1988~2014年赣州地区地表覆盖分类数据集

专家:

同评专家一、二:

1. 英文摘要的格式请两端对齐。

2. 数据集基本信息表格中,建议将数据集的英文名补充完整

3. 数据集访问地址中,没有查到分类(6大类)的图例说明,最好能够补充完整。

4. 表1中的时间,请按“2014-10-08”的格式修改。

5. 1990年、1995年、2000年、2004年、2009年和2014年这6期并非都间隔5年,建议不要在描述中省去“约”字。

6. 建议将图2中各小图的顺序按照时间由前往后排。

7. 建议将表3中的英文翻译为中文,并在文中说明表中的相关符号。

8. 参考文献的引文格式请参考如下示例修改:[1] 汪于潇, 刘义, 柴跃廷, 等. 互联网药品可信交易环境中主体资质审核备案模式[J]. 清华大学学报(自然科学版), 2012, 52(11): 1518~1523. [2] FENG Lian, HU Chuan-min, CHEN Xiao-ling, et al. Assessment of inundation changes of Poyang Lake using MODIS observationsbetween 2000 and 2010[J]. Remote Sensing of Environment, 2012, 121: 80~92. [3] 中国科学院科学数据库中心. 科学数据库与信息技术论文集[M]. 北京: 中国科学技术出版社, 1994: 91~99.

同行评议三:

1、P1 L8 社会经济发展深入 -> 区域经济快速发展

2、P1 L10 制作 -> 制作了 分类结果,数据具有代表性 -> 分类数据,这些数据具有区域代表性

3、P2 L3 具有区域的典型代表性(见图1),属于典型的南方丘陵山地生态系统,是特殊的生态脆弱区。 -> 属于典型的南方丘陵山地生态系统,是特殊的生态脆弱区,因此具有区域的典型代表性(见图1)。

4、P2 L4 暴雨多降 -> 多降暴雨

5、P2 L13 本文以的 -> 本文以

6、P2 L14 研究数据 -> 源数据

7、P2 L3 数据集的命名遵循如下命名规则 ->数据集文件的命名遵循如下规则

8、数据是否进行了实地验证?

9、该数据集是否有相关研究成果发表或者地方实际应用案例?

同行评议四:

1. 引言中介绍“对赣州地区进行精细地表信息覆盖制图”,若为精细分类,应至少到二级分类。本研究中的分类 只有6类,且只到一级。请斟酌。

2. 第2.1节中“数据获取详细时间”部分,遥感影像的成像季节直接影响专题内容的解译质量。可考虑基于多时 相的影像数据进行解译。

3. 第4章数据质量控制,只是对2014年的影像在谷歌高分影像的对比下做了精度验证,其他年份的数据也应该用 同时相的影像来验证。应在此处具体说明原因。

4. 图3应为Classification。

【2016-04-22】 评论来自:版本 1
作者:

回复同评专家一、二:

1. 英文摘要的格式请两端对齐。 答:英文摘要的格式已经在文中修改为“两端对齐”。

2. 数据集基本信息表格中,建议将数据集的英文名补充完整。 答:数据集的英文名称已在文中将“Land Cover_GZ”补充完整为“land cover data set for Ganzhou region (1988-2014)”。

3. 数据集访问地址中,没有查到分类(6大类)的图例说明,最好能够补充完整。 答:已在数据集的访问地址摘要中增加分类(6大类)的图例说明。增加部分如下: 本数据集将地表覆盖地物类型分为6大类,分别为:森林、灌草、耕地、裸地、水体以及人造地表。各类地表覆盖地物的定义说明如下: 森林:乔木生长之地,且树冠盖度达到30%以上的,具体包括常绿阔叶林,常绿针叶林,针阔混交林,且树冠盖度较好的稀疏植被。其在数据集中的RGB颜色代码为“33,119,0”。 灌草:灌草覆盖度高于30%的非林地、非农用长绿色植物之地,包括常绿灌木林,草本沼泽,草丛,弃耕多年灌草快速生长区域。其在数据集中的RGB颜色代码为“156,236,7”。 耕地:农用耕作之地,包括水田、旱地和经济作物园林等。其在数据集中的RGB颜色代码为“255,225,187”。 裸地:植被覆盖稀少,裸露之地,包括裸岩、河滩沙地,盐碱地,山地丘陵植被完全破坏区域,盘地无植被区域等。其在数据集中的RGB颜色代码为“137,119,136”。 水体:包括所有地表水系,如江河、湖泊、水库、水库和水系养殖场等。其在数据集中的RGB颜色代码为“2,115,249”。 人造地表:由人类活动在自然地表所铸造的人工不透水层,包括城镇乡村居民地,交通用地、居住地和工业用地等。其在数据集中的RGB颜色代码为“252,7,3”。

