2015年河南省土地覆被栅格数据 中华文库

摘要：利用86景Landsat 8卫星OLI云量小于10％的卫星影像，以及高时间分辨率的高分一号WFV宽视角多光谱相机、无人机影像、Google Earth影像为基础数据，根据河南省的地势地貌和土地覆被特征，选取4个覆盖研究区所有土地覆被类型的样方进行全面野外调查，并获得1518个样点，参考样点和样区的土地覆被特征用ArcMap 10.3软件目视解译样区（到二级类型）。采用专家论证法评价和修正样区解译结果。在样区解译工作的基础上，再次野外调查并解译河南省剩余区域土地覆被类型，最终获取野外样点共4883个。最后采用全球随机正六边形网格（12级）的方法选取1895个地面验证点评价解译精度，结果显示河南省土地覆被解译二级类型总体精度为91.19％，Kappa系数为0.886。

关键词：河南省；土地覆被；Landsat 8；目视解译；2015年

Abstract: This study draws sources from 86-scene Landsat 8 OLI satellite images with cloud volume less than 10％, high-temporal resolution GF-1 WFV wide-viewing angle multispectral camera, UAV (unmanned aerial vehicle) images, and Google Earth images. According to the the topographical and land cover features of Henan Province, four sample regions with a full range of land cover types were selected for conducting a comprehensive field survey, through which we obtained 1518 samples. Then ArcMap 10.3 was used to visually interpret the sample area (to the secondary type) based on the characteristics of sample points and land cover features. Experts were asked to evaluate and correct the interpretation results. On the basis of the interpretation of sample area, another field survey was conducted in the remaining land of Henan Province, and a total of 4,883 field samples were obtained at last. Finally, 1,895 ground verification points were selected through the global random regular hexagon grid (12 levels) method to evaluate the interpretation accuracy. The results showed that the overall interpretation accuracy of the land cover in Henan Province was 91.19％, and the Kappa coefficient was 0.886.

Keywords: Henan Province; land cover; Landsat 8; visual interpretation; 2015

土地利用/覆盖变化是全球环境变化研究的前沿和热点问题^[1][2][3]。土地覆被空间分布及其变化反映了人类社会经济活动过程，被视为全球陆地生态系统变化最重要的影响因素之一^[4]。它是生态系统水循环^[5][6]、气候变化^[7]、土壤侵蚀^[8]、生物多样性^[9]、人地关系以及区域可持续^[10]等研究的基础数据，其质量好坏直接影响研究成果。随着土地利用/覆被变化研究的深入，致使政府、基层组织和居民对生态环境变化的响应成为研究热点。2010年，覆盖全球的30米分辨率的陆地卫星图被免费应用，全球尺度100米分辨率的陆地覆盖地图得以实现^[11]。由国家地理信息中心联合北京师范大学、清华大学、中科院遥感所等18家单位，研制出世界首套两期（2000、2010年）30米全球地表覆盖数据产品GlobeLand30，分类级别为一级，分类精度总体为83.5%^[12]。宫鹏团队利用Landsat 8完成了2010、2015、2017年全球30米土地覆被数据FROM-GLC30，2017年数据分类级别为一级，总体精度为70.2%^[13]。2019年宫鹏团队利用Google Earth Engine 基于Sentinel-2影像完成了首套全球10米2017年土地覆被数据FROM-GLC10，分类级别为一级，总体精度为72.76%^[14]。全球尺度上较早的5套土地覆被数据集（GLCC、UMD、GLC2000、MODIS LC、GlobCover）一致性评价精度最高的MODIS LC的精度为65.6％^[15]。此外还有由国际地地圈–生物圈计划的全球1千米土地覆被数据数据ISLSCP II IGBP DISCover and SiB Land Cover, 1992–1993^[16]。在国家尺度上，中科院基于中国HJ-A/B环境一号卫星影像生产出2010年全国土地覆被数据（ChinaCover），一级类总体精度为91%，二级类总体精度为82%。美国地质调查局USGS生产的30米国家土地覆盖数据库（NLCD），跨越1992、2001、2007、2011年4个时期^[17]。2010年河南省区域土地覆被数据GlobeLand30一级类总体精度为83.33%^[18]。此外还有一些商业土地覆被数据产品，如地理国情监测云平台有全国长时间序列的土地覆被数据，该数据是基于Landsat TM/ETM/OLI遥感影像生产，数据分级到二级类，但是数据收费，获取代价较大。

