中國西北地區3種10 m全球土地覆被產品林草灌專題要素的一致性評價

摘要：中國西北地區的土地利用/土地覆被信息對全球氣候變化和生態環境保護有重要影響，因此，及時掌握目前公開發布的幾種較高分辨率土地覆被產品的空間一致性極其重要。采用FROM-GLC、ESA和ESRI 3種10 m全球土地覆被產品，通過面積比較、逐像元空間疊加和基于樣本點的絕對精度評價等方法，分析了這3種產品在林草灌專題要素準確性和空間格局上的差異特征。結果表明：（1）FROM-GLC的總體精度最高，為83.74%；其次是ESA，為68.30%；ESRI的總體精度最低，為52.80%。（2）3種產品林草灌空間一致性較低，完全一致區域面積占比為41.67%，主要分布在研究區的東部；完全不一致區域分布較零散，這些區域地表覆被類型較復雜，地表空間異質性較高。（3）3種產品林地類型的空間一致性較高，草地和灌木類型的判別差異較大。總的來說，草地、灌木等植被類型的精度需要進一步提高。

關鍵詞：林地；草地；灌木；空間一致性；精度評價；中國西北

中圖分類號：P237文獻標志碼：A文章編號：1673-5072（2025）01-0042-07

Consistency Evaluation of Thematic Elements of Forest，Grasslandand Shrubland for Three 10-meter Global Land Cover Productsin Northwest China

Abstract：The land use/land cover information in Northwest China has an important impact on global climate change and ecological environment protection.Therefore，it is important to timely grasp the spatial consistency of several high-resolution land cover products currently published.In this study，three 10-meter global land cover products were utilized，including FROM-GLC，ESA，and ESRI.Their differences in the accuracy and spatial pattern of thematic elements of forest，grassland and shrubland were analyzed by the methods of area comparison，per-pixel spatial overlay，absolute accuracy evaluation based on sample points and so on.The results are as following：（1） The overall accuracy of FROM-GLC products is the highest（83.74%），followed by ESA products （68.30%），while the overall accuracy of ESRI products is the lowest（52.80%）.（2） The spatial consistency of the three products for the forest，grassland and shrubland is low，and the proportion of completely consistent area is 41.67%，which is mainly distributed in the eastern part of the study area；the distribution of completely inconsistent regions is scattered，and the land cover types in these regions are more complex with higher surface spatial heterogeneity.（3） The spatial consistency of the three products for forest type is high，and the discriminant difference between grassland and shrubland types is large.In general，the accuracy of grassland，shrubland and other vegetation types needs to be further improved.

Keywords：forest；grassland；shrubland；spatial consistency；accuracy evaluation；Northwest China

土地覆被信息及其動態變化在環境建模、水土流失等研究領域至關重要［1-2］。隨著遙感技術的快速發展，使得低成本、高效率獲取地表覆被信息成為可能［3-4］。目前已公開發布了多種類型的全球及區域土地覆被產品，如歐盟聯合研究中心1 km的GLC2000數據［5］、歐洲航天局300 m的GLOBCOVER數據［6］、中國國家基礎地理信息中心30 m的GlobeLand30數據［7］等。這些多源遙感土地覆被產品的出現為相關研究提供了數據保障［8-9］。但是，土地覆被產品制作機構建立的數據集開發規則存在差異，導致多源遙感產品本身或將其應用到相關研究時會帶來較大誤差［10-12］。已有學者對不同分辨率的土地覆被產品開展了分析研究［13-14］。然而，現有的評價分析研究主要以中-低分辨率（30～1000 m）產品為主［15-16］，這些較低分辨率土地覆被產品已經不能滿足全球環境、生態變化領域的研究需求。因此，亟需掌握目前已公開發布的覆蓋全球的高分辨率（10 m）土地覆被產品之間的一致性及準確度，以便為使用者和制作者提供參考。然而，目前尚無針對10 m分辨率土地覆被產品進行林草灌專題要素的評價分析研究。

