619(2016)05-1002-15Journal of Remote Sensing遙感學(xué)報全球地表覆蓋制圖研究式1，1，1，1,2，1，3，4，1，琪11.地球系統(tǒng)科學(xué)地球系統(tǒng)數(shù)值模擬教育部，100084；2. Department of Environmental Science, Policy and Management, University of California, Berkeley CA 94720-3114, USA；3. 中國遙感與數(shù)字地球遙感科學(xué)國家，100101；4. Arkansas Forest ResourCenter, University o

2、f Arkansas Diviof Agriculture, School of Forestry and Natural Resour, Universityof Arkansas at Monticello, 110 University Court, Monticello AR 71655, USA摘 要：全球土地覆蓋制圖在過去的10年中取得重要進(jìn)展，空間分辨率從300 m增加至30 m，分類詳細(xì)程度也有所提高,從10余個一級類到包含29類的二級分類體系。然而，利用光學(xué)遙感數(shù)據(jù)在大空間范圍制圖方面仍有諸多。本文主要介紹在農(nóng)田、居住區(qū)、水體和濕地制圖方面的，在使用多時相和多傳感器遙感數(shù)據(jù)上

3、的，這將是未來遙感應(yīng)用的趨勢。由于各種地表覆蓋數(shù)據(jù)產(chǎn)品有自己定義的地表覆蓋類型體系和處理流程，通過調(diào)和以及集成各種全球土地覆蓋制圖產(chǎn)品能夠滿足新的應(yīng)用目的，并且可以最大程度地利用已有的土地覆蓋數(shù)據(jù)。然而，未來全球土地覆蓋制圖需要能夠按照新應(yīng)用需求動態(tài)生成地表覆蓋數(shù)據(jù)產(chǎn)品的能力。過去的研究表明有效地提高局部尺度制圖的分類精度，更好的算法、種特征變量(新類型的數(shù)據(jù)或特征)以及更具代表性的訓(xùn)練樣本都非常重要。卻認(rèn)為特征變量的使用更重要。本文提出了一個全球土地覆蓋制圖的式。在這個式中，地表覆蓋類型的定義被分解為定性指標(biāo)的類、定量指標(biāo)的植被和高度。非植被類型通過它們的光譜和紋理信息提取。復(fù)合考慮類、和高

4、度3種指標(biāo)來定義和區(qū)別包含植被的地表覆蓋類型。和高度不能在分類算法中提取，需要借助其他直接測量或間接反演方法。新的范式還表明，一個普遍適用的訓(xùn)練樣本集有效地提高了在非洲大陸尺度土地覆蓋分類。為了確保更加容易地實現(xiàn)從傳統(tǒng)的土地覆蓋制圖到全球土地覆蓋制圖式的轉(zhuǎn)變，建議構(gòu)建的數(shù)據(jù)管理和分析系統(tǒng)。通過集成相關(guān)的觀測數(shù)據(jù)、系統(tǒng)，構(gòu)建全球地表覆蓋制圖門戶，為數(shù)據(jù)生產(chǎn)樣本數(shù)據(jù)和分析算法，逐步建成全球土地覆蓋制圖者、數(shù)據(jù)用戶、專業(yè)研究、決策搭建合作互助的。：遙感，圖像分類，類別定義，通用樣本，系統(tǒng)，制圖號：TP701文獻(xiàn)標(biāo)志碼：A格式：,琪. 2016. 全球地表覆蓋制圖研究式. 遙感學(xué)報, 20(5):10

5、021016Gong P, Zhang W, Yu L, Li C C, Wang J, Liang L, Li X C, Ji L Y and Bai Y Q. 2016. New research paradigm forglobal land cover map. Journal of Remote Sensing, 20(5): 10021016 :10.11834/jrs.201661381全球地表覆蓋制圖的進(jìn)展全球尺度地表覆蓋制圖。隨著遙感技術(shù)的不斷發(fā)展，數(shù)據(jù)空間分辨率也在不斷提高，1972年首顆全球土地覆蓋制圖于傳統(tǒng)的和測陸地觀測能夠獲取約80 m空間分辨率的遙感繪。20世紀(jì)60

6、年代遙感技術(shù)已經(jīng)出現(xiàn)，20多影像，1982年陸地TM數(shù)據(jù)(Landsat Thematic年后人們才利用遙感技術(shù)進(jìn)行洲際尺度的地表覆蓋制圖。20世紀(jì)90年代，研究開始進(jìn)行Mapper)的分辨率達(dá)到了30 m，1986年SPOT數(shù)收稿日期：2016-05-19；修訂日期：2016-05-20；優(yōu)先數(shù)字日期：2016-06-27基金項目：中國氣象公益項目(: 201506023)第一作者簡介：(1965 )，男，教授，地球系統(tǒng)科學(xué)，研究方向為全球土地覆蓋/利用變化探測、全球環(huán)境變化與公眾健康。penggon等：全球地表覆蓋制圖研究式1003據(jù)的分辨率提高到了10 m。盡管出現(xiàn)了這些先進(jìn)新思考制圖方

7、法。本文將用實例說明一些全球地技術(shù)，早年發(fā)射的Landsat和SPOT需要花費數(shù)表覆蓋制圖的的設(shè)想。與，以及對未來研究方向年才能完整覆蓋陸地表面。直到20世紀(jì)90年代末Landsat 7的發(fā)射，獲取全球覆蓋的相對連續(xù)和完整的30 m分辨率數(shù)據(jù)才成為現(xiàn)實。2與全球地表覆蓋制圖最初依賴氣象數(shù)據(jù)產(chǎn)高分辨率全球地表覆蓋制圖諸多，品，主要是NOAA 甚高分辨率輻射儀 存在3個普遍的。第一、制圖目的根據(jù)不同的(AVHRR)數(shù)據(jù)。AVHRR數(shù)據(jù)的空間分辨率低于 1 km。因為早期地表覆蓋制圖主要目標(biāo)是用于全球陸面過程模式以支持氣候變化研究，人們能夠接受1 km分辨率的全球土地覆蓋數(shù)據(jù)產(chǎn)品( 如 Defrie

8、s和townshend，1994; Loveland和belward， 1997)。自1999年發(fā)射地球觀測系統(tǒng)之后，人們利用中級分辨率成像光譜儀(MODIS)數(shù)據(jù)，完成了每年全球土地覆蓋500 m分辨率數(shù)據(jù)產(chǎn)品。2011年，運用2010年前后的Landsat數(shù)據(jù)完成了首個30 m分辨率的全球地表覆蓋數(shù)據(jù)集(FROM-GLC)(Gong等，2013)。它是唯一包含二級地表覆蓋類型結(jié)構(gòu)的全球土地覆蓋產(chǎn)品，一級類包含了10個較粗的陸地覆蓋類別，其二級類細(xì)分為29類。它建立了以驗證為目的唯一獨特的區(qū)域分層隨機樣本集。該驗證樣本集的位置對公眾開放，使通過國際合作提高制圖精度成為可能。盡管目前已有數(shù)套全

