日前，由清华大学地球系统科学系宫鹏教授联合中科院空天信息研究院遥感科学国家重点室等国内外多家单位合作以“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”（少量全球样本稳定地表覆盖分类: 将2015年采集的30米分辨率样本迁移到2017年10米分辨率全球地表覆盖制图）为题撰文介绍了世界10米分辨率全球地表覆盖制图方法与结果。该成果在线发表于Science Bulletin。
图1. 10米分辨率全球地表覆盖数据
当前世界发展面临一系列挑战，如人口增长、城市化、农业扩张以及气候变化对粮食安全的影响、能源和水资源短缺、资源过度开采、生物多样性丧失和环境污染等。为维护人类健康和实现联合国可持续发展目标，需要及时的更高分辨率的土地覆盖信息，从而能够更好地进行环境监测。然而，30米分辨率的全球土地覆盖数据直到2012年才问世。随着日益旺盛的土地覆盖信息的应用需求，我们不但需要更高空间分辨率，还需要更高时间频率的全球土地覆盖产品。而开发这样的产品，需要依赖大量的人力和很强的计算能力。
宫鹏教授等与遥感科学国家重点实验室地表覆盖制图小组基于2011年以来在全球30米地表覆盖制图获得的经验和在样本库建设方面的积累、10米分辨率Sentinel-2全球影像的完整存储和免费获取，以及Google Earth Engine平台强大的云计算能力，开发出了世界首套10米分辨率的全球土地覆盖产品——FROM-GLC10。
该产品基于2017年在Science Bulletin发表的全球首套多季节样本库，涵盖2014年和2015年Landsat 8影像由专家解译得到的均匀覆盖全球的多季节样本。其中，训练集包含大约340,000个不同大小的样本（从30 m×30 m到500 m×500m），覆盖全球约93,000个样本点位；验证集包含大约140,000个不同季节的样本，覆盖超过38000个样本点位。科研人员将该样本库应用于2017年获取的Sentinel-2影像，并基于随机森林分类器得到全球10 米土地覆盖图。
该研究提出“少量全球样本稳定地表覆盖分类”理论。该理论指出了全球训练样本迁移到其他年份或不同传感器获取的遥感数据对最少样本数量和误差限度的要求。为了证明该理论在全球尺度的正确性，研究团队设计了一系列严密的随机试验，分别测试了分类器对样本数量的敏感性，以及对因每年地表实际发生的土地覆盖变化或解译误差导致的样本错误的容忍度。结果显示，在纳入实验的样本量仅占整体的40%，或训练样本的误差比例达到20%时，分类精度的损失在1%之内，说明稳定分类仍能得以实现，即 “少量全球样本稳定地表覆盖分类”的理论是成立的。这一理论保证了对样本进行迁移的有效性。
图2. 分类器对样本数量的敏感性及样本错误的容忍度的测试结果
该研究对2017年10米分辨率的FROM-GLC10产品进行了精度检验，并将其与2017年30米分辨率的FROM-GLC30产品进行了比较。检验和比较结果显示，FROM-GLC10总体精度为72.76%，与FROM-GLC30精度相当，但FROM-GLC10的结果提供了更多的空间细节。
FROM-GLC10产品目前已正式面向全球公开，可以通过http://data.ess.tsinghua.edu.cn进行免费下载。
论文信息：
清华大学地球系统科学系宫鹏教授，中科院空天信息研究院遥感科学国家重点实验室王杰博士、黄华兵博士，谷歌尼古拉斯·克林顿博士是论文共同通讯作者。
动态新闻