基于多源數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建研究進(jìn)展綜述*

陳 迪，吳文斌， 2，陸 苗，胡 瓊，周清波※

(1.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所/農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100081；2.華中師范大學(xué)城市和環(huán)境科學(xué)學(xué)院，湖北武漢 430079)

?

·研究綜述·

基于多源數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建研究進(jìn)展綜述*

陳 迪1，吳文斌1， 2，陸 苗1，胡 瓊1，周清波1※

(1.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所/農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100081；2.華中師范大學(xué)城市和環(huán)境科學(xué)學(xué)院，湖北武漢 430079)

地表覆蓋數(shù)據(jù)對(duì)于全球環(huán)境變化、生物多樣性和發(fā)展政策制定有著重要意義。遙感已成為獲取地表覆蓋數(shù)據(jù)的重要手段。而目前的地表覆蓋數(shù)據(jù)產(chǎn)品，如GlobeLand30、FROM-GLC、MODIS Collection5、MODIS Cropland、GlobCover、GLC2000等，存在數(shù)據(jù)精度不高、數(shù)據(jù)間一致性較差、與統(tǒng)計(jì)數(shù)據(jù)差異較大等問(wèn)題。因此，基于多源數(shù)據(jù)融合的數(shù)據(jù)重建方法成為目前研究中的熱點(diǎn)問(wèn)題。文章檢索了近10年關(guān)于多源數(shù)據(jù)融合在地表覆蓋數(shù)據(jù)重建中的應(yīng)用的相關(guān)文獻(xiàn)，概括了多源數(shù)據(jù)在數(shù)據(jù)重建中的應(yīng)用現(xiàn)狀，并對(duì)基于多源數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建方法進(jìn)行了歸納總結(jié)，重點(diǎn)評(píng)述了不同方法的特點(diǎn)及應(yīng)用情況，闡明了各種方法的優(yōu)勢(shì)與不足，同時(shí)對(duì)存在的問(wèn)題進(jìn)行探討并展望了未來(lái)基于多源數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建研究的發(fā)展方向。基于多源數(shù)據(jù)融合的數(shù)據(jù)重建方法包括基于多源遙感數(shù)據(jù)融合法以及基于多源遙感和非遙感數(shù)據(jù)融合法。該文在對(duì)基于多源遙感數(shù)據(jù)融合的數(shù)據(jù)重建方法進(jìn)行論述時(shí)，主要討論了其中應(yīng)用最廣泛的兩種融合方法：基于數(shù)據(jù)一致性的融合法和基于回歸分析的融合法。對(duì)于其他基于多源遙感數(shù)據(jù)融合的數(shù)據(jù)重建方法，如基于D-S證據(jù)理論融合法、基于數(shù)據(jù)集成融合法、基于統(tǒng)計(jì)模型融合法，也列舉了最具代表性的相關(guān)文獻(xiàn)進(jìn)行論述。在對(duì)基于遙感數(shù)據(jù)和非遙感數(shù)據(jù)融合的數(shù)據(jù)重建方法進(jìn)行論述時(shí)，主要討論了其3種空間分配方法：完全依賴(lài)法、部分依賴(lài)法、動(dòng)態(tài)依賴(lài)法。在對(duì)目前研究進(jìn)行探討的過(guò)程中，該文對(duì)其研究區(qū)域、數(shù)據(jù)源、地表覆蓋類(lèi)型、空間分辨率、融合方法和文獻(xiàn)來(lái)源進(jìn)行總結(jié)分析，并重點(diǎn)就融合方法展開(kāi)討論。圍繞各種融合方法在數(shù)據(jù)重建中的運(yùn)用，該文歸納出目前研究中存在的主要問(wèn)題：研究對(duì)象和區(qū)域上的不足，研究區(qū)多為全球及歐美，其他區(qū)域的研究過(guò)少，研究對(duì)象多為所有地表覆蓋類(lèi)型和森林，對(duì)耕地和草地的研究過(guò)少； 融合算法上的不足、重建結(jié)果精度上的不足。最后，指出基于多源數(shù)據(jù)融合的數(shù)據(jù)重建方法未來(lái)的發(fā)展方向，即綜合運(yùn)用兩類(lèi)方法，得到具有詳細(xì)完整空間信息的長(zhǎng)時(shí)間序列的地表覆蓋數(shù)據(jù)集。

多源數(shù)據(jù) 遙感 地表覆蓋 融合方法 重建

0 引言

地表覆蓋是地球表面各種物質(zhì)類(lèi)型及其自然屬性特征的綜合體，對(duì)地球物理和化學(xué)循環(huán)、物質(zhì)能量平衡具有重要作用[1]，同時(shí)也是全球變化的重要內(nèi)容和原因[2]。地表覆蓋及其時(shí)空動(dòng)態(tài)變化研究因此一直都是國(guó)際學(xué)術(shù)界廣泛關(guān)注的研究方向[3-4]。獲取高精度、大范圍、長(zhǎng)時(shí)間序列的地表覆蓋數(shù)據(jù)成為地表覆蓋科學(xué)研究的首要前提。

地表覆蓋數(shù)據(jù)獲取常用的方法包括統(tǒng)計(jì)調(diào)查法、實(shí)地測(cè)量法、空間制圖法等。近年來(lái)，隨著遙感技術(shù)的興起和發(fā)展，遙感制圖法成為地表覆蓋數(shù)據(jù)獲取的主流方法。國(guó)際對(duì)地觀測(cè)組織(GEO)將地表覆蓋數(shù)據(jù)遙感獲取作為其未來(lái)10年發(fā)展執(zhí)行方案中最重要的任務(wù)之一。利用該方法獲取的地表覆蓋數(shù)據(jù)已經(jīng)成為生物地球化學(xué)、水土流失、大氣環(huán)流模型、碳循環(huán)等方面研究的基礎(chǔ)數(shù)據(jù)[5-7]。然而，由于地表覆蓋的復(fù)雜多樣性、時(shí)空異質(zhì)性和尺度敏感性[8]，基于單一數(shù)據(jù)源的地表覆蓋識(shí)別分類(lèi)和制圖效果往往不理想。如遙感僅能獲取距今30～40年的地表覆蓋數(shù)據(jù)； 受天氣因素影響，部分區(qū)域無(wú)法獲得適宜的遙感數(shù)據(jù)； 不同來(lái)源的遙感數(shù)據(jù)獲得同一區(qū)域的地表覆蓋數(shù)據(jù)具有差異性[9-10]。多源數(shù)據(jù)具有大范圍和長(zhǎng)時(shí)間的優(yōu)勢(shì)，為地表覆蓋數(shù)據(jù)重建提供了新途徑，在很大程度上可以彌補(bǔ)了單一數(shù)據(jù)和分類(lèi)方法的缺陷。近年來(lái)，很多國(guó)內(nèi)外研究人員開(kāi)展了基于多源數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建研究，在理論、技術(shù)方法方面取得了顯著進(jìn)展。但是，目前沒(méi)有文獻(xiàn)對(duì)這些研究進(jìn)行系統(tǒng)性梳理和總結(jié)，使得地表數(shù)據(jù)重建中的多源數(shù)據(jù)融合總體研究進(jìn)展仍不清晰。基于此，文章檢索國(guó)內(nèi)外發(fā)表的期刊論文，對(duì)近年來(lái)基于多源數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建方法進(jìn)行評(píng)述。

