土地覆盖分类体系分析和总结

臧明润; 廖远鸿; 陈舟; 白玉琪

doi:10.6046/zrzyyg.2022367

自然资源遥感 >

2025 , Vol. 37 >Issue 6: 22 - 40

DOI: https://doi.org/10.6046/zrzyyg.2022367

地球数据共享和知识服务

土地覆盖分类体系分析和总结

臧明润 ^,¹^,² ,
廖远鸿 ¹ ,
陈舟 ¹ ,
白玉琪 ^,¹^,³

展开

1.清华大学地球系统科学系,东亚迁徙鸟类与栖息地生态学教育部野外科学观测研究站,清华大学全球变化研究院,北京 100084
2.中国地质大学(北京)信息工程学院,北京 100083
3.清华大学中国城市研究院,北京 100084

白玉琪(1976-),男,博士,教授,主要从事地球空间数据基础设施及其应用研究。Email: yuqibai@tsinghua.edu.cn。

臧明润(2001-),男,博士研究生,主要从事生态学、地理信息科学研究。Email: zangmr@foxmail.com。

Copy editor: 陈庆

收稿日期: 2022-09-15

修回日期: 2023-06-19

网络出版日期: 2026-06-03

基金资助

国家重点研发计划项目“面向开放科学的国际地球观测系统互操作体系研究与示范”(2019YFE0126400)

收起

Analysis and summary of land cover classification systems

ZANG Mingrun ^,¹^,² ,
LIAO Yuanhong ¹ ,
CHEN Zhou ¹ ,
BAI Yuqi ^,¹^,³

Expand

1. Department of Earth System Science, Ministry of Education Ecological Field Station for East Asian Migratory Birds and Their Habitatses, Institute for Global Change Studies, Tsinghua University, Beijing 100084, China
2. School of Information Engineering, China University of Geosciences Beijing, Beijing 100083, China
3. Tsinghua Urban Institute, Tsinghua University, Beijing 100084, China

Received date: 2022-09-15

Revised date: 2023-06-19

Online published: 2026-06-03

Fold

摘要

土地覆盖分类体系是土地覆盖研究中的重要内容。该文总结了9种主要土地覆盖分类体系,展示了分类体系和相应数据产品,分析了体系之间的区别和联系,讨论了土地覆盖分类体系精细程度,以及分类体系、空间分辨率、空间覆盖范围的关系,讨论了分类体系之间的语义一致性。论文认为土地覆盖分类体系(land cover classification system,LCCS)和全球土地覆盖精细分辨率观测与监测数据(finer resolution observation and monitoring of global land cover,FROM-GLC)分类体系在精细化分类方面具有优势,高空间分辨率精细分类存在较大技术挑战和实现难度; 目前分类体系之间在逻辑关系、精细分类、名称定义、代码等多方面,存在明显的语义不一致现象; 最后总结指出全球土地覆盖分类研究存在全球化和区域化并存、分类更加精细、产品精度更高、时间间隔和空间分辨率更加细致的发展趋势,数据产品的语义不一致性还需改进,未来需在加强分类体系的兼容性、实现数据产品的共享互操作方面提出解决方案。

关键词： 土地覆盖; 分类体系; 时间分辨率; 空间分辨率; 数据产品; 语义一致性

本文引用格式

臧明润 , 廖远鸿 , 陈舟 , 白玉琪 . 土地覆盖分类体系分析和总结[J]. 自然资源遥感, 2025 , 37(6) : 22 -40 . DOI: 10.6046/zrzyyg.2022367

Abstract

Land cover classification systems constitute a significant aspect of land cover research. This study summarized nine major land cover classification systems. It presented these classification systems along with their relevant data products and analyzed the differences and connections between them. Moreover, this study discussed the relationship of their fineness with spatial resolution and coverage, as well as their semantic consistency. The results indicate that LCCS and Finer Resolution Observation and Monitoring of Global Land Cover(FROM-GLC) excel in fine-scale classification but face technical challenges and implementation difficulties in fine-scale classification based on high spatial resolution data. Current classification systems exhibit significant semantic inconsistencies in logical relationships, fine-scale classification, nomenclature, and code. Global land cover classification research shows the following development trends: the coexistence of globalization and regionalization, finer-scale classification, higher product accuracy, and more detailed temporal and spatial resolution. The semantic consistency of data products needs to be enhanced by strengthening the compatibility of classification systems and finding solutions to data product sharing and interoperability.

Key words： land cover; classification system; temporal resolution; spatial resolution; data product; semantic consistency

0 引言

土地覆盖是地球表面各种物质类型及其自然属性与特征的综合体^[1]。不同类型的土地覆盖,通过与电磁辐射的相互作用,在航空照片或卫星图像中以色彩或数值表现反射能量的空间分布^[2]。土地覆盖及其变化反映着人类与自然相互作用、人类与社会经济活动、地表水热和物质平衡、生物地球化学循环、全球气候变化等过程^[3-4],对全球变化研究和地球系统模式研制、地理国情监测、可持续发展规划等都有着深远的影响^[5]。土地覆盖分类是土地覆盖研究的重要组成部分,可以通过它理解土地的地表属性特征和区域属性。土地覆盖分类体系针对土地覆盖分类的特定需求而制定,实现了空间、时间和地物类型多种约束情形下的地物类型定义。

近年来,土地覆盖分类及其体系已成为研究热点。Yang等^[6]从国家、区域、全球尺度入手,对土地覆盖分类体系的协调统一进行了系统性论述; 张景华等^[7]详细展示了1970年以来的重要土地利用/土地覆盖(land use and land cover,LULC)分类体系; He等^[8]对1990—2018年LULC的研究进行了整理分析; Pérez-Hoyos等^[9]比较了部分全球土地覆盖数据集在农田监测上的应用情形; 岳健等^[10]对我国土地利用分类的优劣进行了论证; 王人潮^[11]对国内外土地分类进行了阐述; Deb等^[12]讨论了LULC的分类技术; Wang等^[13]提出了建立LULC体系的准则; 吕玉霞等^[14]从土地利用碳排放估算的角度,建立了我国现有14项土地利用分类与联合国政府间气候变化专门委员会(Intergovernmental Pannel on Climate Change,IPCC)关于农林以及其他土地利用分类的对照映射关系; Fisher等^[2]深入分析了土地利用和土地覆盖的关联性。

现有的研究从多角度总结分析了土地覆盖分类体系的进展,但缺乏从分类体系和数据产品入手对全球土地覆盖分类体系进行针对性的总结和系统性的对比分析研究。本文回顾并对比分析了20世纪70年代首先被应用于土地覆盖分类产品的美国国家地质调查局(United States Geological Survey,USGS)Anderson分类体系、80年代出现的环境信息协作计划(Coordination of Information on the Environment,CORINE)土地覆盖项目CLC分类体系、90年代出现的且目前应用非常广泛的国际地圈-生物圈计划(International Geosphere-Biosphere Programme,IGBP)全球土地覆盖分类体系和联合国粮农组织(Food and Agriculture Organization,FAO)于1997年建立的一个标准的土地覆盖分类体系(land cover classification system,LCCS),以及2010年后先后出现的30 m空间分辨率全球土地覆盖数据产品(global land cover mapping at 30 m resolution,GlobeLand30)、年度全球土地覆盖产品(annual global land cover,AGLC)、全球土地覆盖精细分辨率观测与监测数据(finer resolution observation and monitoring of global land cover,FROM-GLC)、Esri Sentinel-2 10 m土地覆盖时间序列(Esri Sentinel-2 10 m land cover time series, Esri 10 m Land Cover)和Dynamic World等分类体系,梳理总结了29项重要的相关土地覆盖数据产品,对比分析了不同体系之间的区别和联系,展示了它们之间语义一致性方面的差异,最后总结指出全球土地覆盖分类的一致性和多样性特点。

1 土地覆盖分类体系标准的进展

1.1 USGS Anderson 土地覆盖分类体系及相关分类体系、数据产品

USGS于1976年在James R. Anderson提出的土地分类体系基础上,提出了第一个专门用于遥感图像的土地覆盖分类体系(USGS Anderson),并研制了相应的数据产品。如表1所示,分类体系包含4级。其中,9个一级类和37个二级类适用于全国或全州范围,三级和四级类适用于区域性研究,可自由扩展。该分类体系兼顾土地利用状况和土地自然生态背景,没有明确区分土地覆盖和土地利用类型。LULC数据被编译用于 1∶25万(一级类)和1∶10万(二级类)比例尺的覆盖分类图。LULC数据源为矢量数据集,其中最小特征尺度约为10英亩^①(① 1英亩≈4 046.86 m²)^[15-16]。

表1 USGS Anderson土地覆盖分类体系

Tab.1 USGS Anderson land cover classification system

一级类		二级类(编码+类型名)
编码	类型名	二级类(编码+类型名)
1	城镇或建成区(urban or built-up land)	11住宅用地,12商服用地,13工业用地,14交通、通信和公共设施用地,15工商综合体,16城镇或建成区混合体,17其他城镇或建成区
2	农业用地(agricultural land)	21耕地和牧场,22果园、园林、葡萄园、苗圃和园艺用地,23圈养场,24其他农用地
3	草地(rangeland)	31草本草地,32灌木和灌丛草地,33混合草地
4	林地(forest land)	41落叶林地,42常绿林地,43混合林地
5	水体(water)	51河流和沟渠,52湖泊,53水库,54海湾和河口
6	湿地(wetlands)	61有林地覆盖的湿地,62无林地覆盖的湿地
7	荒地(barren land)	71干旱盐碱地,72海滩,73沙地(不包括海滩),74裸岩,75露天矿、采石场和采砂场,76过渡带,77混合荒地
8	苔原(tundra)	81灌木与灌丛苔原,82草本苔原,83裸地苔原,84湿苔原,85混合苔原
9	冰川或永久积雪(perennial snow or ice)	91永久积雪,92冰川

美国国家土地覆盖数据库(National Land Cover Database,NLCD)继承了USGS Anderson分类体系。如表2所示,该分类体系分为2个层级,是在USGS Anderson分类体系一、二级类的基础上派生而成。目前已经发布了六代NLCD产品,覆盖美国全境,不同产品的分类体系存在一定差异。其中最新的NLCD 2019共有8个一级类、20个二级类。NLCD 2019数据集提供2001年、2004年、2006年、2008年、2011年、2013年、2016年和2019年8个年度的数据产品,空间分辨率为 30 m,数据源为Landsat TM遥感影像^[16-18]。

表2 NLCD 2019美国国家土地覆盖分类体系

Tab.2 NLCD 2019 U.S. national land cover classification system

一级类(编码+类型名)	二级类(编码+类型名)
1水体(water)	11开阔水域,12永久冰川/积雪
2开发用地(developed)	21已开发的、开放空间,22发达的、低强度的,23发达的、中等强度的,24发达的、高强度的
3贫瘠土地(barren)	31贫瘠土地(裸岩/沙地/裸土)
4森林(forest)	41落叶林,42常绿森林,43混交林
5灌丛地(shrubland)	51矮生灌丛,52灌木/灌木丛
7草本植被(herbaceous)	71草地/草本植物,72灌木/草本植物,73地衣,74苔藓
8种植/栽培地(planted/cultivated)	81牧场/干草,82栽培作物
9湿地(wetlands)	90有林湿地,95草洲

