用于高分辨率土地利用/土地覆盖（LULC）制图的操作型多源数据融合技术

《Land》：Operational Multi-Source Data Fusion for High-Resolution LULC Mapping

　　

高分辨率和可定期更新的土地覆盖图对于局部尺度环境监测、水资源管理和领土治理至关重要，然而现有的全球和区域产品无法为复杂地中海景观中的操作性应用提供所需的细节和主题丰富性。本研究提出了一种面向高分辨率土地利用/土地覆盖（LULC）制图的操作性工作流，并将其应用于撒丁岛2020参考年，该工作流是在撒丁岛土地覆盖制图项目（Sardinia Land Cover Mapping Project）中与撒丁岛水文区域局（Agenzia del Distretto Idrografico della Sardegna, ADIS）合作开发的。该工作流通过一个半自动管线，将多时序合成孔径雷达（SAR）和多光谱卫星影像与高分辨率辅助地理空间矢量数据集相结合，该管线结合了层级级联像元基分类、多分辨率影像分割、基础设施矢量图层几何叠加以及迭代的精度驱动重分类循环。分类结合了自动化规则基程序、半自动阈值基方法和专家照片判读，以应对撒丁岛景观较高的主题和空间复杂度。生成的影像图包含35个土地覆盖类别，定义在第三级和选定的第四级协调信息环境（CORINE）层级，最小制图单元为400 m²，总体加权精度为82.4%。该影像图被设计为一个可每年更新的动态产品，代表了用于局部环境治理、空间规划和资源管理的操作性工具。

**论文解读：用于高分辨率土地利用/土地覆盖制图的操作性多源数据融合——以撒丁岛为例**

**1. 研究背景**

土地利用/土地覆盖（LULC）制图是环境监测、空间规划和土地管理的基础。高分辨率且可定期更新的LULC产品对于局部尺度的环境治理、水资源管理和领土规划至关重要。然而，现有全球和区域产品存在不足：全球数据集（如ESA WorldCover）空间分辨率较高但主题细节有限，不能满足局部治理应用的需求；而欧洲环境局（EEA）的协调信息环境（CORINE）土地覆盖图（CLC）虽具有丰富的语义分类方案，但其粗粒度的最小制图单元（MMU）不适用于局部尺度分析。此外，从实验框架向区域和地方尺度的操作性应用过渡仍具挑战，尤其在异质性高、破碎化严重的景观中，分类性能会因空间、时间和主题复杂性的增加而下降。对于撒丁岛这一地中海第二大岛，其最晚的区域土地利用图可追溯至2008年，已超过18年未更新，在此期间，该岛经历了野火、农业废弃和城市扩张等显著景观变化。因此，亟需一种能够同时满足空间分辨率、主题细节、时效性和可更新性要求的操作性LULC制图方法。

**2. 研究内容与结论**

为解决上述问题，研究人员在“撒丁岛土地覆盖制图项目”框架下，与撒丁岛水文区域局（ADIS）合作，提出并应用了一种高分辨率LULC制图的操作性半自动工作流，用于撒丁岛2020参考年的制图。该工作流融合了多时序哨兵1号（Sentinel-1）合成孔径雷达（SAR）和哨兵2号（Sentinel-2）多光谱卫星影像、高分辨率辅助地理空间矢量数据集，并结合了层级级联像元基分类、多分辨率影像分割、基础设施矢量图层叠加以及迭代的精度驱动重分类循环。该研究的主要贡献在于提供了一个可操作、可年度更新的工作流架构，专门用于在缺乏预标注训练数据集的复杂异质性景观中生成主题丰富的LULC图。研究得出的主要结论是，该工作流成功生成了撒丁岛2020年LULC图，该图包含35个基于第三级和选定第四级CORINE土地覆盖（CLC）层级的土地覆盖类别，最小制图单元（MMU）为400 m²，总体加权精度达到82.4%。该地图作为动态产品，可每年更新，已成为ADIS用于编制《流域管理规划》（River Basin Management Plan）的操作性工具，服务于欧盟水框架指令（EU Water Framework Directive 2000/60/EC）的要求。该论文发表于《Land》期刊。

**3. 关键技术方法**

研究人员为开展研究，主要采用了以下关键技术方法：
1. **像元基分类**：在谷歌地球引擎（Google Earth Engine，GEE）平台上，通过一个层级级联分类器系统，先利用辅助数据集（如撒丁岛地理地形数据库DBGT、开放街图OSM等）的优先级规则和光谱/合成孔径雷达（SAR）阈值规则进行初始分类，再对农业像元进行子类细分。
2. **影像分割与多边形预标注**：在IMPACT工具箱中，采用多分辨率分割算法，基于哨兵2号（Sentinel-2）的绿色（GREEN）和近红外（NIR）波段以及哨兵1号（Sentinel-1）的垂直-垂直（VV）和垂直-水平（VH）极化均值波段，对像元基分类结果进行分割，并基于多数规则为每个多边形预标注土地覆盖类别。
3. **矢量图层几何叠加**：将道路网络和建筑足迹等矢量数据（来自DBGT和OSM）通过擦除和并集（Erase and Union）操作叠加到分割后的矢量图上，以保留其原生几何精度。
4. **迭代重分类与精度评估**：通过一个迭代的精度驱动重分类循环，利用混淆矩阵分析识别系统性分类错误，并组合运用半自动阈值重分类（基于光谱、PBS、树冠高度模型TCH等指标）和专家照片判读，对错误类别进行修正，直至达到满意精度。验证数据集包含11,575个控制点，采用分层随机抽样和面积加权估计方法评估精度。

