互联网+地表覆盖验证及应用

陈军, 陈斐, 武昊, 陈利军, 韩刚

陈军, 陈斐, 武昊, 陈利军, 韩刚. 互联网+地表覆盖验证及应用[J]. 武汉大学学报 ( 信息科学版), 2018, 43(12): 2225-2232. DOI: 10.13203/j.whugis20180305
引用本文: 陈军, 陈斐, 武昊, 陈利军, 韩刚. 互联网+地表覆盖验证及应用[J]. 武汉大学学报 ( 信息科学版), 2018, 43(12): 2225-2232. DOI: 10.13203/j.whugis20180305
CHEN Jun, CHEN Fei, WU Hao, CHEN Lijun, HAN Gang. Internet+ Land Cover Validation: Methodology and Practice[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 2225-2232. DOI: 10.13203/j.whugis20180305
Citation: CHEN Jun, CHEN Fei, WU Hao, CHEN Lijun, HAN Gang. Internet+ Land Cover Validation: Methodology and Practice[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 2225-2232. DOI: 10.13203/j.whugis20180305

互联网+地表覆盖验证及应用

基金项目: 

国家自然科学基金 41231172

国家自然科学基金 41631178

详细信息
    作者简介:

    陈军, 教授, 博士生导师, 主要从事地理信息建模、更新与服务的理论方法与工程应用研究。chenjun@ngcc.cn

    通讯作者:

    陈斐, 博士, cfei0618@163.com

    武昊, 博士, wuhao@ngcc.cn

  • 中图分类号: P208

Internet+ Land Cover Validation: Methodology and Practice

Funds: 

The National Natural Science Foundation of China 41231172

The National Natural Science Foundation of China 41631178

More Information
    Author Bio:

    CHEN Jun, professor, specializes in the theories and methods of land cover mapping, updating and validation. E-mail: chenjun@ngcc.cn

    Corresponding author:

    CHEN Fei, PhD. E-mail: cfei0618@163.com

    WU Hao, PhD. E-mail: wuhao@ngcc.cn

  • 摘要: 为有效地组织大范围地表覆盖数据验证,需要发动和组织来自不同地域、不同机构的专家,但往往缺少网络化环境下的协同验证方法和工具。针对这一问题,将互联网+、服务计算技术等与地表覆盖验证业务相融合,提出了互联网+地表覆盖验证服务模型,构建了面向互联网+的地表覆盖验证业务流程和方法,研制了基于景观形状指数(landscape shape index,LSI)抽样算法的在线验证系统GLCVal(global land cover validation),为大范围、高分辨率地表覆盖数据验证提供了新思路、新方法。利用所提出的方法与系统,与GEO(Group of Earth Observation)、UN-GGIM(the United Nations Initiative on Global Geospatial Information Management)等组织合作开展了GlobeLand30的全球验证,有效支持了跨区域专家的主动参与、多角色协同,促进了验证资源联通和共享,提高了验证效率。
    Abstract: The validation of large-area land cover data is a costly, labor-intensive and time-consuming task with the participation of several experts from different regions and different institutions. Pre-viously, people always used single-machine or off-line software to realize it because of lack of methods and tools which could support online and collaborative validation. Focused on resolving this problem, this paper involves the concept of "Internet+" and technologies of service computing to land cover data validation. Based on this ideal, an "Internet+" oriented service model for land cover data validation is proposed, and then a new online and collaborative validation process is designed. Additionally, to fit the automatic and efficient computing requirements, the LSI(landscape shape index)-based sampling algorithm is put forwarded. At last, we introduce the development of GLCVal platform and an international cooperation practice for validation of GlobeLand30 based on it. The practice is supported by GEO(Group of Earth Observation) and UN-GGIM(the United Nations Initiative on Global Geospatial Information Management), and is promoted enormously by GLCVal platform in the realization of cross-regional cooperation and active participation of experts from different countries. Practice results show the model and algorithm proposed by this paper can provide new idea and method for high resolution land cover data validation in large region, and also increase efficiency of validation.
  • 电离层是日-地空间系统的重要组成部分,会对无线电波产生折射、散射、极化面旋转等影响,对基于无线电波的对地观测技术造成延迟误差,如GPS的电离层延迟[1]、合成孔径雷达(synthetic aperture radar,SAR)的相位超前、群延迟以及法拉第旋转(Faraday rotation,FR)等[2]。此外,电离层变化与地震也存在一定关系[3-4]。因此,研究电离层不仅可以了解整个日-地空间系统,而且可以估计空间环境效应对无线电通信的影响。