GeoCover LC全球土地覆盖数据由地球卫星公司(EarthSat)于2000年发布。如表3所示,该分类体系是在1976年USGS Anderson分类体系一级类的基础上进行了改进,共有13类。该分类产品的数据精度为28.5 m,数据年份1990年,覆盖范围为全球有Landsat影像覆盖的地区,数据源也是Landsat 数据^[18-19]。

表3 GeoCover LC全球土地覆盖分类体系

Tab.3 GeoCover LC global land cover classification system

编码	类型名
1	落叶林(forest, deciduous)
2	常绿森林(forest, evergreen)
3	灌木/灌木丛(shrub/scrub)
4	草原(>10%地面覆盖)(grassland (>10% ground cover))
5	贫瘠/极少植被(<10%地面覆盖)(barren/minimal vegetation (<10% ground cover))
6	人造的其他城市建成地(man made-other, urban/built up)
7	一般农业(agriculture, general)
8	稻米/稻谷农业(agriculture rice/paddy)
9	永久/草本湿地(wetland, permanent/herbaceous)
10	红树林湿地(wetland, mangrove)
11	水体(water)
12	永久或几乎永久的冰和/或雪(permanent or nearly permanent ice and/or snow)
13	云/云影/无数据(cloud/cloud shadow/no data)

1.2 CORINE土地覆盖项目CLC的分类体系及产品

1985年欧洲共同体启动了CORINE计划。作为该计划的一部分,CORINE 土地覆盖项目CLC提出的土地覆盖分类体系包含3级,共计5个一级类、15个二级类、44个三级类(表4)。相应的数据产品包括CLC 1990,CLC 2000,CLC 2006,CLC 2012和CLC 2018。数据空间分辨率为100 m(CLC 1990)或优于100 m(其他数据产品),数据产品的覆盖范围为欧洲环境署(European Environment Agency, EEA)成员和合作国家,数据源主要是Landsat和Sentinel遥感影像^[20-22]。

表4 CORINE CLC土地覆盖分类体系

Tab.4 CORINE CLC land cover classification system

一级类	二级类	三级类
1人工表面(artificial surfaces)	1.1城镇建筑物	1.1.1连续的城市结构,1.1.2不连续的城市结构
	1.2工业、商业和交通运输用地	1.2.1工业或商业单位,1.2.2公路和铁路网络及相关土地,1.2.3港口区,1.2.4机场
	1.3矿山、垃圾场和建筑工地	1.3.1矿物提取点,1.3.2垃圾场,1.3.3建筑工地
	1.4人工非农业用地	1.4.1绿色城市地区,1.4.2运动和休闲设施
2农业用地(agricultural areas)	2.1耕地	2.1.1非灌溉耕地,2.1.2永久灌溉土地,2.1.3稻田
	2.2多年生作物	2.2.1葡萄园,2.2.2果树和浆果种植园,2.2.3橄榄园
	2.3牧场	2.3.1牧草
	2.4其他农业用地	2.4.1与长期作物相关的一年生作物,2.4.2.复合栽培,2.4.3土地主要用于农业、自然植被面积很大,2.4.4农林区
3林地和半自然用地(forests and semi-natural areas)	3.1林地	3.1.1阔叶林,3.1.2针叶林,3.1.3混交林
	3.2灌木或草本植物	3.2.1自然草场,3.2.2沼泽和荒地,3.2.3硬叶植物,3.2.4过渡性林地灌木
	3.3少植被或无植被覆盖的空地	3.3.1海滩、沙丘和沙地或没有植被,3.3.2裸岩,3.3.3植被稀疏的地区,3.3.4烧毁区域,3.3.5冰川和永久的雪
4湿地(wetlands)	4.1内陆湿地	4.1.1内陆沼泽,4.1.2泥炭沼泽
4湿地(wetlands)	4.2沿海湿地	4.2.1盐沼,4.2.2盐碱地,4.2.3潮间带
5水体(water bodies)	5.1内陆水体	5.1.1水道,5.1.2水体
5水体(water bodies)	5.2海水	5.2.1沿海潟湖,5.2.2河口,5.2.3海和洋

1.3 IGBP全球土地覆盖分类体系及相关分类体系、数据产品

由USGS、内布拉斯加大学林肯分校和欧盟委员会联合研究中心为IGBP研制的全球土地覆盖特征(global land cover characterization,GLCC)数据库,采用了IGBP的DISCover土地覆盖分类方案。该方案共确定了17 个类别(表5),包括11个自然植被类别、3个反映人类活动的类别和3个非植被类别。IGBP DISCover数据产品基于NOAA-AVHRR 遥感影像数据,利用全年12个月(1992 年4月—1993年3月)的影像合成数据,完成了全球土地覆盖分类,空间分辨率是1 km。IGBP DISCover和SiB Land Cover专题网格数据则每个都重采样为0.25°,0.5°和1.0°^[22-23]。

表5 IGBP和UMD全球土地覆盖分类体系

Tab.5 IGBP and UMD global land cover classification systems

编码 (IGBP)	类型名
编码 (IGBP)	IGBP	UMD
0	水体(water bodies)	水体(water bodies)
1	常绿针叶林(evergreen needleleaf forests)	常绿针叶林(evergreen needleleaf forests)
2	常绿阔叶林(evergreen broadleaf forests)	常绿阔叶林(evergreen broadleaf forests)
3	落叶针叶林(deciduous needleleaf forests)	落叶针叶林(deciduous needleleaf forests)
4	落叶阔叶林(deciduous broadleaf forests)	落叶阔叶林(deciduous broadleaf forests)
5	混交林(mixed forests)	混交林(mixed forests)
6	郁闭灌木林(closed shrublands)	郁闭丛林或灌木林(closed bushlands or shrubland)
7	稀疏灌木林(open shrublands)	稀疏灌木林(open shrublands)
8	有林草原(woody savannas)	林地(woodlands)
9	稀树草原(savannas)	有林草原/灌木林(wooded grasslands/shrublands)
10	草原(grasslands)	草原(grasslands)
11	永久湿地(permanent wetlands)	—
12	农田(croplands)	农田(croplands)
13	城镇与建成区(urban and built-up)	城镇与建成区(urban and built-up)
14	农田/自然植被混合区(cropland natural vegetation mosaics)	—
15	永久冰雪(snow and ice)	—
16	裸地或稀疏植被(barren or sparsely vegetated)	裸地(barren)

马里兰大学全球土地覆盖分类(university of Maryland global land cover classifications,UMD)由马里兰大学地理系于1998年研制(表5)。该分类体系包括14个土地覆盖类别,接近于IGBP分类体系,主要差异在于UMD去除了永久湿地、农田/自然植被混合区、永久冰雪。和IGBP DISCover相同,UMD数据源为AVHRR卫星(1992年4月—1993年3月),空间分辨率1 km。该数据产品被重新采样为0.25°,0.5°和1.0°的栅格^[24-26]。

IGBP分类体系广泛应用于以中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)遥感数据为基础的土地覆盖产品。全球土地覆盖产品MODIS IGBP土地覆盖数据集(Collection 4),采用MODIS数据生成2000—2001年的全球土地覆盖分类数据产品,其分类体系为17类的IGBP分类体系,分辨率为0.25°,0.5°和1°。

MODIS最新的全球土地覆盖产品为MODIS土地覆盖(Collection 6)(MCD12Q1和MCD12C1)。其中MCD12Q1(500 m)以年度间隔(2001—2020年)提供全球土地覆盖类型,提供基于IGBP、UMD、叶面积指数(leaf area index,LAI)、生物群落-生物地球化学循环(BIOME-biogeochemical cycles,BGC)、植物功能类型(plant functional type, PFT)和LCCS等分类体系的土地覆盖分类产品。MCD12C1(0.05°)以年度间隔(2001—2020 年)提供基于IGBP,UMD和LAI分类体系的土地覆盖分类产品。基于IGBP,UMD,LAI,BGC和PFT的分类体系如表6所示,分别有18,17,12,10和13个类别。基于LCCS的分类体系见1.4.2节^[27]。

表6 基于IGBP,UMD,LAI,BGC和PFT的MODIS土地覆盖分类体系

Tab.6 MODIS land cover classification system based on IGBP, UMD, LAI, BGC, PFT

IGBP			UMD		LAI		BGC		PFT
编码	类型名		编码	类型名	编码	类型名	编码	类型名	编码	类型名
0/17^①	水体(water bodies)		0	水体(water bodies)	0	水体(water bodies)	0	水体(water bodies)	0	水体(water bodies)
1	常绿针叶林(evergreen needleleaf forests)		1	常绿针叶林(evergreen needleleaf forests)	7	常绿针叶林(evergreen needleleaf forests)	1	常绿针叶林(evergreen needleleaf forests)	1	常绿针叶林(evergreen needleleaf forests)
2	常绿阔叶林(evergreen broadleaf forests)		2	常绿阔叶林(evergreen broadleaf forests)	5	常绿阔叶林(evergreen broadleaf forests)	2	常绿阔叶林(evergreen broadleaf forests)	2	常绿阔叶林(evergreen broadleaf forests)
3	落叶针叶林(deciduous needleleaf forests)		3	落叶针叶林(deciduous needleleaf forests)	8	落叶针叶林(deciduous needleleaf forests)	3	落叶针叶林(deciduous needleleaf forests)	3	落叶针叶林(deciduous needleleaf forests)
4	落叶阔叶林(deciduous broadleaf forests)		4	落叶阔叶林(deciduous broadleaf forests)	6	落叶阔叶林(deciduous broadleaf forests)	4	落叶阔叶林(deciduous broadleaf forests)	4	落叶阔叶林(deciduous broadleaf forests)
5	混交林(mixed forests)		5	混交林(mixed forests)	—	—	—	—	—	—
—	—		—	—	2	灌木林(shrublands)	—	—	5	灌木(shrub)
6	郁闭灌木林(closed shrublands)		6	郁闭灌木林(closed shrublands)	—	—	—	—	—	—
7	稀疏灌木林(open shrublands)		7	稀疏灌木林(open shrublands)	—	—	—	—	—	—
8	有林草原(woody savannas)	8		有林草原(woody savannas)	—	—	—	—	—	—
9	稀树草原(savannas)	9		稀树草原(savannas)	4	稀树草原(savannas)	—	—	—	—
10	草原(grasslands)	10		草原(grasslands)	1	草原(grasslands)	—	—	6	草(grass)
—	—	—		—	—	—	5	一年生阔叶植被(annual broadleaf vegetation)	—	—
—	—	—		—	—	—	6	一年生草本植被(annual grass vegetation)	—	—
11	永久湿地(permanent wetlands)	11		永久湿地(permanent wetlands)	—	—	—	—	—	—
12	农田(croplands)	12		农田(croplands)	—	—	—	—	—	—
—	—	—		—	—	—	—	—	7	谷物农田(cereal croplands)
—	—	—		—	3	阔叶农田(broadleaf croplands)	—	—	8	阔叶农田(broadleaf croplands)
13	城镇与建成区(urban and built-up lands)	13		城镇与建成区(urban and built-up lands)	10	城镇与建成区(urban and built-up lands)	8	城镇与建成区(urban and built-up lands)	9	城镇与建成区(urban and built-up lands)
14	农田/自然植被混合区(cropland/natural vegetation mosaics)	14		农田/自然植被混合区(cropland/natural vegetation mosaics)	—	—	—	—	—	—
15	永久冰雪(permanent snow and ice)	—		—	—	—	—	—	10	永久冰雪(permanent snow and ice)
16	裸地(barren)	15		无植被土地(non-vegetated lands)	9	无植被土地(non-vegetated lands)	7	无植被土地(non-vegetated lands)	11	裸地(barren)
255	无类别的(unclassified)	255		无类别的(unclassified)	255	无类别的(unclassified)	255	无类别的(unclassified)	255	无类别的(unclassified)