随着大数据、超算技术的发展，机器学习、深度学习等遥感数据处理方法的涌现，不同时间和空间尺度的土地覆被数据越来越多。这些数据的分类和精度评价多数到一级地类，少数到二级地类的数据限于某个年份，且精度不是很高。精确的土地覆被数据在提高碳循环、水文循环、气候变化监测、土壤退化等多种科学研究的准确性方面起着至关重要的作用^[19][20][21]。本条数据通过建立大量的野外采样点数据、建立解译样区等方法，充分了解研究区地类的光谱特征、纹理特征、形状特征、空间分布、NDVI特征等，建立研究区的解译标志库，最终完成研究区二级分类体系下的土地覆被解译。本数据虽然在空间分辨率上略低，但是在分类精细，且具有较高的精度，可为河南省的生态文明建设、粮食生产核心区建设、区域模拟和可持续发展等提供科学数据支撑，同时为河南省后期的土地覆被解译提供参考依据。

1.1 区域范围

河南省位于31°23'N–36°22'N，110°21'E–116°39'E之间，地处淮河、黄河、长江、海河流域，东连山东、安徽，西邻陕西，北与河北、山西相接，南临湖北，总面积16.7万平方千米。河南省地势西高东低，北、西、南三面由太行山、伏牛山、桐柏山、大别山沿省界呈半环形分布；中、东部为黄淮海冲积平原；西南部为南阳盆地。平原和盆地、山地、丘陵分别占总面积的55.7％、26.6％、17.7％。灵宝市境内的老鸦岔为全省最高峰，海拔2413.8米；海拔最低处在固始县淮河出省处，仅23.2米。河南省大部分地处暖温带，南部跨亚热带，属北亚热带向暖温带过渡的大陆性季风气候，同时还具有自东向西由平原向丘陵山地气候过渡的特征，具有四季分明、雨热同期、复杂多样和气象灾害频繁的特点。

1.2 数据源

以2015的Landsat 8 OLI 光谱数据为主，数据来源于从美国地质调查局（United States Geological Survey，USGS）网站（http://glovis.usgs.gov/），根据河南省所覆盖的行列号下载区内春、夏、秋、冬4个时相纹理特征明显，云量＜10％的影像数据，共86景；对于较难识别的地物将图斑勾勒出后，叠加到Google Earth影像辅助识别；国家地球系统科学数据共享平台-黄河下游科学数据中心的“黄河下游典型地区无人机遥感影像数据集（2015年）”，辅助黄河下游地区的解译工作；河南省西部山区、南部水田分布广泛的地区的高分一号卫星各1景，辅助判别图斑属性。Landsat 8 OLI影像数据空间分布如图1所示。

图1 河南省影像数据空间分布图

1.3 数据处理

本条数据集由目视判读、人工手绘的方式完成解译。首先根据研究区地理环境、地势地貌等特征，建立解译样区，并对样区内土地覆被类型进行实地考察，建立野外考察矢量数据库。根据野外样点不同类型的土地覆被特征对样区进行解译，邀请遥感解译方向专家审阅样区解译结果，指导修正易混淆类型、不易判读的地类。样区解译完成之后，野外实地考察剩余区域并建立完整的研究区的样点数据库，根据样区以及野外考察样点数据库建立解译标志库。然后对整个区域目视解译勾绘，同时建立属性数据库，形成初步的矢量解译成果。初步解译完成后，检查结果的拓扑错误，最后进行精度评价并生成栅格数据。耕地、林地、草地水体的勾绘以夏季影像为主，由于建设用地、道路在夏季影像上可能会被旁边的树覆盖，尤其是西部山区，所以此类地物的勾绘以冬季影像为主。而落叶林、常绿林则同时依靠夏冬两个季节的影像来区分，采用的波段组合主要是5、4、3假彩色和4、3、2真彩色。夏季影像质量不好或者有云的地方，采用质量较好的春季、秋季的影像替代。在4季影像均有云的部分区域，同时采用2014和2016年的影像判读，如果两年地类、区域均未发生变化，则直接勾绘，个别地类或者斑块大小发生了变化，则参考Google Earth影像或者实地走访调查的方式判定。解译详细步骤如下：

