2015年中國1∶10萬土地覆被數據河南地區精度評價

朱 筠，孫九林，秦 奮，王 航

（1.河南大學黃河中下游數字地理技術教育部重點實驗室，河南 開封 475004；2.河南大學環境與規劃學院，河南 開封 475004；3.中國科學院地理科學與資源研究所，北京 100101）

1 引言

土地覆被數據是認識人類活動和全球變化之間復雜關系的關鍵信息源[1-2]。它可以廣泛應用于氣候和水文過程模型[3-5]、碳循環模型參數確定[6-7]、公共健康和生態系統評價[8-9]、自然資源或農業活動管理[10-11]等研究領域。20世紀90年代以來，學術界一直高度關注全球和區域土地利用/土地覆被變化的研究[12-16]。目前，國內外土地覆被數據產品空間分辨率在30 m～1000 m[2，17]，國際上，有馬里蘭大學的全球土地覆被數據集UMD（1 km），美國地質調查局的全球土地覆被數據集IGBP-DISCover（1 km），波士頓大學的全球土地覆被數據集MOD12Q1（1 km），歐盟聯合研究中心的全球土地覆蓋數據集GLC2000（1 km），歐洲空間局的全球土地覆被數據集GlobCover 2005（300 m）；在國內，有國家基礎地理信息中心、中國科學院遙感應用研究所、國家氣候中心等單位共同研制的全球土地覆被數據集GlobeLand30（30 m），清華大學2013年研發的全球土地覆被數據集FROM-GLC（30 m），國家科技基礎條件平臺——國家地球系統科學數據共享平臺牽頭完成的2015年中國1∶10萬土地覆被數據產品。

以上土地覆被數據產品都以遙感影像作為數據源，受空間分辨率、光譜分辨率、地物特性等影響，影像質量具有不確定性，分類結果與地面實際情況也有不完全一致性，這些因素都影響土地覆被數據產品的精度，因此，土地覆被數據產品的精度評價是一項十分重要的工作[17-20]。研究表明，多數常用的全球1 km土地覆被數據集在中國區域的總體分類精度較低[17，21]，對于較高分辨率土地覆被數據產品，精度評價方法不同，分類精度也不完全一致。因此，研究一種合理的土地覆被數據產品精度評價方法，科學界定土地覆被數據產品精度，對于土地覆被數據產品的應用具有重要意義。

2016年國家地球系統科學數據共享平臺發布了國內首套“2015年中國1∶10萬土地覆被數據產品”，這是國際上首套反映近5年來中國地表覆蓋動態變化且精度較高的土地覆被數據產品，其數據精度還有待進行更為詳細的檢驗和評價。

2 數據與方法

2.1 研究區概況

河南省位于中國中東部、黃河中下游（110°21′E～116°39′E、31°23′N～36°22′N），全省土地總面積約16.7萬km2，占全國土地面積的1.73%。河南省地處北亞熱帶與暖溫帶兩個氣候帶，境內秦嶺東延部分伏牛山主脈與淮河干流構成兩個生物氣候帶的分界線，南北各地氣候顯著不同，山地和平原氣候也有顯著差異；橫跨中國第二、第三兩級地貌階梯，地貌類型多樣；自北向南橫跨海河、黃河、淮河、長江4大水系，境內有1500多條主干河流縱橫交錯；土壤類型多樣，西部和南部山地主要為棕壤、褐土和黃棕壤，東部平原主要為潮土和砂礓黑土, 還有少量鹽堿土、草甸土等；植被類型復雜多樣，分布有常綠針葉林、常綠闊葉林、落葉闊葉林等。河南省地域遼闊，加之地形、氣候、植被等分異因素，土地覆被類型豐富，是研究中國土地覆被數據產品的典型地區。

