中科院空天院刘良云团队在 Earth System Science Data 期刊上发布了重要成果(预印本，2025.03.20)《GLC_FCS10: a global 10-m land-cover dataset with a fine classification system from Sentinel-1 and Sentinel-2 time-series data in Google Earth Engine》。
文末有数据下载地址。
研究背景
随着遥感技术的不断进步和云计算平台（如Google Earth Engine）的普及，全球高分辨率土地覆盖制图成为可能。现有全球10米分辨率土地覆盖产品（如FROM_GLC10、ESA WorldCover、ESRI LC、Dynamic World）大多采用简单的分类体系，难以满足精细化应用的需求。论文指出，土地覆盖信息对气候变化、生态保护、粮食安全等具有重要意义，但过于粗略的分类使得在复杂地表类型（如城市不透水面、湿地等）识别中存在较大不确定性。因此，开发一种能够提供30个细分类别、兼顾区域异质性与时空动态变化的全球10米土地覆盖数据集成为亟待解决的问题。
方法
为解决上述挑战，论文提出了一套分层土地覆盖制图框架
主要内容包括以下几点：
-
训练样本构建
-
利用多源先验产品（包括现有的不透水面、湿地及其他自然地表产品），结合时间序列分析与空间滤波方法，自动生成全球分布且高置信度的训练样本。 -
为解决不同地表类型（如城市与农村不透水面、内陆与沿海湿地）的样本不均衡问题，论文采用了等量分布与面积分布相结合的策略，同时利用“度量质心”方法将30米样本下采样到10米分辨率。 -
多源数据融合
-
利用Sentinel-2多时相光学影像与Sentinel-1 SAR数据进行组合。论文采用百分位数统计方法（取10%、30%、50%、70%和90%的分位值）构建时序光谱特征，同时提取NDVI、NDWI、LSWI等指数和纹理特征，以捕捉地表的时相变化与空间结构。 -
同时，考虑地形变量（如坡度、海拔和坡向）的辅助作用，进一步提升对特定地表类型（例如冰雪、耕地）的区分能力。 -
分层分类策略
-
首先将全球土地表面划分为不透水面与自然地表两大类，并在局部区域内利用自适应建模训练随机森林分类器，提高局部细节表达能力。 -
对自然地表部分，进一步分离湿地与非湿地类型。湿地部分又依据内陆与沿海湿地特点，分别构建独立的分类模型，以减小因时空异质性带来的混淆。 -
最后，对剩余的非湿地自然地表进行20个细分类别的判别，实现了森林、耕地、草地、裸地等多种类型的精细制图。
结果
论文利用全球共56121个验证样本及第三方LCMAP验证数据对产品进行了全面评估，
其主要结果包括：
-
整体精度与统计指标
-
全球总体精度达到83.16%，Kappa系数为0.789；在美国区域，整体精度提升至85.09%，显示出较高的分类一致性。
-
对于水体、冰雪、不透水面和耕地等具有明显光谱特征的类别，用户精度和制图者精度均超过90%。
-
类别间混淆问题
-
部分类别如灌丛、草地、裸地以及湿地之间存在较明显混淆。湿地尤其受到水体、森林和草地的干扰，部分子类（例如沼泽与草地）的识别准确度偏低。 -
对比分析
-
与ESA WorldCover、ESRI LC以及其他10米或30米产品相比，GLC_FCS10在耕地、森林及湿地等类别上表现更优，尤其在湿地细分上，F1分数明显高于其他产品，充分证明了分层分类和多源数据融合的优势。
讨论
论文在讨论部分强调了以下几个方面：
-
分层制图策略的优势 -
通过分层独立建模，有效缓解了传统全球制图中由于地表复杂性与样本稀疏性带来的分类误差，特别是在不透水面和湿地识别上取得了显著改进。 -
多源数据融合的重要性 -
Sentinel-1与Sentinel-2数据的联合使用，不仅丰富了时序光谱信息，也利用了SAR对地表结构的敏感性，提升了对复杂地表（如植被遮挡区域和湿地）的判别能力。 -
局部自适应模型的效果 -
分区建模策略使得分类器能够捕捉区域性特征，尤其在一些气候过渡区或地表异质性较高的区域，局部模型明显优于单一全球模型。 -
存在的不足与改进方向 -
尽管总体表现较好，但某些细分类别之间的混淆依然存在。未来工作中，可以考虑引入更高分辨率的DEM数据、增加其他辅助变量以及优化样本采样策略，以进一步提升细分类别的区分能力。
综上，GLC_FCS10作为一种新型全球10米细分类土地覆盖数据集，不仅在整体精度上具有竞争力，更在湿地和不透水面等复杂地表类型的识别上展现出明显优势，为后续土地覆盖变化监测及环境管理提供了宝贵的数据支持。
论文信息：Zhang, X., Liu, L., Zhao, T., Zhang, W., Guan, L., Bai, M., and Chen, X.: GLC_FCS10: a global 10-m land-cover dataset with a fine classification system from Sentinel-1 and Sentinel-2 time-series data in Google Earth Engine, Earth Syst. Sci. Data Discuss. [preprint], https://doi.org/10.5194/essd-2025-73, in review, 2025.
数据下载地址：https://zenodo.org/records/14729665
文章授权转载：锐多宝
