这是用户在 2025-5-6 9:51 为 https://app.immersivetranslate.com/pdf-pro/6939db93-5f1c-431c-80cc-0b52f40f6046/ 保存的双语快照页面，由 沉浸式翻译 提供双语支持。了解如何保存？

  遥感

ISSN 2072-4292
www.mdpi.com/journal/remotesensing
  文章

基于贝叶斯方法从现有土地覆盖产品生成协同土地覆盖图

广旭 1 , 2 1 , 2 ^(1,2){ }^{1,2} ，张海荣 3 , ∗ 3 , ∗ ^(3,**){ }^{3, *} ，陈宝章 1 , 3 , ∗ 1 , 3 , ∗ ^(1,3,**){ }^{1,3, *} ，张惠芳 1 , 2 1 , 2 ^(1,2){ }^{1,2} ，严建武 1 , 2 1 , 2 ^(1,2){ }^{1,2} ，陈静 1 1 ^(1){ }^{1} ，蔡明良 1 , 2 1 , 2 ^(1,2){ }^{1,2} ，林晓峰 1 , 2 1 , 2 ^(1,2){ }^{1,2} 以及窦宪明 1 1 ^(1){ }^{1} 1 国家资源与环境信息系统重点实验室，中国科学院地理科学与自然资源研究所，北京市朝阳区大屯路 11A 号，邮编 100101，中国；电子邮件：xg1990@gmail.com（G.X.）；zhf1268@gmail.com（H.Z.）；yanjw2001@163.com（J.Y.）；chenjinn@hotmail.com（J.C.）；chemingliangs@163.com（M.C.）；linxiaofeng.whu@gmail.com（X.L.）；douxianming88@163.com（X.D.）2 中国科学院大学，北京市玉泉路 19A 号，邮编 100049，中国中国矿业大学环境科学与空间信息学院，徐州221116，中国* 对本文档有疑问者，请与以下作者联系；电子邮件：hairong-zhang@cumt.edu.cn (张海荣)；baozhang.chen@igsnrr.ac.cn (陈宝章)；电话/传真：+86-10-6488-9574。

收到：2014年2月27日；修改后：2014年6月4日 / 接受：2014年6月10日 /
  出版：2014年6月16日

  摘要

全球土地覆盖是地表的重要参数，已被众多研究人员基于遥感影像推导出来。每个土地覆盖产品都有其自身的缺点和局限性。数据融合技术正成为一种显著的方法，以充分整合现有的土地覆盖信息。在本文中，我们开发了一种基于贝叶斯定理生成协同全球土地覆盖图（synGLC）的方法。定义了一个状态概率向量，以精确和定量地描述每个像素的土地覆盖分类，并减少由图例协调和空间重采样引起的误差。使用了简单的公理化方法来生成先验土地覆盖图，其中一致性高的像素被视为正确，然后用作基准以获得后验土地覆盖图。验证结果表明，与现有的全球土地覆盖产品相比，我们的混合土地覆盖图（synGLC，数据集可应要求提供）具有最佳的整体性能。在我们的融合土地覆盖图中，封闭灌木丛和永久湿地具有最高的不确定性。

这种新颖的方法可以广泛应用于融合具有不同图例、空间分辨率或地理范围的土地覆盖图。
关键词：土地覆盖；贝叶斯理论；数据融合；IGBP；遥感

  1. 引言

土地覆盖数据描述地球表面的物理物质。它对地表能量、碳循环、水平衡以及土地利用和土地覆盖变化的影响很大[1-4]。它也是许多陆地表面模型的基本参数，如生态系统-大气模拟方案[5]和通用陆地模型[6]。可靠的、准确的土地覆盖数据为相关环境研究提供了关键信息[7]。
如表 1 所示，基于遥感数据已经产生了各种全球土地覆盖数据集，包括马里兰大学地理系（UMDLC）的全球土地覆盖分类[8,9]，全球土地覆盖特征数据库（GLCC）[10,11]，2000 年的全球土地覆盖图（GLC2000）来自欧洲委员会联合研究中心[12,13]，由波士顿大学开发并由美国国家航空航天局（NASA）的 MODIS 土地团队协调的中分辨率成像光谱仪（MODIS）全球土地覆盖图产品（MCD12Q1）[14-16]，以及欧洲空间局（ESA）与国际合作伙伴网络合作编制的全球土地覆盖图（GlobCover）[17,18]。
表1. 本研究中使用的土地覆盖数据集。
  数据集   覆盖年份   空间分辨率   图例   网站
UMDLC 1981-1994   1公里   14个类别 [9]
GLCC 1992-1993   1公里 IGBP [11]
GLC2000 2000   1/112度   联合国粮食及农业组织土地覆盖分类系统（FAO LCCS） [13]
MCD12Q1 2005   500米 IGBP [16]
GlobCover 2009   1/360度 UN LCCS [18]
Dataset Coverage Year Spatial Resolution Legend Website UMDLC 1981-1994 1 km 14 classes [9] GLCC 1992-1993 1 km IGBP [11] GLC2000 2000 1/112 degree FAO LCCS [13] MCD12Q1 2005 500 m IGBP [16] GlobCover 2009 1/360 degree UN LCCS [18]| Dataset | Coverage Year | Spatial Resolution | Legend | Website | | :--- | :--- | :--- | :--- | :--- | | UMDLC | 1981-1994 | 1 km | 14 classes | [9] | | GLCC | 1992-1993 | 1 km | IGBP | [11] | | GLC2000 | 2000 | 1/112 degree | FAO LCCS | [13] | | MCD12Q1 | 2005 | 500 m | IGBP | [16] | | GlobCover | 2009 | 1/360 degree | UN LCCS | [18] |
GLCC 是通过对 1 公里每月高级甚高分辨率辐射计（AVHRR）归一化植被指数（NDVI）复合数据进行的按大陆的无监督分类开发的，覆盖了 12 个月（1992 年 4 月-1993 年 3 月）。UMDLC 基于 AVHRR 数据，采用分类树方法[8]。GLC2000 是基于地球观测系统（SPOT）4 卫星上植被仪获取的每日全球数据生产的[12]。MCD12Q1 是从 Terra 和 Aqua-MODIS 数据一年的输入观测中导出的。GlobCover2009 是通过从 300 米中分辨率成像光谱仪（MERIS）时间序列的自动化处理链生成的。
这些数据集的先前相互比较[19-22]揭示了它们之间存在着明显的差异和不确定性。一些研究人员试图通过融合现有的土地覆盖产品来生产一个混合全球土地覆盖图[7,23,24]。See 和 Fritz[24]首先通过融合 GLC2000 和 MODIS 产品生产了一个混合土地覆盖图。Jung 等人[23]提出了一种将现有
产品被整合成一个新的 1 公里全球土地覆盖产品，该产品具有改进的碳循环模型特性。然而，没有考虑各个产品的个体优势和劣势，也没有提供验证或数据质量评估。Fritz 等人[25]随后从五个全球土地覆盖产品中生成了一个撒哈拉以南非洲的协同农业用地地图，这需要专家的主观排名，并且不考虑图例转换。Perez-Hoyos 等人[7]开发了一个用于欧洲构建混合土地覆盖地图的一般框架，该框架使用四个土地覆盖数据集。这种方法可以应用于任何现有产品集；然而，它需要足够的训练数据，这限制了其在全球范围内的应用。
本研究的目标是利用所有现有的全球土地覆盖数据集，通过不同的图例和不同的空间分辨率，生成一个混合全球土地覆盖图。开发了一种基于贝叶斯定理的新技术。土地覆盖图中每个像素的分类由离散概率分布表示，这更精确地描述了土地覆盖的状态。混合全球土地覆盖数据集是先验全球土地覆盖图的后验分布。

  2. 材料与方法

  2.1. 土地覆盖数据集

五个全球土地覆盖数据集被用于本研究，分别是 GLCC、UMDLC、GLC2000、2005 年的 MCD12Q1 版本 051 和 2009 年的 GlobCover。GLCC 以各种分类图例发表，其中之一选择了国际地球系统生物圈计划（IGBP）土地覆盖分类。UMDLC 采用 14 类标签和阴影方案开发。GLC2000 使用联合国粮食及农业组织（FAO）土地覆盖分类系统（LCCS）。MCD12Q1 提供了五个全球土地覆盖分类系统，其中 IGBP 图例在本研究中被选中。GlobCover 与使用联合国（UN）LCCS 定义和记录的图例相关联。
这五个土地覆盖数据集具有不同的空间分辨率和覆盖年份，如表1所示。第3.1节将描述如何协调不一致的分类和空间分辨率。尽管包含了一些过时的地图，但我们识别了它们的异常分类，并在我们的方法中考虑了有价值的信息。不同的获取日期不能解释土地覆盖图之间的差异，因为由于单个土地覆盖图的精度不足，无法检测到土地覆盖变化[23]。因此，在设计我们的融合方法时，我们忽略了土地覆盖变化的影响。

