尹潇淦，蒋卫国，凌子燕，王晓雅，邓雅文

1.北京师范大学 地理科学学部 遥感科学国家重点实验室,北京 100875;

2.湖南师范大学 地理科学学院,长沙 410081;

3.北京师范大学 地理科学学部 环境遥感与数字城市北京市重点实验室,北京 100875;

4.南宁师范大学 地理与规划学院,南宁 530001

1 引言

土地覆盖数据可以反应地球表面的生物与非生物特性，提供了理解地球系统过程所需要的信息，是大多数地表变化模型的输入参数（Yang等，2017；Venter 等，2022）。另外，土地覆盖产品也是政府、社会各行业的决策者所需要的地理空间数据产品（Wang 等，2022a）。因此，准确可靠的土地覆盖数据产品对于生态系统监测评估与管理和区域可持续发展至关重要。（Liu等，2022b）。

在技术快速发展的背景下，先进的卫星数据、云计算、人工智能新算法都使得土地覆盖制图得到快速的发展（Zhou 等，2022）。迄今为止，已有许多应用比较广泛的全球土地覆盖数据集，如美国国家航空航天局（NASA）发布的中分辨率成像光谱仪（MODIS）土地覆盖数据集（MCD12Q1），空间分辨率500 m，覆盖2001 年—2008 年（Sulla-Menashe等，2019）；欧洲航天局（ESA）提供的全球土地覆盖图，空间分辨率300 m，覆盖2005年—2009 年（Bontemps 等，2009）；哥白尼全球土地服务土地覆盖率数据集（CGLS-LC），空间分辨率100 m，覆盖2015年—2019年（Buchhorn等，2020）；国家基础地理信息中心牵头研制的全球地表覆盖数据产品（GlobeLand30），空间分辨率30 m，含2000 年、2010 年、2020 年3 期（Chen 等，2015）；以及清华大学宫鹏科研组的全球土地覆盖数据（FROM-GLC），2015 年空间分辨率30 m，2017 年空间分辨率30 m 和10 m（Gong 等，2019）等。自2014 年以来，Sentinel 卫星的出现提供了分辨率更高的光学和雷达影像，使得如今可以实现10 m分辨率大规模土地覆盖制图。……