1 地表覆蓋數(shù)據(jù)重建中多源數(shù)據(jù)的應(yīng)用概況

多源數(shù)據(jù)融合的地表覆蓋重建就是將多種不同來(lái)源的數(shù)據(jù)，通過(guò)一定的數(shù)學(xué)算法進(jìn)行融合，憑借多源數(shù)據(jù)在時(shí)空分辨率、完整性、精度等方面的互補(bǔ)性，綜合了各個(gè)輸入數(shù)據(jù)集，彌補(bǔ)了單個(gè)數(shù)據(jù)集的不足。目前，多源數(shù)據(jù)總體上可以分為遙感數(shù)據(jù)源和非遙感數(shù)據(jù)源。

遙感數(shù)據(jù)源即多種全球及區(qū)域尺度的地表覆蓋遙感數(shù)據(jù)產(chǎn)品，如GlobeLand30數(shù)據(jù)[11]、FROM-GLC數(shù)據(jù)[12]、MODIS Collection5數(shù)據(jù)[13]、MODIS Cropland數(shù)據(jù)[14]、GlobCover數(shù)據(jù)[15]、GLC2000數(shù)據(jù)[16]等。這些數(shù)據(jù)為全球和區(qū)域生態(tài)系統(tǒng)反演、數(shù)值天氣預(yù)報(bào)、陸面過(guò)程模擬等提供了豐富數(shù)據(jù)源。但是，不同數(shù)據(jù)集來(lái)自不同的傳感器、分類(lèi)體系存在差異、分辨率不盡相同，使得不同數(shù)據(jù)集的精度和一致性差異較大。基于多源遙感數(shù)據(jù)的融合可以在很大程度上避免分辨率不同、數(shù)據(jù)一致性差、分類(lèi)算法不同的問(wèn)題，使得融合得到的地表覆蓋數(shù)據(jù)精度高于單一數(shù)據(jù)產(chǎn)品，削弱單一數(shù)據(jù)的缺陷。

非遙感數(shù)據(jù)源包括歷史統(tǒng)計(jì)數(shù)據(jù)、歷史土地利用信息[17-22]、土地利用現(xiàn)狀調(diào)查數(shù)據(jù)及植被景觀數(shù)據(jù)[23]、歷史時(shí)期專(zhuān)題圖件[24]等。利用非遙感數(shù)據(jù)源與遙感數(shù)據(jù)源結(jié)合進(jìn)行空間分配，建立算法模型進(jìn)行地表覆蓋數(shù)據(jù)重建，可以得到長(zhǎng)時(shí)間序列的地表覆蓋數(shù)據(jù)集。目前，利用非遙感數(shù)據(jù)源的地表覆蓋數(shù)據(jù)重建的結(jié)果多是行政單元上的面積數(shù)量，缺乏足夠分辨率的空間屬性[19]。為此，不少學(xué)者就重建具有空間屬性信息的地表覆蓋數(shù)據(jù)進(jìn)行了努力，最著名的兩個(gè)數(shù)據(jù)集為Ramankutty 等[25]重建的“過(guò)去300年全球地表覆蓋數(shù)據(jù)集”(SAGE 數(shù)據(jù)集)和Goldewijk[26-27]等重建的“全球歷史環(huán)境數(shù)據(jù)集”(Historical Database of the Global Environment，HYDE 數(shù)據(jù)集)。SAGE數(shù)據(jù)集重建了近300年的全球耕地?cái)?shù)據(jù)。HYDE 3.1數(shù)據(jù)集將重建時(shí)間尺度延伸到過(guò)去1.2萬(wàn)年，所用的數(shù)據(jù)資料和分配算法也較SAGE數(shù)據(jù)集好。雖如此，具有明確空間屬性信息的歷史地表覆蓋數(shù)據(jù)集重建研究還是相對(duì)薄弱[28]。表1列舉了部分具代表性的地表覆蓋數(shù)據(jù)集。

2 多源遙感數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建方法

從已有文獻(xiàn)看，基于多源遙感數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建方法根據(jù)融合方法可分為6類(lèi)：基于回歸分析的融合、基于數(shù)據(jù)一致性的融合、基于D-S證據(jù)理論的融合、基于數(shù)據(jù)集成方法的融合、基于模糊集合理論的融合及基于統(tǒng)計(jì)模型的融合。目前，應(yīng)用最廣泛的是基于數(shù)據(jù)一致性分析的融合方法和基于回歸分析的融合方法。