  2.2. 验证数据

研究中所使用的验证数据（表 2）来自全球森林和陆地覆盖动态观测（GOFC-GOLD）陆地覆盖项目办公室，并与参考数据生产者协调，包括综合 GLC 2000 参考（GLC200ref）数据集[12]、综合 GlobCover 2005 参考（GlobCover2005ref）数据集[26,27]、陆地生态系统参数化系统（STEP）参考数据集[14,15,28-32]和可见光红外成像辐射计套件（VIIRS）地表类型参考数据集[33,34]。
GLC2000ref 是通过对原始 GLC 2000 数据集进行整合工作得到的，其中提供了 1253 个样本[12]。GlobCover-2005ref 数据集是通过对原始 ESA-GlobCover 2005 数据集进行整合工作得到的；它包含 4258 个样本，全球分布，并按照随机分层抽样进行选择[26,27]。STEP 作为数据库，维护了绘制在高空间分辨率影像上的训练多边形，这些多边形可以通过 GIS 提取，以产生全球土地覆盖分类，它是 MCD12Q1 的训练场地数据库[14,15,28-32]。VIIRS 表面类型验证数据库基于全球 500 个区块的分层随机样本[14,15,28-32]。根据 IGBP 图例，通过非常高的空间分辨率（ < 2 m < 2 m < 2m<2 \mathrm{~m} ）图像的手动解释确定了每个样本的正确类别；MODIS 时间序列数据被用于改进解释。
表2. 本研究中使用的验证参考数据。
  验证数据   图例   样本大小
GLC2000ref   联合国粮食及农业组织陆地覆盖分类系统 1253
GlobCover2005ref   联合土地覆盖分类系统（LCCS） 4258
STEP IGBP 1780
VIIRS IGBP 3667
Validation Data Legend Sample Size GLC2000ref FAO LCCS 1253 GlobCover2005ref UN LCCS 4258 STEP IGBP 1780 VIIRS IGBP 3667| Validation Data | Legend | Sample Size | | :---: | :---: | :---: | | GLC2000ref | FAO LCCS | 1253 | | GlobCover2005ref | UN LCCS | 4258 | | STEP | IGBP | 1780 | | VIIRS | IGBP | 3667 |

  3. 方法

在本节中，我们描述了融合五个土地覆盖数据集的方法。融合过程的步骤在以下流程图中表示（图1）。
图 1. 本方法流程图包括三个步骤：（1）对现有土地覆盖图进行重采样和重新分类，使其具有共同的图例和空间分辨率；（2）为每个像素生成国际地圈生物圈计划（IGBP）类别的状态概率向量先验估计；（3）根据具有高确定性的像素类别更新每个像素的状态向量。
我们首先将每个土地覆盖数据集重采样和重新分类到相同的图例和空间分辨率（ 1 / 120 1 / 120 1//1201 / 120 度），用 b k , x , y b k , x , y b_(k,x,y)\boldsymbol{b}_{\mathrm{k}, \mathrm{x}, \mathrm{y}} 表示。然后我们将它们组合成一个先验全球土地覆盖（ a x , y a x , y a_(x,y)\boldsymbol{a}_{\mathrm{x}, \mathrm{y}} ）。然后提取了高度一致性的像素，并用 C x , y C x , y C_(x,y)C_{\mathrm{x}, \mathrm{y}} 表示。最后，我们使用贝叶斯理论更新了每个像素的概率分布（ 1 / 120 1 / 120 1//1201 / 120 ），得到了后验全球土地覆盖图 b k , x , y b k , x , y b_(k,x,y)\boldsymbol{b}_{\mathrm{k}, \mathrm{x}, \mathrm{y}} 。
使用贝叶斯理论对每个像素（ a x , y u a x , y u a_(x,y)^(u)\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}^{u} ）的概率分布进行更新，得到了后验全球土地覆盖图 ( C x , y T ) C x , y T (C_(x,y)^(T))\left(C_{x, y}^{T}\right) 。