9、球地表覆蓋產(chǎn)品，但多數(shù)產(chǎn)品主要用于滿足在氣候系統(tǒng)研究中的陸面過程模型的應(yīng)用。雖然最近已有關(guān)于全球地表覆蓋數(shù)據(jù)用于滿足生物多樣性和農(nóng)業(yè)管理方面需求的(Fritz 等， 2015)，但是這種數(shù)據(jù)還很少。FROM-GC全球農(nóng)田制圖(Yu 等，2013a)精度也不足(大約60%)，而且只有一大類。糧食估產(chǎn)要求更應(yīng)用需徹底改變。不同的應(yīng)用要求不同的分類系統(tǒng)。因此，一個有固定分類系統(tǒng)的地表覆蓋產(chǎn)品只能滿足設(shè)定的需求，可能其他需求。此外，在沒有檢驗是否在給定的遙感數(shù)據(jù)分類系統(tǒng)中有足夠分離性的前提下，無法設(shè)計出一個能滿足特定應(yīng)用需求的分類體系。先前的經(jīng)驗表明，利用光學(xué)遙感數(shù)據(jù)僅對全球尺度的十多個一級類的地表覆

10、蓋類型分類，也很難完成精度好于 80%的地表覆蓋制圖。第二、輸入的特征數(shù)據(jù)(如來自遙感的光譜數(shù)據(jù)和據(jù)其算出的紋理數(shù)據(jù)，以及高程、氣候 等輔助數(shù)據(jù))在地表覆蓋制圖中扮演十分重要的角色(Li 等，2014; Yu 等，2014a)。從、攝影測量和獲得的植被高度數(shù)據(jù)可能幫助進(jìn)一步提高分類精度。然而，當(dāng)前沒有大量的植被高度數(shù)據(jù)。在全球地表覆蓋制圖里，微波、熱紅外和數(shù)據(jù)由于分辨率不一致或探測范圍不完整等原因尚未在大空間范圍與光學(xué)數(shù)據(jù)集成使用。第三、一個制圖者收集全球足夠的訓(xùn)練樣本數(shù)據(jù)需要花費數(shù)年時間。一個人去檢驗所有的地面實況也不可能滿足人們對年代際或更密集的年際地表覆蓋制圖的需要。因此，全球地表覆蓋制

11、圖要求多影像分析者的緊密合作。制圖標(biāo)準(zhǔn)的一致性和由熟悉世界不同區(qū)域的 合作十分必要。根據(jù)以往的地表覆蓋制圖經(jīng)驗，濕地、灌叢、居住區(qū)和農(nóng)田的分類精度通常要低很多(Sulla- menashe 等，2011; Gong 等，2013)。盡管水體分類精度一般高于80%，好于大多數(shù)其他類別的分類結(jié)果，但最近一項研究表明影響其他地表覆蓋分精確且類型的農(nóng)作物分布數(shù)據(jù)。全球地表覆蓋是氣候變化和可持續(xù)發(fā)展研究的一個重要變量(等，2013; Xu 等，2013)。2015年12月，在第12次國際地球觀測組織(GEO)峰會和墨西哥城部長級上，與會者共同了為支持可持續(xù)發(fā)展目標(biāo)的全球地表覆蓋數(shù)據(jù)產(chǎn)品需求。利用靈活的地

12、表覆蓋分類體系，不同的國家可獲取更高分辨率的全球地表覆蓋數(shù)據(jù)產(chǎn)品來支持其在社會經(jīng)濟(jì)方面的應(yīng)用。這反映了世界各國對全球和國家尺度地表覆蓋數(shù)據(jù)的新需求。顯然，地表覆蓋制圖工作者尚未滿足這一新需求。要滿足這一需求不僅需要技術(shù)進(jìn)步，而且需要根據(jù)全球制圖的特點和更有效的國際合作重類的大量普遍(如：云和山影)也影響對水體的分類效果(Ji 等，2015)。因此，進(jìn)一步提高水體制圖精度也是可能的。以農(nóng)田、居住區(qū)、水體和濕地為例說明全球地表制圖的、以及克服的策略。灌叢是草地和林地的過渡類別。4.1節(jié)將要解釋，它要求定量信息來更好1004Journal of Remote Sensing遙感學(xué)報2016, 20(

13、5)地定義分類。為此，60 m 直徑范圍內(nèi)的嘗試將Iat獲得的約的方面。利用光學(xué)數(shù)據(jù)進(jìn)行農(nóng)田制圖，云覆蓋(以及云陰影)影響嚴(yán)重。Eastman等人(2014)研究發(fā)現(xiàn)全世界晝夜完全無云覆蓋天空平均發(fā)生頻率僅為波形數(shù)據(jù)特征與Landsat光譜特征結(jié)合使用，能將的分類精度提高約20%。境內(nèi)的灌叢20.7%，并且熱帶(特別是尼西亞島)和極地地2.1全球農(nóng)田制圖的限制和兩個熱帶地區(qū)的研究案例區(qū)完全晴天發(fā)生的概率更低。因此，在熱帶區(qū)域容易低估農(nóng)田面積(Yu 等，2013a)。多時相的光學(xué)影像能夠幫助減少云污染(Yu 等，2013b)，但是一全球農(nóng)田分布(包括農(nóng)場)的準(zhǔn)確信息對水資源規(guī)劃、糧食安全研究、地

14、球系統(tǒng)和全球變化研究些區(qū)域去云的影像很難獲取?？讖綌?shù)據(jù)(可以顯示了云層)在這些區(qū)域內(nèi)有一定的優(yōu)勢。圖1區(qū)域的先進(jìn)陸地觀測都起著的作用(Thenkabail 等，2010; Gong等，2013；Yu 等，2014a)。當(dāng)前基于遙感技術(shù)的全球農(nóng)田制圖產(chǎn)品有很多局限性。用兩個案例說明農(nóng)田制圖的限制和可能提高(ALOS)L波段的孔徑影像。這種數(shù)據(jù)有潛力從自然植被中分離出人工種植的油棕樹分布。圖 1 利用Fig. 1先進(jìn)陸地觀測(ALOS)L波段孔徑雙極化數(shù)據(jù)假彩色的圖像及油棕樹分布制圖結(jié)果l palm plan ion mapOS/PALSAR image(r-HH，g-HV，b-HH/HV)and

15、 the derive另一個例子來自半干旱區(qū)(尼日利亞凱比州耶附近)，該區(qū)域偶爾被密響(見圖2(a)。云或陰影被誤分為其他土地覆蓋類型。在圖2(b)中，城市邊緣的云和陰影被誤分為城市。這個區(qū)域有兩個季節(jié)，一個短暫的雨季(通常從6月到9月)和一個較長的旱季(通常從10月到下一年5月)。在農(nóng)地制圖中，最大的是從其他地表覆蓋類型中提取出農(nóng)田。在雨季，農(nóng)田可能與天然植被(如草地和灌叢)(圖2(c)。對于植被覆蓋制圖，時間序列植被指數(shù)能夠描述綠色植被季節(jié)性變化。一個提高全球地表覆蓋制圖精度的方法是利用多時相圖 2 獲取自Landsat不同日期的尼日利亞凱比州地表覆蓋數(shù)據(jù)Fig. 2 Land cover