    总电子含量(total electron content,TEC)和电子密度是研究电离层的两个关键参数。TEC表示穿过电离层的单位截面柱体中电子数之和,反映了电离层的二维空间信息;而电子密度则描述了电离层三维空间结构信息,不仅包含电离层的水平结构信息,还包含了垂直结构信息。目前,GPS通过发射不同频率的信号获取垂直总电子含量(vertical total electron content,VTEC)[5-6];电离层与气候星座观测系统(the constellation observing system for meteorology,ionosphere,and climate,COSMIC)通过掩星事件获取电子密度剖线[7];非相干散射雷达(incoherent scattering radar,ISR)利用散射信号获取连续时间段内的电子密度剖线[8];电离层测高仪通过发射高频脉冲波并测量反射回波延迟获取F2层临界频率(foF2)等电离层参数[9];国际参考电离层(international reference ionosphere,IRI) [10]和差分整合移动平均自回归模型 [11]等也可获取VTEC和电子密度。然而,上述方法都存在空间分辨率不足的问题,而星载SAR凭借全天时、全天候、空间分辨率高等优点,已成为研究高空间分辨率电离层参数的重要手段。

    文献[12]根据FR角与TEC之间的关系,利用全极化SAR数据计算了地磁北极及加科纳地区的TEC,证明了使用星载SAR数据反演TEC的可能性;文献[13]提出了利用距离分频法获取TEC的方法,将获取高空间分辨率TEC的方法拓展到单极化SAR领域;文献[14]提出了利用双波段路径延迟获取TEC的方法,进一步证实了分频法估计TEC的可行性;文献[15]利用全极化先进陆地观测卫星(advanced land observing satellite,ALOS)/相控合成孔径雷达(phased array type L-band synthetic aperture radar,PALSAR)数据,分别计算了高、中、低纬度地区的TEC分布,并分析了不同纬度的电离层特征;基于传统双波段路径延迟的方法,文献[16]提出了三波段路径延迟法,该方法可获取去除多重散射误差后的TEC;文献[17]提出了利用方位向子波段获取hmF2以及漂移速度场等电离层参数的方法,并使用ALOS-1/2数据进行实验,获取了相应的电离层参数结果;文献[18]使用全极化ALOS PALSAR数据反演了3组VTEC结果,并将其与ISR在几乎同一时空的实测数据进行比较,首次利用实测数据验证了利用全极化SAR反演VTEC的有效性。

    目前利用SAR估计电离层参数只能获取二维的VTEC分布,难以获取精细化的三维电子密度分布。基于此,本文利用全极化SAR计算得到的VTEC联合IRI的电子密度剖线信息,提出了一种三维电子密度分布估计方法。

    本文方法的具体流程如图 1所示,首先利用全极化SAR数据计算FR角;然后根据得到的FR角结合磁场信息计算VTEC;最后联合IRI模型的电子密度剖线求解三维空间电子密度分布。

    图  1  本文方法流程图
    Figure  1.  Flowchart of the Proposed Method

    对于全极化SAR系统,观测值散射矩阵M可表示为[19]

    MHHMVHMHVMVV=Aejφ1δ2δ1f1cosΩsinΩ-sinΩcosΩSHHSVHSHVSVVcosΩsinΩ-sinΩcosΩ1δ3δ4f2+NHHNVHNHVNVV