（1）样区选取：根据河南省的地形地貌选取了山区、平原以及山区平原过渡带建立了4个样区，如图2所示，共3.4万平方千米，涉及濮阳、三门峡、南阳、信阳4个城市，面积分别为0.7、0.4、1.5、0.8万平方千米。

图2 样区位置图

（2）样区野外考察：采用车载GPS、手持GPS、ArcMap、Landsat影像图、大疆无人机精灵4考察样区所包含的所有土地覆被类型，并进行拍照和电子标记。人和车无法到达的地区借助于无人机拍摄。最后整理成完整的样区样点数据库，共1518个样点，详细信息如表1所示。

表1 样区各类型样点数量（单位：个）

（3）解译人员培训：目视解译是地学研究和遥感应用的一项基本技能。本次解译人员全部为地图学与地理信息系统专业硕、博士。在解译之前，请遥感学教授培训所有工作人员地表景观–成像过程–遥感影像的过程及其逆过程遥感影像–目视解译–地表景观；培训省内涉及到的二级分类下的地类在某种或不同波段组合下的色调、颜色、大小、阴影、纹理、图型、位置、相关布局以及所在地貌、土壤等特征；培训解译图斑的勾绘、节点的疏密，保证不同工作人员生产数据的一致性。

（4）样区解译：根据野外采样点以及遥感影像的光谱信息、纹理、形态、空间分布、NDVI等信息，分别用影像的4、3、2波段和6、5、4波段组合，结合不同时相的影像判别每个地类斑块儿属性，含糊不清的地类斑块通过ArcMap的Layer to KML工具将地类斑块变为KML图层叠加至Google Earth影像上辅助判别。样区解译过程中，反复展示和研讨各个分区已形成的解译成果，及时发现、修正和克服图斑勾绘、属性判别以及解译人员解译过程中记录的重点难点问题，最终得到研究区的样区解译成果。

（5）样区修正：邀请遥感解译专家审阅、考核样区解译结果，着重指导并修正易判别错误的地类。重点训练存在解译问题的相关解译人员。

（6）研究区野外考察：在样区解译的基础上野外考察采样河南省剩余区域。共获取4883个样点，野外样点空间分布图如图3，详细信息如表2。

图3 野外考察样点空间分布图

表2 研究区各类型样点数量（单位：个）

（7）建立解译标志库：根据野外考察样点和样区解译结果，对研究区内所涉及到的地类归纳总结，建立解译标志库，描述每种地类的空间分布、所在生态区、影像形态、色调、纹理以及多时期影像示意信息、所对应的Google Map点位、NDVI信息等。

（8）研究区划分：由于人工手绘解译方法工作量大，解译前依据解译人员对解译区熟悉、地形地貌尽量统一、单景遥感图像完整性、界限两侧地物容易识别（如河流、水库等）的原则将样区进行了划分。具体划分成果如图4所示。

图4 研究区任务分割图

（9）判读解译：根据已有知识，参考所建立的解译标志库完成研究区影像解译勾绘工作。解译中间出现的问题，多次进行研讨和训练。使用高分一号影像、Google Earth影像、无人机影像辅助解译。对于不能确定类型的复杂地区可将勾画的图斑叠加到对应位置高分影像（分辨率2米）上辅助判别，如图5所示；对应地区没有高分影像的或者借助高分影像仍无法判别的，将勾画的图斑转成KML文件添加到Google Earth影像（分辨率为0.49米），并将Google Earth影像时间调至2015年，或者下载2015年相应位置的Google Earth影像添加到ArcMap中与勾画出的图斑叠合，如图6所示；Google Earth影像仍无法判别的借助于无人机影像或者实地调查的方式辅助判别，如图7所示。

