2025-0421学习记录16——文献阅读与分享（1）-CSDN博客

本文链接：https://blog.csdn.net/YNN_0503/article/details/147388585

今天阅读一篇论文（Data Descriptor），这篇文章来自中国科学院地理科学与资源研究所团队，发表于 Scientific Data 期刊，题目为：

🌍 Annual 30 m land cover dataset on the Tibetan Plateau from 1990 to 2023

先附上原文链接：Annual 30 m land cover dataset on the Tibetan Plateau from 1990 to 2023 | Scientific Data

✨ 摘要（Abstract）

研究团队构建了一套时间跨度长达34年（1990–2023）、空间分辨率达30米的青藏高原土地覆盖年度数据集（TPLCD）；
数据来源为Landsat系列卫星（L5/L7/L8），通过 Google Earth Engine（GEE）进行大规模处理；
在方法上，采用了LandTrendr算法提取高质量的时间序列训练样本，结合随机森林（Random Forest）分类器与时序平滑算法，显著提升了数据的稳定性与精度；
精度验证方面，使用了 Google Earth 影像人工解译 + 第三方权威数据集（如 Geo-Wiki、GLCVSS）验证，数据集的总体精度达到84.8%，Kappa系数达到0.78。

🧪方法（Methods）

✨研究区域：

青藏高原位于北纬 25°59′—40°1′、东经 67°40′—104°40′之间，地跨中国、印度、尼泊尔等 9 个国家，总面积 308 万平方公里，其中中国境内面积约 258 万平方公里，占总面积的 83.7% 。青藏高原平均海拔 4320 米左右，气候类型多样，气温和降水量总体由东南向西北递减，东南部气候温暖湿润，西北部较寒冷干燥，年平均气温-6～20℃，年平均降水量 20～4500 毫米。近几十年来，青藏高原面临着草原退化、栖息地丧失等一系列生态危机，开展连续、精准的土地覆盖监测尤为迫切，这对于捕捉细微的生态变化、及时预警潜在风险至关重要。

图1 研究区域（a）青藏高原的海拔（b）青藏高原使用的Landsat场景的地理分布（c）1990年至2023年每年青藏高原使用的Landsat场景数量

✨技术路线：

使用 GEE 平台进行云端处理，效率高；
用 LandTrendr 进行训练样本提取，省去人工选样难题；
引入了“时序滑动窗口”策略优化分类序列的一致性；
每年分类重复10次，取众数作为最终结果，减少随机性。

图2 技术路线图

✨数据处理：

使用Landsat 5, 7, 8 的地表反射率产品
云掩膜：CFMask方法
年度合成：用中值合成消除噪声

✨分类体系：

青藏高原主要以高寒草原覆盖，高寒草甸和高寒草原是其典型组成部分。研究构建了包含十大土地覆盖类型的分类系统：农田、森林、灌木丛、高寒草原、高寒草甸、水体、裸地、不透水面、湿地和冰雪。

✨特征变量构建：

他们用了 17 个特征变量，包括：

🌈 光谱指数（8个）：

MNDWI（改进水体指数）
EVI（增强植被指数）
BSI（裸地指数）
SAVI（土壤调节植被指数）
NDBBI（建筑/裸地指数）
NDWI（水体指数）
maxNDVI（95分位）
minNDVI（5分位）

🏔️ 地形因子（3个）：

DEM（海拔）
坡度（slope）
地形异质性（topographic diversity）

➕ 波段反射率（6个）：

Landsat 6 个基础波段（B1-B6）

📚 可以借鉴的点：

加入 NDVI 的极值（max/min）可以增强时序变化的判断力；
NDWI + MNDWI 对区分水体/湿地非常关键；
DEM、坡度、地形多样性在高原/山区分类中非常有用；
将不同类型变量拼接成多维特征向量，用于分类训练。

✨训练样本提取与分类：

📍 通过LandTrendr算法选稳定区

LandTrendr 算法是一种时序分段算法，能识别变化趋势和稳定状态；
用于分析 NDWI、EVI、NDBBI 这三个指数的长期变化轨迹；
找到长期稳定未发生变化的像元，在这些地方提取训练样本；
这样能避免年份之间分类不一致的“漂移”问题。

🤖 分类方法：随机森林（RF）

使用 RF 分类器，构建200棵树（考虑 GEE 平台内存限制）
每年做 10次重复分类，然后取“众数”结果，提高鲁棒性
再加一道工序：用滑动窗口（长度为5年）进行时间一致性平滑处理

