全球30 m地表覆盖遥感制图的总体技术

陈 军，陈 晋，廖安平，曹 鑫，陈利军，陈学泓，彭 舒，韩 刚，张宏伟，何超英，武 昊，陆 苗

1．国家基础地理信息中心，北京 100830；2．北京师范大学地表过程与资源生态国家重点实验室，北京 100875

全球30 m地表覆盖遥感制图的总体技术

陈 军1，陈 晋2，廖安平1，曹 鑫2，陈利军1，陈学泓2，彭 舒1，韩 刚1，张宏伟1，何超英1，武 昊1，陆 苗1

1．国家基础地理信息中心，北京 100830；2．北京师范大学地表过程与资源生态国家重点实验室，北京 100875

针对全球30 m分辨率地表覆盖遥感制图这一世界性难题，提出了以多源影像最优化处理、参考资料服务化整合、覆盖类型精细化提取、产品质量多元化检核为主线的总体研究思路，研发了影像几何与辐射重建、异质异构服务化集成、对象化分层分类、知识化检核处理等主体技术方法；用于制定了相应数据产品规范、生产技术规范，研发了多项生产型软件，用于研制了2000和2010两个基准年的全球30 m地表覆盖数据产品，将空间分辨率提高了1个数量级。

全球地表覆盖；遥感制图；30 m分辨率；对象化分层分类；服务化集成

引文格式：CHEN Jun，CHEN Jin，LIAO Anping，et al．Concepts and Key Techniques for 30 m Global Land Cover Mapping［J］．Acta Geodaetica et Cartographica Sinica，2014，43（6）：551－557．（陈军，陈晋，廖安平，等．全球30 m地表覆盖遥感制图的总体技术［J］．测绘学报，2014，43（6）：551－557．）DOI：10．13485／j．cnki．11－2089．2014．0089

1 概 述

地表覆盖及其变化是环境变化研究、地理国（世）情监测、可持续发展规划等不可或缺的重要基础信息和关键参量［1－5］。国内外主要是利用航天、航空遥感影像中蕴含的丰富光谱和纹理及时相特征，结合各种参考资料和知识，采用数理统计、交互解译等方法，提取类型分布及变化信息，进行地表覆盖制图［6－9］。20世纪90年代以来，国际科学界一直高度关注全球地表覆盖遥感制图问题［10－12］。美国和欧盟曾利用包括NOAA／AVHRR、MODIS在内的粗空间分辨率（250 m～1 km）航天遥感资料，为地球系统模拟、气候变化研究等研制了6套空间分辨率为300 m或1 km的粗分辨率全球地表覆盖数据产品［13－18］。但用户普遍认为其空间细节不够、分类精度不高，不同产品之间一致性较差，远不能满足应用需求［12，19－20］。

2010年11月，政府间对地观测组织（GEO）第8次全会发布北京宣言，呼吁国际社会合作研制全球高分辨率地表覆盖数据产品［21］。美国马里兰大学利用空间分辨率为30 m的Landsat TM／ETM＋多时相遥感影像，完成了2000年至2012年全球森林增减情况的变化制图与分析［22－23］，但其仅限于森林这一单一类型，没有考虑水体、耕地等其他地表覆盖类型。究其原因，主要是全球30 m地表覆盖全要素制图涉及到精细化提取、产品质量控制以及海量影像最佳覆盖与有效处理等诸多困难，是一项因素众多、难度极大的遥感科技工程。面对这一世界性科技难题和重大应用需求，在国家863重点项目的支持下，笔者于2010年初率先开展了全球高分辨率地表覆盖遥感制图的总体技术研究与数据产品研制［24］。