①“水体”地类在MCD12Q1数据产品中代码为17,在MCD12C1数据产品中代码为0。

1.4 FAO LCCS分类体系和基于LCCS的土地覆盖数据产品、体系

1.4.1 LCCS土地覆盖分类体系

FAO LCCS分类体系有2层: 首先采用二分法得到8种主要土地覆盖类型,如图1所示,而后采用定制的分类器及其组合进行后续的分层分类。这些分类器主要定义了环境属性和特定技术属性2层属性^[28-29]。

显示原图|下载原图ZIP|生成PPT

图1 LCCS的体系框架设计(二分阶段)

Fig.1 Design of the system framework of LCCS (dichotomous phase)

LCCS分类体系作为先验分类体系,最大的优势在于其灵活性和兼容性,可以根据实际需求更改分类器,满足特定需要的精细化分类,可适用于不同比例尺的土地覆盖图,分类器支持进一步转换为地球系统模型所需的PFT分布,因此应用范围非常广泛,比如全球森林覆盖和土地利用动态观测土地分类体系(GOFC-GOLD land and forest cover classification system)提出土地覆盖图须采用通用分类体系,使用公认的土地覆盖语言进行开发和翻译,并推荐了LCCS^[30]。

1.4.2 基于LCCS的土地覆盖分类体系和数据产品

2000年全球土地覆盖(global land cover 2000,GLC2000)数据集由欧盟委员会联合研究中心于2003年发布。该数据集基于LCCS,共包括22种地类(表7)。GLC2000数据年份为2000年,分辨率为1 km,使用了SPOT4卫星VEGETATION观测载荷所获得的VEGA2000数据集。数据集包含全分辨率的全球土地覆盖数据集和合作伙伴制作的区域土地覆盖数据集^[31]。

表7 基于LCCS分类体系的GLC2000 土地覆盖分类体系

Tab.7 GLC2000 land cover classification system based on LCCS classification system

编码	类型名
1	树木覆盖,阔叶的,常绿的(tree cover, broadleaved, evergreen)
2	树木覆盖,阔叶的,落叶的,郁闭的(tree cover, broadleaved, deciduous, closed)
3	树木覆盖,阔叶的,落叶的,稀疏的(tree cover, broadleaved, deciduous, open)
4	树木覆盖,针叶的,常绿的(tree cover, needle-leaved, evergreen)
5	树木覆盖,针叶的,落叶的(tree cover, needle-leaved, deciduous)
6	树木覆盖,混合叶型(tree cover, mixed leaf type)
7	树木覆盖,经常被淹没,淡水和半咸水(tree cover, regularly flooded, fresh and brackish water)
8	树木覆盖,经常被淹没,咸水(ree cover, regularly flooded, saline water)
9	混合的:树木覆盖/其他自然植被(mosaic: tree cover/other natural vegetation)
10	树木覆盖,烧毁的(tree cover, burnt)
11	灌木覆盖,郁闭-稀疏,常绿的(shrub cover, closed-open, evergreen)
12	灌木覆盖,密闭-稀疏,落叶的(shrub cover, closed-open, deciduous)
13	草本植物覆盖,密闭-稀疏(herbaceous cover, closed-open)
14	稀疏草本植被或稀疏灌木覆盖(sparse herbaceous or sparse shrub cover)
15	经常淹没的灌木和/或草本植物覆盖(regularly flooded shrub and/or herbaceous cover)
16	耕地和管护地(cultivated and managed areas)
17	混合的:耕地/树木覆盖/其他自然植被(mosaic: cropland/tree cover/other natural vegetation)
18	混合的:耕地/灌木或草地覆盖(mosaic: cropland/shrub or grass cover)
19	裸地(bare areas)
20	水体(water bodies)
21	冰雪(snow and ice)
22	人造表面和相关区域(artificial surfaces and associated areas)

国家测绘组织全球土地覆盖(the global land cover by National Mapping Organizations,GLCNMO)数据集是在国际制图指导委员会(International Steering Committee for Global Mapping,ISCGM)指导下由多个机构合作完成。该数据集的分类体系也是基于LCCS,共20个类别(表8)。所采用的影像数据为MODIS,产品包括2003(1 km分辨率)、2008(1 km分辨率)、2013(500 m分辨率)3个版本^[32-34]。

表8 基于LCCS分类体系的GLCNMO土地覆盖分类体系

Tab.8 GLCNMO land cover classification system based on LCCS classification system

编码	类别名称
1	阔叶常绿林(broadleaf evergreen forest)
2	阔叶落叶林(broadleaf deciduous forest)
3	针叶常绿林(needleleaf evergreen forest)
4	针叶落叶林(needleleaf deciduous forest)
5	混交林(mixed forest)
6	疏林(tree open)
7	灌木(shrub)
8	草本(herbaceous)
9	疏树/灌木草本(herbaceous with sparse tree/shrub)
10	稀疏植被(sparse vegetation)
11	农田(cropland)
12	稻田(paddy field)
13	农田/其他植被混合(cropland /other vegetation mosaic)
14	红树林(mangrove)
15	湿地(wetland)
16	裸露区域,固结(砾石,岩石)(bare area, consolidated (gravel, rock))
17	裸露区域,未固结(沙)(bare area, unconsolidated (sand))
18	城市(urban)
19	冰雪(snow/ice)
20	水体(water bodies)

表6列出的MODIS最新的全球土地覆盖产品中,MCD12Q1(500 m)以年度间隔(2001—2020 年)提供了基于3层LCCS分类体系的土地覆盖分类产品^[27],如表9所示,3种编码分别包含17,12和11类土地覆盖类型。

表9 基于LCCS的MODIS土地覆盖分类体系

Tab.9 MODIS land cover classification system based on LCCS

类别名	编码 (LCCS1)	编码 (LCCS2)	编码 (LCCS3)
裸地(barren)	1	1	1
永久冰雪(permanent snow and ice)	2	2	2
水体(water bodies)	3	3	3
城镇用地和建成区用地(urban and built-up lands)	—	9	—
茂密的森林(dense forests)	—	10	10
常绿针叶林(evergreen needleleaf forests)	11	—	—
常绿阔叶林(evergreen broadleaf forests)	12	—	—
落叶针叶林(deciduous needleleaf forests)	13	—	—
落叶阔叶林(deciduous broadleaf forests)	14	—	—
阔叶/针叶混交林(mixed broadleaf/needleleaf forests)	15	—	—
常绿/落叶阔叶混交林(mixed broadleaf evergreen/deciduous forests)	16	—	—
开阔的森林(open forests)	—	20	20
开阔的森林(open forests)	21	—	—
稀疏的森林(sparse forests)	22	—	—
森林/农田混合区(forest/cropland mosaics)	—	25	—
有林湿地(woody wetlands)	—	—	27
天然草本(grasslands)	—	30	30
茂密的草本(dense herbaceous)	31	—	—
稀疏草本(sparse herbaceous)	32	—	—
天然草本/农田混合(natural herbaceous/croplands mosaics)	—	35	—
草本耕地(herbaceous croplands)	—	36	—
灌木丛地(shrublands)	—	40	40
茂密的灌木(dense shrublands)	41	—	—
灌木/草原混合区(shrubland/grassland mosaics)	42	—	—
稀疏的灌木(sparse shrublands)	43	—	—
草本湿地(herbaceous wetlands)	—	—	50
苔原(tundra)	—	—	51
无类别的(unclassified)	255	255	255

气候变化倡议土地覆盖项目(climate change initiative land cover,CCI-LC)是一个由欧洲空间局(European Environment Agency, ESA)制作的土地覆盖数据产品,先后由ESA的气候变化倡议(Climate Change Initiative, CCI)(2015年及以前)和欧盟委员会(European Commission, EC)哥白尼计划(2016年起)支持。该产品的分类体系基于LCCS,包括23个一级类和15个二级类(见表10)。数据年份为1992—2020年,空间分辨率300 m,源数据采用AVHRR HRPT,SPOT-Vegetation,PROBA-V和Sentinel-3等影像数据^[35-36]。

表10 基于LCCS分类体系的CCI-LC全球年度土地覆盖图分类体系

Tab.10 CCI-LC global annual land cover map classification system based on LCCS classification system

一级类(编码+地类)	二级类(编码+地类)
0无数据(no data)
10耕地,雨水灌溉(cropland, rainfed)	11草本植物覆盖; 12树叶或灌木覆盖
20耕地,灌溉的或洪水后的耕地(cropland, irrigated or postflooding)	—
30混合式耕地(>50%)/自然植被(树木、灌木、草本植物覆盖)(<50%)(mosaic cropland (>50%) / natural vegetation (tree, shrub, herbaceous cover) (<50%))	—
40混合式自然植被(树木、灌木、草本植物覆盖)(>50%)/耕地(<50%)(mosaic natural vegetation (tree, shrub, herbaceous cover) (>50%) / cropland (<50%))	—
50树木覆盖,阔叶树,常绿,郁闭至稀疏(>15%)(tree cover, broadleaved, evergreen, closed to open (>15%))	—
60树木覆盖,阔叶树,落叶树,郁闭至稀疏(>15%)(tree cover, broadleaved, deciduous, closed to open (>15%))	61树木覆盖,阔叶树,落叶树,郁闭的(>40%); 62树木覆盖,阔叶树,落叶,稀疏的(15-40%)
70树木覆盖,针叶树,常绿,郁闭的(>40%)(tree cover, needleleaved, evergreen, closed to open (>15%))	71树木覆盖,针叶树,常绿,郁闭的(>40%); 72树木覆盖,针叶树,落叶树,郁闭的(>40%)
80树木覆盖,针叶树,落叶树,郁闭至稀疏(>15%)(tree cover, needleleaved, deciduous, closed to open (>15%))	81树木覆盖,针叶树,落叶树,郁闭的(>40%); 82树木覆盖,针叶,落叶树,稀疏的(15-40%)
90树木覆盖,混合叶子类型(阔叶和针叶)(tree cover, mixed leaf type (broadleaved and needleleaved))	—
100混合的树木和灌木(<>50%)/草本植物覆盖(<50%)(mosaic tree and shrub (>50%) / herbaceous cover (<50%))	—
110混合的草本植物覆盖率(>50%)/树木和灌木(<50%)(mosaic herbaceous cover (>50%) / tree and shrub (<50%))	—
120灌木丛地(shrubland)		121常绿灌木丛地; 122落叶灌木丛地
130草地(grassland)		—
140地衣和苔藓(lichens and mosses)		—
150稀疏的植被(树木、灌木、草本植物覆盖)(<15%)(sparse vegetation (tree, shrub, herbaceous cover) (<15%))		151稀疏的树(<15%); 152稀疏的灌木(<15%); 153稀疏的草本植物覆盖(<15%)
160树木覆盖,被淹没,淡水或半咸水(tree cover, flooded, fresh or brakish water)		—
170树木覆盖,被淹没,咸水(tree cover, flooded, saline water)		—
180灌木或草本植物覆盖,淹没,淡水/咸水/半咸水(shrub or herbaceous cover, flooded, fresh/saline/brakish water)		—
190城市地区(urban areas)		—
200裸露区城(bare areas)		201固结的裸露区域; 202未固结的裸露区域
210水体(water bodies)		—
220永久性的冰雪(permanent snow and ice)		—