綜上，為了及時掌握目前已公開發布的3種較高分辨率土地覆被產品間的一致性，本研究以中國西北地區為實驗區，從面積比較、空間疊加以及采用樣本的絕對精度評估，深入分析高分辨率土地覆被產品FROM-GLC、ESA和ESRI三者間的空間一致性和準確性，并探討其影響因素，以期為未來林草灌專題要素地表制圖質量的提高提供指導，亦可為區域生態治理、全球氣候變化、土地資源可持續分析等研究提供參考。

1研究區概況

研究區位于中國西北地區（97°—123°E，40°—50°N），包括新疆維吾爾自治區、甘肅省、青海省、寧夏回族自治區和陜西省（圖1）。中國西北地區東西跨度大，地理環境復雜，自然條件以及生態環境脆弱。該地區大部分屬中溫帶和暖溫帶大陸性氣候，局部屬高寒氣候，具有干旱缺水、荒漠分布廣泛等典型自然特征，該區域林草灌等植被類型的動態變化對中國及全球生態系統、環境變化以及區域經濟社會可持續發展具有重要影響。

2方法

2.1數據來源

本研究采用的3種土地覆被產品分別為清華大學的FROM-GLC［17］（http：//data.ess.tsinghua.edu.cn./）、歐洲航天局的ESA［18］（https：//zenodo.org/record/5571936）和美國環境系統研究所的ESRI［19］（https：//www.arcgis.com/index.html）（表1）。在數據評價分析前對原始數據需進行預處理，主要包括研究區裁剪和投影轉換。預處理后的空間格局分布狀況見圖2。

2.2空間疊加分析

為了直觀表達3種產品空間一致性分布特征，本研究基于ArcGIS 10.3軟件，將3種數據在空間上進行疊加，計算結果歸納為3種類型：（1）完全不一致，3種數據在對應像元表現出完全不同的類別；（2）基本一致，3種數據在對應像元表現出僅有2種相同的類別；（3）完全一致，3種數據在對應像元表現出完全相同的類別［20］。以林地為例的空間疊加示意圖如圖3所示。

2.3基于樣本點的精度評價

2.3.1誤差矩陣

誤差矩陣是土地覆被數據精度評價的常用方法之一［21-22］，它主要通過比較參考數據和待驗證數據在特定位置處的類別一致性，進而建立二者之間的誤差矩陣，并以此為基礎計算出待驗證數據精度的總體精度（OA）、生產者精度（PA）、用戶精度（UA）以及Kappa系數。

2.3.2 數量分歧和分配分歧

數量分歧指由于類別比例未達到最佳匹配而導致參考圖與對比圖之間的差異；分配分歧指由于類別空間分布未達到最佳匹配而導致參考圖與對比圖之間的差異。為了彌補誤差矩陣的不足，能夠更加充分、全面地了解幾種土地覆被數據分類的內部情況，本研究引入數量分歧和分配分歧指標［23］開展評價分析。

2.3.3驗證樣本

土地覆被數據精度評價中，樣本是必不可少且極其重要的一部分。然而，針對大尺度土地覆被數據，驗證樣本很難通過實地考察獲得，這需要強大的勞動力和足夠多的時間。通過參考已有研究［24］，本文用于精度驗證的樣本選取主要遵循以下原則：（1）樣本分布在土地覆被類型均一、周鄰一致性較好、代表性較強的位置；（2）樣本采集點在區域內均勻分布；（3）樣本選取采用多人獨立解譯方式。最終，基于公開發布的Geo-Wiki［25］全球驗證樣本、GLCVSS（Global Land Cover Validation Sample Set）［26］全球驗證樣本以及Google Earth高分影像目視解譯共同獲取了覆蓋研究區的940個驗證樣本用于精度驗證。

3結果

3.1面積比較分析

圖4為3種產品林地、草地和灌木面積構成的對比結果：3種產品林地類型的面積一致性較高，FROM-GLC、ESA和ESRI林地面積占比分別為6.79%、5.09%和4.66%；FROM-GLC和ESA草地面積一致性較高，而與ESRI面積一致性較低；3種產品灌木類型面積一致性較低，尤其是FROM-GLC和ESRI，灌木面積占比之差高達45.19%。