16、 maps derived from Landsat images的Landsat、SPOT或者Sentinel-2等的時間序列數(shù)據(jù)分類。圖2(d)顯示采用2013年和2014年獲取的Landsat多季節(jié)影像提高精度的例子。acquired on different dates for Yelwa City, Kebbi S e, Nigeria等：全球地表覆蓋制圖研究式10052.2全球居住區(qū)制圖的然而，利用Landsat影像進(jìn)行全球居住區(qū)制圖仍然諸多。首先，這一類型在地球表面據(jù)的世界展望(United nations，占比少于1%(Schneider 等，2010)，全球居住區(qū)由不同結(jié)構(gòu)、

17、物質(zhì)、密度和空間形式組成，僅僅基于光譜特征難以與其他地表類型區(qū)分。圖3顯示了從Landsat影像中有效地提取居住區(qū)的3個潛在的挑戰(zhàn)。(1) 在居住區(qū)范圍內(nèi)的空間異質(zhì)性。圖3是位于中國北部的城市保定。盡管在黃色矩形區(qū)域A內(nèi)是居住區(qū)，但是他們的亮度(從纓帽變換和TC變換獲得)變化明顯帶有非常高或非常低特點。(2) 農(nóng)村居2015)，已有一多半的世界居住在城市，到2050年這個比例預(yù)計達(dá)到66%。因此，全球城市人口的集聚和快速擴張的居住區(qū)已經(jīng)對公共健康 (Gong 等，2012)，森林和生物多樣性(Defries 等， 2010; Seto 等，2012)，以及糧食安全(Foley 等，2011)產(chǎn)

18、生了廣泛影響。為了應(yīng)對這些問題，全球居住區(qū)動態(tài)制圖。Landsat影像是最高分辨率且擁有較長歷史記錄(超過30年)的全球免費可獲取的30 m空間分辨率數(shù)據(jù)(Roy 等，2014)。目前有兩個全球30 m居住區(qū)地圖產(chǎn)品。一個是集成的多源數(shù)據(jù)集(Yu 等， 2014b)，另一個主要由人工解譯完成(Chen 等，2015)。很少有人嘗試?yán)肔andsat數(shù)據(jù)探索全球居住區(qū)自動制圖，更是缺少全球居住區(qū)連續(xù)的歷史住區(qū)制圖很容易與休耕地(黃域B)。地表無植被覆蓋的季節(jié)，村莊顏色和它周圍的休耕地幾乎是相同的。與此同時，這類區(qū)域整體差異很低(如圖3中的白線所示)。這些降低了居住區(qū)提取的有效性(Li 等，201

19、5)。(3) 居住區(qū)和 地的(Jia 等，2014)。圖3(黃域C)中的小村莊和干枯變化軌跡，因此迫切需要對這個研究。進(jìn)行深入的河流。對于這兩個例子，僅用光譜特征是很難解決的。圖 3 Landsat TM圖像提取居住區(qū)遇到的：以保定地區(qū)為例Fig. 3 Challengesaphuman settlements with Landsat TM images(scene p123r033)除了由光學(xué)特征引起的，當(dāng)運行全球的。城市發(fā)展在影像分類帶來了巨大。為了避免全球的空間居住區(qū)制圖時會有的實際異構(gòu)影響，根據(jù)生物地理單元將全球制圖問題分為多個部分，分別處理可能更合適(Schneider 等，201

20、0)。此外，通過掩模非居住區(qū)來提取居住區(qū)可不同區(qū)域是空間異構(gòu)的；每景影像質(zhì)量可能改變(如：因為云污染和季節(jié)動態(tài)或者大氣環(huán)境差異)。由于從區(qū)域到全球尺度可能的不一致，給自動化能計算時間。最后，反映人類特征1006Journal of Remote Sensing遙感學(xué)報2016, 20(5)的夜間燈光數(shù)據(jù)可直接從觀測，可作為居住首先，水體和陰影之間容易誤分。云和山的陰影(特別是當(dāng)被冰雪覆蓋時)容易被誤分為水體。區(qū)制圖的一部分(Elvidge 等，2007)。人們從越來越多的公開社會資源(如點導(dǎo)航數(shù)據(jù)，街道地通過利用傳感器的視角，天頂角和方位的幾何關(guān)角以及云的相對高度，基于云和圖)中也可以獲得不同

21、城市基礎(chǔ)數(shù)據(jù)。這些都可用于提高全球居住區(qū)制圖精度(Goodchild，2007; Hu等，2016)。系，可剔除部分云的陰影。水體通常分布在平坦地形條件下，利用地形信息，也可剔除部分山的陰影。再次，在高緯度區(qū)域，由于極夜現(xiàn)象，地表反射數(shù)據(jù)比正常的水體反射數(shù)據(jù)更低(如圖4(a)所示)。當(dāng)極夜發(fā)生時，在這些區(qū)域的地表覆蓋類型是冰雪，其光譜形狀和水體相似(如圖4(b)所示)。這些區(qū)域都可能被誤分為水體。因此，應(yīng)檢測極夜發(fā)生期并排除這些被誤分的水體。2.3水體提取的主要陸表水域是水資源管理和野生生物保護(hù)的一個重要變量。在區(qū)域尺度，水體比較容易識別。但在全球尺度，因為各階段冰凍或融化的水體和不同的光照條

22、件，他們的光譜特征隨時空變化(Ji等，2015)。圖 4 MODIS假彩色以及像元i的光譜特征Fig. 4 The false color of MODIS image and the spectral signature of pixel i in Fig.4(a)最后，如果傳感器的高度角等于的高度陡峭的環(huán)境梯度產(chǎn)生狹窄的交錯群落經(jīng)常在傳感器分辨能力之外(Gallant，2015)。由于上述原因，在全球地表覆蓋數(shù)據(jù)產(chǎn)品中，濕地通常是被分得的類型之一(Gong 等，2013)。在亞馬遜盆地，利用粗分辨率的光學(xué)數(shù)據(jù)進(jìn)行濕地分類，所能探測到的濕地面積低于用SAR數(shù)據(jù)所得濕地制圖結(jié)果的25%(Hes