2 总体研究思路

与MODIS等粗分辨率遥感影像相比，以Landsat系列为代表的30 m遥感影像提供了更为丰富的纹理细节和空间结构信息，能较好地反映或刻画大多数人类土地利用活动及其所形成的景观格局［21］。为了解决高质量影像的全球优化覆盖、同物异谱和异物同谱现象、数据产品质量控制等诸多问题，笔者以“多源影像最优化处理、参考资料服务化整合、覆盖类型精细化提取、产品质量多元化检核”为主线，开展并完成了全球30 m地表覆盖遥感制图的总体技术研究。

2．1 多源影像的最优化处理

要铺满地球陆地表面，需近万景幅宽约为180 km×180 km的Landsat TM影像。为了实现2000和2010两个基准年的全球30 m影像最佳覆盖，首先根据地表覆盖信息提取的要求，优选季相适宜、云覆盖较小的Landsat TM／ETM＋影像，而对2010基准年尽可能地收集国产环境减灾星（HJ－1）和北京1号小卫星（BJ－1）资料。其次是对多源原始影像资料进行几何校正或配准、辐射校正、缺失数据插补等处理，利用250 m分辨率MODIS NDVI数据生成30 m分辨率的多期NDVI数据，为物候信息挖掘、季相差异校正等提供依据。

2．2 参考资料的服务化整合

DEM、生态分区等辅助资料和物候特征等专业知识是克服遥感影像分类同物异谱和异物同谱难题的重要途径［9，25－26］。为此，一方面要最大限度地收集各种可资利用的参考资料和专业知识，包括现有的全球粗分辨率地表覆盖数据、区域及国家的较高分辨率地表覆盖数据（如欧洲的CORINE）、全球DEM和地名数据、红树林分布和湿地名录等专业数据，另一方面要发展参考资源整合及与遥感分类器有效集成方法，以充分利用各种参考资料和在线外部资源（如天地图、Geo－Wiki等）。

2．3 覆盖类型的精细化提取

国内外同行在Landsat ETM／TM影像分类制图方面提出了许多自动化或半自动化分类模型、算法［9］，在小范围、试验型研究中均能取得良好效果，但在大范围工程化应用中应用效果较差［27］。例如，文献［28］曾采用5种不同的监督分类方法，对全球TM／ETM＋影像进行了自动化分类，但最高的分类精度仅为60%左右。这是由于全球地理景观复杂多样，单一的自动化分类算法难以奏效。因此，需从产出高质量全球地表覆盖数据产品的要求出发，将自动化分类与专家影像分析能力有机结合，发展类型信息的精细化提取方法。

2．4 产品质量的多元化检核

高质量数据产品研制质量控制提出了特殊要求［27］。应针对产品规范和分类精度要求，制定地表覆盖类型信息的相关技术规定，对最小制图单元和容错指标、多类型集成的接边处理等进行统一规范；作好同期产品的空间一致性、两期产品的时间一致性等检核，最大限度地降低分类的误判率和漏判率。

3 主体技术方法

根据上述总体设计，研究提出了多源影像的几何与辐射重建、参考资料的网络化服务集成、对象化分层分类和知识化检核处理等主体技术方法。

3．1 多源影像几何与辐射重建

依据全球地表覆盖制图对多源、多分辨率遥感影像的需求，研发了几何纠正与配准、缺失数据处理、辐射重建等一组处理模型与方法，如图1所示。在几何处理方面，针对HJ－1影像长轨道、宽视场角、大倾角特点所带来的姿轨参数不稳、相机畸变差大等不足，设计了适合宽视场角卫星影像几何纠正的定向片法共线方程解算模型。它是将拉格朗日插值函数集到共线方程模型中去，插值函数节点组成定相片，对不同像控分布情况，自动定向片分布和函数次数，同时在共线方程模型中增加像机畸变差改正参数，并利用谱修正迭代法克服模型解算收敛速度较慢的问题［29］。

图1 全球30 m影像的几何与辐射重建方法Fig．1 Geometric and radiometric reconstruction of 30 m global imagery

