不知道大家有没有想过，在我们来到地球的一生时间中，地球会有多大的变化?是小河边新建了公园，还是远处的空地建起了大厦?林林总总的变化，总是令人应接不暇。然而，我们却没法用详细的数据去衡量这些变化。
幸好，科技发展日新月异。现如今，我们有了可以对全球地表覆盖情况进行观测的卫星，例如MODIS、AVHRR，并借助专题地图的增强技术，让我们有机会对自己身边的环境做到“明察秋毫”。
既然如此，那地图上的地表覆盖类型到底可以分为多少种数据集?数据集的准确率有多少?精度有多高呢?就让我们从一个小案例来了解一下。
下面这张影像图是纽约某地区截图，影像由纽约的Sentinel-2卫星提供。其中，需要大家先记住一些比较关键的要素位置：
中央公园 - 曼哈顿的方形绿地，杰奎琳·肯尼迪·奥纳西斯水库和划分纽约和新泽西的上湾;
火岛 - 南部岸边的薄屏障岛，纽约的海滩正面;
长岛群岛 - 长岛东北角的岛屿，如梅花岛，大鸥岛和小鸥岛等。
记住了这些重要地物的位置之后，它们在地表覆盖的专题地图中应该如何呈现?
借着这个“小栗子”，泰伯网从Gisgeography网站中摘取了一些资料，看看这些地物要素在下面这些关于地球表面土地分类的解决方案中是如何被定位的。
1、 全球土地调查图(GLS)
据资料显示，在满足30米分辨率的情况下, 全球土地调查图是最好用的地表类型分类的解决方案。它由马栏里大学与美国地质调查局合作完成，将大约2010种不同的树木覆盖类型、裸露地面类型以及地表水结合在一张图上进行展示。
这张地图使用的是Landsat 7 ETM的影像数据，最令人印象深刻的一种数据属性是，每个网格树木的覆盖率等同于每个网格单元输出的比例。这种方法可以持续用来衡量全球范围的森林在一定时间段内的变化率。
有研究表明，全球土地调查(GLS)解决方案中，静态森林覆盖率的准确度较真实情况为91%，森林覆盖变化率的准确度较真实情况为88%。图中对于一开始讲到的例子中的中央公园、长岛和火岛的描述也是合乎逻辑的。
2、 全球地表覆盖图第二版(GlobCover Land Cover V2)
在满足300米分辨率的情况下，GlobCover项目将全球地表土地分为23类不同的覆盖类型。通过对像素单元内的地图上覆盖面积与实际覆盖面积相比较来看，它的准确度为73%。
其中，ENVISAT MERIS(欧洲环境卫星中分辨率成像光谱仪)传感器为该项目中三期地表覆盖地图(1998-02, 2003-07 和2008-12)贡献了最多数据。
同样的，在图中我们可以看出，它对于南部海岸中比较细微的土地界限一样捕捉得十分到位，对于东北群岛的土地分类也是无可挑剔的。但是根据提供的数据显示，图中对于中央公园的绿色面积少标注了4千米*0.8千米。
3、 OSM土地利用现状数据
与其它地表覆盖分类不同的是，这个解决方案使用的是基于图像分类的算法。通过数以百计的卫星图像叠加与处理，将地球表面土地覆盖区域进行分类。当然，这样得到的土地利用分类地图也是非常准确的。
下图是在ENVISAT卫星的中分辨率成像光谱仪下得到的单个像素内，所包含的157栋建筑的图像。
在图中，可以清晰的看到土地的利用类型是住宅、商业、工业还是其他用途。
同时，有资料显示，OSM土地利用数据也存在一些缺点：
有大量的数据差异性;
在松柏科植物范围中，不能捕获到落叶阔叶类型的树木;
必须要有专业人士手动对其进行及时更新。
可以看到，图像中对于中央公园是非常清晰的描述，而对于南海岸和东北岛屿则仅仅是矢量化的一个概述。
4、 全球地表覆盖气候研究图
这是在满足500米分辨率情况下，由中分辨率遥感卫星提供的全球地表覆盖地图(包括17种地表覆盖类型)。它描述了从2001年到2010年十年的土地使用情况，对于气候和天气类的模型建立具有较大帮助。
据数据显示，十年内，大约有40%的土地被一次或者多次改变了使用类型。
从上述图中也可以看出，因为其精度不够高，地图忽略了中央公园和火岛，但对于长岛岛屿的抓取做的还是非常好的。
5、 全球地表覆盖特征图
美国地质调查局的全球地表覆盖特征图基于AVHRR所提供的一年内的数据，使用无监督图像分类方法对土地利用类型进行分类，准确度为66.9%。后来，项目观察者制定了一定的规则，当计算机认为图像中某一个像素内所包含的数据不足以作为一种土地类型数据出现时，就会“扔掉”这些像素点。研究表明，经过改良后的精度达到了78.7%。
GLCC一直被用于环境建模的应用程序中，其中包括Goddard地球观测系统模型(geo-5)。
从图片可以看出，在这种土地类型分类方法下，中央公园被表达出来了，但是火岛和长岛岛屿并未出现在地图中。
6、 全球地表覆盖网络图
联合国粮农组织的全球土地覆盖图对于土地使用类型的分类主要被用于日常土地管理中，尤其是农田、草地、裸露的土壤和红树林等等这些类型。同时，它还包括了人工地表、水体、雪、树木、灌木、草本以及稀疏的植被等类型。
在1千米地图的精度下，它看起来有些粗糙，因为我们好像并不能从图中得到准确的土地分类类型。但是，在1087个网站的验证下，它的精度高居然达到了80%。
从图中可以看出，这种分类方法完美“错过了”中央公园、长岛岛屿和火岛。当然，这与其1千米的精度也是有关系的。
资料显示，它的主要的用途是更好地服务于土地管理，我们也希望它能在农业领域结出硕果。
7、 全球地表覆盖类型-气候模型栅格图
气候模型栅格(Climate Modeling Grid)和MCD12Q1使用相同的监督分类算法。这个数据集可以在美国地质勘探局网站上进行下载。
它认真执行国际岩石生物圈项目定义的分类标准，将地表也分类为17种，但是地图精度极低，只有5.5公里。
在这样的精度下，我们很难分辨哪是哪，更不用提中央公园、长岛岛屿和火岛的位置了。
8、 Terrapop
Terrapop包含了精度为1千米的中分辨率成像光谱仪成像下的23种全球地表覆盖类型。
最重要的是，它包含了在全球景观行动中的10公里以内大约2000种不同的农业土地类型。其中包括175种农作物的收获面积，这为提高农作物产量和以及现有粮食供需情况提供了很好的理解。
结论
从上述例子可以看出，目前全球地表覆盖类型的分类是多样化的。如今，在全球范围内，越来越多的空间机构也都在通过发射卫星来增加全球地表土地分辨率的准确度。毕竟，只有更准确地对全球土地类型进行分类，才能更好的了解人类活动，因此，卫星资料多多益善。
{{item.content}}