全球森林分布产品中国区域可靠性比较分析

doi:10.13466/j.cnki.lyzygl.2020.02.026

林业资源管理 ›› 2020›› Issue (2): 173-180.doi: 10.13466/j.cnki.lyzygl.2020.02.026

全球森林分布产品中国区域可靠性比较分析

刘代超¹^,²(), 李晓松²(), 杨广斌¹, 齐鑫淼³, 王建和⁴

1.贵州师范大学地理与环境科学学院,贵阳 550000
2.中国科学院遥感与数字地球研究所数字地球重点实验室,北京 100094
3.赤峰市林业科学研究院,内蒙古赤峰 024000
4.内蒙古自治区林业工作总站,呼和浩特 010010

收稿日期:2020-03-11 修回日期:2020-04-19 出版日期:2020-04-28 发布日期:2020-06-15
通讯作者: 李晓松
作者简介:刘代超(1992-),男,贵州威宁人,在读硕士,研究方向:林业遥感。Email:liu_daic@163.com
基金资助:
国家科技重大专项(21-Y20A06-9001-17/18-3)

Comparative Analysis of Regional Reliability of Globally Distributed Forest Products in China

LIU Daichao¹^,²(), LI Xiaosong²(), YANG Guangbin¹, QI Xinmiao³, WANG Jianhe⁴

1. School of Geography and Environmental Science,Guizhou Normal University,Guiyang 550025
2. Key Laboratory of Digital Earth Science,Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences,Beijing 100094
3. Chifeng Academy of Forestry Science,Chifeng 024000
4. Inner Mongolia Autonomous Region Forestry Work Station,Hohhot 010010

Received:2020-03-11 Revised:2020-04-19 Online:2020-04-28 Published:2020-06-15
Contact: LI Xiaosong

摘要/Abstract

摘要：

准确掌握森林分布及动态变化是森林资源管理的基础。当前,一系列基于对地观测数据的全球森林分布产品已经被研发出来并得到了广泛应用。然而,这些产品在中国区域的可靠性尚缺乏系统性评价。基于中国7个典型区域的森林样本数据,采用类型面积偏差、空间一致性等指标对FROM-GLC10,FNF,GFCM等3个全球森林分布产品数据开展了比较分析。结果表明:FROM-GLC10数据面积一致性、空间一致性高于FNF,GFCM数据产品;3种数据产品的可靠性,在南方区域比北方区域好些;在森林类型中,乔木林类型在3种数据产品空间一致性上最高,但其他类型上各产品数据有所差异。通过分析探讨,以期为在中国不同区域选择和使用合适全球森林分布数据产品提供参考。

关键词: 森林分布, 对地观测, 面积一致性, 空间一致性, 空间误差

Abstract:

Accurately grasping forest distribution and dynamic changes is the foundation of forest resource management.At present,a series of global forest distribution products based on earth observation data have been developed and widely used.However,the reliability of these products in China is still lacking a systematic evaluation.Based on the forest sample data of seven typical regions in China,three types of global forest distribution product data such as FROM-GLC10,FNF,and GFCM were compared and analyzed using indicators such as type area deviation and spatial consistency.The results show that:FROM-GLC10 data area consistency,spatial consistency is higher than FNF,GFCM data products;the reliability of the three data products in the southern region is better than the northern region;in the forest type,the arbor forest type in three data has the highest spatial consistency,but the product data of other types are different.Through analysis and discussion,in order to provide a reference for the selection and use of suitable global forest distribution data products in different regions of China.

Key words: forest cover, earth observation, area consistency, spatial consistency, spatial error

中图分类号:

刘代超, 李晓松, 杨广斌, 齐鑫淼, 王建和. 全球森林分布产品中国区域可靠性比较分析[J]. 林业资源管理, 2020,(2): 173-180.

LIU Daichao, LI Xiaosong, YANG Guangbin, QI Xinmiao, WANG Jianhe. Comparative Analysis of Regional Reliability of Globally Distributed Forest Products in China[J]. FOREST RESOURCES WANAGEMENT, 2020,(2): 173-180.