📚 可以借鉴的技术要点：

LandTrendr 在 GEE 上是现成可用的，可以自己跑试试看；
这个思路比“人工挑样本”更加系统和自动化，非常适合做长时间序列。

📈技术验证（Technical Validation）

作者通过三种方式全面评估了 TPLCD 数据的准确性：

验证方式	内容
① 自建验证集	人工解译7000个点，覆盖1990–2023
② 外部验证集	Geo-Wiki 和 GLCVSS 样本数据
③ 与已有数据对比	与6种主流土地覆盖产品比较

图3 TP验证样本空间分布。( a )参考Google Earth影像目视解译的样本；( b )来自Geo-wiki和GLVSS的样本，照片中标明了两个平台上各土地利用类型的样本数量。

✅ 1. 使用人工解译样本验证

📍 方法：
从整个青藏高原区域，随机抽取了 7000 个点，并结合 Google Earth 历史影像进行人工目视解译，为每个年份（共34年）提供“真值标签”。

📈 结果：

总体精度（OA）：平均为 79.07%
Kappa系数：平均 0.76
精度随时间整体上升，说明分类模型在不断改进

📊 按地类的F1-score排序：

地类	F1 值
森林	87.76%
水体	86.54%
城镇	85.59%
湿地	83.24%
高寒草原	79%左右
高寒草甸	78%左右

📌 可以注意的细节：

森林、水体、城镇类光谱差异大，分类效果好；
草地类因为时序曲线和光谱较接近，F1略低；
年度人工验证是非常耗时但高质量的工作，说明作者对数据很有信心。

✅ 2. 使用权威样本集进行验证

📚 a. Geo-Wiki 样本集验证（2000–2012）

样本数量：1667个点
来源：公共众包解译样本，标注置信度为“sure”
参考数据：Landsat/Google Earth历史影像

📈 验证结果：

平均 OA：86.31%
平均 Kappa：0.77
森林、草地、水体、裸地的分类精度最高

📚 b. GLCVSS 样本集验证（2013年以后）

样本数量：1005个点
来源：全球随机采样验证集
主要覆盖 2013–2023 年

📈 验证结果：

平均 OA：88.44%
平均 Kappa：0.81
草地、森林、水体、冰雪类分类表现稳定优异

📌 总结： 外部验证数据与作者人工样本验证结果基本一致，说明：

TPLCD 在多个时间段、多类样本、不同解译人员之间，都表现出良好的鲁棒性。

✅ 3. 与主流土地覆盖产品对比

作者选取了6个已有数据集，分别与TPLCD在共同年份和区域内进行对比，包括：

产品名称	分辨率	发布机构
GLC_FCS30D	30m	国家遥感中心
CLCD	30m	中科院遥感地球所
MCD12Q1	500m	MODIS
ESA WorldCover	10m	ESA
FROM-GLC30	30m	清华大学
ESRI 10m LC	10m	ESRI/GHS

📊 对比方法：

将各产品统一转为 IGBP 分类体系；
用年份重叠（如2020年）的分类图，统计不同地类的重叠精度；
用一致性（consistency）、F1-score、线性相关性（R²）进行综合评估。

📈 对比结论：

TPLCD 与其他数据集总体一致性较好；
其中与 GLC_FCS30D 和 CLCD 的一致性最高（因为都是Landsat 30m）；
与 MCD12Q1 一致性较差（受限于500m分辨率）；
与 ESA 10m 数据在森林、水体类一致性也较高；
城镇类在 ESRI 和 GAIA 产品之间差异较大 → 城镇扩张检测对分辨率要求更高。

综上所述，通过目视解译验证以及与第三方数据集的比对，TPLCD 展现出优于 MCD12Q1、ESA 的 GLC、CLCD、GLC_FCS30D 和 ESRI 的 GLC 的 OA 性能。TPLCD 的平均 OA 达到 84.8%，平均 Kappa 系数为 0.78。值得注意的是，TPLCD 提供了跨越 34 年（1990–2023 年）的连续时间序列，与 ESRI 的 GLC（2017 年至 2022 年）、ESA 的 GLC（2020 年至 2021 年）和 MCD12Q1（2001 年至 2022 年）相比，提供了更广泛的时间覆盖范围。

📥代码开源（Code availability）

✅ 全部数据（1990–2023，30米）已开源发布在 Zenodo平台，格式为 GeoTIFF；
✅ 分类代码也托管在 GEE 上，便于复现；

参考文献：

Li, S., Ge, Q., Sun, F. et al. Annual 30 m land cover dataset on the Tibetan Plateau from 1990 to 2023. Sci Data 12, 510 (2025). https://doi.org/10.1038/s41597-025-04759-6

数据下载地址：