    式中,A为雷达系统的总体增益;j为复数;φ为双程相位延迟;δ1δ2δ3δ4为因发射与接收的非完全独立性导致的串扰;f1f2为通道失配;Ω为单程FR角;S为真实散射系数;N为附加噪声;角标代表不同极化方式,HH(horizontal horizontal)表示水平发射水平接收的同向极化方式,VV(vertical vertical)表示垂直发射垂直接收的同向极化方式,VH(vertical horizontal)表示垂直发射水平接收的交叉极化方式,HV(horizontal vertical)表示水平发射垂直接收的交叉极化方式。经系统误差改正后的观测值散射矩阵为[20-21]

    MHHMVHMHVMVV=cosΩsinΩ-sinΩcosΩSHHSVHSHVSVVcosΩsinΩ-sinΩcosΩ

    根据真实散射矩阵的散射互易性(SHV=SVH),式(2)可变为:

    MHH=SHHcos2Ω-SVVsin2ΩMVH=SHV+(SHH+SVV)sinΩcosΩMHV=SHV-(SHH+SVV)sinΩcosΩMVV=SVVcos2Ω-SHHsin2Ω

    由于法拉第旋转效应,观测值散射矩阵的MHVMVH,因此可根据式(3)解算FR角Ω。由式(3)可导出多种FR角估计器[22-24],其中Bickel and Bates估计器最为稳定,计算如下:

    Ω=14arg(Z12Z21*),-π4<Ω<π4
    Z11Z12Z21Z22=1jj1MHHMVHMHVMVV1jj1

    式中,arg()表示取幅角函数;*表示共轭数。

    SAR信号穿过电离层产生的FR角可表示为[13]

    Ω=2.365×104f2neBcosθds

    式中,f为信号频率;ne为电子密度;B为磁场强度;θ为磁场与SAR信号夹角;neds表示沿信号传播路径对电子密度积分。考虑到积分路径(信号传播路径)上B近似成线性变化,且cosθ几乎不变,因此取路径上的平均磁场强度B0作为B,式(6)可变为:

    Ω=2.365×104f2B0cosθsecϕVTEC

    式中,ϕ为SAR入射角。对式(7)进行变换后得:

    VTEC=Ωf22.365×104×B0cosθsecϕ

    由此可知,在磁场信息已知的情况下,可由FR角计算VTEC。

    IRI是根据真实观测数据结合电离层模式形成的经验模型,可提供高时空分辨率的全球电离层参数。然而,由于观测数据相对较少,电离层特性不稳定,IRI模型计算得到的VTEC以及电子密度的精度不理想。由于SAR数据计算的VTEC具有较高的可靠性,因此本文基于SAR数据计算的VTEC对IRI模型的电子密度进行改正,得到较高可靠性的三维空间电子密度分布。IRI可提供全球60~2 000 km的电子密度,根据VTEC的定义,可得到IRI模型的VTEC,计算如下:

    VTECIRI=h=HminHmaxN(h)

    式中,VTECIRI为IRI模型的VTEC;N(h)为IRI高度为h (单位:km)处的电子密度;HmaxHmin分别为计算VTEC时的最大、最小高度。由于IRI提供的电子密度存在误差,从而导致估计的VTEC也存在误差。本文利用SAR数据计算的VTEC对IRI电子密度进行改正,计算如下:

    N̂(h)=N(h)×VTECSARVTECIRI

    式中,N̂(h)为改正后高度h(单位:km)处的电子密度;VTECSAR为SAR数据计算的VTEC。为了验证改正方法的合理性,对改正后的电子密度求和得到:

    h=HminHmaxN̂(h)=VTECSARVTECIRIh=HminHmaxN(h)

    将式(9)代入式(11)中得到:

    h=HminHmaxN̂(h)=VTECSAR

    综上,经改正后,IRI模型VTEC与SAR计算的VTEC相等。

    为了验证本文方法的可行性,利用全极化的ALOS-1/PALSAR数据进行实验。实验区域位于美国阿拉斯加地区,分别采用升轨(实验一)和降轨(实验二)数据来验证VTEC和电子密度结果,数据详细参数如表 1所示。

    表  1  实验使用的SAR影像
    Table  1.  SAR Images Used in the Experiment
    实验 日期 入射角ϕ/(°) 飞行方向 轨道高度/km 轨道号 影像号 采集时间
    实验一 2007-04-01 23.94 升轨 695 243 1250~1260 07:28
    实验二 2009-08-03 23.98 降轨 695 618 2270~2310 21:08
    下载: 导出CSV 
    | 显示表格