3.2空間一致性分析

圖5是基于空間疊加方法得到的3種產品林草灌空間一致性分布狀況：3種產品完全一致面積占比較低，為41.67%，主要分布在研究區的東部，這些區域地表覆被類型較單一，主要以林地為主；3種產品基本一致區域面積占比為48.81%，主要分布在研究區的中部和北部，究其原因，這些區域不同產品針對草地和灌木的混淆現象較嚴重；3種產品完全不一致區域面積占研究區總面積的9.52%，分布較零散，在研究區的東部分布較多，這些區域地表覆被類型較復雜，地表空間異質性較高，表明不同遙感土地覆被產品間的空間一致性尚有很大的提升空間。

3.3精度評價

表2是基于驗證樣本對3種產品進行精度評價的結果：FROM-GLC的OA和Kappa值最高，分別為83.74%和0.68；ESRI的OA和Kappa值最低，分別為52.80%和0.31。針對林地，FROM-GLC林地類型的PA和UA值最高，表明FROM-GLC林地類型的錯分和漏分現象較低。針對草地，ESA草地類型的UA值較低，表明ESA草地類型的錯分現象較嚴重；ESRI草地類型的PA值較低，表明ESA草地類型的漏分現象較嚴重。針對灌木，3種產品灌木類型的PA和UA值均較低，表明灌木類型的錯分和漏分現象均較嚴重，其準確度有待進一步提高。

圖6是基于數量分歧和分配分歧對3種產品進行精度評價的結果：整體上，在中國西北地區，3種土地覆被產品的數量分歧值大于分配分歧值。針對林地，ESA和ESRI數量分歧值較大，分別為19.61%和22.88%；針對草地，ESA數量分歧值較高，為25.98%；針對灌木，ESRI的數量分歧值較大，為37.60%。總體來說，數量分歧是導致3種產品精度差異的主要原因，數量分歧值越大，表明分類錯誤的像元數量越多。

4討論

FROM-GLC、ESA和ESRI利用10 m分辨率的Sentinel-1和Sentinel-2數據，以較高的空間分辨率表征地表覆被信息。然而，通過對3種產品展開一致性評價分析及精度評價發現，3種產品間林草灌類型的差異較大，導致這一現象的原因可能是不同土地覆被產品生產機構采用的數據集開發規則不同，這也導致了地圖之間的嚴格比較面臨巨大挑戰［27］。

全球尺度的土地覆被分類系統主要針對全球，考慮的是全球土地覆被信息的特征，這不可避免地影響局部地區的分析應用。本研究發現，FROM-GLC、ESA和ESRI對草地、灌木的判別差異較大（圖7），FROM-GLC和ESA中被判別為草地的區域在ESRI中被判別為灌木，而且占比面積較大，三種產品針對草地和灌木的自動識別差異明顯。分類系統中某些類型從屬定義的差異是造成3種產品空間一致性較低的因素之一。比如，FROM-GLC產品中灌木類型包括了植物葉片生長期的灌木叢和落葉期的灌木叢兩種類型；ESA產品中灌木包括覆蓋率為10%或10%以上的天然灌木，植物的主莖低于5 m，灌木葉可以是常綠的或落葉的；ESRI產品中灌木被定義為全年植被非常稀少或沒有植被的巖石或土壤區域，或沒有/很少有植被的大面積沙地和沙漠。Wang等［28］的研究結果同樣表明FROM-GLC、ESA和ESRI對草地、灌叢等植被類型的空間一致性較低。因此，針對植被類型，在制定分類系統時應明確給出統一的植被覆蓋度、樹高等要素值，以減少分類系統引起的不確定性。

不同土地覆被產品制作機構采用的方法和策略不同，也將對3種產品間的比較分析帶來影響。FROM-GLC、ESA和ESRI產品雖均以Sentinel-1和Sentinel-2為數據源，但3種產品針對灌木的提取精度較低，導致這一現象的原因之一是植被類型具有很強的季節性且變化較快，使得遙感技術較難準確區分。因此，在土地覆被制圖時除了輸入常用的特征（如高程）外，還應該引入其他時間序列特征（如一年內植被健康測量數據）［29］來輔助區分草地、灌木等植被類型，以提高總體分類精度。