2.2 數據來源

2015年中國1∶10萬土地覆被數據產品由國家地球系統科學數據共享平臺研制，并于2016年底面向中國科學領域發布。該數據集的研發，在已有國內外土地覆被分類系統的基礎上，針對中國土地覆被實際情況，從遙感制圖角度和陸地生態系統觀點出發，建立一種新的土地覆被分類體系，包括一級地類7類，二級地類28類，并對每一種土地覆被類型二級類分別進行編碼、定義，以及主要特征和空間分布的描述（表1）。以2015年Landsat8 OLI多光譜數據為主要數據源（選用2014年9月—2015年10月各期高質量遙感數據，云量控制在10%以內），輔以高空間分辨率影像和其他參考數據，包括Google earth影像數據、無人機影像數據、MODIS時間序列數據，中國植被區劃數據、DEM數據等。通過野外考察建立分區域分類別的樣點解譯標志辭典，采用面向對象自動分類和人工目視解譯兩種分類方法生產全國1∶10萬土地覆被數據集，其中，河南地區數據基于ArcGIS軟件平臺人工目視解譯獲得。

表1 2015年全國土地覆被分類體系Tab.1 China land cover classi fi cation system in 2015

根據研究區地理環境本底狀況，按照《2015年全國土地覆被分類體系》，河南省土地覆被類型除去落葉針葉林、草原、沼澤、近海濕地、湖泊、冰川積雪、沙漠/戈壁，以及苔地8個地物類型，共包含6個一級地類，20個二級地類（圖1）。

2.3 樣本設計方法

目前，常用的土地覆被數據精度評價方法主要有兩種，一是利用已有的土地覆被數據進行比較分析的間接評價法，二是利用驗證樣本計算土地覆被數據精度的直接評價法。前者通過多個數據集的對比研究，分析數據集間的空間一致性和面積一致性，從而得到數據的相對精度[22]，該方法成本低、速度快，但由于不同的土地覆被數據使用的數據源、分類體系、分類方法等的不同，可比性受到限制[12]，且精度評價結果受參考數據精度影響較大；后者通過野外實地考察，或從中高分辨率遙感影像中采集一定數量的土地覆被樣本，與數據集的像元類型進行對比，建立混淆矩陣或評價模型，從而計算出數據集精度[23]，此評價方法得到的驗證結果不依賴于其他土地覆被數據集精度，更具客觀性，但樣本獲取成本高，且樣本數量、樣本質量和抽樣設計是制約評價結果客觀性的重要因素[22]。

圖1 2015年河南地區1∶10萬土地覆被數據Fig.1 The 1∶100 000 land cover data of Henan Province in 2015

圖2 樣本設計方法Fig.2 The method of sample design

本文采用樣本評價方法，考慮野外實地驗證樣本的真實性、客觀性，部分樣本來自實地采樣，但由于采樣成本、可達性、時間等因素的限制，無法進行區域全覆蓋野外采樣，因此，采取一種野外實地采樣與格網采樣融合的區域全覆蓋樣本設計方法（圖2），既能更大程度地保證樣本質量，又能保證樣本分布的密度。

2.3.1 實地采樣設計與樣本采集

野外實地采樣綜合分析河南省地貌、氣候、植被分異等生態環境特征，土地利用類型分布特征，交通可達性特征，采樣路線設定為從北向南、由東向西跨越地貌階梯、氣候帶的 “十”字型線路。共獲取2015年1月、8月、11月3次實地采樣結果，考察覆蓋中東部平原、南部山區、西部山區以及北部山區和平原等河南省大部分區域，每個采樣點的土地覆被調查面積不小于500 m×500 m，采集了樣本所在位置的地物照片、光譜信息、無人機影像等信息，對樣本進行室內高分影像對比驗證，形成271個實地樣本點數據（圖3）。

2.3.2 格網樣本設計與樣點解譯

格網樣本的采樣設計基于多面體剖分的全球離散格網系統，選取斯奈德等面積二十面體格網，格網單元不僅等面積，且當投影到一個二十面體時，它們是六邊形；在三角形、四邊形、六邊形3種常見的能夠進行規則化空間剖分的幾何格網圖形中，六邊形是最緊湊的一種，它具有各向同性、鄰域一致、角分辨率大等特性[24，25]，目前，這種采樣方法已應用于全球環境變化與監測領域[2，26-28]。研究采用全球離散格網軟件生成全球等面積正六邊形格網，每個正六邊形面積約為96 km2，整個研究區被分割成約1900個正六邊形格網，剔除271個實地采樣點所在的格網，剩余每個正六邊形生成一個中心點作為樣本點，共1623個格網樣本（圖3）。