图5 高分影像辅助解译示例

图6 谷歌影像辅助解译示例

图7 无人机影像辅助解译示例

（10）接边：每块区域边界向外做1000米的缓冲区，以保证边界两侧同时被解译。边界接边工作由相邻两组解译人员共同完成。

（11）拓扑错误纠正：利用ArcMap Toolbox中的Topology工具检查拓扑错误，拓扑规则有“Must Not Overlap”“Must Not Have Gaps”，检查并修正属性数据完整性。

（12）精度评价：基于混淆矩阵和Kappa系数的方法，对研究区的解译结果进行精度评价。采用全球随机正六边形格网的方法随机选取验证样点和野外验证点在研究区共选取了1895个验证点以验证结果。

（13）栅格数据生成：此种方法得到的原始数据是Shapfile矢量数据，由于判读影像的分辨率为30米，所以结果可以转换成≥30米任何大小的栅格，本文分别选择了50米和100米的栅格作为产品发布。利用ArcMap中Tool box的To Raster模块下的Polygon to Raster功能，按照地理代码/地类名称的属性，分别设置Cellsize大小为100和50，将解译结果转换成分辨率为100米和50米的栅格数据。

2.1 分类描述

此次分类按照国家科学基础条件平台–地球系统科学数据共享平台的《2015年全国1∶10万土地覆被遥感解译技术规范》^[22]中的分类体系，分为林地、草地、耕地、建设用地、湿地、水体以及其他地类7种一级土地覆被类型，28种二级土地覆被类型（表3）。

表3 土地覆被分类体系

2.2 数据样本

河南省的土地覆被解译完全依靠人工完成，充分考虑了光谱、时间、空间、邻接地类等各种特征进行判别，且建立了完整的研究区解译标志库，野外调研了大量的样点，解译过程中经历了多次检查、问题反馈、数据修正。经验证，解译结果准确可靠（图8）。

在数据处理的各个环节控制数据产品质量，以确保数据精度。主要采取的措施有：样区的选取覆盖全省所有类型；明确每种地类的直接解译标志和间接解译标志；确定图斑大小并保证不同工作人员勾绘的图斑疏密程度相同；确保地物判别无差异；勾绘过程中对不明确的类型对照Google Earth影像，参照Google Earth影像仍无法判别的地物汇总之后进行野外实地调研或者邀请专家以会议研讨的形式确定；根据解译人员对研究区的熟悉程度、地貌特征、单景遥感图像完整性、容易判别地物作为边界等原则划分研究区；样区解译过程中对已形成的解译成果反复研讨，及时发现和解决问题，充分训练解译人员的工作能力；对每块区域边界多解译1000米缓冲区，保证接边工作顺利进行；过程以及解译完成之后反复交叉检查等。

采用野外调查验证点与全球随机正六边形网格的方法对解译结果进行验证。利用DGGRID Version 6.2b软件生成第12级的全球随机正六边形网格，在ArcMap中用Clip工具裁剪出河南的正六边形格网。根据Kevin Sahr的正六边形生成软件说明书可知每个格网的面积约95.97785平方千米。河南省的格网（包含不完整的格网）一共有1895个，其中正六边形格网内有野外验证点的以其为验证点，野外验证点共217个，格网内没有野外验证点的以格网中心点为验证点。河南省的验证点随机分布在全省。邀请3位遥感专业教授、副教授（非解译工作人员）对照Google Earth解译非野外验证点，对有出入的点的地类进行实地调研，确保每个点位的地类准确无误。然后由工作人员对所生产的数据进行一致性检验计算。1895个验证点在研究区各个空间位置如图9。对研究区的土地覆被二级地类精度验证结果如表4所示。

图9 精度验证样点空间分布图

本次验证样点共1895个，其中常绿针叶林56个、常绿阔叶林4个、落叶阔叶林293个、针阔混交林69个、灌丛19个、草丛23个、草甸3个、灌丛草地38个、水田117个、旱地806个、园地63个、城镇建设用地84个、农村居民点195个、交通用地16个、工矿用地34个、河流36个、水库/坑塘24个、河湖滩地8个、裸岩3个、裸地4个。验证结果如表4所示。