驗證樣本的數量和質量也會對評價結果帶來影響。驗證樣本的收集是一項集體工作，需要付出重大努力才能獲取最新的樣本集。本研究參考的Geo-Wiki和GLCVSS兩個第三方驗證樣本的數量有限，未來研究可基于Foody［30］的方法來研究這個問題，以便適用于多種地圖數據的評估，即增加驗證樣本的適用性；另外，為了保持驗證樣本的實用性，應該認識到樣本集更新的重要性［31］。本研究基于遙感影像目視判讀采集的驗證樣本，可能產生5%～10%的解譯錯誤［25］，這也將影響評價結果。

地表覆被類型的復雜性、數據生產方法等都會影響各產品間的一致性和精度，為了滿足未來數據集建設的需要，提出幾點建議：（1）未來土地覆被制圖應以地表空間異質性較高的區域為重點，進一步提高總體分類精度。（2）土地覆被生產者應公開發布詳細的數據制作過程以及數據集特征，以便數據使用者根據時間分布特征和研究需求在本地對原始數據集進行優化。（3）SAR遙感影像對植被中的底層水很敏感，當地面被水覆蓋時，SAR后向散射信號會顯著增加［32］，因此，將SAR數據引入土地覆被制圖將提高總體分類精度。

5結論

為了給土地覆被使用者選擇合適的土地覆被產品提供參考，本文分析了FROM-GLC、ESA和ESRI共3種數據在中國西北地區林草灌專題要素的一致性和精度，發現FROM-GLC產品的總體精度最高；3種產品林草灌完全一致區域面積占比為41.67%，主要分布在地表異質性較低，覆被類型較單一的區域。3種數據針對林草灌類型在中國西北地區的制圖精度并不理想，未來針對林草灌等植被類型的精度需要進一步提高。本文分析的3種數據各類型精細程度較低，采用的驗證樣本也較單一，后續將進一步分析更高空間分辨率和更細化的土地覆被產品，并采用多種驗證樣本，以便更好地指導土地覆被制圖者，提高土地覆被制圖的精度。

參考文獻：

［1］HOLMBERG M，AALTO T，AKUJRVIA，et al.Ecosystem services related to carbon cycling-modeling present and future impacts in boreal forests［J］.Frontiers in Plant Science，2019，10：343.

［2］TOLESSA T，SENBETA F，KIDANE M.The impact of land use/land cover change on ecosystem services in the central highlands of Ethiopia［J］.Ecosystem Services，2017，23：47-54.

［3］陳航，王穎，張昕，等.秦嶺南坡子午河中下游流域土地利用/土地覆被信息提取及其應用［J］.生態學報，2022，42（22）：9239-9249.

［4］KANG J，SUI L，YANG X，et al.Sea surface-visible aquaculture spatial-temporal distribution remote sensing：a case study in Liaoning province，China from 2000 to 2018［J］.Sustainability，2019，11（24）：7186.

［5］BARTHOLOME E，BELWARD A S.GLC2000：a new approach to global land cover mapping from earth observation data［J］.International Journal of Remote Sensing，2005，26：1959-1977.

［6］DEFOURNY P，SCHOUTEN L，BARTALEV S，et al.Accuracy assessment of a 300 m global land cover map：the GlobCover experience［J］.New Library World，2009，112（5-6）：236- 247.

［7］CHEN J，CHEN J，LIAO A，et al.Global land cover mapping at 30 m resolution：a POK-based operational approach［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2015，103：7-27.

［8］SUI L，KANG J，YANG X，et al.Inconsistency distribution patterns of different remote sensing land-cover data from the perspective of ecological zoning［J］.Open Geosciences，2020，12：324-341.

［9］WANG J，SUI L，YANG X，et al.Economic globalization impacts on the ecological environment of inland developing countries：a case study of Laos from the perspective of the land use/cover change［J］.Sustainability，2019，11：3940.

［10］PREZ-HOYOSA，GARCA-HARO F J，SAN-MIGUEL-AYANZ J.A methodology to generate a synergetic land-cover map by fusion of different land-cover products［J］.International Journal of Applied Earth Observation and Geoinformation，2012，19：72-87.

［11］TSENDBAZAR N，DE BRUIN S，HEROLDM.Assessing global land cover reference datasets for different user communities［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2015，103：93-114.