GlobCover全球土地覆盖项目发布的全球土地覆盖地图(global land cover map,GLCM)由ESA支持研制。该产品使用LCCS分类体系,共计22类(表11)。数据的空间分辨率为300 m,时间覆盖跨度为2005—2009年,数据源为ENVISAT MERIS载荷获得的影像数据^[36-37]。

表11 基于LCCS分类体系的GlobCover土地分类体系

Tab.11 GlobCoverland classification system based on LCCS classification system

编码	类型名
11	洪水后或灌溉后的耕地(post-floodin or irrigated croplands)
14	雨水灌溉的耕地(rainfed croplands)
20	混合耕地(50%~70%)/植被(草地、灌木丛、森林)(20%~50%)mosaic cropland (50%~70%) / vegetation (grassland, shrubland, forest) (20%~50%)
30	混合植被(草地、灌丛、森林)(50%~70%)/耕地(20%~50%)(mosaic vegetation (grassland, shrubland, forest) (50%~70%) / cropland (20%~50%))
40	郁闭到稀疏的(>15%)常绿阔叶林和/或半落叶林(>5 m)(closed to open (>15%) broadleaved evergreen and/or semi-deciduous forest (>5 m))
50	郁闭的(>40%)阔叶落叶林(>5 m)(closed (>40%) broadleaved deciduous forest (>5 m))
60	稀疏的(15%~40%)阔叶落叶林(>5 m)(open (15%~40%) broadleaved deciduous forest (>5 m))
70	郁闭的(>40%)常绿针叶林(>5 m)(closed (>40%) needleleaved evergreen forest (>5 m))
90	稀疏的(15%~40%)针叶落叶或常绿林(>5 m)(open (15%~40%) needleleaved deciduous or evergreen forest (>5 m))
100	郁闭到稀疏(>15%)阔叶和针叶混交林(>5 m)(closed to open (>15%) mixed broadleaved and needleleaved forest (>5 m)
110	混交林:灌丛(50%~70%)/草地(20%~50%)(mosaic forest/shrubland (50%~70%)/grassland (20%~50%))
120	混交林:草原(50%~70%)/森林-灌丛(20%~50%)(mosaic grassland(50%~70%)/forest/shrubland (20%~50%))
130	郁闭到稀疏(>15%)灌木丛(<5 m)(closed to open (>15%) shrubland (<5 m))
140	郁闭到稀疏(>15%)草地(closed to open (>15%) grassland)
150	稀疏(>15%)植被(木本植被、灌木、草地)(sparse (>15%) vegetation (woody vegetation, shrubs, grassland))
160	郁闭(>40%)阔叶林经常被洪水淹没-淡水(closed (>40%) broadleaved forest regularly flooded - fresh water)
170	郁闭(>40%)半落叶阔叶林和/或常绿阔叶林经常被洪水淹没-咸水(closed (>40%) broadleaved semi-deciduous and/or evergreen forest regularly flooded - saline water)
180	郁闭至稀疏(> 15%)植被(草原,灌木地,木本植被)的定期泛滥或含水土壤-淡水,半咸水或盐水)(closed to open (>15%) vegetation (grassland, shrubland, woody vegetation) on regularly flooded or waterlogged soil -fresh, brackish or saline water)
190	人造表面和相关区域(城市区域>50%)(artificial surfaces and associated areas (urban areas >50%))
200	裸地(bare areas)
210	水体(water bodies)
220	永久冰雪(permanent snow and ice)

哥白尼全球陆地服务(Copernicus global land service,CGLS)提供的全球土地覆盖图CGLS-LC100也采纳了LCCS分类体系,共计23个地类(表12)。数据跨度是2015—2019年,空间分辨率为100 m,数据源包括植被观测卫星PROBA-V 获得的100 m分辨率的卫星影像、高质量的土地覆盖训练样本数据和辅助数据集^[38]。

表12 基于LCCS分类体系的CGLS-LC100土地覆盖分类体系

Tab.12 CGLS-LC100 land cover classification system based on LCCS classification system

编码	类型名
0	没有可用输入数据
111	郁闭的森林,常绿针叶林(closed forest, evergreen needle leaf)
113	郁闭的森林,落叶针叶林(closed forest, deciduous needle leaf)
112	郁闭的森林,常绿阔叶林(closed forest, evergreen, broad leaf)
114	郁闭的森林,落叶阔叶林(closed forest, deciduous broad leaf)
115	郁闭的森林,混交林(closed forest, mixed)
116	郁闭的森林,未知(closed forest, unknown)
121	稀疏的森林,常绿针叶林(open forest, evergreen needle leaf)
123	稀疏的森林,落叶针叶林(open forest, deciduous needle leaf)
122	稀疏的森林,常绿阔叶林(open forest, evergreen broad leaf)
124	稀疏的森林,落叶阔叶林(open forest, deciduous broad leaf)
125	稀疏的森林,混交林(open forest, mixed)
126	稀疏的森林,未知(open forest, unknown)
20	灌木(shrubs)
30	草本植被(herbaceous vegetation)
90	草本湿地(herbaceous wetland)
100	苔藓及地衣植物(moss and lichen)
60	裸地/稀疏植被(bare / sparse vegetation)
40	种植和管护的植被/农业(耕地)(cultivated and managed vegetation/agriculture (cropland))
50	城市/建成区(urban / built up)
70	冰雪(snow & ice)
80	永久性水体(permanent water bodies)
200	开阔海域(open sea)

全球30 m地表覆盖精细分类产品(global land-cover product with fine classification system at 30 m,GLC_FCS30)是由中国科学院空天信息创新研究院刘良云研究员团队研发的。GLC_FCS30分类体系相比同分辨率数据产品类别更多样化。如表13所示,GLC_FCS30-2015分类体系共包括9个一级类、16个二级类(全球LCCS土地覆盖类型)和30个三级类(16个全球LCCS土地覆盖类型和14个详细的区域土地覆盖类型)。对应的数据产品为GLC_FCS30-2015,该数据的生产采用一种基于时空光谱库(SPECLib)的多时相分类方法^[39]。

表13 基于LCCS分类体系的GLC_FCS30-2015土地覆盖精细分类体系

Tab.13 GLC_FCS30 2015 land cover fine classification system based on LCCS classification system

0级分类体系	LCCS分类体系		精细分类体系
0级分类体系	编码	类型名	编码	类型名
农田(cropland)	10	雨养农田	10	雨养农田
			11	草本植被
			12	树木或灌木覆盖物(果园)
	20	灌溉农田	20	灌溉农田
森林(forest)	50	常绿阔叶林	50	常绿阔叶林
	60	落叶阔叶林	60	落叶阔叶林
			61	郁闭的落叶阔叶林
			62	稀疏的落叶阔叶林
	70	常绿针叶林	70	常绿针叶林
			71	郁闭的的常绿针叶林
			72	稀疏的常绿针叶林
	80	落叶针叶林	80	落叶针叶林
			81	郁闭的的落叶针叶林
			82	稀疏的落叶针叶林
	90	混交林	90	混交林
灌木丛(shrubland)	120	灌木丛	120	灌木丛
			121	常绿灌丛
			122	落叶灌丛
草原(grassland)	130	草原	130	草原
湿地(wetlands)	180	湿地	180	湿地
不透水面(impervious surfaces)	190	不透水面	190	不透水面
裸露区域(bare areas)	140	地衣和苔藓	140	地衣和苔藓
	150	稀疏植被	150	稀疏植被
			152	稀疏的灌丛
			153	稀疏的草本覆盖
	200	裸露区域	200	裸露区域
			201	固结的裸露区域
			202	未固结的裸露区域
水体(water body)	210	水体	210	水体
永久冰雪(permanent ice and snow)	220	永久冰雪	220	永久冰雪

相比GLC_FCS30-2015的16个全球LCCS土地覆盖类型,GLC_FCS30-2020土地覆盖精细分类体系提供了一个含30种土地覆盖类型的全球30 m土地覆盖分类体系(表14)。GLC_FCS30-2020土地覆盖数据产品采用GLC_FCS30-2020分类体系, 进一步提高了3种典型土地覆盖类型(不透水表面、水体和耕地)的分类性能,并且改善了不连续空间转换的数量较少的问题^[40]。GLC_FCS30-1985_2020产品同样采用GLC_FCS30-2020土地覆盖分类体系,提出了耦合变化检测和动态更新的土地覆盖动态监测的自动化方案,利用 1984—2020 年所有Landsat卫星数据,实现了从1985—2020年以5 a为周期的30 m分辨率数据产品的生产。

表14 基于LCCS分类体系的GLC_FCS30-2020土地覆盖精细分类体系

Tab.14 GLC_FCS30-2020 land cover fine classification system based on LCCS classification system

编码	精细分类体系
10	雨养农田(rainfed cropland)
11	草本植被(herbaceous cover)
12	树木或灌木覆盖物(果园)(tree or shrub cover (orchard))
20	灌溉农田(irrigated cropland)
51	稀疏的常绿阔叶林(open evergreen broadleaved forest)
52	郁闭的常绿阔叶林(closed evergreen broadleaved forest)
61	稀疏的落叶阔叶林(open deciduous broadleaved forest)
62	郁闭的落叶阔叶林(closed deciduous broadleaved forest)
71	稀疏的常绿针叶林(open evergreen needle-leaved forest)
72	郁闭的常绿针叶林(closed evergreen needle-leaved forest)
81	稀疏的落叶针叶林(open deciduous needle-leaved forest)
82	郁闭的落叶针叶林(closed deciduous needle-leaved forest)
91	稀疏的混交林(阔叶和针叶)(open mixed leaf forest (broadleaved and needle-leaved))
92	郁闭的混交林(阔叶和针叶)(closed mixed leaf forest (broadleaved and needle-leaved))
120	灌木丛(shrubland)
121	常绿灌丛(evergreen shrubland)
122	落叶灌丛(deciduous shrubland)
130	草原(grassland)
140	地衣和苔藓(lichens and mosses)
150	稀疏植被(sparse vegetation)
152	稀疏的灌丛(sparse shrubland)
153	稀疏的草本覆盖(sparse herbaceous)
180	湿地(wetlands)
190	不透水面(impervious surfaces)
200	裸露区域(bare areas)
201	固结的裸露区域(consolidated bare areas)
202	未固结的裸露区域(unconsolidated bare areas)
210	水体(water body)
220	永久冰雪(permanent ice and snow)
250	填充值(filled value)

“iMap World 1.0”由清华大学宫鹏教授团队于2021年发布,提供了世界上首套1985—2020年全球30 m逐日无缝数据立方体, 完成了首套1985—2020年全球逐年逐季节土地覆盖制图,填补了大规模高频率、无缝遥感制图的空白。该产品提供了2种分类体系。其中,FROM-GLC分类体系有10个一级类和29个二级类,见1.6节相关表格,LCCS分类体系(参考GLC2000)有8个一级类和32个二级类(表15),在原先分类体系的基础上均有一定的优化^[40-41]。

表15 基于LCCS分类体系的iMap World 1.0土地覆盖制图分类体系

Tab.15 iMap World 1.0 land cover mapping classification system based on LCCS classification system