2.1 基于數(shù)據(jù)一致性的融合方法

基于數(shù)據(jù)一致性的融合是在多源遙感數(shù)據(jù)權(quán)重設(shè)置的基礎(chǔ)上，分析多源遙感數(shù)據(jù)間的一致性，建立融合決策規(guī)則，從而對(duì)多源遙感數(shù)據(jù)源進(jìn)行融合。該方法的關(guān)鍵是如何建立融合的決策規(guī)則。表2列出基于數(shù)據(jù)一致性分析的融合方法代表性論文。早在2006年，Jung[29]提出了一種基于親和力指數(shù)的多源數(shù)據(jù)融合方法，實(shí)現(xiàn)了MODIS、GLC2000、DISCover 等多源數(shù)據(jù)融合，結(jié)果表明融合結(jié)果能更好地表達(dá)異質(zhì)性區(qū)域的地表覆蓋類(lèi)型，具有較好的空間一致性。但該方法認(rèn)為所有參與融合的數(shù)據(jù)具有相同的權(quán)重，主觀因素決定性強(qiáng)，屬于一種定性的數(shù)據(jù)融合方法。Ramankutty[30]對(duì)兩套全球土地覆蓋數(shù)據(jù)GLC2000和MOIDS進(jìn)行空間一致性分析，找出兩類(lèi)數(shù)據(jù)的一致性及異質(zhì)性區(qū)域； 然后以農(nóng)業(yè)統(tǒng)計(jì)資料為訓(xùn)練樣本，對(duì)一致性較差的區(qū)域進(jìn)行重新分類(lèi)，獲得了2000年全球耕地和草地?cái)?shù)據(jù)集。Schepaschenko等[31]以俄羅斯為研究區(qū)域，提出了一種基于適宜性指數(shù)的融合方法，該方法可融合遙感、統(tǒng)計(jì)和野外調(diào)查數(shù)據(jù)，生成地表覆蓋數(shù)據(jù)。融合生成的數(shù)據(jù)具有詳細(xì)的分類(lèi)體系，并且能夠應(yīng)用于生物化學(xué)模型的參數(shù)設(shè)置。Fritz等[15,32]根據(jù)不同耕地?cái)?shù)據(jù)間的一致性情況設(shè)置權(quán)重，在產(chǎn)品疊置分析的基礎(chǔ)上計(jì)算不同一致量下耕地的面積，確定和統(tǒng)計(jì)數(shù)據(jù)較接近的一致量。在最佳一致量的基礎(chǔ)上，細(xì)化耕地產(chǎn)品排列組合，按照產(chǎn)品權(quán)重，對(duì)不同的產(chǎn)品組合進(jìn)行打分。按照分值計(jì)算融合后的耕地面積，并比較和統(tǒng)計(jì)數(shù)據(jù)的接近程度，直到找出和統(tǒng)計(jì)數(shù)據(jù)最吻合的耕地組合為止。利用該方法研制了空間一致性較高、精度較高的地表覆蓋數(shù)據(jù)。Waldner等[33]提出基于多指標(biāo)分析的融合方法，將多源數(shù)據(jù)的一致性、精度、置信水平等作為指標(biāo)分別進(jìn)行打分，利用得分來(lái)決定數(shù)據(jù)的權(quán)重，進(jìn)而對(duì)重疊區(qū)域中得分高的數(shù)據(jù)集進(jìn)行融合。此法需要足夠的專(zhuān)家知識(shí)，預(yù)先知道各個(gè)指標(biāo)之間一致性高低的區(qū)域，而且對(duì)于地理位置的誤差敏感性很高。

表1 代表性地表覆蓋數(shù)據(jù)集

2.2 基于回歸分析的融合方法

基于回歸分析的融合是建立訓(xùn)練樣本和數(shù)據(jù)集之間的回歸關(guān)系[34-35]，預(yù)測(cè)無(wú)樣本區(qū)域耕地/地表覆蓋類(lèi)型出現(xiàn)的概率，從而得到融合結(jié)果。該方法的關(guān)鍵在于需要地表大量的訓(xùn)練數(shù)據(jù)建立回歸模型。表3列出基于回歸分析的融合方法代表性論文。Dendoncker[36]選擇了土壤含水量、土壤厚度、土壤質(zhì)地、溫度、坡度、預(yù)測(cè)位置的地表覆蓋類(lèi)型數(shù)量和距離水源的距離作為解釋變量，構(gòu)建了一種Logistic回歸模型，預(yù)測(cè)了比利時(shí)土地覆蓋類(lèi)型的空間分布特征。Kinoshita等[37]利用Logistic回歸模型實(shí)現(xiàn)了MOD12C4、MOD12C5、GLC2000、UMD、GLCNMO和GlobCover六種數(shù)據(jù)的融合，發(fā)現(xiàn)融合數(shù)據(jù)集的個(gè)數(shù)對(duì)融合結(jié)果的精度有著重要影響，訓(xùn)練樣本點(diǎn)個(gè)數(shù)對(duì)精度影響不大。Song等[38]利用全球和區(qū)域地表覆蓋產(chǎn)品GLCC、GLC2000、GlobCover、MODIS VCF、UMD LC、MODIS LC建立回歸樹(shù)模型進(jìn)行融合，得到一幅北美洲百分比森林覆蓋產(chǎn)品。See等[39]用MODIS、GLC2000和GlobCover 3種數(shù)據(jù)，利用地理加權(quán)回歸Logistic函數(shù)建立訓(xùn)練樣本和數(shù)據(jù)集之間的回歸關(guān)系，預(yù)測(cè)無(wú)樣本區(qū)的地表覆蓋類(lèi)型，分別得到空間分辨率為1km的兩種全球所有地表覆蓋數(shù)據(jù)。第一種數(shù)據(jù)中，地理加權(quán)回歸用于決定每個(gè)位置上的最佳地表覆蓋產(chǎn)品； 第二種數(shù)據(jù)中，地理加權(quán)回歸只用于在3種產(chǎn)品出現(xiàn)分歧的地方，決定最佳地表覆蓋類(lèi)型，而其他地方則用那些地表覆蓋地圖的一致來(lái)決定最佳地表覆蓋類(lèi)型。結(jié)果表明，融合精度在森林類(lèi)別上最高，而且第一種數(shù)據(jù)精度要高。Schepaschenko等[40]利用了和See相同的融合方法，但輸入的數(shù)據(jù)源為GLC2000、GLCNMO、GlobeCover、MODIS LC和Regional mosaics等地表覆蓋數(shù)據(jù)，以及MODIS VCF、Landsat VCF和Hansen’s TC等森林覆蓋數(shù)據(jù)，得到森林概率分布圖和森林覆蓋百分比圖，再以森林概率圖為掩膜，與森林覆蓋百分比圖相乘，得到“最佳估測(cè)”森林覆蓋圖。