图/表 7

表1

表2

图1

表3

图2

表4

图3

参考文献 26

[1]	Dixon R K, Solomon A M, Brown S, et al. Carbon Pools and Flux of Global Forest Ecosystems[J]. Science, 1994,263(5144):185-190. doi: 10.1126/science.263.5144.185 pmid: 17839174
[2]	Townshend J R, Masek J G, Huang C, et al. Global characterization and monitoring of forest cover using Landsat data:opportunities and challenges[J]. International Journal of Digital Earth, 2012,5(5):373-397. doi: 10.1080/17538947.2012.713190
[3]	Shi Wenzhong, Zhang Xiaokang, Hao Ming, et al. Validation of land cover products using reliability evaluation methods[J]. Remote Sensing, 2015,7(6):7846-7864. doi: 10.3390/rs70607846
[4]	Bai Yan, Feng Min, Jiang Hao, et al. Validation of Land Cover Maps in China Using a,Sampling-Based Labeling Approach[J]. Remote Sensing, 2015,7(8):10589-10606. doi: 10.3390/rs70810589
[5]	Friedl M A, Mciver D K, Hodges J C F, et al. Global land cover mapping from MODIS:algorithms and early results[J]. Remote Sensing of Environment, 2002,83(1):287-302. doi: 10.1016/S0034-4257(02)00078-0
[6]	Friedl M A, Sulla-Menashe D, Tan B, et al. MODIS Collection 5 global land cover:Algorithm refinements and characterization of new datasets[J]. Remote Sensing of Environment, 2010,114:168-182. doi: 10.1016/j.rse.2009.08.016
[7]	Gong Peng, Wang Jie, Yu Le, 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: 10.1080/01431161.2012.748992
[8]	Sexton J O, Song Xiaopeng, Feng Min, et al. Global,30-m resolution continuous fields of tree cover:Landsat-based rescaling of MODIS vegetation continuous fields with lidar-based estimates of error[J]. International Journal of Digital Earth, 2013,6(5):427-448. doi: 10.1080/17538947.2013.786146
[9]	Hansen M C, Potapov P V, Moore R, et al. High-Resolution Global Maps of 21st-century Forest Cover Change[J]. Science, 2013,342(6160):850-853. pmid: 24233722
[10]	Li Congcong, Wang Jie, Hu Luanyun, et al. A Circa 2010 Thirty Meter Resolution Forest Map for China[J]. Remote Sensing, 2014,6(6):5325-5343. doi: 10.3390/rs6065325
[11]	杨帆, 何凡能, 李美娇, 等. 全球历史森林数据中国区域的可靠性评估[J]. 地理学报, 2019,74(5):923-934. doi: 10.11821/dlxb201905007
[12]	吴文斌, 杨鹏, 张莉, 等. 四类全球土地覆盖数据在中国区域的精度评价[J]. 农业工程学报, 2009,25(12):167-173.
[13]	杨永可, 肖鹏峰, 冯学智, 等. 大尺度土地覆盖数据集在中国及周边区域的精度评价[J]. 遥感学报, 2014,18(2):453-475. doi: 10.11834/jrs.20143055
[14]	Hansen M C, Reed B. A comparison of the IGBP DISCove and University of Maryland 1 km global land cover products[J]. International Journal of Remote Sensing, 2000,21(6/7):1365-1373. doi: 10.1080/014311600210218
[15]	Qin Yuanwei, Xiao Xiangming, Dong Jinwei, et al. Forest cover maps of China in 2010 from multiple approaches and data sources:PALSAR,Landsat,MODIS,FRA,and NFI[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015,109:1-16. doi: 10.1016/j.isprsjprs.2015.08.010
[16]	侯婉, 侯西勇. 全球海岸带多源土地利用/覆盖遥感分类产品一致性分析[J]. 地球信息科学学报, 2019,21(7):1061-1073. doi: 10.12082/dqxxkx.2019.180441
[17]	陈灵芝, 陈清朗, 刘文华. 中国森林多样性及其地理分布[M]. 北京: 科学出版社, 1997.
[18]	Keenan R J, Reams G A, Frédéric A, et al. Dynamics of global forest area:Results from the FAO Global Forest Resources Assessment 2015[J]. Forest Ecology & Management, 2015,352:9-20.
[19]	Gong Peng, Liu Han, Zhang Meinan, 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: 10.1016/j.scib.2019.03.002
[20]	Shimada M, Itoh T, Motooka T, et al. New global forest/non-forest maps from ALOS PALSAR data(2007—2010)[J]. Remote Sensing of Environment, 2014,155:13-31. doi: 10.1016/j.rse.2014.04.014
[21]	Zhang Xiaomei, He Guojin, Zhang Zhaoming, et al. Spectral-spatial multi-feature classification of remote sensing big data based on a random forest classifier for land cover mapping[J]. Cluster Computing, 2017,20(3):2311-2321. doi: 10.1007/s10586-017-0950-0
[22]	庞丽杰, 韩爱惠. 关于林地界定标准的探讨[J]. 林业资源管理, 2016(1):6-8.
[23]	黄亚博, 廖顺宝. 首套全球30m分辨率土地覆被产品区域尺度精度评价——以河南省为例[J]. 地理研究, 2016,35(8):1433-1446. doi: 10.11821/dlyj201608003
[24]	李晓迪, 王淑民, 张黎明, 等. 土壤数据源和制图比例尺对旱地土壤有机碳储量估算的影响[J]. 土壤学报, 2016,53(1):58-71.
[25]	冉有华, 李新, 卢玲. 四种常用的全球1km土地覆盖数据中国区域的精度评价[J]. 冰川冻土, 2009,31(3):490-500.
[26]	赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社. 2003.