一级类(编码+地类)	二级类(编码+地类)
10耕地和管理地(cultivated and managed areas)	10耕地和管理地
20树(tree)	21常绿阔叶
	22落叶阔叶,郁闭,有叶
	23落叶阔叶,郁闭,落叶
	24落叶阔叶,稀疏,有叶
	25落叶阔叶,稀疏,落叶
	26常绿针叶
	27落叶针叶,有叶
	28落叶针叶,落叶
	29混合叶型,有叶
	30混叶型,落叶
31树木覆盖,烧毁(tree cover, burnt)	31树木覆盖,烧毁
40灌木或草本覆盖(shrub cover or herbaceous)	41常绿灌木
	42落叶灌木
	43落叶灌木
	44草本,有叶
	45草本,落叶
50湿地(wetland)	51树木覆盖,定期淹没,淡水和半咸水
	52树木覆盖,定期淹没,咸水
	53经常被淹的灌木和/或草本覆盖,有叶
	54经常被淹的灌木和/或草本覆盖,落叶
60混合的植被(mosaic-vegetation)	61树木/其他自然植被
	62作物/树木/其他自然植被
	63作物/灌木或草本
	64落叶植被
	65作物/树木/其他自然植被,落叶
	66作物/灌木或草本,落叶
70非植被(non-vegetation)	71裸露区域
	72水体
	73人造表面和相关区域
	74冰雪
80稀疏草本或稀疏灌木覆盖(sparse herbaceous or sparse shrub cover)	80稀疏草本或稀疏灌木覆盖

WorldCover项目于2017年由ESA启动,目前提供了2020年和2021年2个年份的10 m分辨率的全球土地覆盖产品。如表16所示,WorldCover产品包含了11种土地覆盖类型,与LCCS分类编码保持一致。数据产品的空间分辨率10 m,数据源主要包含Sentinel-1和Sentinel-2影像数据^[42]。

表16 基于LCCS分类体系的WorldCover 10 m土地覆盖分类体系

Tab.16 WorldCover 10 m land cover classification system based on LCCS classification system

编码	土地覆盖类型
10	树木覆盖(tree cover)
20	灌木(shrubland)
30	草地(grassland)
40	农田(cropland)
50	建成区(built-up)
60	裸地/稀疏植被(bare / sparse vegetation)
70	冰雪(snow and ice)
80	永久性水体(permanent water bodies)
90	草本湿地(herbaceous wetland)
95	红树林(mangroves)
100	苔藓及地衣植物(moss and lichen)

全球土地覆盖共享(global land cover-share,GLC-SHARE)产品是由FAO于2014年发布。产品采纳了LCCS标准,实现了多套高分辨率土地覆盖数据的整合。如表17所示,GLC-SHARE提供了11个聚合土地覆盖类型,在兼容原始类型的基础上,归类为更基础的类型定义,并尽可能保持了不同土地覆盖数据产品的一致性^[43]。该数据的空间分辨率为30″(约1 km)。

表17 基于LCCS分类体系的GLC-SHARE全球土地覆盖汇总类别

Tab.17 GLC-SHARE global land cover summary categories based on LCCS classification system

编码	类型
01	人工地表(artificial surfaces)
02	耕地(cropland)
03	草地(grassland)
04	树木覆盖区(tree covered areas)
05	灌木覆盖区(shrubs covered areas)
06	草木植被、水生或定期淹没(herbaceous vegetation, aquatic or regularly flooded)
07	红树林(mangroves)
08	稀疏植被(sparse vegetation)
09	裸土(baresoil)
10	雪和冰川(snow and glaciers)
11	水体(water bodies)

GeoWiki Hybrid全球混合土地覆盖数据产品由隶属于国际应用系统分析研究所的Geo-Wiki于2014年发布。产品以2005年为基准年制作,其分类体系是基于LCCS分类体系,包含10种土地覆盖类别(表18)。该产品的空间分辨率30 m,使用 GLC2000,MODISLC 和 GlobCover 作为输入数据,主要采用了地理加权回归(geographically weighted regression,GWR)方法,并采用了Geo-Wiki众包验证数据进行验证^[9,44-46]。

表18 基于LCCS的GeoWiki Hybrid土地覆盖分类体系

Tab.18 GeoWiki Hybrid land cover classification system based on LCCS

编码	类别
1	树木覆盖(tree cover)
2	灌木覆盖(shrub cover)
3	草本植被/草地(herbaceous vegetation/grassland)
4	栽培和管理的植被(cultivated and managed)
5	栽培和管理/自然植被的镶嵌(mosaic of cultivated and managed/natural vegetation)
6	洪泛/湿地(flooded/wetland)
7	城市(urban)
8	雪和冰(snow and ice)
9	裸地(barren)
10	地表水(open water)

1.5 GlobeLand30和AGLC全球土地覆盖分类体系及数据产品

GlobeLand30由国家基础地理信息中心陈军院士团队研发。如表19所示,该数据产品的分类体系共包括10个一级类型,其中苔原一级类型有4个二级类型。采用的原始影像数据主要包括Landsat,HJ-1和GF-1遥感影像。2014年发布GlobeLand30 2000和2010版,2019年发布GlobeLand30 2020版,分辨率均为30 m^[9,47]。

表19 GlobeLand30土地覆盖分类体系

Tab.19 GlobeLand30 land cover classification system

编码	类型
10	耕地(cultivated land)
20	林地(forest)
30	草地(grassland)
40	灌木地(shrubland)
50	湿地(wetland)
60	水体(water bodies)
70	苔原(4个亚类型: 71灌木苔原、72禾本苔原、73湿苔原与74裸地苔原)(tundra)
80	人造地表(artificial surfaces)
90	裸地(bare land)
100	冰川和永久积雪(permanent snow and ice)

AGLC 2010—2015是中山大学刘小平教授团队于2021年发布的全球30 m分辨率全球土地覆盖变化数据集。如表20所示,参考现有的GlobeLand30土地覆盖分类体系,AGLC制定了10种类型的土地覆盖分类体系。中山大学基于谷歌地球引擎(Google Earth Engine, GEE)平台,综合使用FROM-GLC,Globeland30和GLC-FCS30等分类数据产品,时间覆盖为2000—2015年。该产品采用了多源数据融合、时序变化检测和机器学习等方法,数据精度得到显著提升^[48]。

表20 AGLC土地覆盖分类体系

Tab.20 AGLC land cover classification system

编码	类型
10	耕地(cultivated land)
20	林地(forest)
30	草地(grassland)
40	灌木地(shrubland)
50	湿地(wetland)
60	水体(water bodies)
70	苔原(tundra)
80	不透水面(artificial surfaces)
90	裸地(bare land)
100	永久冰雪(permanent snow and ice)

1.6 FROM-GLC系列产品和基于FROM-GLC产品的土地覆盖分类体系

FROM-GLC是清华大学地球系统科学系宫鹏教授团队研制的一套高分辨率全球土地覆盖图,包括FROM-GLC30,FROM-GLC10,FROM-GLC-seg和FROM-GLC-agg等。

如表21所示,FROM-GLC 2010分类体系定义包含 11个一级类和27个二级类。这些类别定义可以映射到FAO LCCS和 IGBP分类体系。FROM-GLC30数据集的2010年版本采用该分类体系,该数据集的生产使用了Landsat TM和ETM+影像数据,也参考了基于TM/ETM+光谱曲线库、2010年全年MODIS时间序列以及Google Earth高分辨率图像和实地照片^[49]。

表21 FROM-GLC 2010土地覆盖分类体系

Tab.21 FROM-GLC 2010 land cover classification system

一级类(编码+地类)	二级类(编码+地类)
10农地(croplands)	11水稻田,12温室,13其他农地
20森林(forest)	21阔叶林,22针叶林,23混交林,24果园
30草地(grasslands)	31牧草地,32其他草地
40灌丛(shurblands)	—
50湿地(wetland)	51沼泽地,52泥滩
60水体(waterbodies)	61湖,62水库/池塘,63河流,64海洋
70苔原(tundra)	71灌丛和灌丛苔原(= 40灌丛),72草本苔原
80不透水面(impervious)	81不透水层-高反照率,82不透水层-低反照率
90裸地(barren land)	91干盐滩,92沙区,93裸露的岩石,94裸露的草本耕地,95干湖/河床,96其他荒地
100冰雪(snow and ice)	101雪,102冰
999云(cloud)	—

如表22所示,FROM-GLC 2015分类体系定义包含11个一级类别和23个二级类别。这些类别定义可以映射到FAO LCCS和 IGBP分类体系。FROM-GLC30数据集的2015年版本采用该分类体系,分类数据包含Landsat5/7/8、中国高分卫星、资源卫星、环境卫星和SRTM地形数据等。

表22 FROM-GLC 2015土地覆盖分类体系

Tab.22 FROM-GLC 2015 land cover classification system

一级类(编码+地类)	二级类(编码+地类)
10农地(cropland)	11水稻田; 12温室; 13其他农地; 14果园; 15裸农地
20森林(forest)	21阔叶,有叶; 22阔叶,落叶; 23针叶,有叶; 24针叶,落叶; 25混交,有叶; 26混交,落叶
30草地(grassland)	31牧草地; 32自然草地; 33自然草地,落叶
40灌丛(shrubland)	41灌丛,有叶; 42灌丛,落叶
50湿地(wetland)	51沼泽地,有叶; 52泥滩; 53沼泽地,落叶
60水体(water)	—
70苔原(tundra)	71灌丛苔原; 72草本苔原
80不透水面(impervious surface)	—
90裸地(bareland)	—
100冰雪(snow/ice)	101雪; 102冰
120云(cloud)	—

如表23所示,FROM-GLC 2017分类体系定义包含10个类别,FROM-GLC30数据集的2017年版本采用该分类体系,分类数据包含Landsat8影像、全球数字高程模型(digital elevation model,DEM)数据、MOD13Q1产品等。FROM-GLC10数据集也采用该分类体系,它是首套第一个10 m分辨率的全球土地覆盖产品,采用了样本迁移的办法,复用了2015年收集的30 m分辨率样本集,利用了Sentinel-2影像数据和GEE编程环境^[50]。

表23 FROM-GLC 2017土地覆盖分类体系

Tab.23 FROM-GLC 2017 land cover classification system

编码 (FROM-GLC30)	编码 (FROM-GLC10)	地类
1	10	农地(cropland)
2	20	森林(forests)
3	30	草地(grasslands)
4	40	灌丛(shrublands)
5	50	湿地(wetland)
6	60	水体(water)
7	70	苔原(tundra)
8	80	不透水面(impervious)
9	90	裸地(barelands)
10	100	冰雪(snow/ice)

FROM-GLC-seg土地覆盖分类体系在基本遵循FROM-GLC 2010土地覆盖分类体系的基础上,稍作修改,去除湿地、苔原、不透水面、云4个一级类,共有7个一级类和25个二级类(表24)。FROM-GLC-seg的数据年份是2010年,采用一种分割方法整合多分辨率数据集(主要包含: LandsatTM/ETM+,MODIS EVI,Bioclimatic variables,global DEM,Soil-water variables),空间分辨率为30 m^[51]。

表24 FROM-GLC-seg土地覆盖分类体系

Tab.24 FROM-GLC-seg land cover classification system

一级类	二级类
农地(cropland)	水稻田,温室,其他农地
森林(forest)	阔叶林,针叶林,混交林,果园
草地(grassland)	人工,自然,湿地-草原,苔原-草原
灌丛(shrubland)	灌丛,苔原-灌丛
水体(water)	湖,池塘,河流,海洋
裸地(bareland)	碱土,沙,岩石,裸露的耕地,河床,其他裸地
冰雪(snow/ice)	雪,冰