4. 表1中的时间,请按“2014-10-08”的格式修改。 答:已在文中将时间格式为“2014/10/08”修改成“2014-10-08”。

5. 1990年、1995年、2000年、2004年、2009年和2014年这6期并非都间隔5年,建议不要在描述中省去“约”字。 答:已在文中两处加上“约”字。(1)、如在文中的“数据集基本信息简介”下的“数据集组成”中“以每隔5年”已修改为“以约每隔5年”;(2)、如在文中“1 引言”的第二自然段的“每隔5年为时间间隔”已修改为“约每隔5年为时间间隔”。

6. 建议将图2中各小图的顺序按照时间由前往后排。 答:已在文中将图2中的时间顺序为“2014,2009,2004,2000,1995,1990”,修改成“1990,1995,2000,2004,2009,2014” 由前往后排的时间顺序。

7. 建议将表3中的英文翻译为中文,并在文中说明表中的相关符号。 答:已将文中表3含有英文的表格翻译为中文,并在文中增加“制图精度、用户精度、总体分类精度与Kappa系数”的相关说明。制图精度、用户精度、总体分类精度与Kappa系数的相关说明如下: 制图精度:是指分类器所获取的某一类地表覆被的正确像元数与该类参考像元的总数的比率。 用户精度:是指被分类器将像元归纳到某一类地表覆被像元数,与该类相应的真实地表覆被的参考像元数的比率。 总体分类精度:是指被正确分类的像元总数与总参考像元数的比率。 Kappa系数:是描述地物覆被像元分类的一致性与非机遇一致性的比率,其值越接近1说明其一致性效果越好。

8. 参考文献的引文格式请参考如下示例修改:[1] 汪于潇, 刘义, 柴跃廷, 等. 互联网药品可信交易环境中主体资质审核备案模式[J]. 清华大学学报(自然科学版), 2012, 52(11): 1518~1523. 答:已在文中按照所给出的格式,将参考文献全部修改。如将格式为“[1]马志阳,查轩.2008.南方红壤区侵蚀退化马尾松林地生态恢复研究[J]. 水土保持研究,03:188-193+196.”的参考文献修改为“[1] 马志阳, 查轩. 南方红壤区侵蚀退化马尾松林地生态恢复研究[J]. 水土保持研究, 2008, 15(3):188~193.”

回复同评专家三:

1. 引言中介绍“对赣州地区进行精细地表信息覆盖制图”,若为精细分类,应至少到二级分类。本研究中的分类 只有6类,且只到一级。请斟酌。

回答:已经在文中将引言介绍的“对赣州地区进行精细地表信息覆盖制图”修改为“对赣州地区进行了高精度的基础地表覆盖类型制图。

2. 第2.1节中“数据获取详细时间”部分,遥感影像的成像季节直接影响专题内容的解译质量。可考虑基于多时相的影像数据进行解译。

回答:基于影像数据的多时相问题的考虑,文中选择的影像已尽量集中于10月11月份,在该时间段,南方地区正好处于秋季时期,地表植被趋于稳定时,时间变化比较小。

3. 第4章数据质量控制,只是对2014年的影像在谷歌高分影像的对比下做了精度验证,其他年份的数据也应该用同时相的影像来验证。应在此处具体说明原因。

回答:由于六期地表分类制图所采用的数据源与制作流程皆相同,在分类精度验证时抽选其中三期作为地表覆盖分类图作为评估精度的验证范例。此次修改已在文中增加了2009期及2004期地表分类制图验证。 4. 图3应为Classification。