表3 基于回歸分析的融合方法代表論文

2.3 其它多源遙感數(shù)據(jù)融合方法

表4列出其它多源遙感數(shù)據(jù)融合方法。冉有華等[41-42]采用D-S證據(jù)理論的方法將MOD12Q1、中國(guó)1： 10萬(wàn)冰川圖、中國(guó)植被圖集的植被類(lèi)型和中國(guó)沼澤濕地圖進(jìn)行融合，結(jié)果不僅補(bǔ)充了植被圖中的植被類(lèi)型及植被季相信息，而且更新了中國(guó)冰川圖和濕地圖，同時(shí)還提高了2000年中國(guó)土地覆蓋數(shù)據(jù)的精度。俞樂(lè)等[43]首先將兩套粗分辨率的不透水層產(chǎn)品降維成30m，然后構(gòu)建決策樹(shù)規(guī)則將FROM-GLC-seg與FROM-GLC進(jìn)行合成，最后將上述產(chǎn)品進(jìn)行集成，生成新的30m地表覆蓋產(chǎn)品。同時(shí)，還結(jié)合了更多的數(shù)據(jù)對(duì)生成的產(chǎn)品進(jìn)行空間升尺度處理，生成了包括30m， 250m， 500m， 1 km， 5km， 10km， 25km， 50km和100km的9 個(gè)不同分辨率的數(shù)據(jù)。這一全球地表覆蓋層級(jí)產(chǎn)品的構(gòu)建框架，同樣適用于其他全球和區(qū)域地表覆蓋產(chǎn)品，如中國(guó)土地利用數(shù)據(jù)集、歐洲Corine 土地覆蓋數(shù)據(jù)、美國(guó)土地覆蓋數(shù)據(jù)集、全球陸表濕地潛在分布區(qū)圖、單類(lèi)型土地覆蓋等[43]。A.Pérez-Hoyos等[44]采用模糊集合理論，實(shí)現(xiàn)了歐洲區(qū)域內(nèi)MODIS、GLOBCOVER、GLC2000和CORINE四種數(shù)據(jù)的融合，這種方法可以融合不同時(shí)間分辨率和空間分辨率的遙感數(shù)據(jù)，不僅保留了原有數(shù)據(jù)的優(yōu)點(diǎn)，而且在空間一致性和精度上都得到了提高，但該方法的不足之處在于未考慮到數(shù)據(jù)在融合過(guò)程中的權(quán)重問(wèn)題。Hurtt等[45]采用統(tǒng)計(jì)模型實(shí)現(xiàn)了美國(guó)農(nóng)業(yè)部土地利用數(shù)據(jù)庫(kù)和美國(guó)IGBP 1km土地覆蓋遙感數(shù)據(jù)的融合，生成的美國(guó)2000年高精度土地覆蓋數(shù)據(jù)集，結(jié)合了農(nóng)業(yè)土地利用數(shù)據(jù)庫(kù)精確的屬性特征以及 IGBP 數(shù)據(jù)空間上詳細(xì)的地表覆蓋類(lèi)型。Wadsworth等[46]提出了一種語(yǔ)義統(tǒng)計(jì)模型對(duì)西伯利亞地區(qū)3種不同的土地覆蓋數(shù)據(jù)進(jìn)行融合實(shí)驗(yàn)，此模型中數(shù)據(jù)間的一致性由重疊度的高低來(lái)表達(dá)，指出了未來(lái)需要重點(diǎn)調(diào)查的一些區(qū)域。

3 多源遙感與非遙感數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建方法

基于多源遙感與非遙感數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建就是將行政單元上的地表覆蓋面積統(tǒng)計(jì)數(shù)量轉(zhuǎn)化為具有地理屬性、更精細(xì)的空間數(shù)據(jù)。該方法的重建流程主要包括地表覆蓋類(lèi)型面積數(shù)量的重建和空間地理位置的重建。數(shù)量重建是空間分布重建的前提，空間分布重建是將無(wú)空間屬性的統(tǒng)計(jì)數(shù)據(jù)按照一定規(guī)則或算法分配到空間單元，實(shí)現(xiàn)數(shù)量信息的空間化表達(dá)。該方法的輸入數(shù)據(jù)往往包括3類(lèi)：一是地表覆蓋類(lèi)型面積統(tǒng)計(jì)數(shù)據(jù)； 二是參與數(shù)量重建的輔助資料數(shù)據(jù)，多為人口數(shù)據(jù)； 三是空間重建中的自然和社會(huì)經(jīng)濟(jì)因子數(shù)據(jù)，如人口密度、坡度、海拔、土壤等。表5列出了多源遙感數(shù)據(jù)與非遙感數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建代表性論文。

表4 基于多源遙感數(shù)據(jù)融合制圖其它方法代表論文

表5 基于多源遙感數(shù)據(jù)與非遙感數(shù)據(jù)融合的制圖方法代表性論文

3.1 完全依賴(lài)法

完全依賴(lài)法是以現(xiàn)代地表覆蓋空間格局來(lái)推算歷史地表覆蓋空間格局。該方法將研究區(qū)域劃分為空間網(wǎng)格單元，假設(shè)每個(gè)網(wǎng)格單元分配到的地表覆蓋面積占總面積的比例不變，變化的是地表覆蓋類(lèi)型的總面積。因此，該方法多適用于具有悠久歷史、地表利用強(qiáng)度高地區(qū)的長(zhǎng)時(shí)間地表覆蓋數(shù)據(jù)重建。如SAGE數(shù)據(jù)集重建了1700～1992年的耕地?cái)?shù)據(jù)，時(shí)間分辨率在19世紀(jì)50年代之前為50年， 19世紀(jì)50年代至20世紀(jì)80年代為10年， 1986年以后為1年； 空間分辨率為0.5°[20]。其使用的數(shù)據(jù)源是Houghton和Richards[50]估算的大陸尺度1850～1980年耕地轉(zhuǎn)換速率、1700～1980年耕地面積以及FAO不同國(guó)家1961～1992年耕地?cái)?shù)據(jù)[50]等。重建流程是先利用收集到的歷史耕地統(tǒng)計(jì)數(shù)據(jù)，繪制國(guó)家單元?dú)v史耕地覆蓋比例圖； 再利用1992年全球耕地統(tǒng)計(jì)數(shù)據(jù)來(lái)校正同期DISCover耕地?cái)?shù)據(jù)，獲得1992年耕地空間分布圖； 然后將歷史耕地覆蓋比例圖與耕地空間分布圖疊加，得到具有地理空間位置的歷史耕地?cái)?shù)據(jù)[50]。完全依賴(lài)法假定自然條件和人類(lèi)農(nóng)業(yè)活動(dòng)相對(duì)穩(wěn)定，該方法在變化較大的區(qū)域(如中國(guó)東北地區(qū))的重建結(jié)果與歷史真實(shí)結(jié)果有較大差異。