表4 2015年河南省土地覆被解译精度验证表（单位：个）

注：总体分类精度=91.19％，Kappa系数=0.886

在表4中，精度是指所解译的某一土地覆被类型的正确数量与该类全部验证样点个数的比值；总体分类精度是指验证样点中，正确的分类数量与全部验证样点数量的比值；Kappa系数也是精度验证的一种方式，描述的是土地覆被解译的一致性，其值越接近1，精度越高。基于表4，建立混淆矩阵，计算数据的总体精度和Kappa系数，计算公式如下：

\(\mathrm{k}=\frac{{p}_{0-}{p}_{e}}{1-{p}_{e}}\) (1)

其中\({p}_{0}\)为实际一致率，即总体精度，是分类正确的总数与样点总数的比值；\({p}_{e}\)为理论一致性，计算公式如下：

\({p}_{e}\) =\(\mathrm{ }\frac{1}{{n}^{2}}\sum _{k=1}^{N}\left(\sum _{i=1}^{N}{a}_{ki}*\sum _{i=1}^{N}{a}_{ik}\right)\) (2)

其中n为验证点数，i、k分别混淆矩阵行列数，N为分类总数。

河南省土地覆被解译数据二级分类总体分类精度为91.19％，Kappa系数为0.886。

为了验证数据的可信度，本文分别用中国科学院资源环境数据中心的空间分辨率为1千米的植被类型图和宫鹏团队10米空间分辨率的Sentinel-2数据生产的2017年土地覆被数据（全球整体精度为72.76%）与本数据进行对比。

（a）

（b）

（c）

图10 本数据（a）、植被类型图（b）、10米分辨率的土地覆被图（c）对比图

由于植被类型图种类繁多，先将其按照本数据的分类体系进行梳理，然后进行对比。由于两幅图的空间、时间尺度差异较大，且梳理后的分类体系也不完全相同，所以本文只做简单的空间分布对比。图10中a、b图可知，常绿针叶林、落叶阔叶林、针阔混交林以及常绿阔叶林（河南省主要是竹林）在空间分布上整体一致，分布在河南省的西部以及南部。由于两图的性质不同，本数据中的旱地、水田在植被类型图上显示为草丛，而建设用地在植被类型图上并未体现。逐一对比各类相同类型发现本数据比植被类型图多一些破碎斑块，这主要是由空间尺度差异引起的，但是其整体空间分布具有很好的一致性。

2017年10米的土地覆被数据的分类体系包含耕地、林地、草地、灌丛、湿地、水体、苔地、不透水面、裸地、冰川10类一级地类。在河南省没有冰川，只有9类，如图10c所示。将本文中的数据合并至对比数据的一级分类体系，其中灌丛草地类转为灌丛，然后将数据转换成10米的栅格，对两条数据进行一致性评价。尽管目标数据本身的精度、数据源时间、空间分辨率的差异以及分类体系（灌丛草地划分为灌丛导致的误差）等因素会导致分类结果存在一定的误差，但是两个数据的一致性为76.88%（一致栅格数为1274914106，总栅格数为1658338437），从而验证了本数据的可靠性。

本数据集可用于河南省生态系统服务评估、生态环境指数计算、生态系统固碳模拟、土地覆被格局及其水文资源效应研究。本数据集生产耗费大量的人力、物力、财力，具有足够多的野外实测样点，经过多次专家审阅和论证，反复修改纠正，具有较高的精度，可用于检验和评价2015年相同区域的其他数据分类精度。本数据集可作为后期土地覆被数据更新的本底数据。本数据集中的野外样点和野外验证数据可作为其他数据集的样本库。数据空间分辨率分别为50米和100米，适用于中级及以上尺度的研究。

李宁, 朱筠, 秦奋. 2015年河南省土地覆被栅格数据[DB/OL]. Science Data Bank, 2018. (2019-06-13). DOI: 10.11922/sciencedb.716.