回答:已经图3处“Classfication”修改为“Classification”。

回复同评专家四:

1、P1 L8 社会经济发展深入 -> 区域经济快速发展

2、P1 L10 制作 -> 制作了 分类结果,数据具有代表性 -> 分类数据,这些数据具有区域代表性

3、P2 L3 具有区域的典型代表性(见图1),属于典型的南方丘陵山地生态系统,是特殊的生态脆弱区。 -> 属于典型的南方丘陵山地生态系统,是特殊的生态脆弱区,因此具有区域的典型代表性(见图1)。

4、P2 L4 暴雨多降 -> 多降暴雨

5、P2 L13 本文以的 -> 本文以

6、P2 L14 研究数据 -> 源数据

7、P2 L3 数据集的命名遵循如下命名规则 -> 数据集文件的命名遵循如下规则

回答:已经按照上述要求做了文字修改。

8、数据是否进行了实地验证?

回答:本采用了高分辨率数据进行比对,在典型城市区和河道等地方做了较为简单的比对和分析,并没有进行野外的地面验证外业工作。

9、该数据集是否有相关研究成果发表或者地方实际应用案例?

回答:本文数据成果应用撰写的《近26年赣州地区陆表环境遥感与变化分析研究》被遥感信息期刊录用,并于2016年第6期12月份刊出。

【2016-05-13】 评论来自:版本 1
编委会成员:

经编委会投票决定录用本文。

【2016-07-05】 评论来自:版本 1

提交问题或建议:



您还没有登录,请[登录]或[ 注册]!

1988~2014年赣州地区地表覆盖分类数据集

浏览下载总计

网页浏览 论文下载
4218 28

1988~2014年赣州地区地表覆盖分类数据集

作者发表的论文

1 稀土矿区地表环境变化多时相遥感监测研究——以岭北稀土矿区为例
李恒凯,吴立新,刘小生. 中国矿业大学学报. 自然科学版[J],2014,43(6),1087-1094