3.2 部分依賴(lài)法

部分依賴(lài)法是以現(xiàn)代地表覆蓋空間分布區(qū)域作為空間分配的邊界條件或飽和狀態(tài)，在這一限制條件上再輔以地形坡度、人口密度等指示因子進(jìn)行空間分配。林珊珊等[47]認(rèn)為耕地已達(dá)到飽和，將中國(guó)傳統(tǒng)農(nóng)區(qū)歷史數(shù)據(jù)網(wǎng)格化，選擇坡度、地勢(shì)、海拔、坡向4個(gè)地形因子與墾殖率進(jìn)行擬合。李柯等[48]以2000年MODIS影像中耕地空間分布范圍為基礎(chǔ)，以高程、坡度等為限制因子，將歷史考訂的縣域耕地面積數(shù)據(jù)分配到空間上，重建了云南省1671和1827年兩個(gè)時(shí)間斷面上的耕地空間分布信息，分辨率為90m。部分依賴(lài)法注重地表覆蓋空間格局的驅(qū)動(dòng)機(jī)制分析，可以獲得較高分辨率的空間分布信息，使得重建結(jié)果更加合理，但其往往需要更多輔助數(shù)據(jù)，未能充分考慮到地表覆蓋的時(shí)間動(dòng)態(tài)擴(kuò)展變化，也具有一定的局限性。

3.3 動(dòng)態(tài)依賴(lài)法

動(dòng)態(tài)依賴(lài)法不考慮現(xiàn)代地表覆蓋空間格局的時(shí)間效應(yīng)，利用空間權(quán)重來(lái)指示地表覆蓋類(lèi)型的空間分配。龍瀛等[49]以江蘇省為研究區(qū)考慮了耕地連片開(kāi)發(fā)的原則，基于約束性CA建模進(jìn)行空間格局重建，模擬出更為真實(shí)的空間動(dòng)態(tài)過(guò)程。HYDE3.1數(shù)據(jù)集重建了自10000BC至AD2000年[26]的耕地和牧草地?cái)?shù)據(jù)。1700年以后的時(shí)間分辨率為10年，空間分辨率為5[50]。該方法以國(guó)家為單元，以1994年人口密度圖為依據(jù)，利用各國(guó)普查數(shù)據(jù)和聯(lián)合國(guó)人口統(tǒng)計(jì)數(shù)據(jù)等相關(guān)資料，編制歷史人口密度圖； 以歷史人口密度為權(quán)重，進(jìn)行歷史耕地面積的空間分配[26]。在HYDE3.1數(shù)據(jù)集中，Klein Goldewijk等[26]提出了時(shí)間依賴(lài)的空間分配算法，該算法以空間權(quán)重圖來(lái)分配地表覆蓋，權(quán)重圖包括通過(guò)遙感得到的當(dāng)代地表覆蓋權(quán)重和由社會(huì)、自然環(huán)境因子權(quán)重得到的歷史權(quán)重。當(dāng)代和歷史地表覆蓋權(quán)重會(huì)隨著時(shí)間變化而變化，該方法在空間分配上包含了歷史地表覆蓋空間格局驅(qū)動(dòng)因子分析，同時(shí)考慮了驅(qū)動(dòng)因子對(duì)歷史空間格局影響的時(shí)間效應(yīng)，但是并未對(duì)這一影響程度進(jìn)行量化分析。

4 存在問(wèn)題與研究展望

地表覆蓋空間分布數(shù)據(jù)獲取對(duì)于糧食安全、氣候變化及政策制定[51-52]具有重要意義。多源數(shù)據(jù)具有大范圍和長(zhǎng)時(shí)間的優(yōu)勢(shì)，為地表覆蓋數(shù)據(jù)重建提供了新途徑，在很大程度上可以彌補(bǔ)了單一數(shù)據(jù)和分類(lèi)方法的缺陷。受制于遙感技術(shù)產(chǎn)生及發(fā)展的時(shí)間限制，多源遙感數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建方法不適用于長(zhǎng)時(shí)間序列，但卻具有高精度的空間屬性。基于多源遙感與非遙感數(shù)據(jù)融合方法適合于長(zhǎng)時(shí)間序列的研究，對(duì)地表覆蓋時(shí)空變化及其氣候和生態(tài)效應(yīng)研究至關(guān)重要[28]，但其空間分辨率往往要低。雖然近年來(lái)多源數(shù)據(jù)融合在地表覆蓋重建中取得了長(zhǎng)足進(jìn)展，但是還存在一些明顯不足，成為將來(lái)重點(diǎn)的發(fā)展方向。

一是研究對(duì)象與區(qū)域上的不足。目前，多源遙感數(shù)據(jù)融合的方法多是針對(duì)常用的地表覆蓋類(lèi)型或森林類(lèi)型，有關(guān)耕地或草地等其他類(lèi)型的重建研究較少； 研究區(qū)域大多為全球區(qū)域或是歐美地區(qū)，其他區(qū)域的研究較少。多源遙感數(shù)據(jù)與非遙感數(shù)據(jù)融合的地表覆蓋重建多針對(duì)小研究區(qū)域開(kāi)展，有關(guān)該方法的大區(qū)域應(yīng)用缺少。

二是融合算法上的不足。多源遙感數(shù)據(jù)融合的重建方法近10年取得了迅速發(fā)展，但不同的算法存在一些不足。如基于回歸分析的融合方法，由于不同遙感數(shù)據(jù)集在不同區(qū)域的精度不同，不同區(qū)域的數(shù)據(jù)融合時(shí)所選擇的數(shù)據(jù)集會(huì)不同。因此，在進(jìn)行融合重建時(shí)需要先根據(jù)不同遙感數(shù)據(jù)在不同地區(qū)的精度情況，進(jìn)行分區(qū)做逐步回歸分析，用貢獻(xiàn)大的數(shù)據(jù)集在一個(gè)區(qū)域做融合。基于數(shù)據(jù)一致性的融合方法需要根據(jù)精度對(duì)數(shù)據(jù)集劃分權(quán)重，進(jìn)行排名打分，n種數(shù)據(jù)產(chǎn)品進(jìn)行打分設(shè)置時(shí)，需要設(shè)置2n-1種情況，容易出現(xiàn)“打分災(zāi)難”。因此，需要采用分層最優(yōu)融合的方法，按照地表覆蓋數(shù)據(jù)間的一致性，以統(tǒng)計(jì)數(shù)據(jù)為標(biāo)準(zhǔn)，從一致量和產(chǎn)品組合兩個(gè)層次進(jìn)行分層最優(yōu)融合。基于數(shù)據(jù)集成方法融合和基于統(tǒng)計(jì)模型融合的方法需要改進(jìn)之處是增加更多的數(shù)據(jù)集進(jìn)行融合。基于D-S理論的融合方法在其基本概率確定時(shí)不能完全依靠經(jīng)驗(yàn)，對(duì)其融合后的不確定性特征應(yīng)做進(jìn)一步處理。基于模糊集合理論的融合方法應(yīng)注意考慮每種數(shù)據(jù)在融合過(guò)程中的類(lèi)別權(quán)重問(wèn)題。隨著各種算法的改進(jìn)，多源遙感數(shù)據(jù)融合的方法會(huì)越來(lái)越成熟、精度會(huì)越來(lái)越高，未來(lái)也會(huì)成為地表覆蓋數(shù)據(jù)重建的主流方法。

