咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >黄河流域多源遥感土地覆被数据精度评价与一致性分析 收藏

黄河流域多源遥感土地覆被数据精度评价与一致性分析

Accuracy evaluation and consistency analysis of multi-source remote sensing land cover data in the Yellow River Basin

作     者:吴宗洋 蔡卓雅 郭英 王彦芳 WU Zongyang;CAI Zhuoya;GUO Ying;WANG Yanfang

作者机构:河北省农业干旱遥感监测国际联合研究中心/河北地质大学土地科学与空间规划学院石家庄050031 河北省高校生态环境地质应用技术研发中心石家庄050031 中国科学院遗传与发育生物学研究所农业资源研究中心/中国科学院农业水资源重点实验室/河北省节水农业重点实验室石家庄050022 

出 版 物:《中国生态农业学报(中英文)》 (Chinese Journal of Eco-Agriculture)

年 卷 期:2023年第31卷第6期

页      面:917-927页

核心收录:

学科分类:08[工学] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 

基  金:国家自然科学基金重大专项(42041007-02) 河北省高校基本科研业务费(KJCXTD-2021-03) 河北省省级科技计划软科学研究专项(21557401D)资助。 

主  题:精度评价 土地利用/土地覆被 多源遥感数据 黄河流域 混淆矩阵 

摘      要:开源、多分辨率、及时的土地覆盖产品为了解全球地表覆盖状况、陆面过程模型模拟以及社会经济发展决策等提供了丰富的数据支撑,但多源的数据存在不同程度的不确定性,在区域尺度如何选择合适的土地覆被产品成为应用中的难题。本研究以黄河流域为例,对分辨率从30 m到1000 m的CLCD_v01_2020、GLOBELAND30、GLC_FCS30_2020、LANDCOVER(300 m)、MCD12Q1(500 m)和CNLUCC1000(1000 m)等6种2020年土地覆被产品进行区域尺度精度评价和一致性分析。基于Google Earth采集的1540个样本点分析6种数据在黄河流域的总体精度,以最高精度的数据为参考对其他数据进行面积一致性分析,并对6种数据进行类别混淆分析和混淆图谱分析。结果表明,6种数据中分类精度最高的为CLCD_v01_2020,总体精度(overall accuracy,OA)达88.12%;其次是GLOBELAND30(OA=85.32%)、GLC_FCS30_2020(OA=84.09%)、LANDCOVER300(OA=77.79%)、MCD12Q1(OA=73.38%)、CNLUCC1000(OA=71.82%),30 m土地覆被产品的KAPPA系数均在0.8以上,随着空间分辨率的下降,分类精度下降。6种数据的土地覆被类别组成的相对比例总体上趋于一致,但在耕地和草地两类土地覆被类别上仍存在较大差异,GLC_FCS30_2020与参考数据CLCD_v01_2020的相关性最高,R2达到0.9976。通过类别混淆分析可知6种数据普遍对耕地、林地和草地的混淆较为严重。类别混淆空间分析表明,验证数据与参考数据在黄河上游的草地、中下游部分耕地和建设用地等类型较为单一的区域一致性较高,而在陕西北部、山西西部的一致性较差,主要表现为草地和林地的混淆。针对黄河流域土地覆被数据一级分类,本研究建议,30 m分辨率的数据中选择CLCD_v01_2020,百米级分辨率数据中选择LANDCOVER300,二级分类则可以根据所需的分类体系选择合适的数据。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分