FROM-GLC-agg土地覆盖分类体系相比FROM-GLC 2010土地覆盖分类体系,去除了湿地和苔原2个一级类,共有9个一级类和25个二级类(表25)。FROM-GLC-agg的数据年份也是2010年通过聚合FROM-GLC和FROM-GLC-seg以及2个粗分辨率不透水图制成,空间分辨率也是30 m^[52]。

表25 FROM-GLC-agg土地覆盖分类体系

Tab.25 FROM-GLC-agg land cover classification system

一级类	二级类
农地(cropland)	水稻田,温室,其他农地
森林(forests)	阔叶林,针叶林,混交林,果园
草地(grasslands)	人工,自然,湿地-草原,苔原-草原
灌丛(shrublands)	灌丛,苔原-灌丛
水体(water)	陆地水,海水
不透水面(impervious)	高反照率,低反照率
裸地(barelands)	碱土,沙,岩石,裸露的耕地,河床,其他裸地
冰雪(snow/ice)	雪,冰
云(cloud)	—

全球陆地表面卫星全球土地覆盖数据产品(global land surface satellite global land cover,GLASS-GLC)由清华大学宫鹏教授团队研制,包含1982—2015年共计34 a时间跨度的全球陆地表面土地覆盖数据。如表26所示,该产品的分类体系包含7个地类。该产品的空间分辨率是5 km,采用了多套GLASS-CDR数据产品^[53]。

表26 基于FROM-GLC第二版分类体系的GLASS-GLC土地覆盖分类体系

Tab.26 GLASS-GLC land cover classification system based on FROM-GLC version 2 classification system

类别	子类别
农田(cropland)	稻田,温室,其他农田,果园,裸地
森林(forest)	阔叶树、有叶,阔叶树、落叶,针叶树、有叶,针叶树、落叶,混交树种、有叶,混交树种、落叶
草地(grassland)	牧场、有叶,天然草地、有叶,草原、有叶
灌丛(shrubland)	灌木、有叶,灌木、落叶
苔原(tundra)	灌丛和矮树苔原,草本苔原
荒地(barren land)	荒地
冰雪(snow/ice)	雪,冰

“iMap World 1.0”提供了LCCS分类体系(表14)和FROM-GLC分类体系(表27)2种分类体系。其中,基于FROM-GLC分类体系的产品包含10个一级类和29个二级类^[40]。

表27 基于FROM-GLC分类体系的iMap World 1.0土地覆盖制图分类体系

Tab.27 iMap World 1.0 land cover mapping classification system based on the FROM-GLC classification system

一级类(编码+地类)	二级类(编码+地类)
10农地(cropland)	11水稻田,12温室,13其他农地,14果园,15裸农地
20森林(forest)	21阔叶、有叶, 22阔叶、落叶,23针叶、有叶,24针叶、落叶,25混交、有叶, 26混交、落叶
30草地(grassland)	31牧草地、有叶,32自然草地、有叶, 33自然草地、落叶
40灌丛(shrublands)	41灌丛、有叶,42灌丛、落叶
50湿地(wetland)	51沼泽地、有叶,52泥滩,53沼泽地、落叶
60水体(water body)	61湖,62水库/池塘,63河流,64海洋
70苔原(tundra)	71灌丛和灌丛苔原,72草本苔原
80不透水面(impervious)	80不透水层
90裸地(barren land)	90裸地
100冰雪(snow/ice)	101雪,102冰

1.7 Esri 10 m Land Cover时间序列数据产品及分类体系

Esri 10 m Land Cover数据产品由Impact Observatory,Microsoft和Esri研制,于2023年3月发布最新版本,是2017—2022年全球土地覆盖时间序列数据产品。如表28所示,该产品共包含9个土地覆盖类别。该数据产品使用超过50亿个人工标记图像像素的海量训练数据集,采用了深度学习的土地覆盖分类模型^[54]。

表28

Tab.28 Esri 10 m land cover classification system

编码	类型
1	水体(water)
2	树木(trees)
4	被淹没的植被(flooded vegetation)
5	作物(crops)
7	建成区(built area)
8	裸地(bare ground)
9	冰雪(snow/ice)
10	云(clouds)
11	天然草地(rangeland)

1.8 Dynamic World全球土地利用土地覆盖制图及分类体系

Dynamic World于2022年6月由Google和World Resources Institute研制。如表29所示,该数据产品的分类体系共9类。之前介绍的全球土地覆盖产品往往是年度产品,每年生成一期,而Dynamic World采用深度学习等新型的方法,能够生产全球一致、高分辨率、近实时的土地利用土地覆盖分类。采用的遥感影像为2015年6月27日之后的 Sentinel-2卫星图像,数据分辨率10 m,卫星重访频率在2~5 d之间不等,去云后数据更新频率约为5~10 d^[55]。

表29 Dynamic World分类体系

Tab.29 Dynamic World classification system

编码	LULC类型
0	水(water)
1	树木(trees)
2	草(grass)
3	被淹没的植被(flooded vegetation)
4	作物(crops)
5	灌木和灌丛(shrub and scrub)
6	建成区(built area)
7	裸露的地面(bare ground)
8	冰雪(snow and ice)

2 讨论

2.1 土地覆盖分类体系精细程度以及分类体系、空间分辨率、空间尺度的关系

按照数据产品的空间分辨率(同数据产品空间分辨率不同,按照最高的为准)的降序排列(分辨率低的在前,分辨率高的在后),汇总了本文调研的29个不同的土地覆盖分类体系(表30),列举分类体系名称、对应的分类产品名称、类别总数量、数据对应的年份、空间覆盖范围信息。其中“类别总数量”的表达方式包含几种类型: 单独的数字表示该分类体系只有一个级别; “+”用来区分同一分类体系不同级别的类别数量; “,”用来区分同种分类产品不同分类体系的情况,和表格第二列“分类体系”对应。

表30 土地覆盖分类体系汇总

Tab.30 Summary of land cover classification systems

最高空间分辨率/m	分类体系	分类产品	类别总数量	数据对应时间	空间覆盖范围
5 000	FROM-GLC	GLASS-GLC	7	1982—2015	全球
1 000	IGBP	DISCover	17	1992年4月—1993年3月	全球
1 000	IGBP	UMD	14	1992年4月—1993年3月	全球
1 000	LCCS	GLC2000	22	2000	全球
1 000	LCCS	GLC-SHARE	11	2013	全球
500	LCCS	GLCNMO	20	2003(1km),2008(1km),2013	全球
500	IGBP,UMD,LAI,BGC,PFT,LCCS	MCD12Q1	18,17,12,10,13,17/12/11	2001—2020	全球
500	IGBP,UMD,LAI	MCD12C1	18,17,12	2001—2020	全球
300	LCCS	CCI-LC	23+15	1992—2020	全球
300	LCCS	GlobCover	22	2005—2009	全球
100	CORINE	CLC	5+15+44	1990,2000,2006,2012,2018	欧洲部分区域
100	LCCS	CGLS-LC100	23	2015—2019	全球
30	LCCS	GLC_FCS30-2015	9+16+30	2015	全球
30	LCCS	GLC_FCS30-2020/GLC_FCS30-1985-2020	30	2020/1985—2020	全球
30	LCCS	GeoWiki Hybrid	10	2005	全球
30	LCCS,FROM-GLC	iMap World 1.0	8+33,10+29	1985—2020	全球
30	GlobeLand30	GlobeLand30	10+4(苔原)	2000,2010,2020	全球
30	AGLC	AGLC-2000-2015	10	2010—2015	全球
30	FROM-GLC	FROM-GLC30 (2010)	11+27	2010	全球
30	FROM-GLC	FROM-GLC30 (2015)	11+23	2015	全球
30	FROM-GLC	FROM-GLC30 (2017)	10	2017	全球
30	FROM-GLC	FROM-GLC-seg	7+27	2010	全球
30	FROM-GLC	FROM-GLC-agg	9+25	2010	全球
30	USGS	NLCD 2019	8+20	2001,2004,2006,2008,2011,2013,2016,2019	美国
28.5	USGS	GeoCover LC	13	1990	全球部分地区
10	FROM-GLC	FROM-GLC10	10	2017	全球
10	LCCS	WorldCover 10 m	11	2020,2021	全球
10	Esri 10m Land Cover	Esri 10m Land Cover	9	2017—2021	全球
10	Dynamic World	Dynamic World	9	2015年后(每2~5 d)	全球

从表30可以看出,目前已有的全球土地覆盖分类数据产品分辨率处于10~5 000 m范围,且呈现出明显的地表分辨率精细化的发展趋势。在区域制图方面,清华大学和商汤科技合作完成全国区域3 m土地覆盖制图^[56],中国地质大学(武汉)和武汉大学完成了中国1 m分辨率国家级土地覆盖图SinoLC-1^[57],北卡罗来纳大学完成了北美UrbanWatch 1 m土地覆盖制图^[58],中山大学实现了中国34个城市1 m精细化绿地制图^[59],哥本哈根大学完成0.5 m树冠参数制图^[60]。未来随着样本数据、分类算法和计算算力的增强,大范围的土地覆盖分类数据产品的地面分辨率还将有进一步的提升。

分类体系的精细程度既受到所采用的影像数据和多源数据对地物特征的分辨和表达能力的制约,也和采用的技术路线直接相关。比如,100 m或者更粗分辨率的土地覆盖产品的分类类别数目多集中在10~25类之间,30 m分辨率的全球土地覆盖数据产品分类类别数集中在20~30类之间,而10 m全球土地覆盖产品分类类别多集中在9~11类。值得注意的是,全球土地覆盖数据产品中,精细分类程度较高的数据产品普遍采用LCCS和FROM-GLC分类体系。这2种分类体系,在精细化分类方面有明显的优势,更适合精细化分类需求。本文的调研主要集中在全球土地覆盖分类体系和产品,如果制图范围缩小为区域尺度,则分类体系往往具有很高的分类精细程度,比如CORINE CLC分类体系和产品实现了“5+15+44”的三级分类体系,分类精细程度位居所有分类体系之首。事实上,高分辨率全球土地覆盖信息产品面临着明显的技术挑战,包括严重的全球“同物异谱/异物同谱”现象、影像分类提取和变化检测算法能力不足、单期高精度和多期时空一致性的实现困难、训练数据不充足、卫星数据成本高、高性能计算设施的保障不足等^[3,39,50]。这些都决定了实现超大区域的精细分类存在明显的难度。

2.2 分类体系之间的语义一致性

目前的多种分类体系之间存在6种语义一致性不足的现象:

1)不同分类体系的细化逻辑差异明显。比如,LCCS分类体系采用先二分分类,将土地覆盖类型定义为8大类,再根据需要进一步适当细分,采用1—3级不等的分类体系^[28-29]。FROM-GLC 2010分类体系将地表类型的性状(trait)、生命形态(life form)和结构(structural)数据作为构建完整分类体系的基本构件,将同一个土地覆盖类型分解为4个类型的端元(end-component),即覆盖类型(cover type)、生命形态或PFT、冠层或郁闭度、高度。在此基础上,提出了基于土地覆盖端元信息的分类方案^[49]。