    数据覆盖范围如图 2所示,褐色矩形为实验一研究区域,黑色矩形为实验二研究区域,红色星号为ISR测站(Poker Flat测站),红色三角形为GPS观测站所在的费尔班克斯城。为了验证实验结果,收集了SAR对应时间和位置的ISR数据。

    图  2  研究区域
    Figure  2.  Study Area

    本文利用收集到的全极化数据计算FR角,首先,读取全极化SAR数据并构建观测值散射矩阵M;其次,采用Bickel and Bates FR角估计器计算FR角,根据式(5)计算Z12Z21*;然后,对计算的Z12Z21*进行多视处理以减小运算量,本文实验中多视比距离向为2,方位向为14;最后,利用自适应光谱滤波器对多视后的Z12Z21*进行滤波,并根据式(4)计算FR角,结果如图 3所示。

    图  3  研究区法拉第旋转角分布
    Figure  3.  Distribution of FR Angles in Study Area

    图 3(a)为实验一FR角分布图,可以看出明显的FR角异常现象。对数据进行统计可知FR角最大值为13.4°,最小值为3.2°,平均值为6.1°。根据法拉第效应分析,该研究区域上空的磁场和电离层的共同作用使得SAR信号发生了极化面的旋转,从而产生了FR角。图 3(b)为实验二FR角分布图。对FR角进行统计分析发现FR角最小值为2°,最大值为2.2°,平均值为2.1°。该研究区域FR角较为稳定,变化区间大小仅为0.2°,推断实验二没有电离层异常事件。

    首先,基于FR角,可由式(8)计算VTEC分布,获取国际参考地磁场(international geomagnetic reference field,IGRF)提供的磁场强度、磁倾角以及磁偏角,由于ALOS卫星飞行高度为700 km左右,地磁场在高度向近似成线性变化,且分析电离层模型得出电离层通常在300 km左右电子密度达到峰值,本文使用高度为300 km的值作为磁场信息平均值;其次,利用数字高程模型(digital elevation model,DEM)和SAR成像参数计算SAR入射角ϕ的分布图;然后,将SAR入射角ϕ以及磁场信息转换到SAR坐标系下,并计算磁场与SAR入射角ϕ之间的夹角θ的分布;最后,根据式(8)计算研究区域VTEC分布图,结果如图 4所示。

    图  4  研究区域VTEC分布图
    Figure  4.  Distribution of VTEC in Study Area

    图 4可以看出,实验一的VTEC最大值为33.4 TECU,最小值为7.9 TECU,平均值为15.2 TECU;实验二的VTEC最大值为5.3 TECU,最小值为4.8 TECU,平均值为5.2 TECU。结合图 3可以看出,VTEC分布与FR角分布趋势相似。这是因为VTEC由FR角和磁场信息共同得到,且本实验中,磁场信息的变化相对于FR角的变化较小,因此得到的VTEC和FR角高度相关。在实验一中,VTEC变化区间较大,VTEC变化可达20 TECU左右,推测存在电离层异常事件;在实验二中,VTEC变化较小,仅为0.5 TECU,不存在电离层异常事件。但在图 4(d)中,方位向4 000行左右出现了一个较小的沟壑,通过查看研究区域的卫星影像发现该位置为费尔班克斯城的水域,推测为该水域影响了SAR信号后向散射系数,导致VTEC出现误差。

    首先根据IRI模型获取研究区域的电子密度剖线;然后由SAR数据计算的VTEC对电子密度剖线进行改正,从而获得整个区域三维电子密度分布。在计算IRI VTEC时,IRI模型的输入值为时间、经纬度以及高度范围,其中时间为2009年年积日第215天21:08,经纬度与实验二SAR数据覆盖范围相同,高度范围为80~700 km。IRI模型输出值为对应时空80~700 km的电子密度,将IRI模型输出的电子密度相加可获取VTEC。由于SAR飞行高度约为700 km,假设空间中每千米的电子密度分布均匀,且电离层通常位于80 km上方,因此式(10)中h为80~700 km,按每千米分层,约620层。考虑到后续验证的需要,这里只显示了实验二的三维电子密度。