23、s 等，2015)。在區(qū)域尺度，通過解譯Landsat及相似傳感器類型的光學(xué)影像，中國已經(jīng)完成4個不同自然年的濕地產(chǎn)品(Niu 等，2012)。通過對不同年的濕地制圖產(chǎn)品的時間一致性檢查可以大大提高濕地制圖的精度。因為執(zhí)行全球尺角，并在同一法線平面，鏡面反射會導(dǎo)致很高的水體反射。因此，水體像元可能被誤分為云。對于這些區(qū)域， 處理。需要采用時間序列數(shù)據(jù)進(jìn)行2.4濕地遙感制圖的許多應(yīng)用需要實時且準(zhǔn)確的全球尺度濕地信息，如生物多樣性保護(hù)和碳固存研究。由于空間和時間多變的水體環(huán)境，濕地的光譜特征也隨之變化。同一個位置一年內(nèi)的濕地狀況往往高度動態(tài)，這已促使人們提出動態(tài)地表覆蓋類型的概念(Sun 等，20

24、14; Dronova 等，2015)。濕地里或周圍度的類似項目需要的人力，所以需在發(fā)展精等：全球地表覆蓋制圖研究式1007等，2015)。在MODIS數(shù)據(jù)集里的五個全球地表覆蓋產(chǎn)品，采用后驗概率的后處理改進(jìn)方法對每年分類結(jié)果進(jìn)行集成分類，減少了不是由地表覆蓋變化引起的不同年份間地表覆蓋的變動的情況(Friedl 等，2010)。確濕地制圖的自動算法上做努力。由于有些濕地類型是高度動態(tài)的，未來可以嘗試整合降水?dāng)?shù)據(jù)和水文模型進(jìn)行濕地制圖。2.5使用多時相和多傳感器數(shù)據(jù)的多時相數(shù)據(jù)能夠區(qū)分地表覆蓋類型光譜屬性的細(xì)微差別。大多數(shù)研究是用多時相的光譜數(shù)據(jù)或植被指數(shù)來探測那些很難通過單時相影像獲得3改進(jìn)

25、分類結(jié)果增加數(shù)據(jù)可用性的努力的景觀要素的差異。除了使用多時相數(shù)據(jù)進(jìn)3.1調(diào)和分類結(jié)果行地表覆蓋分類之外，近期出現(xiàn)的一個趨勢是使用多時相影像做時間軌跡分析。這種分析將按時間密集排列的同一地域的疊圖所表征的特定地表覆蓋類別的時間特征，作為該類地類的季節(jié)變化調(diào)和地表覆蓋圖的目的是增加數(shù)據(jù)的兼容性和可比性，并減少數(shù)據(jù)的不確定性(Herold 等， 2006)。全球尺度的地表覆蓋在區(qū)域上存在很大不確定性。例如，20世紀(jì)末，不同來源農(nóng)田區(qū)域評估范圍從11.1 億ha到36.2 ha(Biradar 等，2009)。在不同的全球制圖數(shù)據(jù)中，農(nóng)田范圍的不一致性也十分明顯(Fritz 等，2011; Vancu

26、tsem 等，2013)。如前所述，對于不同應(yīng)用，地表覆蓋制圖通或物候變動的特征。這項技術(shù)對檢測生態(tài)系統(tǒng)特性中(如：長期的森林干擾)細(xì)微的季節(jié)或年際變化特別有效(Kennedy 等，2010; Huang 等，2010; Liang 等，2014; Sulla-menashe 等，2014)。通常這類方法包括過濾時間序列曲線以便增強信噪比，建立能反映各個階段生態(tài)系統(tǒng)過程的時間序列指數(shù)，如初始生長期、持續(xù)生長階段、時間序列指數(shù)的坡度變化 等。高質(zhì)量和高時間頻率影像的獲常使定的分類體系。采用標(biāo)準(zhǔn)化分類體系既不可能也不必要，只會限制所制作的地表覆蓋圖的適用性。但是，當(dāng)某一個具體區(qū)域沒有滿足新的地表覆

27、蓋分類結(jié)果時，用一個為不同目的而完成的地表覆蓋數(shù)據(jù)產(chǎn)品一般比一無所有要好。這時，需要對已存在的制圖產(chǎn)品的缺陷有所了解。即使存在多個地表覆蓋圖的情況下，對于一個新的應(yīng)用需求來說，可能任何一個都不理想。定的規(guī)則整合來自不同來源不同分類結(jié)果的數(shù)據(jù)產(chǎn)品可能效果更好。信息融合有時也被看做是數(shù)據(jù)調(diào)和(See和fritz，2006)。但是，集成不同的地圖取是該技術(shù)最大的。在Landsat數(shù)據(jù)開放之前，普遍應(yīng)用粗分辨率傳感器數(shù)據(jù)(Myneni 等，1997;etta 等，2006)。相比其他技術(shù)，這種分類方法是高度依賴一系列參數(shù)，如所采用的過濾方法能否恰當(dāng)?shù)胤从硡?shù)的特性。用戶需要意識到優(yōu)化參數(shù)隨站點和傳感器

28、而改變，這給增加訓(xùn)練樣本和延長研究時間帶來。隨著數(shù)據(jù)可用性的提高，需要使用來自多傳感器的數(shù)據(jù)。不同傳感器的觀測視角不同會引起以期改進(jìn)地表覆蓋數(shù)據(jù)集存在一定。因為應(yīng)用。如圖像配準(zhǔn)和幾何校正無法保證被不不同圖之間存在大量差異，如制圖時間不同，數(shù)據(jù)集和輸入特征值不同，方法論和分類系統(tǒng)定義和圖例不同等(Herold 等， 2006; Verburg 等， 2011)。目前已經(jīng)建立起幾種從多種地表覆蓋圖合成一個新的數(shù)據(jù)產(chǎn)品的方法：基于模糊度排序法同傳感器觀測的同一位置的像元反映的是同一目標(biāo)。很少有研究檢驗來自多傳感器的數(shù)據(jù)觀測幾何的差異對地表覆蓋分類的影響(Xin 等，2013)。分類后比較技術(shù)要求先對

29、每景單時相圖像進(jìn)行分類，然后按時間順序比較分類的地表覆蓋。由于這種技術(shù)不需要密集的疊圖，因此可以使用不同的傳感器數(shù)據(jù)。但是，它的分類效果很大程度上依賴在每個時相的分類精度，而且分類誤差會傳遞到后續(xù)的分析結(jié)果(Coppin 等，2004)。使用(Jung 等，2006)，基于知識和區(qū)域地圖的方法(Fritz 等，2011; Vancutsem 等，2013)或者基于集成規(guī)則的方法(Yu 等，2014b)。集成多分類器輸出結(jié)果的技術(shù)是數(shù)據(jù)挖掘的一個子學(xué)科，通常被稱為“堆疊算法”、“集成分類”或者“再學(xué)習(xí)”。將遙感數(shù)據(jù)和分類結(jié)果堆疊能夠創(chuàng)造一個比任何單獨的時間過濾和啟發(fā)式推理，或者基于隨機場的時空一