**4. 研究结果**

**4.1. 土地覆盖图**
通过上述工作流，研究人员生成了覆盖撒丁岛全境约24,090 km²的2020年LULC图。该图采用35类分类体系，对标准CORINE土地覆盖（CLC）图例进行了修改，例如将城市区域重新定义为“人造表面”（Built-up surfaces）和“其他人工表面”（Other artificial surfaces），并分解了部分混合类（如混合森林3.1.3）。结果表明，该地图包含10,424,273个多边形，最小制图单元（MMU）为400 m²。从面积占比看，阔叶林（3.1.1, 28.0%）、硬叶植被（3.2.3, 25.3%）和非灌溉耕地（2.1.1, 25.9%）是主导类别，共占撒丁岛约79%的表面面积。该地图在空间细节上显著优于现有产品，尤其体现在对建筑足迹、道路网络和灌溉/非灌溉耕地的精准描绘上。

**4.2. 精度评估**
经过迭代重分类后，最终地图的总体加权精度从初稿的69.3%提升至82.4%。分类别精度显示：道路和铁路网络（1.2.2）精度最高（用户精度UA=98.2%），得益于高分辨率辅助数据的直接集成。灌溉耕地（2.1.2.1）也表现良好（UA=88.44%）。硬叶植被（3.2.3）的用户精度较高（UA=81.9%），但生产者精度（PA=59.6%）较低，表明存在漏分误差，常与阔叶林混淆。天然草地（3.2.1）的生产者精度（PA=33.1%）较低，主要与非灌溉耕地混淆，这是地中海气候条件下光谱分类的根本限制。垃圾场（1.3.2）和建筑工地（1.3.3）的用户精度极低（分别为6.3%和7.5%），因其主要由土地利用而非土地覆盖定义，且光谱可变性高。湿地类别中，盐生沼泽植被（4.2.1）因大量人工重分类而精度较高（UA=84.5%），而非盐生沼泽植被（4.1.1）则因内部异质性强而精度较低（UA=39.9%）。

**5. 讨论与结论**

**讨论总结：** 研究人员指出，撒丁岛景观的复杂性（高异质性、农牧传统、破碎化农业系统）对现有区域和全球产品构成挑战。本研究提出的地图作为动态产品，结合了10米卫星分辨率、400 m²的MMU和35类主题详细图例，优于现有全球、欧洲和区域产品。其优势在于：空间细节丰富（如整合建筑足迹）、通过迭代重分类达到82.4%的总体精度、以及具备操作性可更新性（通过三种策略：几何叠加、多边形重分类和结构变化检测）。然而，局限性依然存在：基于土地利用定义的类别（如垃圾场）依赖辅助数据完整性；光谱相似的自然类别（如草地与耕地、灌木丛与开阔林地）和湿地环境的复杂性是光学遥感的固有局限；辅助数据时间不一致性引入的潜在误差需通过多级误差控制机制（如光谱一致性校正）来管理。此外，该工作流具有区域特异性，其参数和规则基于撒丁岛本地知识校准，但方法论框架（多源数据集成、迭代光谱一致性校正、物候学农业分类、精度驱动精炼）可迁移至其他类似景观。

**研究结论翻译：** 本研究展示了撒丁岛首张高分辨率、基于卫星的土地覆盖图（2020参考年），该图通过结合多时序哨兵1号（Sentinel-1）和哨兵2号（Sentinel-2）影像、高分辨率辅助地理空间数据集和迭代精度驱动精炼循环的半自动工作流生成。最终地图包含35个类别，定义在改编的CORINE土地覆盖（CLC）图例的第三级和选定第四级，最小制图单元（MMU）为400 m²，总体加权精度为82.4%，在空间细节、主题丰富性和时效性方面代表了所有现有区域和全球土地覆盖产品的重大进步。通过弥合传统照片判读制图的主题深度与现代卫星制图的可扩展性和可更新性之间的差距，它为局部尺度的环境监测、水资源管理、农业政策和领土治理提供了一个操作性工具。其操作性贡献已通过其在ADIS（撒丁岛水文区域局）机构框架内为编制《流域管理规划》的积极使用得到确认，该规划是欧盟水框架指令（2000/60/EC）要求的。尽管取得了这些成就，但重大挑战依然存在，包括光谱相似类别的混淆、湿地制图困难以及对辅助数据时间和完整性的依赖。未来工作将聚焦于地图的年度更新、整合针对性问题类别的更高分辨率数据，以及利用当前地图作为训练资源，开发用于未来全自动或半自动制图的机器学习模型。