    图 5为实验二不同高度处的电子密度分布。由图 5可知,电子密度在300 km和400 km处较大,在其他高度则较小。

    图  5  实验二的三维电子密度分布
    Figure  5.  Estimated 3D Electron Density Distribution in Experiment 2

    图 6图 5AA'连线的剖线,反映了不同高度的电子密度在方位向的变化趋势。由图 6可知,研究区域不同高度的电子密度在方位向有着相似的变化趋势,且该趋势近似于图 4(d)的VTEC变化趋势;同时由剖线可知,VTEC中的沟壑现象同样出现在了电子密度剖线中;在本文方法中,电子密度结果与使用的VTEC密切相关。

    图  6  不同高度处水平电子密度剖线
    Figure  6.  Profiles of Electron Density at Different Altitudes

    为验证FR角估计VTEC的可靠性,分别利用GPS和ISR数据验证实验一和实验二结果。实验一中SAR获取位置和时刻无对应ISR数据,因此使用附近的GPS数据进行验证。图 7(a)为GPS在实验一SAR获取时间段内的轨迹,红色矩形为实验一研究区域,红色五角星为GPS测站,图 7(b)为GPS估计的VTEC数据,棕色虚线为SAR数据采集时间。由图 7(b)可知,在07:30左右,GPS VTEC突然上升,验证了之前对电离层异常的推测。此外,GPS在SAR采集时间的VTEC为18.3 TECU,SAR数据VTEC平均值为15.2 TECU,差值为3.1 VTEC。两者虽有一定差距,但考虑到GPS数据在时间和空间上与SAR数据范围并未完全对应,会导致两者存在误差,可以认为两者在电离层扰动情况下计算的VTEC有相当的一致性。对于实验二,SAR获取位置和时刻附近GPS轨迹相隔较远,因此利用精度更高的ISR数据进行验证。对实验二SAR卫星时刻的ISR电子密度进行积分,计算出ISR VTEC为5.5 TECU,SAR VTEC为5.3 TECU,两者相差0.2 TECU,进一步验证了SAR估计VTEC的可靠性。

    图  7  GPS飞行轨迹以及实验一得到的VTEC
    Figure  7.  GPS Flight Trajectory and GPS-Derived VTEC at SAR-Acquired Time in Experiment 1

    为验证本文方法估计三维电子密度的可靠性,使用ISR实测的电子密度对三维电子密度结果进行验证。由于在实验一的研究区域及时间没有对应的ISR数据,因此使用Poker Flat测站2009年年积日第215天21:06 ISR的电子密度数据验证实验二的电子密度结果。考虑到ISR数据与实验二SAR数据采集时间仅相差2 min,且该时间段电离层没有异常活动,因此认为可将ISR电子密度数据作为真实的电子密度结果与本文结果进行比较分析,结果如图 8所示。

    图  8  SAR估计的电子密度误差分布
    Figure  8.  Errors Distribution of Electron Density Estimated by SAR

    图 8(a)为ISR、IRI及本文方法获取的电子密度数据,其中蓝色菱形符号为ISR数据,红色实线为IRI电子密度剖线,棕色虚线为经本文方法改正后的电子密度剖线。由图 8(a)可知,改正前IRI的电子密度普遍高于ISR电子密度,推测原因为IRI的VTEC估值偏高导致其电子密度也偏高。在改正后,电子密度偏高现象得到明显改善,分析原因为SAR数据计算的VTEC与真实的VTEC更为接近,因此使用SAR计算的VTEC进行改正后改善了原来电子密度偏高的现象。对误差进行统计发现,改正前IRI电子密度误差和为8.14×1011/m3,改正后电子密度误差和为5.41×1011/m3,整体误差减少了33.57%。