3.1. 重新分类和重采样

为了促进不同土地覆盖图的融合，它们需要被同化到共同的图例中，在本研究中我们选择了 IGBP 分类系统（表 3）。IGBP 土地覆盖图例的 17 个类别包含了 Running 等人[35]提出的气候独立性和冠层组件哲学，并且与提供景观信息的环境建模分类系统兼容[10]。IGBP 与其他图例之间的对应关系很少[24]，并且一些类别有部分重叠[19]。简单的转换会产生错误。因此，在本研究中，每种土地覆盖类型都被转换为一个状态概率向量，表示它属于每个 IGBP 土地覆盖类型的概率。状态概率向量使得将一种土地覆盖类型转换为多个 IGBP 土地覆盖类型成为可能，并减少了土地覆盖图例转换引起的错误。
表 3. 国际地圈生物圈计划（IGBP）土地覆盖分类的编号和描述。
  IGBP 编号   描述
0   水
1 常绿针叶林
2 常绿阔叶林
3 落叶针叶林
4 落叶阔叶林
5   混交林
6   封闭灌木丛
7   开阔灌木丛
8   灌木草原
9   草原
10   草原
11   永久性湿地
12   农田
13   城市和建成区
14 农田/自然植被镶嵌
15   雪和冰
16 荒芜或稀疏植被
IGBP No. Description 0 Water 1 Evergreen Needleleaf Forest 2 Evergreen Broadleaf Forest 3 Deciduous Needleleaf Forest 4 Deciduous Broadleaf Forest 5 Mixed Forests 6 Closed Shrublands 7 Open Shrublands 8 Woody Savannas 9 Savannas 10 Grasslands 11 Permanent Wetlands 12 Croplands 13 Urban and Built-Up 14 Cropland/Natural Vegetation mosaic 15 Snow and Ice 16 Barren or Sparsely Vegetated| IGBP No. | Description | | :--- | :--- | | 0 | Water | | 1 | Evergreen Needleleaf Forest | | 2 | Evergreen Broadleaf Forest | | 3 | Deciduous Needleleaf Forest | | 4 | Deciduous Broadleaf Forest | | 5 | Mixed Forests | | 6 | Closed Shrublands | | 7 | Open Shrublands | | 8 | Woody Savannas | | 9 | Savannas | | 10 | Grasslands | | 11 | Permanent Wetlands | | 12 | Croplands | | 13 | Urban and Built-Up | | 14 | Cropland/Natural Vegetation mosaic | | 15 | Snow and Ice | | 16 | Barren or Sparsely Vegetated |
根据图例定义的比较、像素级统计比较和以往的比较研究[36-38]，将不同的土地覆盖图例（UMD（表 4）、FAO LCCS（表 5）和 UN LCCS（表 6））转换为 IGBP 图例。由于信息不足，每种土地覆盖类型被等概率地转换为几个 IGBP 土地覆盖类型。考虑到可能的分类错误，我们假设每个土地覆盖图的每个像素以 50 % 50 % 50%50 \% 的概率被错误分类。也就是说，在某个土地覆盖类的状态概率向量中，所有指定 IGBP 类的总概率为 50 % 50 % 50%50 \% 。这个假设不会实质性地改变每个像素的分类，但可以评估土地覆盖图分类的不确定性。
表 4. 从马里兰大学（UMD）土地覆盖图例到国际地圈生物圈计划（IGBP）图例的转换规则及相应的状态概率向量。请参阅表 3 中 IGBP 值的描述。
  值   UMD 土地覆盖名称   IGBP 分类值 IGBP 分类的状态概率向量（小数点前的零省略）
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
0   水 0 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
1 常绿针叶林 1 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
2 常绿阔叶林 2 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
3 落叶针叶林 3 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
4 落叶阔叶林 4 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
5   混交林 5 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
6   林地 8,11 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033
7   灌草丛 9,11 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.250 0.033 0.033 0.033 0.033 0.033
8   封闭灌木丛 6 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
9   开放灌木丛 7 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
10   草原 10 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031
11   耕地 12,14 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.250 0.033 0.033
12   裸地 15,16 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.250
13   城市和建成区 13 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031
255   无数据 - 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059
Value UMD Land Cover Name IGBP Class Value State Probability Vector Of IGPB Class (Zero before Decimal Point Omitted) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 0 Water 0 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 1 Evergreen Needleleaf Forest 1 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 2 Evergreen Broadleaf Forest 2 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 3 Deciduous Needleleaf Forest 3 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 4 Deciduous Broadleaf Forest 4 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 5 Mixed Forests 5 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 6 Woodland 8,11 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 7 Wooded Grassland 9,11 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.250 0.033 0.033 0.033 0.033 0.033 8 Closed Shrubland 6 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 9 Open Shrubland 7 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 10 Grassland 10 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 11 Cropland 12,14 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.250 0.033 0.033 12 Bare ground 15,16 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.250 13 Urban and Built-up 13 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 255 No data - 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059| Value | UMD Land Cover Name | IGBP Class Value | State Probability Vector Of IGPB Class (Zero before Decimal Point Omitted) | | | | | | | | | | | | | | | | | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | | | | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | | 0 | Water | 0 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 1 | Evergreen Needleleaf Forest | 1 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 2 | Evergreen Broadleaf Forest | 2 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 3 | Deciduous Needleleaf Forest | 3 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 4 | Deciduous Broadleaf Forest | 4 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 5 | Mixed Forests | 5 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 6 | Woodland | 8,11 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 7 | Wooded Grassland | 9,11 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 8 | Closed Shrubland | 6 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 9 | Open Shrubland | 7 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 10 | Grassland | 10 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 11 | Cropland | 12,14 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.250 | 0.033 | 0.033 | | 12 | Bare ground | 15,16 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.250 | | 13 | Urban and Built-up | 13 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | | 255 | No data | - | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 |
表 5. GLC2000 土地覆盖图例到国际地圈生物圈计划（IGBP）图例的转换规则及相应的状态概率向量。
  值   GLC2000-类别   IGBP-值 IGBP 类别状态概率向量（小数点前的零省略）
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 树冠，阔叶，常绿 2 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
2 树冠，阔叶，落叶，闭 4 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
3 树冠，阔叶，落叶，开 8,9 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033
4 树冠，针叶，常绿 1 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
5 树冠，针叶，落叶 3 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
Value GLC2000-Class IGBP-Value State Probability Vector of IGPB Class (Zero before Decimal Point Omitted) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 Tree Cover, broadleaved, evergreen 2 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 2 Tree Cover, broadleaved, deciduous, closed 4 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 3 Tree Cover, broadleaved, deciduous, open 8,9 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 4 Tree Cover, needle-leaved, evergreen 1 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 5 Tree Cover, needle-leaved, deciduous 3 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031| Value | GLC2000-Class | IGBP-Value | State Probability Vector of IGPB Class (Zero before Decimal Point Omitted) | | | | | | | | | | | | | | | | | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | | | | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | | 1 | Tree Cover, broadleaved, evergreen | 2 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 2 | Tree Cover, broadleaved, deciduous, closed | 4 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 3 | Tree Cover, broadleaved, deciduous, open | 8,9 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 4 | Tree Cover, needle-leaved, evergreen | 1 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 5 | Tree Cover, needle-leaved, deciduous | 3 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 |
  表5.续
  GLC2000-类值
Value GLC2000-Class| Value | | :--- | | GLC2000-Class |
   IGBP 值 IGBP 类状态概率向量（小数点前的零省略）
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
6 树冠，混合叶型 5 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
7 树冠，定期泛滥，新鲜 2,11 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033
8 树冠，定期泛滥，盐碱，(日变化) 2,11,0 0.167 0.036 0.167 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 . 167 0.036 0.036 0.036 0.036 0.036
9 拼花：树冠/其他自然植被 6,7 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033
10   树冠，烧毁 3,5,7 0.036 0.036 0.036 0.167 0.036 0.167 0.036 0.167 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036
11 灌木冠，封闭-开放，常绿（有无稀疏树层） 7,8 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033
12 灌木冠，封闭-开放，落叶（有无稀疏树层） 6,7,9 0.036 0.036 0.036 0.036 0.036 0.036 0.167 0.167 0.036 0.167 0.036 0.036 0.036 0.036 0.036 0.036 0.036
13 草本冠，封闭-开放 6,10 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033
14 稀疏草本或稀疏灌木覆盖 7,10 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033
15 常年淹水灌木和/或草本覆盖 7,11 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033
16 耕种和管理区域 12 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031
17 拼贴：耕地/树冠/其他自然植被 14 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031
18 拼接：耕地/灌木和/或草本植被 14 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031
19   裸露地 16 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500
20 水体（自然和人工） 0 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
21 雪和冰（自然和人工） 15 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031
22 人工地表及其相关区域 13 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031
23   无数据 - 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059
"Value GLC2000-Class" IGBP-Value State Probability Vector of IGPB Class (Zero before Decimal Point Omitted) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 6 Tree Cover, mixed leaf type 5 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 7 Tree Cover, regularly flooded, fresh 2,11 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 8 Tree Cover, regularly flooded, saline, (daily variation) 2,11,0 0.167 0.036 0.167 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 . 167 0.036 0.036 0.036 0.036 0.036 9 Mosaic: Tree cover/Other natural vegetation 6,7 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 10 Tree Cover, burnt 3,5,7 0.036 0.036 0.036 0.167 0.036 0.167 0.036 0.167 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 11 Shrub Cover, closed-open, evergreen (with or without sparse tree layer) 7,8 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 12 Shrub Cover, closed-open, deciduous (with or without sparse tree layer) 6,7,9 0.036 0.036 0.036 0.036 0.036 0.036 0.167 0.167 0.036 0.167 0.036 0.036 0.036 0.036 0.036 0.036 0.036 13 Herbaceous Cover, closed-open 6,10 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033 14 Sparse Herbaceous or sparse shrub cover 7,10 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033 15 Regularly flooded shrub and/or herbaceous cover 7,11 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 16 Cultivated and managed areas 12 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 17 Mosaic: Cropland/Tree Cover/Other Natural Vegetation 14 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 18 Mosaic: Cropland/Shrub and/or Herbaceous cover 14 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 19 Bare Areas 16 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 20 Water Bodies (natural & artificial) 0 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 21 Snow and Ice (natural & artificial) 15 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 22 Artificial surfaces and associated areas 13 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 23 No data - 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059| Value <br> GLC2000-Class | | IGBP-Value | State Probability Vector of IGPB Class (Zero before Decimal Point Omitted) | | | | | | | | | | | | | | | | | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | | | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | | 6 | Tree Cover, mixed leaf type | | 5 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 7 | Tree Cover, regularly flooded, fresh | 2,11 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 8 | Tree Cover, regularly flooded, saline, (daily variation) | 2,11,0 | 0.167 | 0.036 | 0.167 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | . 167 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | | 9 | Mosaic: Tree cover/Other natural vegetation | 6,7 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 10 | Tree Cover, burnt | 3,5,7 | 0.036 | 0.036 | 0.036 | 0.167 | 0.036 | 0.167 | 0.036 | 0.167 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | | 11 | Shrub Cover, closed-open, evergreen (with or without sparse tree layer) | 7,8 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 12 | Shrub Cover, closed-open, deciduous (with or without sparse tree layer) | 6,7,9 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | 0.167 | 0.167 | 0.036 | 0.167 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | 0.036 | | 13 | Herbaceous Cover, closed-open | 6,10 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 14 | Sparse Herbaceous or sparse shrub cover | 7,10 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 15 | Regularly flooded shrub and/or herbaceous cover | 7,11 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 16 | Cultivated and managed areas | 12 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | | 17 | Mosaic: Cropland/Tree Cover/Other Natural Vegetation | 14 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | | 18 | Mosaic: Cropland/Shrub and/or Herbaceous cover | 14 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | | 19 | Bare Areas | 16 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | | 20 | Water Bodies (natural & artificial) | 0 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 21 | Snow and Ice (natural & artificial) | 15 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | | 22 | Artificial surfaces and associated areas | 13 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | | 23 | No data | - | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 |
表 6.从 GlobCover 土地覆盖图例到国际地圈生物圈计划（IGBP）图例的转换规则及相应的状态概率向量。
  值 GlobCover-Label   IGBP 值 IGBP 类别状态概率向量（小数点前的零省略）
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
11 洪水后或灌溉农田（或水域） 12 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031
14   旱作农田 12 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031
20 混合农田（50%-70%）/植被（草地/灌木林/森林）（20%-50%） 12,14 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.250 0.033 0.033
30 混合植被（草地/灌木林/森林）（50%-70%）/农田（20%-50%） 10,14 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.250 0.033 0.033
40 封闭至开放（ > 15 % > 15 % > 15%>15 \% ）的阔叶常绿或半落叶林（>5米） 2 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
50 封闭型（>40%）阔叶落叶林（>5米） 4 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
60 开放型（15%-40%）阔叶落叶林/林地（>5米） 8 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
70 封闭型（>40%）针叶常绿林（ > 5 m > 5 m > 5m>5 \mathrm{~m} ） 1,6 0.033 0.250 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033
90 开放型（ 15 % − 40 % 15 % − 40 % 15%-40%15 \%-40 \% ）针叶落叶或常绿林（ > 5 m > 5 m > 5m>5 \mathrm{~m} ） 1,3,5,8 0.038 0.125 0.038 0.125 0.038 0.125 0.038 0.038 0.125 0.038 0.038 0.038 0.038 0.038 0.038 0.038 0.038
100 封闭至开放（>15%）混交阔叶林和针叶林（>5米） 5 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
110 碎片状森林或灌木丛（50%-70%）/草地（20%-50%） 6 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
Value GlobCover-Label IGBP Value State Probability Vector of IGPB Class (Zero before Decimal Point Omitted) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 11 Post-flooding or irrigated croplands (or aquatic) 12 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 14 Rainfed croplands 12 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 20 Mosaic cropland (50%-70%)/ vegetation (grassland/shrubland/ forest) (20%-50%) 12,14 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.250 0.033 0.033 30 Mosaic vegetation (grassland/ shrubland/forest) (50%-70%)/ cropland (20%-50%) 10,14 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.250 0.033 0.033 40 Closed to open ( > 15% ) broadleaved evergreen or semi-deciduous forest (>5 m) 2 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 50 Closed (>40%) broadleaved deciduous forest (>5 m) 4 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 60 Open (15%-40%) broadleaved deciduous forest/woodland (>5 m) 8 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 70 Closed (>40%) needleleaved evergreen forest ( > 5m ) 1,6 0.033 0.250 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 90 Open ( 15%-40% ) needleleaved deciduous or evergreen forest ( > 5m ) 1,3,5,8 0.038 0.125 0.038 0.125 0.038 0.125 0.038 0.038 0.125 0.038 0.038 0.038 0.038 0.038 0.038 0.038 0.038 100 Closed to open (>15%) mixed broadleaved and needleleaved forest (>5 m) 5 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 110 Mosaic forest or shrubland (50%-70%)/grassland (20%-50%) 6 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031| Value | GlobCover-Label | IGBP Value | State Probability Vector of IGPB Class (Zero before Decimal Point Omitted) | | | | | | | | | | | | | | | | | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | | | | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | | 11 | Post-flooding or irrigated croplands (or aquatic) | 12 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | | 14 | Rainfed croplands | 12 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | | 20 | Mosaic cropland (50%-70%)/ vegetation (grassland/shrubland/ forest) (20%-50%) | 12,14 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.250 | 0.033 | 0.033 | | 30 | Mosaic vegetation (grassland/ shrubland/forest) (50%-70%)/ cropland (20%-50%) | 10,14 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | | 40 | Closed to open ( $>15 \%$ ) broadleaved evergreen or semi-deciduous forest (>5 m) | 2 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 50 | Closed (>40%) broadleaved deciduous forest (>5 m) | 4 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 60 | Open (15%-40%) broadleaved deciduous forest/woodland (>5 m) | 8 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 70 | Closed (>40%) needleleaved evergreen forest ( $>5 \mathrm{~m}$ ) | 1,6 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 90 | Open ( $15 \%-40 \%$ ) needleleaved deciduous or evergreen forest ( $>5 \mathrm{~m}$ ) | 1,3,5,8 | 0.038 | 0.125 | 0.038 | 0.125 | 0.038 | 0.125 | 0.038 | 0.038 | 0.125 | 0.038 | 0.038 | 0.038 | 0.038 | 0.038 | 0.038 | 0.038 | 0.038 | | 100 | Closed to open (>15%) mixed broadleaved and needleleaved forest (>5 m) | 5 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 110 | Mosaic forest or shrubland (50%-70%)/grassland (20%-50%) | 6 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 |
  表6.续表
  值   GlobCover-标签   IGBP 值 IGPB 类别的状态概率向量（小数点前的零省略）
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
120 混合草地（50%-70%）/森林或灌木林（ 20 % − 50 % 20 % − 50 % 20%-50%20 \%-50 \% ） 7 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
130 封闭至开放（>15%）（阔叶或针叶，常绿或落叶）灌木林（<5米） 6,9 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033
140 封闭至开放（>15%）草本植被（草地、稀树草原或地衣/苔藓） 7,10 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033
150 稀疏植被（<15%） 7,16 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250
160 封闭至开放（>15%）常受洪水影响的阔叶林-淡水或咸水 2 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031
170 封闭（ > 40 % > 40 % > 40%>40 \% ）阔叶林或灌木林永久性淹没-咸水或咸淡水 11 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031
180 封闭至开放（>15%）草地或木本植被在经常受洪水影响或积水的土壤上-淡水、咸淡水或咸水 11 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031
190 人工表面及其相关区域（城市区域>50%） 13 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031
200   裸地 16 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500
210   水体 0,15 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033
220   永久积雪和冰川 15 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031
230 无数据（烧毁区域、云层等） - 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059
Value GlobCover-Label IGBP Value State Probability Vector of IGPB Class (Zero before Decimal Point Omitted) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 120 Mosaic grassland (50%-70%)/forest or shrubland ( 20%-50% ) 7 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 130 Closed to open (>15%) (broadleaved or needleleaved, evergreen or deciduous) shrubland (<5 m) 6,9 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 140 Closed to open (>15%) herbaceous vegetation (grassland, savannas or lichens/mosses) 7,10 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033 150 Sparse (<15%) vegetation 7,16 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 160 Closed to open (>15%) broadleaved forest regularly flooded (semi-permanently or temporarily)-Fresh or brackish water 2 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 170 Closed ( > 40% ) broadleaved forest or shrubland permanently flooded-Saline or brackish water 11 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 180 Closed to open (>15%) grassland or woody vegetation on regularly flooded or waterlogged soil-Fresh, brackish or saline water 11 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 0.031 0.031 190 Artificial surfaces and associated areas (Urban areas >50%) 13 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 0.031 0.031 200 Bare areas 16 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 210 Water bodies 0,15 0.250 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.033 0.250 0.033 220 Permanent snow and ice 15 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.031 0.500 0.031 230 No data (burnt areas, clouds, ...) - 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059 0.059| Value | GlobCover-Label | IGBP Value | State Probability Vector of IGPB Class (Zero before Decimal Point Omitted) | | | | | | | | | | | | | | | | | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | | | | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | | 120 | Mosaic grassland (50%-70%)/forest or shrubland ( $20 \%-50 \%$ ) | 7 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 130 | Closed to open (>15%) (broadleaved or needleleaved, evergreen or deciduous) shrubland (<5 m) | 6,9 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 140 | Closed to open (>15%) herbaceous vegetation (grassland, savannas or lichens/mosses) | 7,10 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | | 150 | Sparse (<15%) vegetation | 7,16 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | | 160 | Closed to open (>15%) broadleaved forest regularly flooded (semi-permanently or temporarily)-Fresh or brackish water | 2 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 170 | Closed ( $>40 \%$ ) broadleaved forest or shrubland permanently flooded-Saline or brackish water | 11 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 180 | Closed to open (>15%) grassland or woody vegetation on regularly flooded or waterlogged soil-Fresh, brackish or saline water | 11 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | | 190 | Artificial surfaces and associated areas (Urban areas >50%) | 13 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | 0.031 | 0.031 | | 200 | Bare areas | 16 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | | 210 | Water bodies | 0,15 | 0.250 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.033 | 0.250 | 0.033 | | 220 | Permanent snow and ice | 15 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.031 | 0.500 | 0.031 | | 230 | No data (burnt areas, clouds, ...) | - | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 | 0.059 |
所有全球土地覆盖图都需要投影到相同的投影（本研究中的地理投影）并重采样到相同的空间分辨率（本研究中的1/120地理度）。每个重采样像素的状态向量是原始像素状态向量的平均值，按其与重采样像素重叠的面积加权。例如，当从300米重采样到1公里时，它们不匹配，如图2所示，重采样像素的土地覆盖状态概率向量根据与原始像素的重叠面积进行组合。通过这种方法，在重采样时不会丢失任何信息。
图2. 从300米重采样到1公里的示例。重采样像素的土地覆盖状态概率向量根据与原始像素的重叠面积进行组合。通过这种方法，在重采样时不会丢失任何信息。
最后，所有全球土地覆盖数据集都被统一了。位于第 2#-第 1#行第 2#土地覆盖图第 0#路径的像素的状态概率向量由 b k , x , y b k , x , y b_(k,x,y)\boldsymbol{b}_{\mathbf{k}, \mathbf{x}, \mathbf{y}} 表示，其中 b k , x , y ( i ) b k , x , y ( i ) b_(k,x,y)(i)b_{\mathrm{k}, \mathrm{x}, \mathbf{y}}(i) 代表它属于第 5# IGBP 类的概率。