三是重建結(jié)果精度上的不足。多源數(shù)據(jù)融合不僅要獲取地表覆蓋數(shù)據(jù)，更要獲得精度可靠的數(shù)據(jù)。多源遙感數(shù)據(jù)生產(chǎn)時(shí)間不一致、分類(lèi)方法各異，導(dǎo)致最后的融合結(jié)果存在誤差[53]。將基于Google Earth平臺(tái)的Geo-Wiki[54]實(shí)地觀測(cè)樣本引入可以減少誤差，提高重建結(jié)果的精度。目前，全球尺度應(yīng)用最為廣泛的SAGE數(shù)據(jù)集和HYDE3.0數(shù)據(jù)集仍不夠精細(xì)，在中國(guó)傳統(tǒng)農(nóng)區(qū)[55]和東北區(qū)域[56]都存在較大誤差。區(qū)域尺度上，Liu等[57]雖然建立了高精度的中國(guó)地表覆蓋數(shù)據(jù)集，但基于地表覆蓋格局不變的假設(shè)。多數(shù)基于多源遙感與非遙感數(shù)據(jù)融合研究的數(shù)據(jù)空間分辨率低，缺少高精度的具有空間屬性的地表覆蓋信息。同時(shí)，歷史統(tǒng)計(jì)資料和估算方法也具有很大不確定性，社會(huì)經(jīng)濟(jì)、政策等因素對(duì)歷史地表覆蓋變化的影響考慮不夠，這些都影響了重建數(shù)據(jù)的精度。因此，提高重建結(jié)果的可信度和準(zhǔn)確性，必須要在獲得準(zhǔn)確可靠的統(tǒng)計(jì)資料、保證當(dāng)代底圖精度的前提下，了解區(qū)域內(nèi)發(fā)生的影響地表覆蓋空間格局的重大歷史事件及歷史過(guò)程，同時(shí)采用合理的分配算法，并加強(qiáng)對(duì)影響空間格局的驅(qū)動(dòng)因子的量化分析[28]。對(duì)于社會(huì)經(jīng)濟(jì)、人口密度、政策影響等因素的考慮也是將來(lái)需要重點(diǎn)加強(qiáng)的地方。在有重大歷史事件(戰(zhàn)爭(zhēng)、重要政策頒布)的年份要重點(diǎn)進(jìn)行重建，而不是能是簡(jiǎn)單地順序推演。最后，考慮到不同區(qū)域間歷史過(guò)程、自然條件的差異和特征，分區(qū)域進(jìn)行數(shù)據(jù)重建也是未來(lái)發(fā)展的重要方向，可以保證重建結(jié)果的精度，同時(shí)加強(qiáng)不同區(qū)域間重建結(jié)果的集成，以便重建結(jié)果在更大尺度上得到應(yīng)用。

綜上所述，基于多源遙感數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建的優(yōu)勢(shì)在于地表覆蓋空間分布信息明確，基于多源遙感和非遙感數(shù)據(jù)融合的地表覆蓋數(shù)據(jù)重建優(yōu)勢(shì)在于可獲得長(zhǎng)時(shí)間序列的地表覆蓋分布信息。這兩類(lèi)方法各有其優(yōu)勢(shì)與劣勢(shì)，如何取其精華去其糟粕，將兩類(lèi)方法綜合應(yīng)用，得到具有詳細(xì)完整空間信息、長(zhǎng)時(shí)間序列的地表覆蓋數(shù)據(jù)，將是多源數(shù)據(jù)融合地表覆蓋數(shù)據(jù)重建未來(lái)的發(fā)展方向。

[1] Foley J A，DeFries R，Asner G P，et al.Global consequences of land use. Science， 2005, 309(5734): 570～574

[2] Li X F，Ju W M，Chen S，et al.Influence of land cover data on regional forest leaf area index inversion.Journal of Remote Sensing，2010, 14(5): 974～989

[3] 唐華俊， 吳文斌，楊鵬，等.土地利用/土地覆被變化(LUCC)模型研究進(jìn)展.地理學(xué)報(bào)， 2009, 64(4): 456～468

[4] 張宇碩， 陳軍，陳利軍，等.2000～2010年西伯利亞地表覆蓋變化特征——基于GlobeLand30的分析.地理科學(xué)進(jìn)展， 2015, 34(10): 1324～1333

[5] Bonan G B，Oleson K W，Vertenstein M，et al.The land surface climatology of the community land model coupled to the NCAR community climate model.Journal of Climate， 2002, 15(22): 3123～3149

[6] Running S W，Nemani R R，Heinsch F A，et al.A continuous satellite-derived measure of global terrestrial primary production.Bioscience， 2004, 54(6): 547～560

[7] Zhang K，Kimball J S，Mu Q，et al.Satellite based analysis of northern ET trends and associated changes in the regional water balance from 1983 to 2005.Journal of Hydrology， 2009， 397(1-2)： 92～110

[8] 宋茜， 周清波，吳文斌，等.農(nóng)作物遙感識(shí)別中的多源數(shù)據(jù)融合研究進(jìn)展.中國(guó)農(nóng)業(yè)科學(xué)， 2015, 48(6): 1122～1135

[9] 吳文斌， 楊鵬，張莉，等.四類(lèi)全球土地覆蓋數(shù)據(jù)在中國(guó)區(qū)域的精度評(píng)價(jià).農(nóng)業(yè)工程學(xué)報(bào)， 2009, 25(12): 167～173

[10]陸苗， 吳文斌，張莉，等.五套全球耕地制圖產(chǎn)品在中國(guó)區(qū)域的比對(duì)研究(出版中).中國(guó)科學(xué)， 2016

[11]陳軍， 陳晉，廖安平，等.全球30m地表覆蓋遙感制圖的總體技術(shù).測(cè)繪學(xué)報(bào)， 2014, 43(6): 551～557

[12]Gong P，Wang J，Yu L，et al.Finer resolution observation and monitoring of global land cover：first mapping results with Landsat Tm and ETM+data.International Journal of Remote Sensing， 2013, 34(7): 2607～2654