    为进一步对比不同高度处的电子密度精度,将ISR获取的电子密度作为真值,计算了IRI与本文方法的误差,如图 8(b)所示,红色条形图为IRI与ISR电子密度差值的绝对值,蓝色条形图为本文方法与ISR电子密度差值的绝对值。由图 8(b)可知,对于低于地球表面133 km部分的电子密度结果,本文方法获取的电子密度误差更大;对于高于地球表面133 km部分的电子密度结果,本文方法获取的电子密度精度明显高于IRI模型。统计结果发现,IRI在133 km以下误差为7.2×1010/m3,133 km以上误差为7.42×1011/m3;本文方法133 km以下误差为1.55×1011/m3,133 km以上误差为3.86×1011/m3,误差减少了47.98%。通过查询相关资料后发现,IRI模型在低空部分使用的是垂测站和火箭探测的数据,而在高空部分使用的是卫星探测数据[25]。再考虑到在研究区域附近存在ELELSON垂测站,因此推测在该研究区域IRI模型低空部分的电子密度本身可靠性较高,而本文方法改正时对所有高度进行了等比例的调整,导致低空部分改正后误差增大。

    本文提出一种利用全极化SAR数据结合IRI模型估计高空间分辨率三维电子密度分布的方法,并选择覆盖阿拉斯加地区的ALOS-1全极化数据进行实验,对结果进行分析得出如下结论:

    1)利用全极化SAR能够获取高空间分辨率的VTEC分布。基于FR角与VTEC之间的关系,利用全极化SAR数据计算了研究区域VTEC分布,并利用GPS和ISR数据验证可靠性。结果发现,实验一获取的含有电离层异常扰动的VTEC与GPS估计的VTEC相差3.1 TECU,实验二利用SAR估计的VTEC与ISR的VTEC相差0.2 TECU,证明了利用全极化SAR估计VTEC分布的可靠性。

    2)基于SAR获取了高精度VTEC,并联合IRI电子密度剖线获取了研究区域三维电子密度分布。结果发现,在不同高度处的三维电子密度不同,300~400 km处较大,而在其他高度处相对较小,且不同高度的电子密度在水平方向具有相似的分布趋势。将结果与ISR数据对比后发现,本文方法获取的电子密度在整体误差上比IRI模型少33.57%,在低于133 km高度的误差比IRI模型大,在高于133 km高度的误差比IRI模型少47.98%,这与IRI模型所使用的数据相关。

  • 图  1   互联网+地表覆盖验证服务模型

    Figure  1.   Service Model for Land Cover Data Validation Based on Internet+

    图  2   互联网+地表覆盖验证协同处理业务流程图

    Figure  2.   Collaborative Work-Process for Internet+-Based Land Cover Data Validation

    图  3   在线LSI抽样算法

    Figure  3.   Online Sampling Algorithm Based on LSI

    图  4   GLCVal总体架构

    Figure  4.   Main Framework of GLCVal Platform

    图  5   在线验证系统界面图

    Figure  5.   Interface of Online Validation System

  • [1]

    Scepan J. Thematic Validation of High-Resolution Global Land-Cover Data Sets[J].Photogrammetric Engineering and Remote Sensing, 1999, 65(9):1051-1060 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=CC026866318

    [2]

    Congalton R, Gu J, Yadav K, et al. Global Land Cover Mapping:A Review and Uncertainty Analysis[J].Remote Sensing, 2014, 6(6):12070-12093 http://d.old.wanfangdata.com.cn/NSTLQK/NSTL_QKJJ0234393053/

    [3] 吴小丹, 闻建光, 肖青, 等.关键陆表参数遥感产品真实性检验方法研究进展[J].遥感学报, 2015, 19(1):76-92 http://d.old.wanfangdata.com.cn/Periodical/ygxb201501008

    Wu Xiaodan, Wen Jianguang, Xiao Qing, et al. Advances in Validation Methods for Remote Sensing Products of Land Surface Parameters[J]. Journal of Remote Sensing, 2015, 19(1):76-92 http://d.old.wanfangdata.com.cn/Periodical/ygxb201501008

    [4] 陈军, 张俊, 张委伟, 等.地表覆盖遥感产品更新完善的研究动向[J].遥感学报, 2016, 20(5):991-1001 http://d.old.wanfangdata.com.cn/Periodical/ygxb201605025