3.2. 生成先验全球土地覆盖图

贝叶斯方法所需的先验全球土地覆盖图是通过聚合现有土地覆盖产品提供的信息生成的，其中像素（ x , y x , y x,y\mathrm{x}, \mathrm{y} ）的先验状态概率向量表示为 a x , y a x , y a_(x,y)\mathbf{a}_{\mathrm{x}, \mathrm{y}} 。因此，我们需要将现有土地覆盖产品中的概率分布 b k , x , y b k , x , y b_(k,x,y)\mathbf{b}_{\mathrm{k}, \mathrm{x}, \mathrm{y}} 合并为一个。在没有其他信息的情况下，使用了简单的公理化方法[39]，例如线性意见池，
a x , y = ∑ k = 1 N w k b k , x , y ∑ k = 1 N w k a x , y = ∑ k = 1 N   w k b k , x , y ∑ k = 1 N   w k a_(x,y)=(sum_(k=1)^(N)w_(k)b_(k,x,y))/(sum_(k=1)^(N)w_(k))\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}=\frac{\sum_{k=1}^{N} w_{k} \boldsymbol{b}_{\mathbf{k}, \mathbf{x}, \mathbf{y}}}{\sum_{k=1}^{N} w_{k}}
以及对数意见池
a x , y = β ( ∏ k = 1 N b k , x , y w k ) a x , y = β ∏ k = 1 N   b k , x , y w k a_(x,y)=beta(prod_(k=1)^(N)b_(k,x,y)w_(k))\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}=\beta\left(\prod_{k=1}^{N} \boldsymbol{b}_{\mathrm{k}, \mathrm{x}, \mathrm{y}} w_{k}\right)
其中 N N NN 是使用的土地覆盖图数量（本研究的 N = 5 N = 5 N=5N=5 ）。 w k w k w_(k)w_{k} 是第 k 个土地覆盖图的权重（本研究的 w k = 1 w k = 1 w_(k)=1w_{k}=1 ）。 β β beta\beta 是归一化常数。先验土地覆盖类别表示为 C x , y C x , y C_(x,y)C_{\mathbf{x}, \mathbf{y}} ，它是由
a x , y ( C x , y ) = max 0 ≤ i < M a x , y ( i ) a x , y C x , y = max 0 ≤ i < M   a x , y ( i ) a_(x,y)(C_(x,y))=max_(0 <= i < M)a_(x,y)(i)\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}\left(C_{\mathrm{x}, \mathrm{y}}\right)=\max _{0 \leq i<M} \boldsymbol{a}_{\mathrm{x}, \mathrm{y}}(i)
其中 M M MM 是常用图例中的类别数量（本研究的 IGBP 图例中的 M = 17 M = 17 M=17M=17 ）。参数 a x , y ( C x , y ) a x , y C x , y a_(x,y)(C_(x,y))\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}\left(C_{\mathrm{x}, \mathrm{y}}\right) 代表像素（x,y）的分类确定性。在没有进一步信息关于哪种方法更准确的情况下，本研究在生成先验全球土地覆盖图时同时使用了线性和对数意见池，并比较了它们之间的差异。