2)同一个分类基准和类别的精细子类之间的一致性不足。以FAO LCCS土地覆盖分类体系为例,本文调研的全球地表覆盖数据中有11套数据产品都使用该体系作为基准。不同产品中的同种类型可以有相同的LCCS编码,便于数据的对比和使用^[28-29]。然而,不同产品间的分类体系的语义一致性并不是必选项,先后形成了一些异质的精细分类。比如,灌木类型在不同的基于LCCS的分类体系间存在明显差异: 在GLC2000分类体系中,灌木出现在5个土地覆盖类型中,其中有2个为单一灌木覆盖(非混合地类)的细分类型^[31]; 在GLCNMO分类体系中,灌木被分为2类,其中有1个为单一灌木覆盖的细分类型^[32-34]; 在GLC_FCS30分类体系中,将灌木丛作为0级类,再精细分类为3类。这种相同的土地覆盖类型的精细子类间的语义一致性不足的情形非常明显^[35-36]。

3)相同土地覆盖类型的名称一致性不足。由于术语标准化水平不足和同义词的存在,不同分类体系存在采用同义或者近义词表征相同类型的情形。例如在IGBP分类体系中的“常绿阔叶林(evergreen broadleaf forest)”可以对应GLC2000分类体系中的“树木覆盖,阔叶的,常绿的(tree cover, broadleaved, evergreen)”类型。这种现象带来了一定程度的语言混淆,造成数据理解的障碍,也为计算机可理解、可自动化的信息融合提取带来新的困难。针对此现象,LCCS分类体系开发了一个协作翻译模块,能够把LCCS作为参考基准,对相关的土地覆盖分类体系进行比较和关联^[6,28-29]。

4)相同名称土地覆盖类型的定义一致性不足。例如,稀疏森林(open forests)的定义在不同产品中并不一致: MCD12Q1数据产品的LCCS1分类体系中定义为“30%~60%的森林覆盖”,LCCS2分类体系中定义为“10%~60%的森林覆盖”^[23]。再比如,IGBP 系统指定高度低于2 m的木本植物被归类为灌木,而GLC2000中的高度限制增加到3 m,GlobCover分类系统中的高度限制增加到5 m^[49]。这种定义不一致性为多种土地覆盖产品的比对和融合都带来明显的障碍。

5)同名称同定义分类类别的代码一致性不足。由于LCCS分类体系内部有统一的地类代码,但各大类分类体系之间没有代码共用,因此在大类不同的分类体系之间,普遍出现代码不一致现象^[29-30]。如水体(water)地类,各分类体系定义基本一致,但是在USGS Anderson分类体系中代码为5^[15-16],在IGBP分类体系为17^[23-24],在GLC2000分类体系中为20^[31],在FROM-GLC2013分类体系中为60^[49]。

6)不同土地覆盖产品在是否含有土地利用类型方面存在不一致性。土地覆盖是在地球表面观察到的(生物)物理覆盖,而土地利用是人们为生产而改变或维持某种土地覆盖类型所进行的安排、活动和投入^[59]。全球或地区的土地分类体系主要以土地覆盖为主,但也有一部分兼有土地覆盖和土地利用分类体系^[2,7]。例如,IGBP,UMD和LCCS等都只包含土地覆盖分类体系,而USGS Anderson,NLCD,CLC和FROM-GLC等同时包含土地覆盖和土地利用的分类。比如USGS Anderson土地覆盖分类体系中,一级类土地覆盖类型“水体”下,二级类包括“溪流和运河”、“湖泊”、“海湾”和“河口”等土地覆盖类型和“水库”土地利用类型^[15-16]。

分类体系间不一致现象产生的原因主要是制图的理念和需求不同、采用的方法和依赖的基础数据各异等。多种不一致现象给数据产品的理解、分析、对比和融合带来了新的困难,对领域的发展也在一定程度上产生了制约作用。

3 总结

近年来土地覆盖数据产品呈现出全球化和区域化并存、分类精细程度高、产品精度高、时间间隔和空间分辨率更加细致的趋势。这些全球地表覆盖数据产品针对不同的应用需求,采用1—3级数量不等的分类体系,实现了空间分辨率从10~5 000 m不等的地表覆盖分类。全球土地覆盖分类体系呈现出以LCCS开放体系为主、FROM-GLC和USGS等多种分类体系并存发展的趋势。

另一方面,由于在理念、需求、方法和基础数据等方面的差异,现有全球土地覆盖分类体系也存在明显的语义不一致性。多种分类体系之间存在诸多语义冲突,目前没有很好的分类体系标准化和兼容性解决方案,也没有统一的类别代码,为数据产品的理解、分析、对比和融合带来了新的困难,也给数据的产品比较、共享、转换带来了一定的挑战。目前已有土地覆盖分类相关的多个国际标准规范。比如,ISO地理信息技术委员会(TC 211)的19144系列标准目前涵盖了分类系统结构、土地覆盖分类元描述语言、土地利用分类元语言等方面。此外,19152系列标准聚焦土地管理领域模型,包括通用概念模型、陆地领域土地登记、海洋领域属地管理、估价、空间规划等不同的方面。这些规范有望为土地覆盖分类体系的标准化和兼容性解决方案提供支持。

土地覆盖数据产品作为一种基础的共性数据集,未来还需要更多的领域协调和自治,国际组织、国家政府、科研机构尚需通力合作,在科学性、系统性和兼容性的土地覆盖分类体系设计,以及土地覆盖数据产品的可发现、可访问、可互操作和可重用方面进一步提出解决方案。

附录

本附录主要包含本文相关的各土地覆盖数据产品的下载链接(顺序同表30)。

附表1 本文相关的各土地覆盖数据产品的下载链接

Appendix Tab.1 Download links for each land cover data product relevant to this paper

序号	数据产品	下载链接
1	GLASS-GLC	https://doi.org/10.1594/PANGAEA.913496
2	DISCover	https://daac.ornl.gov/cgi-bin/dsviewer.pl?ds_id=930
3	UMD	https://www.qgistutorials.com/en/docs/open_bil_bip_bsq_files
4	GLC2000	https://forobs.jrc.ec.europa.eu/glc2000
5	GLC-SHARE	https://www.fao.org/land-water/land/land-governance/land-resources-planning-toolbox/category/details/en/c/1036355/
6	GLCNMO	https://globalmaps.github.io/glcnmo.html#use
7	MCD12Q1	https://lpdaac.usgs.gov/products/mcd12q1v006/
8	MCD12C1	https://lpdaac.usgs.gov/products/mcd12c1v006/
9	CCI-LC	http://maps.elie.ucl.ac.be/CCI/viewer/download.php
10	GlobCover	https://www.esa.int/Applications/Observing_the_Earth/Space_for_our_climate/ESA_global_land_cover_map_available_online
11	CLC	https://land.copernicus.eu/pan-european/corine-land-cover
12	CGLS-LC100	https://land.copernicus.eu/global/products/lc
13	GLC_FCS30-2015	https://zenodo.org/record/3986872#.ZEbv7HZBxPY
14	GLC_FCS30-2020/GLC_FCS30-1985_2020	https://zenodo.org/record/4280923#.ZEbrBXZBxPZ/ https://zenodo.org/records/8239305
15	GeoWiki Hybrid 1, 2	https://www.geo-wiki.org/
16	iMap World 1.0	暂未提供数据
17	GlobeLand30	https://www.webmap.cn/commres.do?method=globeIndex
18	AGLC-2000-2015	https://code.earthengine.google.com/?asset=users/xxc/GLC_2000_2015
19	FROM-GLC30 (2010)	https://data-starcloud.pcl.ac.cn/
20	FROM-GLC30 (2015)	https://data-starcloud.pcl.ac.cn/
21	FROM-GLC30 (2017)	https://data-starcloud.pcl.ac.cn/
22	FROM-GLC-seg	https://data-starcloud.pcl.ac.cn/
23	FROM-GLC-agg	https://data-starcloud.pcl.ac.cn/
24	NLCD	https://www.usgs.gov/centers/eros/science/national-land-cover-database#data
25	GeoCover LC	https://proceedings.esri.com/library/userconf/proc02/pap0811/p0811.htm
26	FROM-GLC10	https://data-starcloud.pcl.ac.cn/
27	WorldCover 10 m	https://viewer.esa-worldcover.org/worldcover/ https://doi.org/10.5281/zenodo.7254221
28	Esri 10m Land Cover	https://livingatlas.arcgis.com/landcoverexplorer/
29	Dynamic World	https://sites.google.com/view/dynamic-world/home; https://www.dynamicworld.app/explore/

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	陈军, 陈晋, 宫鹏, 等. 全球地表覆盖高分辨率遥感制图[J]. 地理信息世界, 2011(2):12-14. Chen J, Chen J, Gong P, et al. Higher resolution global land cover mapping[J]. Geomatics World, 2011(2):12-14.

[2]	Fisher P, Comber A, Wadsworth R. Land use and land cover:contradiction or complement[M]. 2005:85-98.

[3]	陈军, 陈晋. GlobeLand30遥感制图创新与大数据分析[J]. 中国科学:地球科学, 2018, 48(10):1391-1392. Chen J, Chen J. GlobeLand30:Operational global land cover mapping and big-data analysis[J]. Scientia Sinica(Terrae), 2018, 48(10):1391-1392.

[4]	Bounoua L, DeFries R, Collatz G J, et al. Effects of land cover conversion on surface climate[J]. Climatic Change, 2002, 52(1):29-64. DOI

[5]	陈军, 廖安平, 陈晋, 等. 全球30 m地表覆盖遥感数据产品-Globe Land30[J]. 地理信息世界, 2017(1):1-8. Chen J, Liao A P, Chen J, et al. 30-meter global land cover data product-Globe Land30[J]. Geomatics World, 2017(1):1-8.

[6]	Yang H, Li S N, Chen J, et al. The standardization and harmonization of land cover classification systems towards harmonized datasets:A review[J]. ISPRS International Journal of Geo-Information, 2017, 6(5):154. DOI

[7]	张景华, 封志明, 姜鲁光. 土地利用/土地覆被分类系统研究进展[J]. 资源科学, 2011, 33(6):1195-1203. Zhang J, Feng Z M, Jiang L G. Progress on studies of land use/land cover classification systems[J]. Resources Science, 2011, 33(6):1195-1203.

[8]	He C Y, Zhang J X, Liu Z F, et al. Characteristics and progress of land use/cover change research during 1990—2018[J]. Journal of Geographical Sciences, 2022, 32(3):537-559. DOI

[9]	Pérez-Hoyos A, Rembold F, Kerdiles H, et al. Comparison of glo-bal land cover datasets for cropland monitoring[J]. Remote Sensing, 2017, 9(11):1118. DOI

[10]	岳健, 张雪梅. 关于我国土地利用分类问题的讨论[J]. 干旱区地理, 2003, 26(1):78-88. Yue J, Zhang X M. A discussion on the classification of land use in China[J]. Arid Land Geography, 2003, 26(1):78-88.

[11]	王人潮. 试论土地分类[J]. 浙江大学学报(农业与生命科学版), 2002, 28(4):355-361. Wang R C. Discussion on the land classification[J]. Journal of Zhejiang University (Agric.& Life Sci.), 2002, 28(4):355-361.

[12]	Deb S, Nathr R. Land use/cover classification:An introduction review and comparison[J]. Global Journals of Research in Engineering, 2012, 12(E1):5-16.