30、致性檢驗?zāi)軌蜻M(jìn)一步提高獨立分類地圖的精確性(Liu和Cai，2012; Li 等，2015; Wang分類法更好精度的圖(Cl on 等， 2009 ，2015)。但這些尚未在洲和全球尺度進(jìn)試。1008Journal of Remote Sensing遙感學(xué)報2016, 20(5)顯而易見，如果有足夠的觀測數(shù)據(jù)和計算資源，可以調(diào)整訓(xùn)練樣本并根據(jù)新的分類體系重新進(jìn)行圖像分類，這種情況下，調(diào)和已有分類結(jié)果并不是一個最佳的選擇。當(dāng)觀測數(shù)據(jù)有限，而需要使用二手?jǐn)?shù)據(jù)研發(fā)歷史土地利用變化產(chǎn)品時，有必要使用數(shù)據(jù)調(diào)和方法(Hurt 等，2011)。這時，有必要使用能夠重新分配統(tǒng)計或空間數(shù)據(jù)到他們可能位置的一些

31、空間數(shù)據(jù)分解方法(Radke 和 Flodmark，1999; Sleeter 等，2012)。3.2數(shù)據(jù)(特征)比分類方法更重要各樣的地理空間數(shù)據(jù)類型的增加，應(yīng)將其他環(huán)境數(shù)據(jù)，如氣候和地形數(shù)據(jù)用作額外的數(shù)據(jù)特征來提高全球地表覆蓋制圖精度。3.3 其他進(jìn)一步提高地表覆蓋制圖結(jié)果對于高質(zhì)量的地表覆蓋制圖，適當(dāng)?shù)臄?shù)據(jù)和訓(xùn)練樣本都是重要的。粗分辨率的數(shù)據(jù)可通過多種方式免費獲取。這是全球地表覆蓋制圖的基的可獲得的免費Landsat數(shù)系列數(shù)據(jù)。Sentinel系列衛(wèi)礎(chǔ)。希望未來有據(jù)，EOS和NOAA星將要加入法國、中國、高質(zhì)量的地球觀測數(shù)據(jù)。、許多新的算法(分類方法)被引入遙感領(lǐng)域，并有助于改進(jìn)地表覆蓋

32、制圖結(jié)果。然而，通過對連和巴西以及其他國家也將貢獻(xiàn)可免費獲得的地球觀測數(shù)據(jù)(Belward和Skien， 2015)。然而，如何更容易地獲取高分辨率數(shù)據(jù)仍然是一個問題。識別更精細(xì)的地表覆蓋類型，如小尺度低強度的非洲農(nóng)業(yè)用地，需要空間分辨率高于1 m的影像。目前這樣的數(shù)據(jù)從技術(shù)角度是可以完成的，但是叢經(jīng)濟(jì)和可運行的角度并不能覆蓋全球。谷歌地球是以瀏覽為目的的最大的高分辨率數(shù)據(jù)收集者。2011年，通過全球的評估，接近世界陸地面積60%被高分辨率影像覆蓋(高于2.5 m續(xù)15年在Photogrammetric Engineering andRemote Sensing中有關(guān)分類的文獻(xiàn)的再分析， Wi

33、lkinson(2005)發(fā)現(xiàn)新的算法可能很難提高地表覆蓋和土地利用制圖結(jié)果。此外，Yu 等人(2014b)建立了一個關(guān)于地表覆蓋制圖活動空間化的文獻(xiàn)數(shù)據(jù)庫(除了傳統(tǒng)信息文獻(xiàn)數(shù)據(jù)庫中包括的，還收集了地圖制圖的位置，分類系統(tǒng)，數(shù)據(jù)應(yīng)用類型，數(shù)據(jù)獲取年份，分類方法類型和地圖精度等信息)。通過比較分類精度和算法、分類精度和輸入數(shù)據(jù)(特征)的關(guān)系，發(fā)現(xiàn)由不同算法產(chǎn)生的精度差異沒有不同數(shù)據(jù)類型造成的精度差異大。為了進(jìn)一步驗證這個發(fā)現(xiàn)，Li等人(2014)對廣州市同一個區(qū)域比較了13種監(jiān)督分類算法和2種非監(jiān)督分類算法。這些方法包括幾個人工智能算的分辨率)(Gong 等，2013)。隨著新的高分辨率進(jìn)入軌道

34、運行，有必要建立一種機制來組織各種利益相關(guān)者發(fā)展覆蓋全球的定期數(shù) 據(jù)集。訓(xùn)練樣本的數(shù)據(jù)收集是影響圖像分類結(jié)果的法，而影響分類結(jié)果的其他保持不變。使用一個重要(Gong和Howarth，1990)。Li等人4個波段TM數(shù)據(jù)(除了兩個中紅外波段)對8個地表覆蓋和土地利用類別進(jìn)行分類，這些算法生成的最高的精度的Kappa系數(shù)在0.82到0.87之間。用4個通用的光譜波段(藍(lán)色、綠色、紅色和近紅外)，地表覆蓋分類精度可以達(dá)到整體精度高于85%，然而在不同算法中精度差異基本在5%以內(nèi)。當(dāng)在分類中增加兩個中紅外TM波段后，整體精度增加了(2014)發(fā)現(xiàn)大多數(shù)算法能用充足的典型訓(xùn)練樣本和合理的算法參數(shù)設(shè)置實

35、現(xiàn)優(yōu)質(zhì)的分類結(jié)果。為了運行出可靠的結(jié)果，從當(dāng)?shù)赜^測得到的訓(xùn)練樣本數(shù)據(jù)很有價值(Radoux 等，2014)。但是，目前在全球尺度還無法完整獲得這樣的數(shù)據(jù)。學(xué)者已經(jīng)開始嘗試通過國際網(wǎng)絡(luò)征集來收集和驗證全球地表覆蓋數(shù)據(jù)產(chǎn)品(See 等， 2015a)，并根據(jù)先前的地表覆蓋數(shù)據(jù)產(chǎn)品制作混合數(shù)據(jù)產(chǎn)品(See 等，2015b)。這是一個值得努力的國際合作方向，但是很難招募到來自當(dāng)?shù)囟哂邢?%5%。使用中國的數(shù)據(jù)(中巴地球資源衛(wèi)星02B，HJ-1B和一號)對同一區(qū)域使用同樣的訓(xùn)練和驗證樣本，得到了相似的發(fā)現(xiàn)。當(dāng)從參與分類的光譜數(shù)據(jù)計算幾個紋理特征并將其用于分類時，大多數(shù)分類方法整體精度會再增加2%似解譯

36、技能的。因此，建立一個國際志愿者網(wǎng)絡(luò)的是一個社會問題(要求擁有長期良好5%。這些結(jié)果使的技術(shù)交流和經(jīng)濟(jì))，而不是技術(shù)問題?？纱J(rèn)為：使用充足的訓(xùn)練樣本和設(shè)定適當(dāng)?shù)姆诸愃惴▍?shù)，提高地表覆蓋制圖精度應(yīng)著力于構(gòu)建更有效的數(shù)據(jù)特征。隨著各種替它的方法是鼓勵終端用戶介入到他們感的數(shù)據(jù)產(chǎn)品生產(chǎn)中。開發(fā)一個使終端用戶可參與數(shù)等：全球地表覆蓋制圖研究式1009據(jù)產(chǎn)品運行的框架有諸多優(yōu)勢。通常終端用戶對合。不難想象一個20%的林地和一個有同類感區(qū)域有的本地知識。未來招募樹但80%的林地可能有明顯的光譜差異。落工作應(yīng)該關(guān)注積累當(dāng)?shù)氐慕K端用戶知識。技術(shù)和數(shù)據(jù)支持應(yīng)該來自專業(yè)的數(shù)據(jù)生產(chǎn)商。因此，通過便于終端用戶制作