3.3. 更新每个像素的状态向量

基于贝叶斯定理，更新了先前全局土地覆盖图中的每个像素的状态概率向量。更新后像素（ x , y x , y x,yx, y ）的概率可以表示为给定现有土地覆盖产品分类的条件概率：
a x , y u ( t ) = P ( C x , y T = t ∣ ⋂ k = 1 N C k , x , y ) a x , y u ( t ) = P C x , y T = t ∣ ⋂ k = 1 N   C k , x , y a_(x,y)^(u)(t)=P(C_(x,y)^(T)=t∣nnn_(k=1)^(N)C_(k,x,y))\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}^{u}(t)=P\left(C_{x, y}^{T}=t \mid \bigcap_{k=1}^{N} C_{\mathrm{k}, \mathrm{x}, \mathrm{y}}\right)
其中 C x , y T C x , y T C_(x,y)^(T)C_{x, y}^{T} 是像素（x，y）的真实类别，这是未知的，而 t = 0 , 1 , 2 , … , M − 1 t = 0 , 1 , 2 , … , M − 1 t=0,1,2,dots,M-1t=0,1,2, \ldots, M-1 。符号 ∩ ∩ nn\cap 表示联合概率， C k , x , y C k , x , y C_(k,x,y)C_{\mathrm{k}, \mathrm{x}, \mathrm{y}} 表示像素（ x , y x , y x,y\mathrm{x}, \mathrm{y} ）在第 k 个土地覆盖图的状态概率向量中的最大似然土地覆盖类别，这意味着 b k , x , y ( C k , x , y ) = max 0 ≤ i < M b k , x , y ( i ) b k , x , y C k , x , y = max 0 ≤ i < M   b k , x , y ( i ) b_(k,x,y)(C_(k,x,y))=max_(0 <= i < M)b_(k,x,y)(i)\boldsymbol{b}_{k, x, y}\left(C_{\mathrm{k}, \mathrm{x}, \mathrm{y}}\right)=\max _{0 \leq i<M} \boldsymbol{b}_{k, x, y}(i) 。根据贝叶斯公式，上述条件概率可以表示为：
a x , y u ( t ) = α P ( ⋂ k = 1 N C k , x , y ∣ C x , y T = t ) P ( C x , y T = t ) a x , y u ( t ) = α P ⋂ k = 1 N   C k , x , y ∣ C x , y T = t P C x , y T = t a_(x,y)^(u)(t)=alpha P(nnn_(k=1)^(N)C_(k,x,y)∣C_(x,y)^(T)=t)P(C_(x,y)^(T)=t)\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}^{u}(t)=\alpha P\left(\bigcap_{k=1}^{N} C_{\mathrm{k}, \mathrm{x}, \mathrm{y}} \mid C_{x, y}^{T}=t\right) P\left(C_{x, y}^{T}=t\right)
其中 α α alpha\alpha 是一个归一化常数。 P ( C x , y T = t ) P C x , y T = t P(C_(x,y)^(T)=t)P\left(C_{x, y}^{T}=t\right) 是像素 ( x , y ) ( x , y ) (x,y)(\mathrm{x}, \mathrm{y}) 的真实类别为 t t tt 且与 a x , y ( t ) a x , y ( t ) a_(x,y)(t)\boldsymbol{a}_{\mathbf{x}, \mathbf{y}}(t) 相同的先验概率。假设每个土地覆盖图是独立的，方程（5）可以重写为
a x , y u ( t ) = α ∏ k = 1 N P ( C k , x , y ∣ C x , y T = t ) a x , y ( t ) a x , y u ( t ) = α ∏ k = 1 N   P C k , x , y ∣ C x , y T = t a x , y ( t ) a_(x,y)^(u)(t)=alphaprod_(k=1)^(N)P(C_(k,x,y)∣C_(x,y)^(T)=t)a_(x,y)(t)\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}^{u}(t)=\alpha \prod_{k=1}^{N} P\left(C_{\mathrm{k}, \mathrm{x}, \mathrm{y}} \mid C_{x, y}^{T}=t\right) \boldsymbol{a}_{\mathrm{x}, \mathrm{y}}(t)
这里， α ∏ k = 1 N P ( b k , x , y ∣ C x , y T = t ) α ∏ k = 1 N   P b k , x , y ∣ C x , y T = t alphaprod_(k=1)^(N)P(b_(k,x,y)∣C_(x,y)^(T)=t)\alpha \prod_{k=1}^{N} P\left(\boldsymbol{b}_{k, x, y} \mid C_{x, y}^{T}=t\right) 是先验状态向量 a x , y ( t ) a x , y ( t ) a_(x,y)(t)\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}(t) 的更新系数。
对于任何 k = 1 , 2 , … , N k = 1 , 2 , … , N k=1,2,dots,N\mathrm{k}=1,2, \ldots, \mathrm{~N} 的更新系数，我们有
P ( C k , x , y ∣ C x , y T = t ) = P ( C k , x , y ∩ C x , y T = t ) P ( C x , y T = t ) P C k , x , y ∣ C x , y T = t = P C k , x , y ∩ C x , y T = t P C x , y T = t P(C_(k,x,y)∣C_(x,y)^(T)=t)=(P(C_(k,x,y)nnC_(x,y)^(T)=t))/(P(C_(x,y)^(T)=t))P\left(C_{\mathrm{k}, \mathrm{x}, \mathrm{y}} \mid C_{x, y}^{T}=t\right)=\frac{P\left(C_{\mathrm{k}, \mathrm{x}, \mathrm{y}} \cap C_{x, y}^{T}=t\right)}{P\left(C_{x, y}^{T}=t\right)}
由于我们不知道任何像素（ x , y x , y x,y\mathrm{x}, \mathrm{y} ）的真实类别 C x , y T C x , y T C_(x,y)^(T)C_{x, y}^{T} ，我们假设对于任何像素（x,y） C x , y T = C x , y C x , y T = C x , y C_(x,y)^(T)=C_(x,y)C_{x, y}^{T}=C_{\mathrm{x}, \mathrm{y}} ，如果其确定性 a x , y ( C x , y ) a x , y C x , y a_(x,y)(C_(x,y))\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}\left(C_{\mathrm{x}, \mathrm{y}}\right) 高于给定的阈值。这个阈值对于不同的类别是不同的，定义为每个类别的确定性上四分位数，因此我们有：
P ( C k , x , y ∣ C x , y T = t ) = ∑ x , y b k , x , y ( C k , x , y ) ∑ x , y 1 | C x , y = t , a x , y ( C x , y ) > h t P C k , x , y ∣ C x , y T = t = ∑ x , y   b k , x , y C k , x , y ∑ x , y   1 C x , y = t , a x , y C x , y > h t P(C_(k,x,y)∣C_(x,y)^(T)=t)=(sum_(x,y)b_(k,x,y)(C_(k,x,y)))/(sum_(x,y)1)|_(C_(x,y)=t,a_(x,y)(C_(x,y)) > h_(t))P\left(C_{\mathrm{k}, \mathrm{x}, \mathrm{y}} \mid C_{x, y}^{T}=t\right)=\left.\frac{\sum_{x, y} \boldsymbol{b}_{k, x, y}\left(C_{\mathrm{k}, \mathrm{x}, \mathrm{y}}\right)}{\sum_{x, y} 1}\right|_{C_{\mathrm{x}, \mathrm{y}}=t, a_{\mathrm{x}, \mathrm{y}}\left(C_{\mathrm{x}, \mathrm{y}}\right)>h_{t}}
其中 h t h t h_(t)h_{t} 是类别 t t tt 的确定性阈值。换句话说，我们通过在条件 C x , y = t C x , y = t C_(x,y)=tC_{\mathrm{x}, \mathrm{y}}=t 和 a x , y ( C x , y ) > h t a x , y C x , y > h t a_(x,y)(C_(x,y)) > h_(t)\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}\left(C_{\mathrm{x}, \mathrm{y}}\right)>h_{t} 下汇总，计算了方程（8）中的概率。
将方程（8）代入方程（5）并进行归一化后，我们得到了更新的状态向量 a x , y u a x , y u a_(x,y)^(u)\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}^{u} 。此外，后验全球土地覆盖图 C x , y p C x , y p C_(x,y)^(p)C_{x, y}^{p} 是通过以下方法得到的：
a x , y u ( C x , y p ) = max 0 ≤ i < M a x , y u ( i ) a x , y u C x , y p = max 0 ≤ i < M   a x , y u ( i ) a_(x,y)^(u)(C_(x,y)^(p))=max_(0 <= i < M)a_(x,y)^(u)(i)\boldsymbol{a}_{\mathrm{x}, \mathrm{y}}^{u}\left(C_{x, y}^{p}\right)=\max _{0 \leq i<M} \boldsymbol{a}_{\mathrm{x}, \mathrm{y}}^{u}(i)

