全球尺度多源土地覆被数据融合与评价研究.pdf

2019.1 地 理 GEOGRAPHY 【理论与方法】 全球尺度多源土地覆被数据 融合与评价研究 白 燕 冯 敏 【摘 要】精确的全球及区域尺度土地覆被遥感分类数据是全球变化、陆地表层过程模拟、生态文明建 设及区域可持续发展等研究的重要基础数据。本文以5套全球土地覆被数据集GLCC、UMD、GLC2000、MO⁃ DISLC、GlobCover为研究对象，结合MODISVCF、MODISCroplandProbability以及AVHRRCFTC数据集，设计 一种基于模糊逻辑思想的证据融合方法实现上述多源土地覆被信息的决策融合，生成一套依据植物功能型分 类的全球lkm土地覆被融合数据SYNLCover。结果显示，与5套源土地覆被数据集相比：①在总体一致性精度 上，SYNLCover的8个生物形态类型和12个目标类型的平均总体一致性精度最高，分别约为65.6%和59.4%，其 次依次是MODISLC、GLC2000、GLCC和GlobCover，UMD的最低，分别约为48.9%和42.6%，而且SYNLCover与 5套源土地覆被数据集两两相比的总体一致性都是最好的；②在类型一致性精度上，除灌丛类型外，SYNLCov⁃ er中包括森林、草地、耕地、湿地、水体、城镇建筑和其他7种生物形态类型，以及森林类型的5种叶属性的平均 一致性精度也是最高的，如其他类型的平均一致性精度可达67.73%；③除灌丛和湿地类型外，SYNLCover的其 余6种生物形态类型的平均一致性精度均比其在5套源数据中相应的一致性精度的最大值提高了10%-15% 左右；森林类型的5种叶属性的一致性精度也提高了约10%。SYNLCover分类精度的提高反映了本研究设计 的多源数据融合方法的可行性和有效性。 【关 键 词】土地覆被；模糊逻辑；相关性分值；数据融合；一致性精度评价；多源信息 【作者简介】白燕(1985- )，女，山西偏关人，博士，工程师，主要从事生态遥感和数据质量评价研究，E- mail：baiy@，中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室（北京 100101），江苏省地理信息资源开发与利用协同创新中心（南京 210023）；冯敏，马里兰大学地理科学系（美国 马里兰 20742）。 【原文出处】《地理学报》（京）,2018.11.2223～2235 【基金项目】科技基础资源调查专项课题(2017FY100900)；资源与环境信息系统国家重点实验室青年人才 培养基金项目(Y6V60220YZ)；国家科技基础条件平台项目—国家地球系统科学数据共享服务平台(2005DKA 32300)。 [2-5] [6] [7] 1 引言 水循环模拟 、气候变化 、土壤侵蚀 、生物多样 [8] [9] 性 、人地关系及区域可持续发展 等研究提供了基 土地覆被空间分布及其变化反映了人类社会经 础的输入数据源。国际社会十分重视全球地表覆被 济活动过程，被视为全球陆地生态系统变化最为重 及其变化研究，自20世纪90年代起，世界各国许多 [1] 要的影响因素之一 。大尺度土地覆被分类制图工 组织(如美国地质调查局、欧空局、中国国家测绘地 作尤为重要，它为全球陆地表层过程与生态系统碳 理信息局等)相继运用不同的遥感影像和分类技术，