37、他們自己的地圖并將他們當(dāng)?shù)氐闹R吸收到全球尺度制圖中，有可能建立全球制圖主人翁意識。這可能是更可持續(xù)且經(jīng)濟(jì)可行的方法。收集全球訓(xùn)練樣本的另一個途徑是在一個單是特定季節(jié)的現(xiàn)象，可能很難辨別是冬季落葉還是旱季。此外，對于相對密集的森林，來自同一視角的影像不可能包含足夠多的關(guān)于樹木高度的信息。因此，提倡通過分別提取類型定義中的不同信息的方法來完成地表覆蓋制圖(Gong 等，2013)。光譜數(shù)據(jù)可能僅僅適于分離一些簡單的覆蓋類型，并不適合確定和植被高度。位集中開展樣本工作。30 m全球地表覆蓋制后兩類信息需要依賴不同的數(shù)據(jù)源或分析算法，不應(yīng)該全依靠光譜數(shù)據(jù)進(jìn)行推斷。當(dāng)通過光譜解圖正是這樣完成的(Gon

38、g 等，2013)。上面建議的終端用戶制圖模式可與集中樣本的方法相結(jié)混獲得數(shù)據(jù)時(Gong 等，1994)，可以合。為了有的生產(chǎn)者和終端用戶合作，需要通過分類體系中關(guān)于相應(yīng)的定義來進(jìn)一步開發(fā)出用戶友好的數(shù)據(jù)處理和分析工具。區(qū)分森林類型。植被高度可以通過數(shù)字?jǐn)z影測量技術(shù)、技術(shù)或者測量技術(shù)獲得4新的研究范式(Gong 等，1999; Chen 等，2007; Abdullahi 等， 2016)。當(dāng)獲得植被高度時，就能從灌叢中分離出高于5 m的樹木，也能從森林中篩除低于5 m的灌叢。因此，盡可能地保留用于地表覆蓋制圖的大為了更好地利用現(xiàn)有和未來的數(shù)據(jù)和技術(shù)，進(jìn)一步提高全球制圖的能力，需要傳統(tǒng)制圖思

39、考的范疇。傳統(tǒng)而言，一旦地圖制圖完成，需要想盡辦法充分地利用現(xiàn)有的產(chǎn)品，因為大量資源被投入到制作這個數(shù)據(jù)產(chǎn)品上。制作新的數(shù)據(jù)量原始數(shù)據(jù)。如果有原始的數(shù)據(jù)，中對總能回到原始數(shù)據(jù)根據(jù)不同分類系統(tǒng)的規(guī)定來重新獲取地表覆蓋的類產(chǎn)品，經(jīng)驗、遙感數(shù)據(jù)和實地數(shù)據(jù)收集都很耗費資源。而這些資源被使用之后，只留型。保留用于訓(xùn)練或驗證樣本的原始數(shù)據(jù)(如葉下一個制圖產(chǎn)品，實際上是很可惜的。應(yīng)盡可能型，和高度)，當(dāng)不同的應(yīng)用需要新分收集先前制圖所做過的那些努力(經(jīng)驗和數(shù)類系統(tǒng)時，就能保證可以按新分類系統(tǒng)重新定義一個新類別的靈活性。因此，樣本數(shù)據(jù)庫不應(yīng)僅僅包括樣本位置和已劃分的地表覆蓋類別，而應(yīng)是將用于定義樣本位置類型的

40、原始數(shù)據(jù)或特征都在樣本數(shù)據(jù)庫里。4.2普適樣本庫的建立據(jù))，以達(dá)到再使用的目的。未來需要建立區(qū)域和全球地表覆蓋制圖的新框架。首先，需要重新思考和設(shè)計分類體系。其次，需要開發(fā)新的方法，在不同的時間和地點新的地表覆蓋制圖中使用累積先前收集的經(jīng)驗、遙感數(shù)據(jù)和訓(xùn)練樣本。再次，開發(fā)一個的數(shù)據(jù)管理和分析系統(tǒng)。最在局地制圖中，一個位置的訓(xùn)練樣本通常不能用于另一個位置，因為在另一個位置可能有新的覆蓋類型。但是，對于全球制圖而言，整個世界是一個封閉的系統(tǒng)。只要有全世界各種地表覆蓋類型的各個季節(jié)動態(tài)的典型樣本，就不需要每年都收集訓(xùn)練樣本數(shù)據(jù)。因此，有可能建立在全球和大陸尺度具有空間和時間代表性的普適訓(xùn)練樣本庫。適

41、合各種季節(jié)動態(tài)制圖的普適樣本庫從未建設(shè)過，但建設(shè)這樣的樣本庫很有必要。以非洲為例，用Landsat影像進(jìn)行地表覆蓋制圖。根據(jù)“所見即所得”的原則，依照季節(jié)性特點，后，開發(fā)一個開放的門戶，使任何一個幾乎不具備地表覆蓋制圖技能的人在這一本地甚至更大尺度的地表覆蓋制圖。4.1回到分類的本質(zhì)上做出利用遙感數(shù)據(jù)進(jìn)行地表覆蓋制圖是一個從有細(xì)節(jié)的全球影像中獲得適合人類感知世界分類的過程。理想情況下，已有遙感數(shù)據(jù)應(yīng)能支持分類體系中的類別辨識。但是，通常不是這種情況。例如，森林可能被定義為“大于15%，半落葉闊葉樹高于5 m”。這個定義包含多種信息的組1010Journal of Remote Sensing遙

42、感學(xué)報2016, 20(5)了多季節(jié)的訓(xùn)練樣本(15805個點位)和驗證樣本(7436 個點位)。訓(xùn)練樣本單元的位置是基于 2010年全球地表覆蓋制圖項目中訓(xùn)練樣本的位置 (Gong 等，2013)。以此為基礎(chǔ)，又增加了與先前樣本在光譜空間上存在顯著差異的新的樣本單元，從而豐富了原有的訓(xùn)練樣本庫。希望將訓(xùn)練支持?jǐn)?shù)據(jù)和高效的數(shù)據(jù)檢索(圖5)，所有處理過程的輸入和輸出數(shù)據(jù)都應(yīng)通過這個系統(tǒng)管理和檢索。數(shù)據(jù)管理系統(tǒng)是一個支持其他工具工作的。影像的元數(shù)據(jù)和有效數(shù)據(jù)圖框應(yīng)該被獨立收集和，以作為數(shù)據(jù)檢索和數(shù)據(jù)處理與分析的重要輔助數(shù)據(jù)。這個數(shù)據(jù)管理系統(tǒng)應(yīng)設(shè)計為高度可擴展的，以適應(yīng)漸進(jìn)式的數(shù)據(jù)積累和處理。系統(tǒng)應(yīng)