  3.4.验证

有四个验证数据集具有不同的土地覆盖分类（表 2）。在验证时，需要定义验证数据集的土地覆盖图例与土地覆盖图之间的比较。我们将不同图例中的两种土地覆盖类型视为相同，如果它们可以根据上述定义的转换规则（表 4-6）转换为相同的 IGBP 类别。例如，GLC2000 图例中的类型 13 转换为 IGBP 图例中的类型 6 和 10（表 5），GlobCover 图例中的类型 140 转换为 IGBP 图例中的类型 7 和 10（表 6）；然后在验证 GlobCover 与 GLC2000ref 时，我们将 GLC2000 类别 13 和 GlobCover 类别 140 视为相同。
考虑到验证点的空间代表性、地理定位误差和像素偏移误差，每个验证点都与它所在的像素及其2阶邻近像素进行比较。匹配像素的百分比被定义为验证精度。示例如图3所示。土地覆盖图的总体验证精度被定义为参考数据集中所有验证点的平均精度。
图3。这是一个验证点的示例。验证点与其邻近的 5 × 5 5 × 5 5xx55 \times 5 像素进行比较。验证点与16个像素匹配，验证精度为 16 / 25 16 / 25 16//2516 / 25 （64%）。
x x xx ✓ ✓ ✓\checkmark ✓ ✓ ✓\checkmark ✓ ✓ ✓\checkmark ✓ ✓ ✓\checkmark
✓ ✓ ✓\checkmark x x xx ✓ ✓ ✓\checkmark X X
X ✓ ✓ ✓\checkmark x x ^(x){ }^{x} ✓ ✓ ✓\checkmark X
✓ ✓ ✓\checkmark ✓ ✓ ✓\checkmark ✓ ✓ ✓\checkmark X ✓ ✓ ✓\checkmark
✓ ✓ ✓\checkmark X ✓ ✓ ✓\checkmark ✓ ✓ ✓\checkmark ✓ ✓ ✓\checkmark
  已验证像素   验证中的点
  已匹配像素
  不匹配像素
x ✓ ✓ ✓ ✓ ✓ x ✓ X X X ✓ ^(x) ✓ X ✓ ✓ ✓ X ✓ ✓ X ✓ ✓ ✓ ◻ validated pixel - validating point https://cdn.mathpix.com/cropped/2025_05_06_fc62caac61fc05f9e85cg-12.jpg?height=42&width=48&top_left_y=2443&top_left_x=689 ✓ matched pixel X mismatched pixel | | | | | | | :--- | :--- | :--- | :--- | :--- | | $x$ | $\checkmark$ | $\checkmark$ | $\checkmark$ | $\checkmark$ | | $\checkmark$ | $x$ | $\checkmark$ | X | X | | X | $\checkmark$ | ${ }^{x}$ | $\checkmark$ | X | | $\checkmark$ | $\checkmark$ | $\checkmark$ | X | $\checkmark$ | | $\checkmark$ | X | $\checkmark$ | $\checkmark$ | $\checkmark$ | | | | | | | | $\square$ validated pixel | | - validating point | | | | ![](https://cdn.mathpix.com/cropped/2025_05_06_fc62caac61fc05f9e85cg-12.jpg?height=42&width=48&top_left_y=2443&top_left_x=689) | | $\checkmark$ matched pixel | | | | | | $X$ mismatched pixel | | |

  4. 结果

4.1. 后验全球土地覆盖图及其不确定性

使用本研究提出的方法，基于线性（公式（1））和对数（公式（2））意见池的先验土地覆盖图，生成了一个包含其确定性（ a x , y u ( C x , y p ) a x , y u C x , y p a_(x,y)^(u)(C_(x,y)^(p))\boldsymbol{a}_{\mathbf{x}, \mathbf{y}}^{\boldsymbol{u}}\left(C_{x, y}^{p}\right) ，状态概率向量的最大值）的协同全球土地覆盖（synGLC-linear 和 synGLC-log）数据集（ C x , y p C x , y p C_(x,y)^(p)C_{x, y}^{p} ）。这两个后验地图之间最明显的差异出现在南极，这可能是由于过去几十年冰盖融化所引起的不确定性造成的。分类确定性的空间模式（图 5）相似，大多数高不确定性像素分布在土地覆盖过渡区域。经过验证后，确定了更合适的 synGLC 地图（见第 4.2 节）。
为了理解这两张后验地图之间的差异，表7显示了每个土地覆盖类别的百分比（以像素数量表示）。此外，图6显示了每个土地覆盖的平均确定性。封闭灌木丛、开放灌木丛、农田/自然植被镶嵌和永久性湿地在后验线性土地覆盖图和后验对数土地覆盖图之间差异最大。相应地，这些类别的平均确定性较低（图6），表明存在高度的不确定性。
图 4. 通过融合 GLCC、GLC2000、MOD12Q1、GlobCover 和 UMDLC 生成的后验全球土地覆盖地图（synGLC）。它们的先验土地覆盖地图来自（a）线性意见池和（b）对数意见池。

(b)
图 5. 具有先验土地覆盖地图的（a）线性意见池和（b）对数意见池的土地覆盖地图确定性的空间分布。

(a)

(b)
后验对数土地覆盖图在每个类别中都比线性图具有更高的确定性，但这是由不同的计算结果得出的，并不表示对数图更好。不同的先验土地覆盖图导致了后验不确定性的差异。在这个方法中，确定性只有在同一先验土地覆盖图内才能进行比较。使用其他参考数据进行验证是必要的，以评估我们方法的性能并决定哪个土地覆盖图更好。
表7.后验土地覆盖图中每种土地覆盖类型的像素百分比。
IGBP   描述   线性   对数   相对差异
0   水 67.83% 67.35% -0.71%
1 常绿针叶林 1.33% 1.30% -2.24%
2 常绿阔叶林 1.82% 1.86% 2.11%
3 落叶针叶林 0.67% 0.66% -1.92%
4 落叶阔叶林 0.58% 0.56% -4.07%
5   混交林 1.18% 1.26% 6.63%
6   封闭灌木丛 1.22% 0.66% -46.09%
7   开阔灌木丛 4.00% 4.42% 10.65%
8   灌木草原 1.04% 1.05% 0.96%
9   草原 0.98% 1.02% 4.32%
10   草原 1.98% 2.06% 4.05%
11   永久性湿地 0.37% 0.32% -11.59%
12   农田 2.27% 2.45% 7.98%
13   城市和建成区 0.06% 0.06% 0.30%
14 农田/自然植被镶嵌 1.32% 1.14% -13.41%
15   雪和冰 10.58% 10.89% 2.92%
16 荒芜或稀疏植被 2.79% 2.95% 5.81%
IGBP Description Linear Logarithmic Relative Difference 0 Water 67.83% 67.35% -0.71% 1 Evergreen Needleleaf Forest 1.33% 1.30% -2.24% 2 Evergreen Broadleaf Forest 1.82% 1.86% 2.11% 3 Deciduous Needleleaf Forest 0.67% 0.66% -1.92% 4 Deciduous Broadleaf Forest 0.58% 0.56% -4.07% 5 Mixed Forests 1.18% 1.26% 6.63% 6 Closed Shrublands 1.22% 0.66% -46.09% 7 Open Shrublands 4.00% 4.42% 10.65% 8 Woody Savannas 1.04% 1.05% 0.96% 9 Savannas 0.98% 1.02% 4.32% 10 Grasslands 1.98% 2.06% 4.05% 11 Permanent Wetlands 0.37% 0.32% -11.59% 12 Croplands 2.27% 2.45% 7.98% 13 Urban and Built-Up 0.06% 0.06% 0.30% 14 Cropland/Natural Vegetation mosaic 1.32% 1.14% -13.41% 15 Snow and Ice 10.58% 10.89% 2.92% 16 Barren or Sparsely Vegetated 2.79% 2.95% 5.81%| IGBP | Description | Linear | Logarithmic | Relative Difference | | :--- | :--- | :--- | :--- | :--- | | 0 | Water | 67.83% | 67.35% | -0.71% | | 1 | Evergreen Needleleaf Forest | 1.33% | 1.30% | -2.24% | | 2 | Evergreen Broadleaf Forest | 1.82% | 1.86% | 2.11% | | 3 | Deciduous Needleleaf Forest | 0.67% | 0.66% | -1.92% | | 4 | Deciduous Broadleaf Forest | 0.58% | 0.56% | -4.07% | | 5 | Mixed Forests | 1.18% | 1.26% | 6.63% | | 6 | Closed Shrublands | 1.22% | 0.66% | -46.09% | | 7 | Open Shrublands | 4.00% | 4.42% | 10.65% | | 8 | Woody Savannas | 1.04% | 1.05% | 0.96% | | 9 | Savannas | 0.98% | 1.02% | 4.32% | | 10 | Grasslands | 1.98% | 2.06% | 4.05% | | 11 | Permanent Wetlands | 0.37% | 0.32% | -11.59% | | 12 | Croplands | 2.27% | 2.45% | 7.98% | | 13 | Urban and Built-Up | 0.06% | 0.06% | 0.30% | | 14 | Cropland/Natural Vegetation mosaic | 1.32% | 1.14% | -13.41% | | 15 | Snow and Ice | 10.58% | 10.89% | 2.92% | | 16 | Barren or Sparsely Vegetated | 2.79% | 2.95% | 5.81% |
图6.每种土地覆盖类型的平均确定性。