[13]Friedl M A，Sulla-Menashe D，Tan B，et al.MODIS Collection 5 global land cover：Algorithm refinements and characterization of new datasets.Remote Sensing of Environment， 2010, 114(1): 168～182

[14]Pittman K，Hansen M C，Becker-Reshef I，et al.Estimating global cropland extent with multi-year MODIS data.Remote Sensing， 2010, 2(7): 1844～1863

[15]Fritz S，You L，Bun A，et al.Cropland for sub-Saharan Africa：A synergistic approach using five land cover data sets.Geophysical Research Letters， 2011， 38：L04404，doi： 10.1029/2010GL046213

[16]Bartholome E，Belward A S.GLC2000：a new approach to global land cover mapping from Earth observation data.International Journal of Remote Sensing， 2005, 26(9): 1959～1977

[17]何凡能， 葛全勝，戴君虎，等.近300年來(lái)中國(guó)森林的變遷.地理學(xué)報(bào)， 2007, 62(1): 30～40

[18]何凡能， 葛全勝，鄭景云.中國(guó)清代城鎮(zhèn)用地面積估算及其比較.地理學(xué)報(bào)， 2002, 57(6): 709～716

[19]葉瑜， 方修琦，任玉玉，等.東北地區(qū)過(guò)去300年耕地覆蓋變化.中國(guó)科學(xué)(D輯：地球科學(xué))， 2009, 39(3): 340～350

[20]葉瑜， 方修琦，張學(xué)珍，等.過(guò)去300年?yáng)|北地區(qū)林地和草地覆蓋變化.北京林業(yè)大學(xué)學(xué)報(bào)， 2009, 31(5): 137～144

[21]Petit C C，Lambin E F.Long-term land-cover changes in the Belgian Ardennes(1775-1929)model-based reconstruction vs.historical maps.Global Change Biology， 2002, 8(7): 616～630

[22]白淑英， 張樹(shù)文，張養(yǎng)貞.土地利用/土地覆被時(shí)空分布100年數(shù)字重建——以大慶市杜爾伯特蒙古族自治縣為例.地理學(xué)報(bào)， 2007, 62(4): 427～436

[23]丁偉， 龐瑞洺，許清海.中國(guó)東部暖溫帶低山丘陵區(qū)表土花粉對(duì)人類(lèi)活動(dòng)的指示意義.科學(xué)通報(bào)， 2011, 56(11): 839～847

[24]匡文慧， 張樹(shù)文，張養(yǎng)貞，等.1900年以來(lái)長(zhǎng)春市土地利用空間擴(kuò)張機(jī)理分析.地理學(xué)報(bào)， 2005, 60(5): 841～850

[25]Ramankutty N，F(xiàn)oley J.Estimating historical changes in global land cover：croplands from 1700 to 1992.Global Biogeochemical Cycles， 1999, 13(4): 997～1027

[26]Goldewijk K K，Beusen A，Van Drecht G，et al.The HYDE3.1 spatially explicit database of human-induced global land-use change over the past 12， 000 years.Global Ecology and Biogeography， 2011, 20(1): 73～86

[27]Goldewijk K K.Estimating global land use change over the past 300 Years：The HYDE database. Global Biogeochemical Cycles， 2001, 15(2): 417～433

[28]朱楓， 崔雪鋒，繆麗娟.中國(guó)歷史時(shí)期土地利用數(shù)據(jù)集的重建方法述評(píng).地理科學(xué)進(jìn)展， 2012, 31(12): 1563～1573

[29]Jung M，Henkel K，Herold M，et al.Exploiting synergies of global land cover products for carbon cycle modeling.Remote Sensing of Environment， 2006, 101(4): 534～553

[30]Ramankutty N，Evan A T，Monfreda C，et al.Farming the planet： 1.Geographic distribution of global agricultural lands in the year 2000.Global Biogeochemical Cycles， 2008， 22：GB1003，doi： 10.1029/2007GB002952

[31]Schepaschenko D，McCallum I，Shvidenko A，et al.A new hybrid land cover dataset for Russia：a methodology for integrating statistics，remote sensing and in situ information.Journal of land Use Science， 2011, 6(4): 245～259

[32]Fritz S，See L，McCallum I，et al.Mapping global cropland and field size.Global Change Biology， 2015, 21(5): 1980～1992

[33]Waldner F，F(xiàn)ritz S，Di Gregorio A，et al.Mapping priorities to focus cropland mapping activities：fitness assessment of existing global，Regional and National Cropland Maps.Remote Sensing， 2015, 7(6): 7959～7986

[34]夏天， 吳文斌，周清波，等.基于地理回歸的農(nóng)作物播種面積統(tǒng)計(jì)數(shù)據(jù)空間化方法(出版中).自然資源學(xué)報(bào)， 2016

[35]夏天， 吳文斌，余強(qiáng)毅，等.農(nóng)作物空間格局動(dòng)態(tài)變化模擬模型(CROPS)構(gòu)建.中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2014, 35(1): 44～51

[36]Dendoncker N，Rounsevell M，Bogaert P.Spatial analysis and modelling of land use distributions in Belgium.Computers，Environment and Urban Systems， 2007， 31： 188～205

[37]Kinoshita T，Iwao K，Yamagata Y.Creation of a global land cover and a probability map through a new map integration method.International Journal of Applied Earth Observation and Geoinformation， 2014， 28： 70～77

[38]Song X，Huang C，F(xiàn)eng M，et al.Integrating global land cover products for improved forest cover characterization：an application in North America.International Journal of Digital Earth， 2014, 7(9): 709～724

[39]See L，Schepaschenko D，Lesiv M.Building a hybrid land cover map with crowdsourcing and geographically weighted regression.ISPRS Journal of Photogrammetry and Remote Sensing， 2015， 103： 48～56

[40]Schepaschenko D，See L，Lesiv M，et al.Development of a global hybrid forest mask through the synergy of remote sensing，crowdsourcing and FAO statistics.Remote Sensing of Environment， 2015， 162： 208～220

[41]冉有華， 李新，盧玲.基于多源數(shù)據(jù)融合方法的中國(guó)1km土地覆蓋分類(lèi)制圖.地球科學(xué)進(jìn)展， 2009, 24(2): 192～203

[42]Ran Y H，Li X，Lu L，et al.Large-scale land cover mapping with the integration of multi-source information based on the Dempster-Shafer theory.International Journal of Geographical Information Science， 2012, 26(1): 169～191

[43]俞樂(lè)， 王杰，李雪草，等.基于多源數(shù)據(jù)集成的多分辨率全球地表覆蓋制圖.中國(guó)科學(xué)：地球科學(xué)， 2014, 9(8): 1646～1660