缺失数据处理包括云污染去除和LANDSAT 8数据条带插补等。前者是根据空间相邻的同类型地物像元光谱相似性特征及空间关系的时间不变性原理，利用邻近相似像元插补法（neighborhood similar pixel interpolator，NSPI）［30］。对Landsat 7 ETM＋的条带（SLC－off）问题，采用对应的区域中光谱相似度最高的像元，进行开窗插补和条带修复，使插补后的影像呈较好的空间连续性。后者是应用NSPI模型，对云污染较严重地区进行插补处理［31］。

辐射重建处理包括多时相TM多光谱数据生成、阴影区光谱弱信息恢复以及30 m NDVI时序数据重建。多时相TM多光谱数据生成是采用文献［32］提出的ESTARFM（enhanced spatial and temporal adaptive reflectance fusion model）算法，生成任意时相TM多光谱数据；对于阴影区域，通过图像分割的阴影识别，基于连续统去除的非阴影类型匹配，进行阴影区弱信息恢复，以挖掘与恢复阴影区的光谱信息［33］；对于粗分辨率（250 m）MODISNDVI时序数据与30 m影像之间的有效匹配与利用问题，则是提出了MODIS NDVI时序数据降尺度方法，生成30 m NDVI时序数据。

3．2 异质异构服务化集成

提出了基于服务计算的异质异构web集成方法与技术。首先是分析梳理全球生态分区、DEM、矢量地图、文献以及多分辨率地表覆盖数据、多时相影像、多类型样本的特点及相互间关系，采用研发的基于时序逻辑和空间操作关系的地表覆盖变化信息表达、面向服务契约的自适应集成、多维索引计数的事件匹配、基于3层服务关系的动态服务组合等方法［34－37］，进行多源参考数据的格式匹配、投影转换、语义集成、切片处理、样式配置、结构关联等处理，实现异质数据资料的web统一服务发布。二是采用服务级（语义层面）、功能级（功能实现）和参数级（输入输出等）3级方式，通过服务分组、接口适配、请求处理等，实现与天地图、Geo－Wiki、OSM（OpenStreet Map）等联通或接入，形成异构服务资源的网络化集成，研发了包括浏览、检索、比对、标注、下载、分发等功能，用于网络化环境下的参考信息共享与调用。

3．3 对象化分层分类

针对30 m影像上反映出的光谱与形状异质性，采用对象化影像分析技术，进行多尺度分割与对象化过滤［38］，确定出地表覆盖斑块的边界；然后根据单要素光谱指数、自适应窗口纹理等多光谱信息和植被物候特征等多时相信息，采用对象化交互式处理方式，判定斑块所代表的地表覆盖类型。与纯像元自动分类相比，这种对象化分类可较好地确定地表覆盖斑块的边界及类型，提高了地表覆盖制图的精细程度。此外，考虑到不同地表覆盖（如水体、人造覆盖、耕地等）往往具有各异的几何形态、光谱特征、季相规律等，对分割参数、光谱指数和相应的处理方法有不同的要求，进一步提出将地表覆盖全要素分类分解为逐一要素分类，即依次进行水体、湿地、冰雪、人造覆盖、耕地等单要素的分类提取，再进行多要素集成与协调［39］。在此过程中，还利用有关地学知识或规律，将全球范围进一步细分为不同的地理分区，如划分为816个生态分区，利用每一个生态分区内植被生长的地学知识，去降低林地、苔原等类型的分类提取误差，减少分类工作量［40］。由此形成了如图2所示的对象化层次分类法，可在一定程度上克服了同物异谱、异物同谱带来的问题，提高了全球地表覆盖分类的精度。

在此基础上，还发展了基于变化检测的更新制图方法。它是利用光谱斜率差值（SGD）、后验概率空间变化向量分析（CVAPS）等多［41－43］，通过两期影像的比较去提取变化，再用前一期地表覆盖分类成果为引导，进行地表覆盖数据的更新，以减少第2期分类制图的工作量。