  4.2.验证

表 8 展示了使用第 3.4 节中描述的方法进行的验证结果。synGLC-log 的精度高于 synGLC-linear，因此我们后面只讨论 synGLC-log（以下简称 synGLC）。
表8. 使用不同参考数据验证时各土地覆盖图的精度及对应排名。
  参考数据
  土地覆盖图 GlobCover2005ref   GLC2000 参考 STEP VIIRS   平均值
  线性合成 GLC 66.56%/4 57.04%/3 60.88%/3 40.27%/4 56.19%/3.5
  对数合成 GLC 66.8%/3 57.18%/2 62.68 % / 2 ― 62.68 % / 2 _ 62.68%//2_\underline{62.68 \% / 2} 40.89%/3 56.89%/2.5
GLC2000 68.13%/2 61.24%/1 52.74%/4 38.48%/5 55.14%/3.0
GLCC 57.19%/7 49.46%/5 41.42%/7 33.11%/7 45.3%/6.5
GlobCover 70.43%/1 56.55%/4 50.7%/5 41.13%/2 54.7%/3.0
MCD12Q1 63%/5 49.41%/6 85.34%/1 46.28%/1 61.01%/3.25
UMDLC 59.54%/6 43.03%/7 46%/6 36.64%/6 46.3%/6.25
Reference Data Land Cover Maps GlobCover2005ref GLC2000ref STEP VIIRS Average synGLC-linear 66.56%/4 57.04%/3 60.88%/3 40.27%/4 56.19%/3.5 synGLC-log 66.8%/3 57.18%/2 62.68%//2_ 40.89%/3 56.89%/2.5 GLC2000 68.13%/2 61.24%/1 52.74%/4 38.48%/5 55.14%/3.0 GLCC 57.19%/7 49.46%/5 41.42%/7 33.11%/7 45.3%/6.5 GlobCover 70.43%/1 56.55%/4 50.7%/5 41.13%/2 54.7%/3.0 MCD12Q1 63%/5 49.41%/6 85.34%/1 46.28%/1 61.01%/3.25 UMDLC 59.54%/6 43.03%/7 46%/6 36.64%/6 46.3%/6.25| Reference Data | | | | | | | :--- | :--- | :--- | :--- | :--- | :--- | | Land Cover Maps | GlobCover2005ref | GLC2000ref | STEP | VIIRS | Average | | synGLC-linear | 66.56%/4 | 57.04%/3 | 60.88%/3 | 40.27%/4 | 56.19%/3.5 | | synGLC-log | 66.8%/3 | 57.18%/2 | $\underline{62.68 \% / 2}$ | 40.89%/3 | 56.89%/2.5 | | GLC2000 | 68.13%/2 | 61.24%/1 | 52.74%/4 | 38.48%/5 | 55.14%/3.0 | | GLCC | 57.19%/7 | 49.46%/5 | 41.42%/7 | 33.11%/7 | 45.3%/6.5 | | GlobCover | 70.43%/1 | 56.55%/4 | 50.7%/5 | 41.13%/2 | 54.7%/3.0 | | MCD12Q1 | 63%/5 | 49.41%/6 | 85.34%/1 | 46.28%/1 | 61.01%/3.25 | | UMDLC | 59.54%/6 | 43.03%/7 | 46%/6 | 36.64%/6 | 46.3%/6.25 |
每个土地覆盖图在用其自身的参考数据进行验证时，都具有最高的精度是合理的。例如，GlobCover 土地覆盖图在 GlobCover2005ref 中排名第一，对于 GLC2000ref（GLC2000 参考数据）也是如此。MCD12Q1 在 VIIRS 和 STEP 中排名第一，因为 STEP 是其训练数据，而 VIIRS 是在 MODIS 图像的帮助下进行解释的。synGLC 在所有参考数据中排名第二或第三。因为合成图引入了来自其他数据集的信息，所以在用其自身的参考数据进行验证时，不可避免地会降低精度。然而，考虑到每个图对其参考或训练数据都有自己的偏差，综合图被认为偏差较小。synGLC 的平均排名最高（2.5），其次是 GLC2000（3.0）和 GlobCover（3.0），这表明它在用四个参考数据集进行验证时具有最佳的整体性能。
MCD12Q1 的平均精度最高，其次是 synGLC，这得益于其在 STEP 和 VIIRS 中的非凡高精度。然而，当与 GlobCover2005ref 和 GLC2000ref 进行验证时，其精度并不理想。相比之下，我们的 synGLC 地图在验证每个参考数据集时都具有良好的精度，因此具有最佳的总体性能，并且与其他产品相比，偏差要小得多。

4.3. 比较 synGLC 与现有全球土地覆盖图

为了解开每个土地覆盖产品对 synGLC 贡献的信息量，比较了 synGLC 与先前土地覆盖产品之间的差异（图 7）。根据规则（表 4-6）无法转换为 IGBP 分类的类别在 synGLC 中被定义为不一致。
在 MCD12Q1 和 synGLC 之间发现的差异像素最少（7.73%），最大的差异出现在草地、开阔灌木丛、木本稀树草原和农田/自然植被镶嵌中，这表明 synGLC 与平均精度最高的数据集（MCD12Q1）最接近。GLCC 与 synGLC 的差异像素最少（8.54%），其中大部分是混合森林、农田/自然植被镶嵌、开阔灌木丛、雪和冰。UMDLC 中有约 9.45%的像素与 synGLC 不一致，其中大部分是林地、林地草地、草地、封闭和开阔灌木丛。GLC2000 和 GlobCover2009 的不一致百分比相对较高，分别为 26.58 % 26.58 % 26.58%26.58 \% 和 22.05 % 22.05 % 22.05%22.05 \% ，主要是因为它们在南极洲的信息不足。对于 GLC2000，大部分不一致的像素是草本植被。
（封闭-开放）、栽培和管理区域、树冠。对于 GlobCover2009，大部分不一致的像素是稀疏植被（ < 15 % < 15 % < 15%<15 \% ）、镶嵌森林或灌木丛（50%-70%）/草地（20%-50%）以及从封闭到开放的灌木丛（ > 15 % > 15 % > 15%>15 \% ，阔叶或针叶，常绿或落叶）。
图 7. synGLC 与（a）UMD；（b）GLCC；（c）GLC2000；（d）MCD12Q1 和（e）GlobCover2009 之间不一致的部分，在相应的土地覆盖分类中显示，并标出每个类别在总不一致像素中的百分比。一致的像素以白色显示。


(b)
  图7. 续

(d)
  图7. 续

(e)
图 8. 对于每个像素，与 synGLC 分类不一致的土地覆盖图数量。
根据图 7，图 8 显示了每个像素与 synGLC 分类不一致的土地覆盖图数量。超过 90 % 90 % 90%90 \% 像素的不一致性值等于或小于 2。大多数一致的像素（零不一致性）分布在海洋、北非的沙漠地区、亚马逊雨林和荒芜地区。高度不一致的像素主要
分布在过渡区域，如热带森林和稀树草原。由于 GLC2000 和 GlobCover2009 没有提供南极洲的土地覆盖图，synGLC 中的南极洲海岸线来自 UMDLC、GLCC 和 MCD12Q1 的信息。
synGLC 中每个土地覆盖类别的像素不一致百分比如图 9 所示。水域和荒地或稀疏植被区域的一致性最高。在五个森林类别中，常绿阔叶林的一致性最高。这六个全球土地覆盖数据集（五个原始数据集和 synGLC）的不一致性模式与不确定性模式（图 6）相似。
图 9. synGLC 中每个土地覆盖类别的像素不一致百分比。

  5. 讨论

5.1. 假设与限制

我们融合的方法基于贝叶斯理论及使技术可行的假设。我们所做的所有假设如下：
(1) 每个土地覆盖图有 50 % 50 % 50%50 \% 的概率会出错；
(2) 每个土地覆盖图的分类是独立的；
(3) 具有高度一致性的分类是真实的。
假设1不会改变每个土地覆盖图中的信息，但会减少误分类和图例转换的错误。假设2很可能是真实的，因为每个土地覆盖图都是由不同的研究人员使用不同的数据和技巧制作的。这使得在没有考虑协方差的情况下解决概率方程成为可能。假设3有助于构建基准像素并更新先验概率。
直观上，混合土地覆盖图应该充分利用每个土地覆盖产品的所有优点，并预期在任何情况下都具有最高的精度。然而，仍然存在一些限制，阻碍了其达到理想状态。最重要的限制是，如果所有土地覆盖产品都有错误的分类，则无法纠正错误的先验状态概率向量，因为我们需要假设3来区分好的或坏的分类。为了克服由这个假设引入的偏差，我们可以使用独立的第三方参考数据作为基准来更新先验土地覆盖图并生成后验图。这种方法肯定可以更有效地减少假设。