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 7

2 红壤区植被覆盖变化及与地貌因子关系--以赣南地区为例
李恒凯,刘小生,李博,李发帅. 地理科学[J],2014,34(1),103-109

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 5

3 基于灰色理论的变形智能预测模型库研究
李恒凯,刘传立. 岩土力学[J],2011,32(10),3119-3124

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 4

4 基于牛顿插值的建筑物沉降灰色预测模型研究
李恒凯,刘德儿. 工程勘察[J],2010,38(2),57-61

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 2

5 GIS改进市场比较法估价的研究与实践
李恒凯,郝雷,刘德儿. 测绘科学[J],2011,36(1),204-206,183

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 1

6 GIS和灰色评价的超市选址模型研究及应用
李恒凯,陈优良,刘加兵,潘颖龙. 测绘科学[J],2011,36(3),226-229

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 1

7 两种星载微波辐射计被动亮温数据的交叉定标
阮永俭,刘小生,武胜利,石利娟,邱玉宝,黄端. 测绘科学[J],2017,42(1),136-142

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

8 基于RUSLE模型的离子稀土矿区土壤侵蚀时空演变分析- 以岭北矿区为例
李恒凯,吴立新,熊云飞,徐露. 稀土[J],2016,37(4),35-44

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

9 利用HJ-CCD影像的红壤丘陵区土壤侵蚀分析———以赣州市为例
李恒凯,杨柳,雷军,徐露. 遥感信息[J],2016,31(3),122-129

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

10 背景值智能修正的基坑变形灰色预测模型
李恒凯,王秀丽,刘小生,刘军. 工程勘察[J],2012,40(5),60-63,67

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

11 基于Landsat影像的离子稀土矿区植被覆盖度提取及景观格局分析
李恒凯,雷军,杨柳. 农业工程学报[J],2016,32(10),267-276

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

12 中小城市城区扩张的热效应演变及响应
李恒凯,阮永俭,杨柳,雷军. 测绘科学[J],2017,42(2),71-77,83

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

13 近26年赣州地区陆表环境遥感与变化分析
阮永俭,邱玉宝,李恒凯,邱前仁. 遥感信息[J],2016,31(6),110-120

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

14 基于GIS的探究式自然地理学野外实习平台系统
潘颖龙,李恒凯,刘小生. 地理科学[J],2012,32(8),1026-1032

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

15 离子稀土矿区地表扰动温度分异效应分析-以岭北矿区为例
李恒凯,阮永俭,杨柳. 稀土[J],2017,38(1),134-142

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

16 基于GIS和PCA的住宅房产特征价格模型
李恒凯,王秀丽,刘小生. 测绘科学[J],2012,37(2),119-122

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

17 基于eSuperMap的自然地理实习数据采集与导航系统
李恒凯,刘小生,冯晓东. 测绘通报[J],2012(6),68-70,73

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

18 基于温度分异的稀土矿区地表扰动分析方法
李恒凯,杨柳,雷军. 中国稀土学报[J],2016,34(3),373-384

数据来源:CSCD中国科学引文数据库      CSCD      被引次数: 0

19882014年赣州地区地表覆盖分类数据集

邱玉宝1*,阮永俭1, 2,李恒凯2,付心如1, 3

1. 中国科学院遥感与数字地球研究所,数字地球重点实验室,北京 100094;

2. 江西理工大学建筑与测绘工程学院,赣州 341000;

3. 辽宁工程技术大学,测绘与地理科学学院,阜新 123000

*  通讯作者(Email: qiuyb@radi.ac.cn)

摘要:地表覆盖(Land cover)是地表空间中各种覆被组合,是理解与获取区域自然资源与环境变化的重要参数。随着经济发展深入与自然资源消耗加速,土地利用发生剧烈的变化。土地覆盖及区域生态环境变化信息的获取,已成为研究环境变化、管理资源与可持续发展规划等的必要条件。本数据集以Landsat无云(少云)数据为基础,采用监督分类和人工识别等方式,高精度地制作了1988~2014年约每隔5年的地表覆盖分类数据。该数据具有区域代表性,可以直观地反映赣州地区的主要地表类型的变化,特别是受人为影响较大的不透水层(城市)、受环境保护影响较大的森林等面积的变化情况。

关键词:地表覆盖;赣州地区;生态环境;Landsat

A dataset of land cover for Ganzhou region (1988 – 2014)

Qiu Yubao1*, Ruan Yongjian1,2, Li Hengkai2,Fu Xinru1,3

1. Digital Earth Laboratory, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China;

2. School of Architectural and Surveying & Mapping Engineering, Jiangxi University of Science and Technology, Ganzhou 341000, China;

3. Liaoning Technical University, Fuxin, 123000

*Email: qiuyb@radi.ac.cn

Abstract: Land cover is a combination of different kinds of cover in the earth’s surface, which is an important parameter to understand and obtain the regional natural resources and environmental changes. Accessing the information of land cover and regional ecological environment changes, has become a necessary condition for the study of environmental changes and management resources and sustainable development planning, when the land use changes radically with the development of economy and the acceleration of natural resources consumption. This data set using cloudless landsat data as a basic data, with supervision and artificial recognition to the information of surface, then fine production mapping of land cover classification results in one period about every 5 years from 1988 to 2014, which can directly reflect changes in Ganzhou region of the main types of surface, especially impermeable layer (city) impacted larger by human, and the forest area changes impacted by environmental protection.

Keywords: land cover; Ganzhou region; Environment; Landsat

数据集(库)基本信息简介

数据库(集)中文名称

1988~2014年赣州地区地表覆盖数据集

数据库(集)英文名称

A dataset of land cover for Ganzhou region (1988 – 2014)

通讯作者

邱玉宝(qiuyb@radi.ac.cn)

数据作者

邱玉宝、阮永俭、李恒凯、付心如

数据时间范围

1988~2014年

地理区域

赣州

空间分辨率

30 m

数据量

510 MB

数据格式

GeoTIFF

数据服务系统网址

http://www.sciencedb.cn/dataSet/handle/11

基金

国家自然科学基金(41371351、40901175、41120114001)

数据库(集)组成

本数据集主要包括1988~2014年赣州地区26年6期的地表覆盖数据,以约每隔5年的Landsat数据做一次基础的制图调查分析,分为1个文件夹,分别存储6期地表覆盖数据集。包含的数据如下:

1. Land Cover_GZ_1990为赣州地区1990年地表覆盖数据;

2. Land Cover_GZ_1995为赣州地区1995年地表覆盖数据;

3. Land Cover_GZ_2000为赣州地区2000年地表覆盖数据;

4. Land Cover_GZ_2004为赣州地区2004年地表覆盖数据;

5. Land Cover_GZ_2009为赣州地区2009年地表覆盖数据;

6. Land Cover_GZ_2014为赣州地区2014年地表覆盖数据

引  言

赣州地区地处江西省南部,与广东、福建以及湖南三省接壤,是整个南方山区的中间地域,属于典型的南方丘陵山地生态系统,是特殊的生态脆弱区,因此具有区域代表性(图1)。其土地开垦过度、林木砍伐严重、土壤表层浅薄且多降暴雨,易造成水土严重流失、山体滑坡,破坏区域生态环境[1]

1  研究区概况图

地表覆盖的变化信息是获取生态环境变化最直观的信息来源[2],同时也是资源管理、土地规划与可持续发展战略所获取的必要基础信息[3]。关于地表覆盖信息的制图研究,较具代表性的有美国马里兰大学的全球森林变化制图[4-5]、欧洲太空局的全球陆地覆盖制图(ESA GlobCover)以及国家基础地理信息中心的GlobeLand-30产品[6],多以全球尺度产品为发布目标,具有良好的应用。然而在具有独特地理环境特征区域中其精度和数据时间期次上有待进一步加强,特别是针对丘陵山地复杂地形及多云多雨气候条件下的赣南地区。据此,本数据集以1988~2014年间,约每隔5年为时间间隔,获得1990年、1995年、2000年、2004年、2009年和2014年6期30景长时间尺度的Landsat基础数据,对赣州地区进行了高精度的基础地表覆盖类型制图。为赣州地区生态环境研究、资源配置决策、可持续发展规划,提供基础数据支持。

1  数据采集和处理方法

1.1  基础数据准备

 本文以Landsat-TM与Landsat-OLI传感器L1级别产品,从1988~2014年间的30景数据作为源数据。考虑到影像数据的多时相问题,所选取的影像过境时间尽量集中于10月与11月。在该时间段,南方地区正好处于秋季,地表植被趋于稳定,时间变化比较小。数据来源于美国国家航空航天局(National Aeronautics and Space Administration,NASA),网址为http://earthexplorer.usgs.gov。数据获取详细时间表如表1。

1  30景遥感影像卫星过境时间表

时间 行列号 

121-041

121-042

121-043

122-042

122-043

2014

2014/10/8

2014/10/8

2014/10/8

2014/10/15

2014/10/15

2009

2009/10/10

2009/10/10

2009/10/10

2009/10/17

2009/10/17

2004

2004/10/12

2004/10/12

2004/10/12

2004/10/3

2004/11/20

2000

2000/11/2

2000/11/2

2000/11/2

2000/10/8

2000/10/8

1995

1995/10/20

1995/10/20

1995/10/20

1995/10/27

1995/10/27

1990 

1989/11/20

1988/10/16

1990/11/23

1990/11/14

1989/12/13

注:1990年由于过境Landsat卫星数据历史缺失,考虑到90年代初的赣州区域地表地物变化不大,故用它相邻年份Landsat数据作为补充。

1.2  数据处理

采用遥感软件ENVI5.1与ERDAS_2014对赣州区域Landsat-TM与Landsat-OLI数据进行相对空间几何校正、FLAASH大气校正、镶嵌裁剪、信息提取等处理。

1. 相对校正:获取校正点,对影像进行二次多项式校正和三次卷积内插法重采样处理。

2. 镶嵌裁剪:将同一时期5景影像镶嵌成为一个年份影像,再使用赣州地区行政区域进行裁剪。

3. 信息提取:使用CART决策树算法、ISODATA Classification算法与目视解译结合,并进行准确率达90%以上的高精度信息提取[7-8]