    Chen Jun, Zhang Jun, Zhang Weiwei, et al. Continous Updating and Refinement of Land Cover Data Product[J]. Journal of Remote Sensing, 2016, 20(5):991-1001 http://d.old.wanfangdata.com.cn/Periodical/ygxb201605025

    [5]

    Pampaniya N, Makwana J, Vyas K, et al. Accuracy Assessment of Land Use/Land Cover Classification Using Remote Sensing and GIS for Middle Gujarat[J].AGRES-An International e-Journal, 2017, 6(1):350-355 http://www.researchgate.net/publication/316723510_Accuracy_Assessment_of_Land_UseLand_Cover_Classification_Using_Remote_Sensing_and_GIS

    [6]

    Estes L, Chen P, Debats S, et al.A Large-Area, Spatially Continuous Assessment of Land Cover Map Error and Its Impact on Downstream Analyses[J]. Glob Chang Biol, 2018, 24(1):322-337 doi: 10.1111/gcb.2018.24.issue-1

    [7]

    Tsendbazar N E, Mora B, de Bruin S, et al. Access to Global Land Cover Reference Datasets and Their Suitability for Different User Communities[J]. Annales de Dermatologie et de Vénéréologie, 2014, 122(3):91-93 http://adsabs.harvard.edu/abs/2014AGUFMIN11B3612T

    [8]

    Defourny P, Bontemps S, Schouten L, et al. GLOBCOVER 2005 and GLOBCOVER 2009 Validation: Learnt Lessons Proc[C]. GOFC-GOLD Global Land Cover & Change Validation Workshop, Laxenburg, Austria, 2011

    [9]

    Clark M L, Aide T M. Virtual Interpretation of Earth Web-Interface Tool (VIEW-IT) for Collecting Land-Use/Land-Cover Reference Data[J]. Remote Sensing, 2011, 3(3):601-620 doi: 10.3390/rs3030601

    [10]

    Hou Dongyang, Chen Jun, Wu Hao, et al. Active Collection of Land Cover Sample Data from Geo-Tagged Web Texts[J]. Remote Sensing, 2015, 7(5):5805-5827 doi: 10.3390/rs70505805

    [11]

    See L, Laso Bayas J, Schepaschenko D, et al. LACO-Wiki:A New Online Land Cover Validation Tool Demonstrated Using GlobeLand30 for Kenya[J].Remote Sensing, 2017, 9:754 doi: 10.3390/rs9070754

    [12] 邬贺铨. "互联网+"行动计划:机遇与挑战[J].人民论坛·学术前沿, 2015(10):4-14 http://d.old.wanfangdata.com.cn/Periodical/zgxyk-zy201701004

    Wu Hequan. "Internet +" Plan of Action:Opportunities and Challenges[J].Frontiers, 2015(10):4-14 http://d.old.wanfangdata.com.cn/Periodical/zgxyk-zy201701004

    [13] 宁家骏."互联网+"行动计划的实施背景、内涵及主要内容[J].电子政务, 2015, 6(150):32-38 http://d.old.wanfangdata.com.cn/Periodical/txsj201605148

    Ning Jiajun. Background, Connotation and Main Content of the "Internet+" Plan of Action[J]. E-Government, 2015, 6(150):32-38 http://d.old.wanfangdata.com.cn/Periodical/txsj201605148

    [14] 王家耀.开创"互联网+测绘与地理信息科学技术"新时代[J].测绘科学技术学报, 2016, 33(1):2 http://www.cnki.com.cn/Article/CJFDTOTAL-JFJC201601001.htm

    Wang Jiayao. Create a "Internet + Surveying and Geographic Information Science and Technology" New Era[J]. Journal of Geomatics Science and Technology, 2016, 33(1):2 http://www.cnki.com.cn/Article/CJFDTOTAL-JFJC201601001.htm

    [15]

    Bouguettaya A, Singh M, Huhns M, et al. A Service Computing Manifesto:The Next 10 Years[J]. Communications of the ACM, 2017, 60(4):64-72 doi: 10.1145/3069398