圖3 樣本空間分布圖Fig.3 The spatial distribution of samples

研究中樣本數據庫共包含1894個驗證樣本，通過對一級地類樣本點個數百分比和地類面積百分比進行相關分析（表2），得出相關系數為0.99，可見樣本點地物類型分配符合研究區土地覆被類型面積比例。

表2 一級地類樣本個數占比和面積占比Tab.2 The proportion of sample number and the area of level 1 class

格網樣本解譯利用國家地球系統科學數據共享平臺——土地覆被樣點解譯系統（http： //159.226.111.26：58080/），本系統充分利用多源信息，整合多時期、多時相的Landsat影像、Bing Maps高分影像、MODIS時間序列數據，通過時空匹配在影像上自動提取樣本點，并生成NDVI時間序列曲線，輔助解譯人員快速完成樣本點位置不同時期土地覆被類型解譯的同時，大大提高了樣本點解譯的準確度。樣點解譯和質量控制過程采用三輪核查方式，先由2人初步解譯出樣點土地覆被類型，并對樣點解譯結果進行自查，再由1名技術人員復查，最后，由1名解譯經驗豐富的專家對樣點類型進行最終審核。最終，對樣本進行質量評價，評價結果顯示樣本精度達到100%，可用于土地覆被數據精度評價。

2.4 評價方法

混淆矩陣被廣泛應用于遙感分類數據精度評價，是土地覆被數據精度評價重要的方法[2，20，23]，它是反映地表觀測或參考數據與分類結果關系的一張簡單縱橫列表，為精度評價提供一個明顯的基礎[17，29]，用來計算Kappa系數、總體精度以及制圖精度等評價信息。式（1）—式（3）中：N是真實參考像元總數；n為混淆矩陣中總列數（即總類別數）；Xkk表示k類中正確分類的像元數量；Xk+表示k類中真實參考像元數量；X+k為k類中被分類像元數量。

3 結果分析

3.1 混淆矩陣分析

利用驗證樣本建立研究區土地覆被數據一級地類混淆矩陣，計算得出耕地、建設用地、水體、林地一級地類制圖精度都在90%以上；草地制圖精度84.68%，其它地類制圖精度85.7%；從二級地類混淆矩陣計算得到該數據產品在研究區內二級地類總體精度達到91.34%，Kappa系數為0.88。

由圖4可以看出，所有土地覆被二級地類中，旱地、城鎮建設用地、農村居民地、交通用地、河流、水庫/坑塘、裸巖制圖精度達到90%以上；常綠針葉林、落葉闊葉林、針闊混交林、草叢、水田、園地、工礦用地制圖精度在80%以上；灌叢、灌叢草地、河湖灘地、裸土4個地類精度稍低，在75%左右；常綠闊葉林、草甸2個地類精度最低，均為66.67%。

（1）建設用地。建設用地包括城鎮建設用地、農村居民地、交通用地、工礦用地4種類型，解譯過程中參考中國1：10萬基礎地理數據（2012年）中居民點圖層，加之建設用地在Landsat影像上光譜特征明顯，相對容易判讀，因此，建設用地解譯精度較高。建設用地中精度最低的一類是工礦用地，制圖精度為85.29%，共有5個樣點被誤分，包括3個分布在城鎮建設用地和1個農村居民地中的工礦用地樣點漏分，1個尾礦樣點被誤分成了裸地。農村居民地精度為90.26%，略低于城鎮建設用地和交通用地，從混淆矩陣可以看出，該類樣點中有6.15%被誤分為城鎮建設用地，這些誤分樣點所在斑塊的共同特點是面積較大，容易劃分為城鎮建設用地。

（2）耕地。水田、旱地、園地3個二級地類中，旱地制圖精度超過90%，水田和園地制圖精度分別為84.62%和88.89%，主要是因為11.11%的水田錯分成旱地，從空間分布看，表現在淮河北部平原部分水田被誤分成旱地，南部山區交錯在林地中的少部分水田漏分；平原地區多數園地分布在旱地周邊，或與旱地交錯種植，人工目視解譯過程中容易出現園地漏分現象，導致11.11%的園地被誤分為旱地。