2  数据样本描述

2.1 命名格式

Land Cover_GZ数据集文件的命名遵循一定规则,通过文件名,能够获取此数据文件的基本信息。例如文件名Land Cover_GZ_1990.tif,Land Cover表示地表覆盖,GZ表示赣州地区,1990表示1990年的地表覆盖。

2.2 分类描述

分类系统包括6类地表覆盖类型,分别为森林、灌草、耕地、裸地、水体以及人造地表[9]。详细信息如表2所示。

2  影像分类描述表

分类代码

类型

分类内容描述

1

森林

乔木生长之地,且树冠盖度达到30%以上的,具体包括常绿阔叶林、常绿针叶林、针阔混交林、树冠盖度较好的稀疏植被

2

灌草

灌草覆盖度高于30%的非林地、非农用长绿色植物之地,包括常绿灌木林、草本沼泽、草丛、弃耕多年的灌草快速生长区域

3

耕地

农用耕作之地,包括水田、旱地和经济作物园林等

4

裸地

植被覆盖稀少的裸露之地,包括裸岩、河滩沙地、盐碱地、山地丘陵植被完全破坏区域、盘地无植被区域等

5

水体

包括所有地表水系,如江河、湖泊、水库、水库和水系养殖场等

6

人造地表

由人类活动在自然地表所铸造的人工不透水层,包括城镇乡村居民地、交通用地、居住地和工业用地等

2.3  数据样本

应用CART决策树算法、ISODATA Classification算法与目视解译结合完成赣州地区1988~2014年地表覆盖信息提取,形成地表覆盖分布图。

 2  19882014年间约每隔5年的赣州地表覆盖分类图

3  数据质量控制和评估

由于6个年份的地表分类制图所采用的数据源与制作流程皆相同,在分类精度验证时抽选其中3个年份作为地表覆盖分类图作为评估精度的验证范例。在谷歌高分影像比对下,从2004年、2009年与及2014年原始影像中随机圈选40个森林验证样本、40个灌草验证样本、45个耕地验证样本、30个裸地验证样本、40个水体验证样本以及30个人造地表验证样本。3个年份影像的精度验证结果如下表3、表4以及表5所示。

3  2004年赣州地区地表覆盖分类精度验证表(单位:像元个数)

地表覆被

森林

灌草

耕地

裸地

水体

人造地表

汇总

制图精度

森林

37 679

169

664

728

60

450

39 750

0.948

灌草

2026

1831

211

80

8

55

4211

0.435

耕地

241

262

5803

564

39

533

7442

0.780

裸地

0

0

76

3936

116

128

4256

0.925

水体

0

1

18

15

6357

104

6495

0.979

人造地表

0

3

15

1

43

7814

7876

0.992

汇总

39 946

2266

6787

5324

6623

9084

70 030

 

用户精度

0.943

0.808

0.855

0.739

0.960

0.860

0.906

总体分类精度= 0.906Kappa系数= 0.852

4  2009年赣州地区地表覆盖分类精度验证表(单位:像元个数)

地表覆被

森林

灌草

耕地

裸地

水体

人造地表

汇总

制图精度

森林

33073

200

301

12

68

171

33825

0.978

灌草

812

1264

459

11

18

246

2810

0.450

耕地

235

185

6638

112

13

626

7809

0.850

裸地

0

3

50

2117

3

408

2581

0.820

水体

4

0

1

0

7289

87

7381

0.988

人造地表

16

15

55

57

25

11 149

11 317

0.985

汇总

34 140

1667

7504

2309

7416

12 687

65723

 

用户精度

0.969

0.758

0.885

0.917

0.983

0.879

0.936

总体分类精度= 0.936Kappa系数= 0.905

5  2014年赣州地区地表覆盖分类精度验证表(单位:像元个数)

地表覆被

森林

灌草

耕地

裸地

水体

人造地表

汇总

制图精度

森林

30 141

157

139

295

16

23

30 771

0.980

灌草

243

1147

220

17

6

2

1635

0.702

耕地

567

163

3023

125

27

7

3912

0.773

裸地

3

0

114

1730

3

117

1967

0.880

水体

183

1

80

20

5663

4

5951

0.952

人造地表

0

0

28

63

26

3603

3720

0.969

汇总

31 137

1468

3604

2250

5741

3756

47 956

 