43、提供批量數(shù)據(jù)轉(zhuǎn)換和批量數(shù)據(jù)備份工具。數(shù)據(jù)庫建成可包含各要季節(jié)的物候信息動態(tài)普適樣本Multi-Season (Universally ApplicableSle)。對于每個樣本位置，季節(jié)被定義成3個月的均等間隔，分為季節(jié)1(3月5月)，季節(jié)2(6月 8月)，季節(jié)3(9月11月)，季節(jié)4(12月下一年2月)。此外還增加一個最綠季樣本(GRS)。表1展示了使用普適樣本做的分類和傳統(tǒng)分類結(jié)果的比較。用普適樣本做分類，不論驗證數(shù)據(jù)的季節(jié)是否和訓(xùn)練樣本數(shù)據(jù)相同，結(jié)果來自多季節(jié)的訓(xùn)練樣本時常會有更高的精度。也就是說，在一年內(nèi)從任何時間獲得影像的普適樣本更具有時間代表性，因為他們包含了一年內(nèi)植被主要的光譜動

44、態(tài)特征。因此，這些樣本可用于到任何Landsat數(shù)據(jù)以便獲得相對較高精度的結(jié)果。圖 5 全球尺度的地表覆蓋制圖的數(shù)據(jù)管理和處理系統(tǒng)Fig. 5 A data management and prosing system fscale land cover maplobal全球地表覆蓋制圖需要大量的樣本和數(shù)據(jù)。表 1 應(yīng)用普適樣本進(jìn)行分類和傳統(tǒng)分類的比較Table 1 Comparison of universal classification and traditional因此需要為一些類型的數(shù)據(jù)開發(fā)分批具。支持樣本解譯的工具能提高樣本工效率和classification/%精度。這個工具應(yīng)能夠

45、給解譯展現(xiàn)所有可獲測試數(shù)據(jù)得的信息，如假彩色影像、光譜、年度降水時間序列等。此外，一些便利的工具，如快速檢測不普適GRS季節(jié)1 季節(jié)2 季節(jié)3 季節(jié)4樣本 季節(jié)163.659.560.062.355.760.4同類別分離度和光譜解混等工具，可提供給60.363.159.561.164.861.6季節(jié)2影像解譯。60.059.962.160.462.560.9季節(jié)3為了滿足盡可能多的預(yù)處理需求，還需開發(fā)訓(xùn)練61.359.861.263.363.261.8數(shù)據(jù)季節(jié)4 GRS普適一個自動的預(yù)處理系統(tǒng)。大氣校正，云和檢58.457.057.057.668.359.3測，地形校正，影像重投影，重采樣和影

46、像鑲嵌是典型的圖像預(yù)處理程序。缺失數(shù)據(jù)處理和時間序列濾波也是典型的時間序列預(yù)處理程序。如果63.963.062.864.468.064.4樣本 注 普適樣本將所有季節(jié)的訓(xùn)練樣本數(shù)據(jù)和驗證樣本數(shù)據(jù)分別合并在一起使用。所以在非洲有73608個訓(xùn)練樣本點和34498個驗證樣本點。沒有批處理功能，對全球尺度的數(shù)據(jù)進(jìn)行這類預(yù)處理會需要大量人力。用于可視化數(shù)據(jù)概覽和數(shù)據(jù)一致性檢驗的工具，對數(shù)據(jù)質(zhì)量檢查也很重要。全球尺度范圍的監(jiān)督和非監(jiān)督分類通常需4.3的數(shù)據(jù)管理和數(shù)據(jù)生產(chǎn)系統(tǒng)地表覆蓋制圖包含3個必不可少的環(huán)節(jié)：數(shù)據(jù)收集、數(shù)據(jù)處理和數(shù)據(jù)發(fā)布。在全球范圍內(nèi)完成地表覆蓋制圖，在需要收集和處理的大量數(shù)據(jù)，和可用的

47、人力資源之間存在巨大的差距。因此，需要開發(fā)能夠提供盡可能多的自動化操作的工具包。需要一個完整的數(shù)據(jù)管理系統(tǒng)負(fù)責(zé)要高性能計算。需要基于高性能計算架構(gòu)開發(fā)特征提取，樣本組織，分類器訓(xùn)練和計算資源分配等的工具。多源數(shù)據(jù)應(yīng)用需要自動的影像重投影和重采樣。清晰簡潔的表現(xiàn)形式對地表覆蓋制圖發(fā)布很等：全球地表覆蓋制圖研究式1011重要。通常做法是提供可快速瀏覽的縮略圖和分層表達(dá)多時相地表覆蓋圖。全球地表覆蓋數(shù)據(jù)的潛在用戶通常不熟悉遙感技術(shù)，地表覆蓋數(shù)據(jù)最好能按照用戶容易使用的形式提供。地表覆蓋圖致力于樣本收集和處理，并能將數(shù)據(jù)用戶變成當(dāng)?shù)氐?、區(qū)域的和全球的地表覆蓋制圖生產(chǎn)者。這樣的能夠管理所有生產(chǎn)者、志愿者

48、和其他數(shù)據(jù)用戶貢獻(xiàn)的訓(xùn)練樣本，也能很好地管理原始數(shù)據(jù)、樣本的光譜特征和時間序列影像，以及其他相關(guān)的有價值的數(shù)據(jù)，比如實地照的分辨率和投影通常和原始的影像相同，軟件工具應(yīng)該能夠自動地拼接所選區(qū)域的圖像，并能轉(zhuǎn)換拼接的影像到用戶指定的投影類型和分辨率。終端用戶常常搞不清地表覆蓋類型含義，因此需要開發(fā)一個能提供地表覆蓋圖類型解釋和類片。本還應(yīng)進(jìn)一步接入可公開的地表覆蓋參考數(shù)據(jù)，比如GOFC-GOLD參考數(shù)據(jù)網(wǎng)站，也能無縫集成其他參考數(shù)據(jù)，如GLC-2000數(shù)據(jù)庫，GlobCover 2005數(shù)據(jù)庫，陸地生物生態(tài)系統(tǒng)參數(shù)化數(shù)據(jù)庫，可見光紅外成像輻射計數(shù)據(jù)庫，全球地表覆蓋國家制圖組織2008訓(xùn)練數(shù)據(jù)集，