图2 对象化层次分类法Fig．2 Object－based hierarchical classification approach

3．4 知识化检核处理

从每一种地表覆盖类型的特点出发，总结出关于其宏观分布、区域过度、地形分布规律（坡度、高程等）、局部细节等先验知识，提炼了相应的容错指标，形成了空间一致性、时间连续性、关系协调性等判断规则，用于进行以景为单位的漏提和错提检核、以图幅为单位的多类型数据接边处理与集成。对单期分类数据成果，借助于高分影像和其它相关参考资料等，进行交互式比对与检核，并借助于有关官方统计或文献数据，进行面积等比较；对两期数据，则重点是比较空间差异，判别异常情况，发现不一致区域。为此研发了专用的网络化检核系统，具有错误信息的空间化标报、发布／订阅、时空匹配等功能，用于支持多用户协同的检查信息和修改结果的在线汇聚、有序传递。

4 规模化工程应用

根据前述研究成果，制定了相应的产品规范、生产技术规范，研发了多项生产型软件或系统，用于支撑完成了全球地表覆盖的规模化产品研制。一是完成了2000基准年10 270景TM数据和2010基准年9907景TM数据及2640景HJ－1数据的几何校正（或配准）、缺失数据处理、辐射与季相差异处理等，形成了一套以30 m为主体的全球30 m地表覆盖制图的多源遥感影像数据集，两期配准精度达1像素；二是完成了全球两期（2000年和2010年）30 m地表覆盖数据产品的规模化研制，包含水体、湿地、人造覆盖、耕地、林地、灌木、草地、裸地、永久性冰雪、苔原等10个主要类型。由第三方单位完成的初步精度评估表明，误判率结果低于10%，显著高于其他全球地表覆盖产品。图3示出了2010年分类数据成果。

5 结 论

经过跨学科的协同创新，我国研究创建了全球地表覆盖遥感制图的成套总体技术方法，用于研制出了两期全球30 m地表覆盖数据，将空间分辨率提高了1个数量级，总体分类精度达到80%以上，较好地解决了全球30 m地表覆盖遥感制图这一世界性难题。该成果已开始在全球生态环境监测、可持续发展研究等方面发挥重要作用，并将为地理世情监测奠定坚实基础。今后还要进一步解决从“有”到“精”、从数据到知识和从成果到服务三大方面的有关问题，切实推动数据产品的成果共享、动态信息服务、持续细化更新，以保持我国在国际该领域的优势与影响力。

图3 全球30 m地表覆盖分布总示意图Fig．3 30 m global land cover map

［1］ REID W V，CHEN D，GOLDFARB L，et al．Earth System Science for Global Sustainability：Grand Challenges［J］．Environment and Development，2010，11（330）：916－917．

［2］ PEREIRA H M，FERRIER I S，WALTERS M，et al．Essential Biodiversity Variables［J］．Science，2013，339（6117）：277－278．

［3］ CHEN Junyong．Study Note on Geographic National Condition Monitoring［J］．Acta Geodaetica et Cartographica Sinica，2012，41（5）：633－635（陈俊勇．地理国情监测的学习札记［J］．测绘学报，2012，41（5）：633－635．）

［4］ ZELL E，H UFF A K，CARPENTER A T．A Userdriven Approach to Determining Critical Earth Observation Priorities for Societal Benefit［J］．IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2012，5（6）：1594－1602．

［5］ XU Guanhua，GE Quansheng，GONG Peng，et al．Societal Response to Challenges of Global Change and Human Sustainable Development［J］．China Science Bulletin，2013，58：2100－2106．（徐冠华，葛全胜，宫鹏，等．全球变化和人类可持续发展：挑战与对策［J］．科学通报，2013，58：2100－2106．）