用户精度

0.968

0.781

0.839

0.769

0.986

0.959

0.945

总体分类精度= 0.945Kappa系数= 0.900

在上表中,制图精度是指分类器所获取的某一类地表覆被的正确像元数与该类参考像元总数的比率;用户精度是指分类器将像元归纳到某一类地表覆被像元数,与该类相应的真实地表覆被的参考像元数的比率;总体分类精度是指被正确分类的像元总数与总参考像元数的比率;Kappa系数是描述地物覆被像元分类的一致性与非机遇一致性的比率,其值越接近1,说明其一致性效果越好。

3  解译的地表覆盖产品与GlobeLand-30局部比对图

同时选取GlobeLand-30产品2010年地表覆盖数据与本数据集2009年的解译产品进行对比验证。图3是本数据集2009年产品与GlobeLand-30产品2010年的局部区域比对图。从图3中可以看出,解译的2009年产品与GlobeLand-30的2010年产品,在水体一类地物上差异甚小,空间纹理基本一致。而在人造地表、灌草、耕地三类地物中,本数据集解译的地物与GlobeLand-30产品相比,能展现更清晰的细节。与原始的Landsat-TM影像进行对比,解译产品更为接近原始影像的地表覆盖纹理特征,更为接近赣州地区的真实地表覆盖情况。

致  谢

感谢NASA提供的Landsat-TM与Landsat-OLI数据,国家基础地理信息中心提供GlobeLand-30产品。

作者分工职责

邱玉宝(1978—),男,江西兴国人,博士,副研究员,从事环境遥感应用研究。主要承担信息模型构建与数据提取工作。

阮永俭(1990—),男,广东阳江人,硕士生,主要研究方向为遥感技术与应用。主要承担数据预处理与数据生产工作。

李恒凯(1980—),男,湖北人,博士,副教授,主要研究方向为矿区环境遥感应用研究。主要承担数据产品设计与组织实施工作。

付心如(1991—),女,河北邢台,硕士生,主要研究方向为遥感技术与应用。主要承担处理和分析工作。

参考文献

[1] 马志阳, 查轩. 南方红壤区侵蚀退化马尾松林地生态恢复研究[J]. 水土保持研究, 2008, 15(3): 188–193.

[2] 戴尔阜, 吴卓, 芦海花, 等. 基于线性光谱分离技术的西藏乃东县土地覆被变化监测[J]. 地理科学进展, 2015, 34(7): 854–861.

[3] 曹鑫, 陈军, 陈利军, 等. 全球陆表水体空间格局与波动初步分析[J]. 中国科学: 地球科学, 2014, 44(8): 1661–1670.

[4] Townshend R, Masek G, Huang C , et al. Global characterization and monitoring of forest cover using Landsat data: opportunities and challenges[J]. International Journal of Digital Earth, 2012, 5(5): 373–397.

[5] Hansen M, Potapov P, Moore R, et al. High-Resolution Global Maps of 21st-Century Forest Cover Change[J]. Science, 2013, 342(6160): 850–853.

[6] 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 & Remote Sensing, 2014, 103: 7–27.

[7] Breiman L, Friedman J, Olshen R, et al. Classification and Regression Trees[J]. Biometrics, 2010, 40(3):17–23.

[8] 刘勇洪, 牛铮, 王长耀. 基于MODIS数据的决策树分类方法研究与应用[J]. 遥感学报, 2005, 9(4): 405–412.

[9] 廖安平, 陈利军, 陈军, 等. 全球陆表水体高分辨率遥感制图[J]. 中国科学: 地球科学, 2014(8): 1634–1645.

引用数据

邱玉宝, 阮永俭, 李恒凯, 付心如. 19882014年赣州地区地表覆盖分类数据集[DB/OL]. Science Data Bank, 2015. DOI: 10.11922/scidb.170.11.

 

引文格式:邱玉宝, 阮永俭, 李恒凯, 付心如. 1988~2014年赣州地区地表覆盖数据集[J/OL]. 中国科学数据, 2016, 1(3). DOI: 10.11922/csdata.170.2015.0012.

下载