［12］HUA T，ZHAO W，LIU Y，et al.Spatial consistency assessments for global land-cover datasets：a comparison among GLC2000，CCI LC，MCD12，GLOBCOVER and GLCNMO［J］.Remote Sensing，2018，10：1846.

［13］吳宗洋，蔡卓雅，郭英，等.黃河流域多源遙感土地覆被數據精度評價與一致性分析［J］.中國生態農業學報（中英文），2023，31（6）：917-927.

［14］仝冉，楊雅萍，陳曉娜.多源30 m分辨率土地覆被數據在蒙古高原的一致性分析和精度評價［J］.地球信息科學學報，2022，24（12）：2420-2434.

［15］LIANG D，ZUO Y，HUANG L，et al.Evaluation of the consistency of MODIS Land Cover Product （MCD12Q1） based on Chinese 30 m GlobeLand30 datasets：a case study in Anhui province，China［J］.ISPRS International Journal of Geo-Information，2015，4（4）：2519-2519.

［16］KANG J，SUI L，YANG X，et al.Spatial pattern consistency among different remote-sensing land cover datasets：a case study in Northern Laos［J］.ISPRS International Journal of Geo-Information，2019，8（5）：201.

［17］GONG P，LIU H，ZHANG M，et al.Stable classification with limited sample：transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in 2017［J］.Science Bulletin，2019，64：370-373.

［18］DUARTE D，FONTE C，COSTA H，et al.Thematic comparison between ESA WorldCover 2020 land cover product and a national land use land cover map［J］.Land，2023，12（2）：490.

［19］KARRA K，KONTGIS C，STATMAN-WEILZ，et al.Global land use/land cover with Sentinel 2 and deep learning［R］.In Proceedings of the 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS，2021.

［20］KANG J，WANG Z，SUIL，et al.Consistency analysis of remote sensing land cover products in the tropical rainforest climate region：a case study of Indonesia［J］.Remote Sensing 2020，12（9）：1410.

［21］宋宏利，張曉楠.國家尺度異源土地覆被遙感產品精度評價［J］.國土資源遙感，2018，30（3）：26-32.

［22］戴昭鑫，胡云鋒，張千力.多源衛星遙感土地覆被產品在南美洲的一致性分析［J］.遙感信息，2017，32（2）：137-148.

［23］季建萬，沙晉明，金彪，等.基于WorldView-2影像的土地利用信息提取方法對比及評價［J］.計算機系統應用，2018，27 （3）：36-43.

［24］陳逸聰，邵華，李楊.多源土地覆被產品在長三角地區的一致性分析與精度評價［J］.農業工程學報，2021，37（6）：142-150.

［25］FRITZ S，SEE L，PERGERC，et al.A global dataset of crowdsourced land cover and land use reference data［J］.Scientific Data，2017，4：170075.

［26］ZHAO Y，GONG P，YU L，et al.Towards a common validation sample set for global land-cover mapping［J］.International Journal of Remote Sensing，2014，35：4795-4814.

［27］GAO Y，LIU L，ZHANG X，et al.Consistency analysis and accuracy assessment of three global 30-m land-cover products over the European Union using the Lucas dataset［J］.Remote Sensing，2020，12：3479.

［28］WANG J，YANG X，WANG Z，et al.Consistency analysis and accuracy assessment of three global ten-meter land cover products in rocky desertification region：a case study of Southwest China［J］.ISPRS International Journal of Geo-Information，2022，11（3）：202.

［29］PHAN T N，KUCH V，LEHNERT L W.Land cover classification using Google Earth engine and random forest classifier：the role of image composition［J］.Remote Sensing，2020，12：2411.

［30］FOODY G M.Assessing the accuracy of land cover change with imperfect ground reference data［J］.Remote Sensing of Environment，2010，114：2271-2285.

［31］李佳琦，李家國，朱利，等.太原市黑臭水體遙感識別與地面驗證［J］.遙感學報，2019，23（4）：773-784.

［32］張文璇，王卷樂.基于SAR影像后向散射特性的中俄黑龍江流域洪水監測［J］.地球信息科學學報，2022，24（4）：802-813.