［6］ YANG Kai，CHEN Jun，GUAN Zhequn，et al．Urban Change Mapping Using Multi－temporal Remote Sensing Imagery［J］．Economic Geography，1986，3（6）：191－195．（杨凯，陈军，关泽群．用多时域遥感影像测定城市演变的方法［J］．经济地理，1986，3（6）：191－195．）

［7］ SHI Peijun，GONG Peng，LI Xiaobing，et al．Methods and Practice of Land Use／Cover Change Mapping［M］．Beijing：Science Press，2000．（史培军，宫鹏，李晓兵，等．土地利用／覆盖变化研究的方法与实践［M］．北京：科学出版社，2000．）

［8］ LIU Jiyuan，ZHANG Zhengxiang，ZHUANG Dafang．Remote Sensing－based Spatio－temporal Landuse Change Analysis of China in the 1990s［M］．Beijing：Science Press，2005．（刘纪远，张增祥，庄大方．20世纪90年代中国土地利用变化的遥感时空信息研究［M］．北京：科学出版社，2005．）

［9］ LU D，WENG Q．A Survey of Image Classification Methods and Techniques for Improving Classification Performance［J］．International Journal of Remote Sensing，2007，28（5）：823－870．

［10］ TOWNSHEND J R G，JUSTICE C，LI W，et al．GLC Classification by Remote Sensing：Present Capabilities and Future Possibilities［J］．Remote Sensing of Environment，1991，35：243－255．

［11］ DEFRIES R S，TOWNSHEND J R G．GLC Characterization from Satellite Data：From Research to Operational Implementation［J］．Global Ecology and Biogeography，1999，8（2）：367－379．

［12］ VERBURG P H，NEUMANN W，LINDA N L．Challenges in Using Land Use and Land Cover Data for Global Change Studies［J］．Global Change Biology，2011，17（2）：974－989．

［13］ DEFRIES R，TOWNSHEND J G R．NDVI－derived Land Cover Classification at Global Scales［J］．International Journal of Remote Sensing，1994，15（1）：3567－3586．

［14］ HANSEN M C，DEFRIES R S，TOWNSHEND J R G，et al．GLC Classification at 1 km Spatial Resolution Using a Classification Tree Approach［J］．International Journal of Remote Sensing，2000，21（6－7）：1331－1364．

［15］ LOVELAND T R，REED B C，BROWN J F，et al．Development of a GLC Characteristics Database and IGBP Discover from 1 km AVHRR Data［J］．International Journal of Remote Sensing，2000，21（6－7）：1303－1330．

［16］ FRIEDL M A，MCIVER D K，HODGES J C F，et al．GLC Mapping from MODIS：Algorithm and Early Results［J］．Remote Sensing of Environment，2002，83：287－302．

［17］ BARTHOLOMéE，BELWARD A S．GLC2000：A New Approach to GLC Mapping from Earth Observation Data［J］．International Journal of Remote Sensing，2005，26（9）：1959－1977．

［18］ BONTEMPS S，DEFOURNEY P，VAN BOGAERT E，et al．Globcover2009 Products Description and Validation Report［EB／OL］．［2010－08－20］．http：∥due．esrin．esa．int／globcover／LandCover2009／GLOBCOVER2009＿Validation＿Report＿2．2．pdf．

［19］ HEROLD M，MAYAUX P，WOODCOCK C，et al．Some Challenges in GLC Mapping：An Assessment of Agreement and Accuracy in Existing 1 km Datasets［J］．Remote Sensing of Environment，2008，112：2538－2556．

［20］ GONG Peng．Some Essential Questions in Remote Sensing Science and Technology［J］．Journal of Remote Sensing，2009，13（1）：13－22．（宫鹏．遥感科学与技术中的一些前沿问题［J］．遥感学报，2009，13（1）：13－22．）

［21］ GIRI C，PENGRA B，LONG J，et al．Next Generation of GLC Characterization，Mapping，and Monitoring［J］．International Journal of Applied Earth Observation and Geoinformation，2013，25：30－37．