[13]	Wang J, He T, Zhou Q, et al. Developing land use/cover classification system based on remote sensing data in China[C]// Remote Sensing for Environmental Monitoring,GIS Applications,and Geology IV.SPIE, 2004,5574:52-60.

[14]	吕玉霞, 张玉贤, 马聪丽, 等. IPCC与我国土地利用分类的对比分析[J]. 地理空间信息, 2022, 20(7):22-25. Lyu Y X, Zhang Y X, Ma C L, et al. Land use classification comparative analysis between IPCC and China[J]. Geospatial Information, 2022, 20(7):22-25.

[15]	Anderson J R, Hardy E E, Roach J T, et al. A land use and land cover classification system for use with remote sensor data[M]. Washington:U.S.Government Printing Office,1976.

[16]	Yang L M, Jin S M, Danielson P, et al. A new generation of the United States National Land Cover Database:Requirements,research priorities,design,and implementation strategies[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2018,146:108-123.

[17]	Wickham J, Stehman S V, Sorenson D G, et al. Thematic accuracy assessment of the NLCD 2016 land cover for the conterminous United States[J]. Remote Sensing of Environment, 2021,257:112357.

[18]	Vogelmann J E, Howard S M, Yang L, et al. Completion of the 1990s national land cover data set for the conterminous United States from Landsat thematic mapper data and ancillary data sources[J]. Photogrammetric Engineering and Remote Sensing, 2001,67:650-655,657-659,661-662.

[19]	Cunningham D J, Melican J E, Wemmelmann E, et al. GeoCover LC:A moderate resolution global land cover database[C/OL]//Proceedings of the 22nd Annual Esri International User Conference (Esri UC 2002).San Diego,USA, 2002.https://proceedings.esri.com/library/userconf/proc02/pap0811/p0811.htm.

[20]	Bossard M, Feranec J, Otahel J. CORINE land cover technical guide:Addendum 2000[R/OL]. Copenhagen: European Environment Agency.(2000-05-29)[2025-11-03].https://www.eea.europa.eu/publications/tech40add.

[21]	Büttner G. CORINE land cover and land cover change products[M]//Land Use and Land Cover Mapping in Europe.Dordrecht:Springer Netherlands,2014:55-74.

[22]	Loveland T R, Reed B C, Brown J F, et al. Development of a global land cover characteristics database and IGBP DISCover from 1 km AVHRR data[J]. International Journal of Remote Sensing, 2000, 21(6-7):1303-1330. DOI

[23]	Friedl M A, Strahler A H, Hodges J C F, et al. ISLSCP II MODIS(Collection 4) IGBP Land Cover,2000—2001[DB/OL].Oak Ridge, TN: ORNL Distributed Active Archive Center, 2010[2025-11-03].https://www.earthdata.nasa.gov/data/catalog/ornl-cloud-modis-landcover-xdeg-968-1.

[24]	Hansen M C, Reed B. A comparison of the IGBP DISCover and University of Maryland 1 km global land cover products[J]. International Journal of Remote Sensing, 2000, 21(6-7):1365-1373. DOI

[25]	Hansen M C, Defries R S, Townshend J R G, et al. Global land cover classification at 1 km spatial resolution using a classification tree approach[J]. International Journal of Remote Sensing, 2000, 21(6-7):1331-1364. DOI

[26]

Townshend

, Zhan

, DeFries

. MODIS enhanced land cover and land cover change product algorithm theoretical basis documents (ATBD) version 2.0[R/OL]. Greenbelt, MD: NASA Goddard Space Flight Center / University of Maryland, 1999(1999-05-01)[2025-11-03].https://modis.gsfc.nasa.gov/data/atbd/atbd_mod29.pdf.

[27]	Sulla-Menashe D, Friedl M A. User guide to collection 6 MODIS land cover(MCD12Q1 & MCD12C1) product[EB/OL]. 2018(2018-05-14)[2025-11-03].https://lpdaac.usgs.gov/documents/101/MCD12_User_Guide_V6.pdf.

[28]	何宇华, 谢俊奇, 孙毅. FAO/UNEP土地覆被分类系统及其借鉴[J]. 中国土地科学, 2005, 19(6):45-49. He Y H, Xie J Q, Sun Y. FAO/UNEP-land cover classification system (LCCS) and use for reference[J]. China Land Science, 2005, 19(6):45-49.

[29]	Di Gregorio A, Jansen L J M. Land cover classification system:Classification concepts and user manual(software version 2)[M/OL]. Rome: Food and Agriculture Organization of the United Nations, 2005[2025-11-03].https://www.fao.org/4/y7220e/y7220e00.htm.

[30]	Herold M, Schmullius C. Report on the harmonization of global and regional land cover products[R/OL].(2004-07-16)[2025-11-03].https://gofcgold.org/sites/default/files/docs/GOLD_20.pdf.

[31]	Bartholome E, Belward A S. GLC2000:A new approach to global land cover mapping from Earth observation data[J]. International Journal of Remote Sensing, 2005, 26(9):1959-1977. DOI

[32]	Tateishi R, Uriyangqai B, Al-Bilbisi H, et al. Production of global land cover data-GLCNMO[J]. International Journal of Digital Earth, 2011, 4(1):22-49. DOI

[33]	Tateishi R, Hoan N T, Kobayashi T, et al. Production of global land cover Data-GLCNMO2008[J]. Journal of Geography and Geology, 2014, 6(3):p99.

[34]	Kobayashi T, Tateishi R, Alsaaideh B, et al. Production of global land cover data-GLCNMO2013[J]. Journal of Geography and Geology, 2017, 9(3):1.

[35]	Defourny P, Lamarche C, Bontemps S, et al. Land Cover CCI:Product user guide,version 2.0[R/OL].(2017-04-10)[2025-11-03].https://maps.elie.ucl.ac.be/CCI/viewer/download/ESACCI-LC-Ph2-PUGv2_2.0.pdf.

[36]	Bontemps S, Herold M, Kooistra L, et al. Revisiting land cover observation to address the needs of the climate modeling community[J]. Biogeosciences, 2012, 9(6):2145-2157. DOI

[37]

Defourny

, Schouten

, Bartalev

, et al. Accuracy assessment of a 300 m global land cover map:The GlobCover experience[C]//33rd International Symposium on Remote Sensing of Environment (ISRSE):Sustaining the Millennium Development Goals.Tucson, AZ (United States of America): International Center for Remote Sensing of Environment (ICRSE),2009:JRC54524.

[38]	Buchhorn M, Smets B, Bertels L, et al. Copernicus global land ser-vice:Land cover 100 m:Version 3 Globe 2015—2019:Product user manual[R/OL].(2020-09-08)[2025-11-03].https://zenodo.org/records/3938963.

[39]	Zhang X, Liu L Y, Chen X D, et al. GLC_FCS30:Global land-cover product with fine classification system at 30 m using time-series Landsat imagery[J]. Earth System Science Data, 2021, 13(6):2753-2776. DOI

[40]	Liu L Y, Zhang X, Chen X D, et al. GLC_FCS30-2020:Global land cover with fine classification system at 30 m in 2020(v1.2)[DB/OL].(2020-11-18)[2025-11-03].https://zenodo.org/records/4280923.

[41]	Liu H, Gong P, Wang J, et al. Production of global daily seamless data cubes and quantification of global land cover change from 1985 to 2020 - iMap World 1.0[J]. Remote Sensing of Environment, 2021,258:112364.

[42]	Zanaga D, Van De Kerchove R, De Keersmaecker W, et al. ESA WorldCover 10 m 2020 v100[DB/OL].(2021-10-20)[2025-11-03].https://zenodo.org/records/5571936.

[43]	Latham J, Cumani R, Rosati I, et al. Global Land Cover SHARE (GLC-SHARE) database:Beta-Release version 1.0-2014[EB/OL].[2025-11-03].https://www.fao.org/uploads/media/glc-share-doc.pdf.

[44]	See L, Schepaschenko D, Lesiv M, et al. Building a hybrid land cover map with crowdsourcing and geographically weighted regression[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015,103:48-56.

[45]	Fritz S, McCallum I, Schill C, et al. Geo-Wiki.Org:The use of crowdsourcing to improve global land cover[J]. Remote Sensing, 2009, 1(3):345-354. DOI

[46]	Fritz S, McCallum I, Schill C, et al. Geo-Wiki:An online platform for improving global land cover[J]. Environmental Modelling & Software, 2012,31:110-123.

[47]	Jun C, Ban Y F, Li S N. Open access to earth land-cover map[J]. Nature, 2014, 514(7523):434.

[48]	许晓聪, 李冰洁, 刘小平, 等. 全球2000年—2015年30 m分辨率逐年土地覆盖制图[J]. 遥感学报, 2021, 25(9):1896-1916. Xu X C, Li B J, Liu X P, et al. Mapping annual global land cover changes at a 30 m resolution from 2000 to 2015[J]. National Remote Sensing Bulletin, 2021, 25(9):1896-1916.

[49]	Gong P, Wang J, Yu L, et al. Finer resolution observation and monitoring of global land cover:First mapping results with Landsat TM and ETM+ data[J]. International Journal of Remote Sensing, 2013, 34(7):2607-2654. DOI

[50]	Gong P, Liu H, Zhang M N, et al. Stable classification with limited sample:Transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in 2017[J]. Science Bulletin, 2019, 64(6):370-373. DOI

[51]	Yu L, Wang J, Gong P. Improving 30 m global land-cover map FROM-GLC with time series MODIS and auxiliary data sets:A segmentation-based approach[J]. International Journal of Remote Sensing, 2013, 34(16):5851-5867. DOI

[52]	Yu L, Wang J, Li X C, et al. A multi-resolution global land cover dataset through multisource data aggregation[J]. Science China Earth Sciences, 2014, 57(10):2317-2329. DOI

[53]	Liu H, Gong P, Wang J, et al. Annual dynamics of global land cover and its long-term changes from 1982 to 2015[J]. Earth System Science Data, 2020, 12(2):1217-1243. DOI

[54]	Karra K, Kontgis C, Statman-Weil Z, et al. Global land use/land cover with Sentinel 2 and deep learning[C]// 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS. IEEE, 2021:4704-4707.

[55]	Brown C F, Brumby S P, Guzder-Williams B, et al. Dynamic World,Near real-time global 10 m land use land cover mapping[J]. Scientific Data, 2022,9:251.

[56]	Dong R M, Li C, Fu H H, et al. Improving 3-m resolution land cover mapping through efficient learning from an imperfect 10-m resolution map[J]. Remote Sensing, 2020, 12(9):1418. DOI

[57]	Li Z H, He W, Cheng M F, et al. SinoLC-1:The first 1-meter resolution national-scale land-cover map of China created with a deep learning framework and open-access data[J]. Earth System Science Data, 2023, 15(11):4749-4780. DOI

[58]	Zhang Y D, Chen G, Myint S W, et al. UrbanWatch:A 1-meter resolution land cover and land use database for 22 major cities in the United States[J]. Remote Sensing of Environment, 2022,278:113106.

[59]	Shi Q, Liu M X, Marinoni A, et al. UGS-1m:Fine-grained urban green space mapping of 31 major cities in China based on the deep learning framework[J]. Earth System Science Data, 2023, 15(2):555-577. DOI

[60]	Brandt M, Tucker C J, Kariryaa A, et al. An unexpectedly large count of trees in the West African Sahara and Sahel[J]. Nature, 2020, 587(7832):78-82. DOI

Options

文章导航

模态框（Modal）标题

摘要