49、以及來自東京大學(xué)的城市數(shù)據(jù)集。型轉(zhuǎn)換的工具。目前，這些需求功能分散在不同的系統(tǒng)中。需要將他們集成到數(shù)據(jù)管理和處理系統(tǒng)中以盡可能自動化地實現(xiàn)這些功能。4.4世界上任何地方都支持制圖者制圖的門戶這個門戶將連接到地表覆蓋數(shù)據(jù)眾包網(wǎng)站，如Geo-Wiki，實現(xiàn)自動化地集成它們的本地知識，包括當(dāng)?shù)赜脩舻妮斎?、評論和上傳的全球地表覆蓋制圖門戶可以基于前述的數(shù)據(jù)管理和分析系統(tǒng)構(gòu)建(圖6)。這個門戶可一起等。這個門戶還需要支持統(tǒng)計資糧農(nóng)組織(UN/FAO)的森林資源評以使數(shù)據(jù)用戶和生產(chǎn)者，和非專業(yè)料，如圖 6Fig. 6全球地表覆蓋制圖門戶Global land cover mapportal1012Jour

50、nal of Remote Sensing遙感學(xué)報2016, 20(5)注：該文是根據(jù)Gong, et al., 2016, Annats of的英文改編而成。估。除此以外，該還應(yīng)集成對地圖服務(wù)的，比如谷歌地球和必應(yīng)地圖等。這些遙感GIS地表圖像對用戶判斷地物類型，實現(xiàn)正確的解譯有重要價值。參考文獻(xiàn)(Referen)全球地表覆蓋制圖門戶為了同時展現(xiàn)多Abdullahi S, Kugler F and Pretzsch H. 2016. Prediction of stem volumein complex temperate forest stands using TanDEM-X SAR d

51、ata.種地表覆蓋數(shù)據(jù)，需要定義地表覆蓋數(shù)據(jù)的數(shù)據(jù)規(guī)范，并通過支持多種代表性地表覆蓋Remote Sensing of Environment, 174: 197211 rse.2015.12.012: 10.1016/j.數(shù)據(jù)，如MOD12Q1，GlobalLand30，GlobCover， FROM-GLC，US National Land Cover等數(shù)據(jù)展示其有效性。為了支持調(diào)和或集成已有的地表覆蓋數(shù)據(jù)，需要基于可獲得的參考數(shù)據(jù)實現(xiàn)交叉比較、驗證和集成功能。參考數(shù)據(jù)可以來自谷歌地球和必應(yīng)地圖的高分辨率圖像，來自公眾參與的眾包Belward A S and Skien J O. 2015

52、. Who launched what, when and why; trends in global land-cover observation capacity from civil-ian earth observation sa lites. ISPRS Journal of Photogrammetryand Remote Sensing, 103: 115128 2014.03.009: 10.1016/j.isprsjprs.Biradar C M, Thenkabail P S, Noojipady P, Li Y J, Dheeravath V, Tur-ral H, Ve

53、lpuri M, Gumma M K, Gangalakunta O R P, Cai X L,Xiao X M, Schull M A, Alara R D, Gunasinghe S and Mo-點數(shù)據(jù)以及野外。最終，在這個門戶hideen S. 2009. A global map of rainfed cropland areas (GMRCA)里，用戶可以方便地評估、改進(jìn)、調(diào)和或集成已有的地表覆蓋數(shù)據(jù)，滿足其特定的分類需求。atof last millennium using remote sensing.ernationalJournal of App d Earth Obser

54、vation and Geoinformation, 11(2):這樣一個全球地表覆蓋制圖門戶的研究114129 : 10.1016/j.jag.2008.11.002工作已經(jīng)在2015年10月的亞太GEOSS會議上啟動。目前是GEO2016年工作項目的一部分。這個門戶 已經(jīng)得到中國GEO、ISPRS和多個全球地表覆蓋研究團(tuán)隊的支持，有望在2016年底上線。Chen J, Chen J, Liao A P, Cao X, Chen L J, Chen X H, He C Y, Han G,Peng S, Lu M, Zhang W W, Tong X H and Mills J. 2015.

55、Globalland cover mapat 30 m resolution: A POK-based operationalapproach. ISPRS Journal of Photogrammetry and Remote Sensing,103: 727 : 10.1016/j.isprsjprs.2014.09.002Chen Q, Gong P, Baldocchi D and Tian Y Q. 2007. Estimating basalarea and stem volume for individual trees from lidar data. Photo- gram

56、metric Engineering and Remote Sensing, 73(12): 135513655結(jié)語雖然全球地表覆蓋制圖已取得了一些成績，但是利用光學(xué)遙感數(shù)據(jù)大空間范圍的地表制圖仍: 10.14358/PERS.73.12.1355Clon N E, Gong P, Jin Z Y, Xu B and Zhu Z L. 2009. Meta-predic-tion of Bromus tectorum invain central Utah, United S es.諸多。不僅是在農(nóng)田、居住區(qū)、水體和Photogrammetric Engineering and Remote

57、Sensing, 75(6):濕地制圖方面，而且在使用多時相和多傳感器遙689701 : 10.14358/PERS.75.6.689感數(shù)據(jù)上也存在。本文用實例說明了全球地Clon N, Yu L and Gong P. 2015. Geographic stacking: decifu-表覆蓋制圖的一些，以及對未來研究方向的to increase global land cover map accuracy. ISPRS Journal of設(shè)想。提出了全球地表覆蓋制圖研究Photogrammetry and Remote Sensing, 103: 5765 10.1016/j.isprs

58、jprs.2015.02.010:式。為了實現(xiàn)從傳統(tǒng)的土地覆蓋制圖到全球土地Coppin P, Jonckheere I, Nackaerts K, Muys B and Lambin E. 2004. Di-gital change detection methods in ecosystem monitoring: a review.覆蓋制圖式的轉(zhuǎn)變，建議構(gòu)建的數(shù)據(jù)管理和生產(chǎn)系統(tǒng)，并通過集成相關(guān)的觀測數(shù)據(jù)、樣本數(shù)據(jù)和分析算法，建成全球地表覆蓋制圖在ernational JournalRemote Sensing, 25(9): 15651596 :10.1080/0線系統(tǒng)和門戶，為數(shù)據(jù)用戶

59、、數(shù)據(jù)生產(chǎn)者、DeFries R S and Townshend J R G. 1994. NDVI-derived land coverclassifications at a global scale.ernational Journal of Remote專業(yè)研究以及決策搭建合作的橋梁。未Sensing, 15(17): 35673586 : 10.1080/01431169408954345來全球地表覆蓋制圖應(yīng)能夠按照新應(yīng)用需求動態(tài)生成地表覆蓋數(shù)據(jù)產(chǎn)品，從而更好地支持氣候變化和可持續(xù)發(fā)展等研究，以及支持?jǐn)?shù)據(jù)產(chǎn)品在社會和經(jīng)濟(jì)方面的廣泛應(yīng)用。DeFries R S, Rudel T, Ur

60、iarte M and Hansen M. 2010. Deforesion he:driven by urban population grownd agricultural tradetwenty-century. Nature Geoscience, 3(3): 178181 10.1038/ngeo756等：全球地表覆蓋制圖研究式1013Dronova I, Gong P, Wang L and Zhong L H. 2015. MapdynamicK P and Mostafa M. 1999. Photo ecometrics for forest inventory.cover