研究区	中心经纬度	地理位置	所属生态区	主要森林资源特征
本溪市	41°17'N 123°45'E	辽宁省东南部	温带陆地森林	本溪市森林覆盖率76%,森林植被处于次生演替阶段,天然次生林为主要森林类型,由枫桦、蒙古栎、色木槭等优势树种组成
承德市	40°57'N 117°57'E	河北省东北部	温带山地系统	承德市森林覆盖率达57.67%,主要森林类型除了有槲树、槲栎、蒙古栎等乔木,其中灌木林地约占森林面积的10%
防城港市	21°41'N 108°21'E	广西南部	亚热带湿润森林	防城港市森林覆盖率为56.81%,主要树种有松树、桉树、肉桂、八角,森林植被主要为季风常绿阔叶林
黄山市	29°42'N 118°20'E	安徽省南部	亚热带湿润森林	黄山森林覆盖率可达82.9%, 乔木林地占森林面积的89.6%,其中杉类占35%,松类占20.7%,硬阔占42.6%;此外,以茶林为主的经济林占林地面积的9.2%
普洱市	22°49'N 100°57'E	云南省西北部	亚热带山地系统、热带山地系统	普洱市森林覆盖率超过67%,其中:有林地占森林面积的89.4%,灌木林地占林地面积的6.6%,树种多为思茅松、栎类、桉树等常绿阔叶林
天水市	34°34'N 105°43'E	甘肃东南部	温带山地系统	天水市森林覆盖率为45.5%, 森林植被主要分布在陇山、西秦岭和关山林区。类型主要有针叶林、落叶阔叶林及针阔混交林
宜昌市	30°41'N 111°17'E	湖北省西南部	亚热带湿润森林、亚热带山地系统	宜昌市森林覆盖率达到65.16%,主要森林类型有马尾松纯林、柏木林、杉栎或者松栎混交林及经济林(火棘、柑橘)、灌丛等

产品名称	时间	分辨率/m	遥感影像	制作单位	制图精度/%
FROM-GLC10	2018年	10	Sentinle-2	清华大学	72.76
FNF	2018年	25	PALSAR-2/PALSAR	日本宇宙航空研究开发机构	85以上
GFCM	2018年	30	Landsat、高分系列	中国科学院空天信息创新研究院	90.94

区域	FROM-GLC10		GFCM		FNF
区域	面积百分比/%	偏差系数	面积百分比/%	偏差系数	面积百分比/%	偏差系数
本溪	81.08	-6.72	44.86	40.95	90.10	-18.60
承德	60.73	-7.59	63.48	-12.47	37.89	32.87
防城港	73.60	-13.72	72.14	-11.47	69.67	-7.65
黄山	85.74	-0.61	86.55	-1.56	78.52	7.87
普洱	85.47	-7.31	70.71	11.22	81.54	-2.37
天水	42.49	4.40	48.29	-8.64	22.03	50.45
宜昌	72.11	-1.28	60.90	14.46	60.86	14.52

研究区	FROM-GLC10		GFCM		FNF
研究区	整体精度/%	Kappa系数	整体精度/%	Kappa系数	整体精度/%	Kappa系数
本溪	66.27	0.52	45.94	0.32	72.78	0.36
承德	62.01	0.52	58.59	0.44	58.14	0.49
防城港	64.12	0.45	62.96	0.43	76.22	0.66
黄山	85.18	0.71	84.43	0.66	80.99	0.76
普洱	78.19	0.55	62.52	0.30	73.83	0.46
天水	71.55	0.72	64.06	0.57	73.17	0.73
宜昌	74.85	0.68	66.22	0.54	67.41	0.58

全球森林分布产品中国区域可靠性比较分析

Comparative Analysis of Regional Reliability of Globally Distributed Forest Products in China

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 26

相关文章 2

编辑推荐

Metrics

本文评价

[1]	陶吉兴, 谢秉楼, 季碧勇, 张国江, 王文武. 浙江省森林蓄积年生长量精准监测时空误差校正[J]. 林业资源管理, 2022, 0(2): 32-38.
[2]	陈海燕, 李伟. 北京市森林分布与组成结构分析[J]. 林业资源管理, 2011, 0(2): 32-35.