（3）水體。河流和水庫/坑塘2類精度比較高，但河湖灘地多與其他土地覆被類型的界限比較模糊，分類精度僅為75%，從混淆矩陣可以看出，6個河湖灘地樣點中有2個被錯分，其中，1個樣點被誤分為旱地，1個樣點被誤分為裸地。

圖4 二級地類制圖精度Fig.4 The producer’s accuracy of level 2 class

（4）林地。林地的分類誤差主要表現在：8個常綠針葉林樣點被誤分為落葉闊葉林和針闊混交林，1個常綠闊葉林樣點被誤分為針闊混交林，6.83%和3.75%的落葉闊葉林樣點被誤分為針闊混交林和旱地，8.70%的針闊混交林樣點被誤分為落葉闊葉林，灌叢樣點中有2個被誤分為落葉闊葉林、1個被誤分為針闊混交林、1個被誤分灌叢草地。總體來看，針闊混交林易產生與其他林地二級地類的混分，是因為目視解譯中，對于針闊混交林中的每種類型的覆蓋度不超過75%的判斷受主觀因素影響較大；灌叢易與落葉闊葉林、針闊混交林、灌叢草地產生光譜混淆，精度較低。

（5）草地。草地在所有土地覆被中精度較低，主要由于草地3種二級地類本身，及其與林地二級地類容易產生光譜混淆。草甸是幾種地類中精度最低的，因為研究區典型草甸稀少，共3個樣點，其中1個錯分成草叢是導致制圖精度低的主要原因。

（6）其它。其它地類包含裸巖和裸地，裸巖在遙感影像上光譜特征明顯，易于識別，樣點沒有出現錯分現象；裸地精度比較低，主要是因為休耕地的光譜特征和裸地相近，3個裸地樣點中有1個被誤分為旱地。

3.2 地形對分類精度的影響分析

圖5 研究區DEM與誤分樣點空間分布Fig.5 DEM and the spatial distribution of error classi fi cation samples in the study area

地形因素是影響土地利用/土地覆被的基本因素，通過研究區DEM與誤分樣點空間分布之間的對比（圖5）發現：在海拔低于200 m的平原和盆地，誤分樣點的比例是5.5%（表3），該區域占研究區總面積的67.63%，土地覆被類型以耕地、建設用地、水體為主，誤分地類主要體現在耕地周邊林地的漏分（17.65%）、信陽北部地區水田和旱地的混淆（17.65%）及城鎮建設用地和農村居民地的混淆（16.18%）；在海拔200～500 m的丘陵地帶，誤分樣點的比例為14.87%，該區域是平原向山地過度地帶，地形破碎度增加，土地覆被類型交錯分布、復雜度提高，判讀難度增加，誤分地類以林地、草地間二級地類的混淆為主（63.83%），其次是耕地與林地的混淆（14.89%）；在海拔500～1 000 m的低山區，誤分樣點所占比例為14.29%，有林地、耕地、草地三種主要地類，主要為落葉闊葉林、針闊混交林、灌叢和灌叢草地幾個地類之間的混淆（58.62%）；在大于1 000 m海拔高度的豫西山地，樣點所在圖斑錯分比例最高，為17.65%，該區域土地覆被類型以林地、草地為主，混淆地類集中體現在落葉闊葉林和針闊混交林（55.56%）、常綠針葉林和針闊混交林（22.22%）、針闊混交林和灌叢草地（11.11%）。

表3 不同海拔范圍的誤分樣點比例Tab.3 Proportion of error classi fi cation points at different elevation

從以上對比分析看出，研究區樣點所在圖斑被誤分的比例隨海拔高度的提升呈現上升趨勢，海拔在200 m以下的區域，地勢平坦，地物類型復雜度低，被誤分的樣點比例最低。200～500 m和500～1 000 m兩個海拔范圍內，誤分樣點的比例提高且趨于一致，因為兩個區域主要地物類型相似，地物類型交錯區增多。在1 000 m以上的山地，雖然地物類型復雜度降低，但其主要地類林地、草地的二級地類光譜信息相似度高，造成樣點所在斑塊錯分比例最高。