    [16] 陈军, 武昊, 李松年.全球地表覆盖领域服务计算的研究进展——以GlobeLand30为例[J].测绘学报, 2017, 46(10):1526-1533 doi: 10.11947/j.AGCS.2017.20170411

    Chen Jun, Wu Hao, Li Songnian. Research Progress on Global Land Domain Service Computing:Take GlobeLand30 as an Example[J].Acta Geodaetica et Cartographica Sinica, 2017, 46(10):1526-1533 doi: 10.11947/j.AGCS.2017.20170411

    [17] 全国地理信息标准化技术委员会.地表覆盖信息服务: GB/T 35635-2017[S].北京: 中国标准出版社, 2017

    National Technical Committee for Standardization of Geographic Information. Land Cover Information Services GB/T 35635-2017[S]. Beijing: China Standard Press, 2017

    [18]

    Zhang Weiwei, Chen Jun, Liao Anping, et al.Geospatial Knowledge-based Verification and Improvement of GlobeLand30[J].Science China-Earth Sciences, 2016, 59(9):1709-1719 doi: 10.1007/s11430-016-5318-4

    [19]

    Zhu Z L, Yang L M, Stehman S V, et al. Accuracy Assessment for the US Geological Survey Regional Land-Cover Mapping Program:New York and New Jersey Region[J]. Photogrammetric Engineering and Remote Sensing, 2000, 66(12):1425-1438 http://www.cabdirect.org/abstracts/20013005832.html

    [20]

    Stehman S V. Sampling Designs for Accuracy Assessment of Land Cover[J]. International Journal of Remote Sensing, 2009, 30(20):5243-5272 doi: 10.1080/01431160903131000

    [21]

    Olofsson P, Foody G M, Herold M, et al. Good Practices for Estimating Area and Assessing Accuracy of Land Change[J]. Remote Sensing of Environment, 2014, 148(5):42-57 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=6cfa3dd1b42984e8a0bb068ad1f7df76

    [22]

    Mccombs J W, Herold N D, Burkhalter S G, et al. Accuracy Assessment of NOAA Coastal Change Analysis Program 2006-2010 Land Cover and Land Cover Change Data[J]. Photogrammetric Engineering and Remote Sensing, 2016, 82(9):711-718 doi: 10.14358/PERS.82.9.711

    [23]

    Wickham J, Stehman S V, Gass L, et al. Thematic Accuracy Assessment of the 2011 National Land Cover Database (NLCD)[J]. Remote Sensing of Environment, 2017, 191:328-341 doi: 10.1016/j.rse.2016.12.026

    [24]

    Chen F, Chen J, Wu H, et al. A Landscape Shape Index-based Sampling Approach for Land Cover Accuracy Assessment[J].Science China-Earth Sciences, 2016, 59(12):1-12 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QKC20162016120100040107

    [25]

    Chen Jun, Ban Yifan, Li Songnian. China:Open Access to Earth Land-Cover Map[J]. Nature, 2014, 514(10):434 http://d.old.wanfangdata.com.cn/Periodical/syktykf201703007

    [26] 陈军, 廖安平, 陈晋, 等.全球30 m地表覆盖遥感数据产品-GlobeLand30[J].地理信息世界, 2017, 24(1):1-8 doi: 10.3969/j.issn.1672-1586.2017.01.002

    Chen Jun, Liao Anping, Chen Jin, et al. 30-meter Global Land Cover Data Product-GlobeLand30[J].Geomatics World, 2017, 24(1):1-8 doi: 10.3969/j.issn.1672-1586.2017.01.002

  • 期刊类型引用(1)

    1. 雷洋,朱武,孙全,杨文敬,张金敏. 顾及方位向偏移的光谱分频法InSAR电离层改正. 测绘科学. 2023(01): 81-90 . 百度学术

    其他类型引用(3)

图(5)
计量
  • 文章访问数:  1506
  • HTML全文浏览量:  132
  • PDF下载量:  280
  • 被引次数: 4
出版历程
  • 收稿日期:  2018-08-03
  • 发布日期:  2018-12-04

目录

/

返回文章
返回