不知道大家有沒有想過，在我們來到地球的一生時間中，地球會有多大的變化?是小河邊新建了公園，還是遠處的空地建起了大廈?林林總總的變化，總是令人應接不暇。然而，我們卻沒法用詳細的數據去衡量這些變化。
幸好，科技發展日新月異。現如今，我們有了可以對全球地表覆蓋情況進行觀測的衛星，例如MODIS、AVHRR，并借助專題地圖的增強技術，讓我們有機會對自己身邊的環境做到“明察秋毫”。
既然如此，那地圖上的地表覆蓋類型到底可以分為多少種數據集?數據集的準確率有多少?精度有多高呢?就讓我們從一個小案例來了解一下。
下面這張影像圖是紐約某地區截圖，影像由紐約的Sentinel-2衛星提供。其中，需要大家先記住一些比較關鍵的要素位置：
中央公園 - 曼哈頓的方形綠地，杰奎琳·肯尼迪·奧納西斯水庫和劃分紐約和新澤西的上灣;
火島 - 南部岸邊的薄屏障島，紐約的海灘正面;
長島群島 - 長島東北角的島嶼，如梅花島，大鷗島和小鷗島等。
記住了這些重要地物的位置之后，它們在地表覆蓋的專題地圖中應該如何呈現?
借著這個“小栗子”，泰伯網從Gisgeography網站中摘取了一些資料，看看這些地物要素在下面這些關于地球表面土地分類的解決方案中是如何被定位的。
1、 全球土地調查圖(GLS)
據資料顯示，在滿足30米分辨率的情況下, 全球土地調查圖是最好用的地表類型分類的解決方案。它由馬欄里大學與美國地質調查局合作完成，將大約2010種不同的樹木覆蓋類型、裸露地面類型以及地表水結合在一張圖上進行展示。
這張地圖使用的是Landsat 7 ETM的影像數據，最令人印象深刻的一種數據屬性是，每個網格樹木的覆蓋率等同于每個網格單元輸出的比例。這種方法可以持續用來衡量全球范圍的森林在一定時間段內的變化率。
有研究表明，全球土地調查(GLS)解決方案中，靜態森林覆蓋率的準確度較真實情況為91%，森林覆蓋變化率的準確度較真實情況為88%。圖中對于一開始講到的例子中的中央公園、長島和火島的描述也是合乎邏輯的。
2、 全球地表覆蓋圖第二版(GlobCover Land Cover V2)
在滿足300米分辨率的情況下，GlobCover項目將全球地表土地分為23類不同的覆蓋類型。通過對像素單元內的地圖上覆蓋面積與實際覆蓋面積相比較來看，它的準確度為73%。
其中，ENVISAT MERIS(歐洲環境衛星中分辨率成像光譜儀)傳感器為該項目中三期地表覆蓋地圖(1998-02, 2003-07 和2008-12)貢獻了最多數據。
同樣的，在圖中我們可以看出，它對于南部海岸中比較細微的土地界限一樣捕捉得十分到位，對于東北群島的土地分類也是無可挑剔的。但是根據提供的數據顯示，圖中對于中央公園的綠色面積少標注了4千米*0.8千米。
3、 OSM土地利用現狀數據
與其它地表覆蓋分類不同的是，這個解決方案使用的是基于圖像分類的算法。通過數以百計的衛星圖像疊加與處理，將地球表面土地覆蓋區域進行分類。當然，這樣得到的土地利用分類地圖也是非常準確的。
下圖是在ENVISAT衛星的中分辨率成像光譜儀下得到的單個像素內，所包含的157棟建筑的圖像。
在圖中，可以清晰的看到土地的利用類型是住宅、商業、工業還是其他用途。
同時，有資料顯示，OSM土地利用數據也存在一些缺點：
有大量的數據差異性;
在松柏科植物范圍中，不能捕獲到落葉闊葉類型的樹木;
必須要有專業人士手動對其進行及時更新。
可以看到，圖像中對于中央公園是非常清晰的描述，而對于南海岸和東北島嶼則僅僅是矢量化的一個概述。
4、 全球地表覆蓋氣候研究圖
這是在滿足500米分辨率情況下，由中分辨率遙感衛星提供的全球地表覆蓋地圖(包括17種地表覆蓋類型)。它描述了從2001年到2010年十年的土地使用情況，對于氣候和天氣類的模型建立具有較大幫助。
據數據顯示，十年內，大約有40%的土地被一次或者多次改變了使用類型。
從上述圖中也可以看出，因為其精度不夠高，地圖忽略了中央公園和火島，但對于長島島嶼的抓取做的還是非常好的。
5、 全球地表覆蓋特征圖
美國地質調查局的全球地表覆蓋特征圖基于AVHRR所提供的一年內的數據，使用無監督圖像分類方法對土地利用類型進行分類，準確度為66.9%。后來，項目觀察者制定了一定的規則，當計算機認為圖像中某一個像素內所包含的數據不足以作為一種土地類型數據出現時，就會“扔掉”這些像素點。研究表明，經過改良后的精度達到了78.7%。
GLCC一直被用于環境建模的應用程序中，其中包括Goddard地球觀測系統模型(geo-5)。
從圖片可以看出，在這種土地類型分類方法下，中央公園被表達出來了，但是火島和長島島嶼并未出現在地圖中。
6、 全球地表覆蓋網絡圖
聯合國糧農組織的全球土地覆蓋圖對于土地使用類型的分類主要被用于日常土地管理中，尤其是農田、草地、裸露的土壤和紅樹林等等這些類型。同時，它還包括了人工地表、水體、雪、樹木、灌木、草本以及稀疏的植被等類型。
在1千米地圖的精度下，它看起來有些粗糙，因為我們好像并不能從圖中得到準確的土地分類類型。但是，在1087個網站的驗證下，它的精度高居然達到了80%。
從圖中可以看出，這種分類方法完美“錯過了”中央公園、長島島嶼和火島。當然，這與其1千米的精度也是有關系的。
資料顯示，它的主要的用途是更好地服務于土地管理，我們也希望它能在農業領域結出碩果。
7、 全球地表覆蓋類型-氣候模型柵格圖
氣候模型柵格(Climate Modeling Grid)和MCD12Q1使用相同的監督分類算法。這個數據集可以在美國地質勘探局網站上進行下載。
它認真執行國際巖石生物圈項目定義的分類標準，將地表也分類為17種，但是地圖精度極低，只有5.5公里。
在這樣的精度下，我們很難分辨哪是哪，更不用提中央公園、長島島嶼和火島的位置了。
8、 Terrapop
Terrapop包含了精度為1千米的中分辨率成像光譜儀成像下的23種全球地表覆蓋類型。
最重要的是，它包含了在全球景觀行動中的10公里以內大約2000種不同的農業土地類型。其中包括175種農作物的收獲面積，這為提高農作物產量和以及現有糧食供需情況提供了很好的理解。
結論
從上述例子可以看出，目前全球地表覆蓋類型的分類是多樣化的。如今，在全球范圍內，越來越多的空間機構也都在通過發射衛星來增加全球地表土地分辨率的準確度。畢竟，只有更準確地對全球土地類型進行分類，才能更好的了解人類活動，因此，衛星資料多多益善。