  5.2. 术语翻译

我们方法的一个主要问题是土地类型图例转换的主观定义。不同图例中的任何两个类别都不能相同，并且可能存在重叠的定义。图例同质化总是会产生错误。对不同图例的详细比较很复杂，超出了本研究范围。因此，我们根据之前的比较研究[36-38]进行了一些修改，定义了我们的图例转换规则。
首先，为了解决图例不匹配问题，我们定义了状态概率向量，使其能够从一类转换到多类而不丢失信息。此外，我们假设任何土地覆盖产品都可能出错（假设1），以减弱土地覆盖信息中的噪声。所有这些技术都可以减少图例转换引起的错误。然而，状态概率向量描述的规则远非精确。需要更多信息来使其更准确——而不是本研究中发现的等概率分布——这需要更多研究不同土地覆盖图例之间的定量关系。

5.3 土地覆盖变化的影响

synGLC 的不确定性主要来自两个来源：土地覆盖变化和土地覆盖产品的不准确性。这两个因素如何影响融合方法和 synGLC，对于理解我们方法的可靠性和 synGLC 的精度至关重要。然而，由于长时间序列中缺乏足够的土地覆盖数据，我们无法直接评估土地覆盖变化的影响。
通过对 GLCC、GLC2000 和 MODIS 的简单比较，Jung 等人[23]得出结论，1993 年至 2000 年之间的土地覆盖变化无法解释它们的不一致性。在我们的研究中，土地覆盖产品之间的一致性百分比从 23 % 23 % 23%23 \% 到 30 % 30 % 30%30 \% 不等，不包括海洋面积。此外，它们的精度从 45%（GLCC）到 61%（MCD12Q1）不等。相比之下，来自土地覆盖变化的不确定性相对较小。例如，只有 8.6 % 8.6 % 8.6%8.6 \% 的美国土地在 1973 年至 2000 年之间发生了变化[40]。从 MODIS 土地覆盖时间序列中得出的年际变化约为 10 % 10 % 10%10 \% ，这高于实际的全球土地覆盖变化[14]。
上述事实表明，SynGLC 中的主要不确定性来源是土地覆盖分类的不准确性和土地覆盖变化的影响可以忽略不计。我们的方法主要关注处理土地覆盖图之间的不一致性，并实现最优估计。

5.4.我们方法的优势

尽管存在许多局限性，但我们方法的一个显著优势是其显著的扩展性。它可以通过调整重采样的状态向量和参数来融合不同空间分辨率和不同图例的土地覆盖图。即使其他地表参数（如叶属性、LAI）与土地覆盖相关，并且可以转换为土地覆盖类的状态概率向量，也可以将其集成。通过将无数据像素的状态向量定义为均匀分布的，这种方法可以将区域土地覆盖图协同到全球图中。这样，所有可用的区域土地覆盖图都可以融合成一个全球图，以利用所有可用信息。
此外，我们的方法可以整合旧版（如 UMDLC）和新型（如 GlobCover2009）的土地覆盖产品，并生成整个输入产品时间范围内的全球土地覆盖平均状态。这对于使用恒定土地覆盖参数运行的陆地表面模型来说非常重要。此外，方程（1）和（2）中的权重系数可以根据研究兴趣进行修改。它们直接影响先验土地覆盖图 a x , y a x , y a_(x,y)\boldsymbol{a}_{\mathbf{x}, \mathbf{y}} 和 C x , y C x , y C_(x,y)C_{\mathbf{x}, \mathbf{y}} ，这些图将被用来生成后验图。因此，不同的权重系数会带入协同土地覆盖图中的不同偏差。这些偏差可能可以补偿土地覆盖产品中的不准确之处，如果增加高精度土地覆盖图的权重。此外，通过增加一定时间范围内土地覆盖图的权重，这些偏差可以用来估计该时间段的土地覆盖图。

  6. 结论

在本文中，我们展示了一种基于贝叶斯理论的技术，通过融合不同图例和空间分辨率的现有产品来生成混合全球土地覆盖图。我们的方法简单可行，基于三个合理的假设和状态概率向量的定义。基于此方法，我们的 synGLC 地图经过验证，具有最佳的整体性能，平均精度为 56.89 % 56.89 % 56.89%56.89 \% ，平均排名为 2.5，与现有的全球土地覆盖图相比，是最无偏的土地覆盖图。
该方法的显著可扩展性使其能够利用所有可用信息。随着越来越多的土地覆盖数据集在不同地区可用，预计将越来越有用地利用所有现有地图。尽管图例转换的限制和真实状态的三个假设相当大，但通过进一步研究土地覆盖图例和独立参考数据的日益可访问性，这些限制可以减少。

  致谢

本研究得到中国国家自然科学基金委基础研究计划（973 计划）（编号 2010CB950901）、中国科学院地理科学与资源研究所国家重点科学研究计划项目（编号 2012ZD010）、中国科学院战略性先导科技专项“气候变化：碳收支及相关问题”（编号 XDA05040403）、中国高技术研究发展计划（编号 2013AA122002）、由亚太森林网络资助的名为“亚太森林适应气候变化”的研究资助（项目编号 APFNet/2010/PPF/001），以及由亚洲太平洋可持续森林管理康复项目资助的研究资助（编号 41071059 & 41271116）。我们感谢 UMDLC、GLC2000、GLCC、GlobCover 和 MCD12Q1 全球土地覆盖数据集的所有提供者。
管理和康复，以及由中国国家自然科学基金委资助的研究资助（编号 41071059 & 41271116）。我们感谢 UMDLC、GLC2000、GLCC、GlobCover 和 MCD12Q1 全球土地覆盖数据集的所有提供者。

  作者贡献

所有作者都对本论文中提出的工作做出了大量贡献。鲍振强 陈和 韩红 张提出了研究思路。顾旭和 鲍振强 陈设计了算法。顾旭、张惠芳和 袁建武 分析了数据。顾旭和 鲍振强 陈解释了结果并撰写了论文。陈静、窦先明、蔡明亮和 林晓峰 协助解释结果、讨论并编辑论文。

  利益冲突

作者声明不存在利益冲突。

  参考文献

  1. 布诺安，G.B.；奥莱森，K.W.；韦特斯坦，M.；利维斯，S.；曾，X.；戴，Y.；迪金森，R.E.；杨，Z.-L. 与 NCAR 社区气候模型耦合的社区土地模型的地表气候学。气候学杂志，2002，15，3123-3149。
  2. 运行，S.W.；内马尼，R.R.；海因斯，F.A.；赵，M.；里维斯，M.；桥本，H. 全球陆地初级生产力的连续卫星测量。生物科学，2004，54，547-560。
  3. 张，K.；金巴尔，J.S.；穆，Q.；琼斯，L.A.；戈茨，S.J.；运行，S.W. 1983 年至 2005 年北方蒸散趋势的卫星分析和区域水循环变化。水文学杂志，2009，379，92-110。
  4. Foley, J.A.; DeFries, R.; Asner, G.P.; Barford, C.; Bonan, G.; Carpenter, S.R.; Chapin, F.S.; Coe, M.T.; Daily, G.C.; Gibbs, H.K. 全球土地利用的后果。科学 2005, 309, 570-574.
  5. Chen, B.; Chen, J.M.; Ju, W. 基于遥感生态系统-大气模拟方案（EASS）——模型公式和多年数据测试。生态模型 2007, 209, 277-300.
  6. Dai, Y.; Zeng, X.; Dickinson, R.E.; Baker, I.; Bonan, G.B.; Bosilovich, M.G.; Denning, A.S.; Dirmeyer, P.A.; Houser, P.R.; Niu, G. 公共陆地模型。美国气象学会通报 2003, 84, 1013-1023.
  7. Perez-Hoyos, A.; Garcia-Haro, F.J.; San-Miguel-Ayanz, J. 通过融合不同的土地覆盖产品生成协同土地覆盖图的方法。国际应用地球观测与地理信息科学杂志 2012, 19, 72-87.
  8. 汉森，M.C.；德弗里斯，R.S.；汤申德，J.R.G.；索尔伯格，R. 使用分类树方法在全球范围内进行 1 公里空间分辨率的土地覆盖分类。国际遥感杂志，2000，21，1331-1364。
  9. GLCF：AVHRR 全球土地覆盖分类。在线可用：[链接](http://glcf.umd.edu/data/landcover/)（最后访问日期：2014 年 4 月 3 日）。
  10. 洛文兰，T.R.；里德，B.C.；布朗，J.F.；奥伦，D.O.；朱，Z.；杨，L.；马歇尔，J.W. 从 1 公里 AVHRR 数据开发全球土地覆盖特征数据库和 IGBP 发现。国际遥感杂志，2000，21，1303-1330。