［22］ TOWNSHEND J R G，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（10）：373－393．

［23］ HANSEN M C，POTAPOV P V，MOORE R，et al．Highresolution Global Maps of 21st－Century Forest Cover Change15［J］．Science，2013，11（342）：850－853．

［24］ CHEN Jun，CHEN Jin，GONG Peng，et al．High Resolution Global Land Cover Mapping［J］．Geomatics World，2011，9（2）：12－14．（陈军，陈晋，宫鹏，等．全球地表覆盖高分辨率遥感制图［J］．地理信息世界，2011，9（2）：12－14．）

［25］ CHEN Jun．Utilisation of DTM in Improving Remote Sensing Classification Accuracy［J］．Journal of Wuhan University of Surveying and Mapping，1984，9（1）：69－81．（陈军．利用DTM改善遥感影像分类精度［J］．武汉测绘学院学报，1984，9（1）：69－81．）

［26］ EHLERS M，EDWARDS G，BEDARD Y．Integration of Remote Sensing with Geographic Information Systems：A Necessary Evolution［J］．Photogrammetric Engineering and Remote Sensing，1989，55：1619－1627．

［27］ HANSEN M C，LOVELAND T R．A Review of Large Area Monitoring of Land Cover Change Using Landsat Data［J］．Remote Sensing of Environment，2012，122（9）：66－74．

［28］ GONG P，W A NG J，Y U L，et al．Finer Resolution Observation and Monitoring of GLC：First Mapping Results with Landsat TM and ETM＋Data［J］．International Journal of Remote Sensing，2013，34（7）：2607－2654．

［29］ LIAO Anping，LIU Liangming，YE Yuanxin，et al．Study on Geometric Rectification Model of CBERS－02BHR Data［J］．Remote Sensing Information，2010（4）：63－67．（廖安平，刘良明，叶沅鑫，等．CBERS－02B星HR数据几何纠正模型研究［J］．遥感信息，2010（4）：63－67．）

［30］ CHEN J，ZHU X，VOGELMANN J E，et al．A Simple and Effective Method for Filling Gaps in Landsat ETM＋SLC－off Images［J］．Remote Sensing of Environment，2011，115（2）：1053－1064．

［31］ ZHU X，GAO F，LIU D，et al．A Modified Neighborhood Similar Pixel Interpolator Approach for Removing Thick Clouds in Landsat Images［J］．IEEE Geoscience and Remote Sensing Letters，2012，9（3）：521－525．

［32］ ZHU X，CHEN J，GAO F，et al．An Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model for Complex Heterogeneous Regions［J］．Remote Sensing of Environment，2010，114（11）：2610－2623．

［33］ ZH OU Y，CHEN J，GUO Q，et al．Restoration of Information Obscured by Mountainous Shadows through Landsat TM／ETM＋Images without the Use of DEM Data：A New Method［J］．IEEE Transactions on Geoscience and Remote Sensing，2014，52（1）：313－328．

［34］ WU Hao，LIAO Anping，HE Chaoying，et al．A Framework for Integrating Heterogeneous Spatial Information and Applications Adaptively Based on Multi－agent and Web Service［C］∥Proceedings of the International Conference on Multimedia Information Networking and Security．Shanghai：［s．n．］，2011：253－257．

［35］ XING Hanfa，CH EN Jun，LI Changhui．Design and Implementation of Network Marking and Reporting System of TopographicFeature Change Information［J］．Geomatics World，2013，11（5）：59－63．（邢汉发，陈军，李长辉．地形要素变化信息标报系统的设计与实现［J］．地理信息世界，2013，11（5）：59－63．）

［36］ CHEN Jun，WU Hao，LI Songnian，et al．Service Oriented Dynamic Computing for Land Cover Big Data［J］．Journal of Geomatics Science and Technology，2013，30（4）：369－374．（陈军，武昊，李松年，等．面向大数据时代的地表覆盖动态服务计算［J］．测绘科学技术学报，2013，30（4）：369－374．）