[44]Perez-Hoyos A，Garcia-Haro F J，San-Miguel-Ayanz J.A methodology to generate a synergetic land-cover map by fusion of different land-cover products.International Journal of Applied Earth Observation and Geoinformation， 2012， 19： 72～87

[45]Hurtt G C，Rosentrater L，F(xiàn)rolking S，et al.Linking remote-sensing estimates of land cover and census statistics on land use to produce maps of land use of the conterminous United States.Global Biogeochemical Cycles， 2001, 15(3): 673～685

[46]Wadsworth R，Balzter H，Gerard F，et al.An environmental assessment of land cover and land use change in Central Siberia using quantified conceptual overlaps to reconcile inconsistent data sets.Journal of land Use Science， 2008, 3(4): 251～264

[47]林珊珊， 鄭景云，何凡能.中國(guó)傳統(tǒng)農(nóng)區(qū)歷史耕地?cái)?shù)據(jù)網(wǎng)格化方法.地理學(xué)報(bào)， 2008, 63(1): 83～92

[48]李柯， 何凡能，張學(xué)珍.基于MODIS數(shù)據(jù)網(wǎng)格化重建歷史耕地空間分布的方法——以清代云南省為例.地理研究， 2011, 30(12): 2281～2288

[49]龍瀛， 金曉斌，李苗裔，等.利用約束性CA重建歷史時(shí)期耕地空間格局——以江蘇省為例.地理研究， 2014, 33(12): 2239～2250

[50]何凡能， 李士成，張學(xué)珍，等.中國(guó)傳統(tǒng)農(nóng)區(qū)過(guò)去300年耕地重建結(jié)果的對(duì)比分析.地理學(xué)報(bào)， 2012, 67(9): 1190～1200

[51]吳文斌， 楊鵬，李正國(guó)，等.農(nóng)作物空間格局變化研究進(jìn)展評(píng)述.中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2014, 35(1): 12～20

[52]唐鵬欽， 姚艷敏，吳文斌，等.基于遙感技術(shù)的耕地復(fù)種指數(shù)研究進(jìn)展.中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2010, 31(2): 21～27

[53]See L，F(xiàn)ritz S，You L，et al.Improved global cropland data as an essential ingredient for food security.Global Food Security， 2014， 4： 37～45

[54]Fritz S，McCallum I，Schill C，et al.Geo-Wiki：An online platform for improving global land cover.Environmental Modelling & Software， 2012， 31： 110～123

[55]Zhang X Z，He F N，Li S C.Reconstructed cropland in the mid-eleventh century in the traditional agricultural area of China：implications of comparisons among datasets.Regional Environmental Change， 2013, 13(5): 969～977

[56]李蓓蓓， 方修琦，葉瑜，等.全球土地利用數(shù)據(jù)集精度的區(qū)域評(píng)估：以中國(guó)東北地區(qū)為例.中國(guó)科學(xué)：地球科學(xué)， 2010, 40(8): 1048～1059

[57]Liu M L，Tian H Q.China′s land cover and land use change from 1700 to 2005：estimations from high-resolution satellite data and historical archives.Global Biogeochemical Cycles， 2010， 24：GB3003，doi： 10.1029/2009GB003687

PROGRESSES IN LAND COVER DATA RECONSTRUCTION METHOD BASED ON MULTI-SOURCE DATA FUSION*

Chen Di1，Wu Wenbin1， 2，Lu Miao1，Hu Qiong1，Zhou Qingbo1※

(1.Key Laboratory of Agri-informatics，Ministry of Agriculture/Institute of Agricultural Resources and Regional Planning，Chinese Academy of Agricultural Sciences，Beijing 100081，China;2.College of Urban & Environmental Sciences，Central China Normal University，Wuhan,Hubei 430079，China)

Land cover data is of great significance for global environmental change, biodiversity and policy-making. Remote sensing has been demonstrated an important method to obtain land cover data. Nowadays, there are varieties of remote sensing products, such as GlobeLand30, FROM-GLC, MODIS Collection5, MODIS Cropland, GlobCover, GLC2000. However, these previous remote sensing products exist some limitations, such as poor products accuracies, low consistency between different products and big discrepancy compared with statistic data. In this paper, the related literatures on the land cover data reconstruction methods based on the multi-source data fusion in the latest decade were sorted out, application of the multi-source data reconstruction methods were summarized, characteristics and development of different fusion methods in the latest researches were discussed intensively, and the advantages and disadvantages of various methods were concluded. This paper also discussed the limitations of current data reconstruction researches and proposed some important directions for future studies of the multi-source data fusion. In terms of the land cover reconstruction method based on multi-source remote sensing data fusion, this paper mainly discussed two widely-used methods: data consistency and regression analysis. In addition to the two common methods, other methods on multi-source remote sensing data fusion were also summarized, such as Dempster-Shafer evidential reasoning, data integration, statistical models, and the synergistic combination theory. In terms of the reconstruction method of fusing multi-source remote sensing and non-remote sensing data, three allocation methods were respectively discussed: the complete dependence method, partial dependence method and dynamic dependence method. The study region, used data source, targeted land cover types, spatial resolution, fusion methods and literature resources were respectively summarized and analyzed, among which the fusion methods were intensively discussed. At the end of this paper, the limitations and problems of the latest research were concluded: the study objectives were limited to the forest and all land cover types while the studies on the grassland and cultivated land were scarce. Most studies focused on European and American regions. Besides, the fusion methods were limited, and the accuracies of the reconstruction methods were not satisfactory. The future study directions and priorities of the reconstruction method were also proposed, such as integrating two methods to product a hybrid land cover map with a long time series and detailed spatial information.

multi-source data; remote sensing; land cover; hybrid methods; reconstruction

10.7621/cjarrp.1005-9121.20160912

2016-01-15

陳迪(1991—)，女，貴州安順人，碩士研究生。研究方向：農(nóng)業(yè)遙感。

※通訊作者：周清波(1965—)，男，湖南沅江人，研究員。研究方向：農(nóng)情遙感領(lǐng)域的基礎(chǔ)研究和應(yīng)用基礎(chǔ)研究。Email：zhouqb@mail.caas.net.cn

*資助項(xiàng)目：測(cè)繪地理信息公益性行業(yè)科研專(zhuān)項(xiàng)項(xiàng)目“全球地表覆蓋數(shù)據(jù)分析”(201512028)

TP75

A

1005-9121[2016]09-0062-09