3.3 誤分樣點的分布模式分析

利用平均最近鄰指數方法來分析誤分樣點的空間分布集聚特征，誤分樣點平均最近鄰計算結果如圖6所示，誤分樣點的平均觀測距離為16.76 km，期望平均距離為16.05 km，平均最近鄰指數為1.04，z值為1.07，p值為0.28，平均觀測距離接近期望平均距離，z得分在-1.65～1.65之間，分布模式與隨機模式沒有顯著差異，表明誤分樣點呈現隨機分布的趨勢。因此，研究中計算得到的土地覆被數據誤差是非系統性誤差，說明本文的精度評價結果可信。

圖6 誤分樣點平均最近鄰統計結果Fig.6 Average nearest neighbor summary of error classi fi cation points

4 結論

為給2015年中國1∶10萬土地覆被數據產品的用戶提供科學依據，采用融合實地采樣與格網采樣的區域全覆蓋樣本對河南地區數據產品進行精度評價，結合評價結果，得到以下結論：

（1）樣本設計方法可行。首先，精度驗證樣本庫融合實地采樣與格網采樣結果，在野外采樣的基礎上，補充正六邊形格網采樣點，保證樣本在研究區的全覆蓋；其次，樣點個數和地類面積百分比相關分析結果表明，樣點布局合理，能夠代表區域土地覆被類型；第三，樣本采集和獲取能夠充分利用歷史數據和已有數據資源，提高精度評價的工作效率和科學性。本文的樣本設計方法，兼具樣本典型性和分布均勻性的優勢，使得精度評價結果更加客觀、合理，且此方法可以推廣到全國其他地區。

（2）評價區域的數據產品精度較高。通過區域全覆蓋樣本評價可知，數據總體精為91.34%，一級地類除草地、其他2種地類的精度在80%以上，其余5種地類精度都超過90%；二級地類中建設用地、耕地、水體除個別地類在85%左右，其余均在超過90%，林地、草地、其它3類除去研究區內少數地類，其余在80%左右。并且，通過對誤分樣點的空間分布集聚特征分析可知，誤分樣點在空間上隨機分布，說明這套數據產品質量較高。

（3）從混淆矩陣分析和地形對分類精度影響的分析可以看出，對于高分辨率土地覆被遙感制圖，可以從以下幾方面提升制圖精度：第一，耕地中平原地區的水田易與旱地混分，解譯過程中引入作物物候特征，有助于區分一年中多類作物輪作的耕地類型；第二，針對林地、草地二級地類光譜特征相似，容易產生混淆問題，解譯過程中除了參考植被物候信息外，可結合地形特征，盡量豐富地貌過度地帶各地類的解譯標志庫，為解譯者提供更加豐富的參考信息，從而提高解譯精度；第三，針對農村居民地和城鎮建設用地混分問題，隨著中國城鎮化進程的加快，農村人口逐漸向城鎮聚集，農村居民地逐漸轉變為城鎮建設用地，建議土地覆被分類體系中，農村居民地合并到城鎮建設用地中；第四，研究區內土地覆被分類精度隨海拔提升呈現降低趨勢，解譯過程中，重點控制高海拔地區的數據質量有助于數據產品總體精度的提升。

綜上所述，2015年中國1∶10萬土地覆被數據產品在河南地區具有較高的精度，可為氣候、水文、生態等相關科研領域提供基礎數據。需要指出的是，采用樣本評價法，特別是區域全覆蓋樣本評價這種直接精度評價方法對于大范圍的土地覆被數據精度驗證較少，實地采樣點的野外采集和格網采樣點的目視解譯，都需要較高的成本和很大的工作量，并且樣本自身質量也影響數據評價結果，在未來的研究中，在全國范圍內建立一套通用的野外采樣體系以及高質量格網樣本庫，是提高土地覆被數據精度評價科學性、可信度的重要工作，對未來持續更新的全國土地覆被數據精度評價也具有深遠的意義。

致謝：感謝國家科技基礎條件平臺—國家地球系統科學數據共享平臺提供的“土地覆被樣點解譯系統”（http： //159.226.111.26：58080/）；感謝國家科技基礎條件平臺—國家地球系統科學數據共享平臺—黃河下游科學數據中心（http： //henu.geodata.cn）提供數據支撐。