［37］ CH EN Jun，WU Hao，LI Songnian，et al．Tem poral Logic and Operation Relations Based Knowledge Representation for Land Cover Change Web Service［J］．ISPRS Journal of Photogrammetry and Remote Sensing，2013，83：140－150．

［38］ BLASCHKE T．Object Based Image Analysis for Remote Sensing［J］．ISPRS Journal of Photogrammetry and RemoteSensing，2010，65（1）：2－16．

［39］ CHEN Lijun，CHEN Jun，LIAO Anping．Preliminary Classffication Results for Global Land Cover Mapping at 30 Meters Resolution［J］．Bulletin of Surveying and Mapping，2012（sup）：350－353．（陈利军，陈军，廖安平．30 m全球地表覆盖遥感分类方法初探［J］．测绘通报，2012（增刊）：350－353．）

［40］ JIANG H，STRITTHOLT J R，FROST P A，et al．The Classification of Late Seral Forests in the Pacific Northwest USA Using Landsat ETM＋Imagery［J］．Remote Sensing of Environment，2004，91：320－331．

［41］ CHEN J，ZHU X，VOGELMANN J E，et al．A Simple and Effective Method for Filling Gaps in Landsat ETM＋SLC－off Images［J］．Remote Sensing of Environment，2011，115：1053－1064．

［42］ CHEN X，CHEN J，SHI Y，et al．An Automated Approach for Updating Land Cover Maps Based on Integrated Change Detection and Classification Methods［J］．ISPRS Journal of Photogrammetry and Remote Sensing，2012，71：86－95．

［43］ CHEN Jun，LU Miao，CHEN Xuehong，et al．A Spectral Gradient Difference Based Approach for Land Cover Change Detection［J］．ISPRS Journal of Photogrammetry and Remote Sensing，2013，85（2013）：1－12．

（责任编辑：宋启凡）

E－mail：chenjun＠nsdi．gov．cn

Concepts and Key Techniques for 30 m Global Land Cover Mapping

CHEN Jun1，CHEN Jin2，LIAO Anping1，CAO Xing2，CHEN Lijun1，CHEN Xuehong2，PENG Shu2，HAN Gang1，ZHANG Hongwei1，HE Chaoying1，WU Hao1，LU Miao1
1．National Geomatics Center of China，Beijing 100830，China；2．State Key Laboratory of Earth Surface Processes and Resource Ecology，Beijing Normal University，Beijing 100875，China

Global land cover（GLC）characterization and monitoring at fine resolution is a key task and big challenge for both earth observation and geomatics societies in the world．Recently the first operational 30 m GLC mapping project has been completed by China．It is based on the optimum selection and processing of landsat－like satellite imagery for full global coverage，service－oriented integration of all available reference data and auxiliary information，object－based precise land cover characterization，and knowledge－based data quality controlling．The key techniques developed include the multi－type imagery geometric processing and radiometric reconstruction，integration of heterogeneous data and external services，object－based thematic－layer classification，and knowledge－based spatio－temporal consistency verification．The technical guide lines and software tools have been further developed for supporting the operational 30 m GLC mapping of the years 2000 and 2010．

global land cover；mapping with imagery；30 meter resolution；object－based classification；service－oriented integration

CHEN Jun（1956—），male，professor，PhD supervisor，president of the International Society of Photogrammetry and Remote Sensing，majors in geospatial data modeling，updating and services．

P282

A

1001－1595（2014）06－0551－07

国家863计划重点项目“全球地表覆盖遥感制图与关键技术研究”（2009AA122001；2009AA122003）

2014－02－20

陈军（1956—），男，教授，博士生导师，国际摄影测量与遥感学会主席，主要从事基础地理信息建模、更新与服务研究．

修回日期：2014－03－20