COTQ土地覆盖产品评估：与ESA、ESRI、Google对比分析

遥感土地覆盖产品是环境监测与土地管理的基础数据，但在生态梯度复杂、地表条件异质的区域，其表现往往参差不齐。加拿大魁北克省针对这一问题开发了本地化的10米分辨率土地覆盖产品COTQ，用于支撑年度土地占用与土壤人工化监测。一篇最新发表于arXiv的研究对COTQ进行了系统性评估，并将其与三款主流全球产品进行了横向对比。

研究背景：为什么魁北克需要本地化产品

基于Sentinel-2影像生成的高分辨率土地利用与土地覆盖（LULC）产品已被广泛应用，但研究指出，这类产品的性能会随区域生态差异而波动。魁北克横跨温带森林、北方针叶林到北极苔原等多个生物气候带，全球通用产品在这些异质环境中容易出现分类偏差。

COTQ正是在这一背景下诞生的省级产品，目标是服务于土地占用和土壤人工化的年度监测。值得说明的是，该研究并未提出新的制图方法，而是聚焦于分析COTQ的行为特征与内部一致性，并厘清它相对于现有全球数据集的定位。

魁北克省面积约154万平方公里，从南部圣劳伦斯河谷的温带混交林，向北依次过渡为北方针叶林（boreal forest）、亚北极灌木苔原，直至哈德逊湾沿岸的北极苔原，跨越约10个纬度。这种南北方向的生物气候梯度，叠加东西向的海洋性与大陆性气候差异，造就了极为复杂的地表覆盖格局。全球产品通常以全球均匀精度为优化目标，训练样本往往在热带、温带农业区等数据丰富的地区过度代表，而对北方泥炭地、岩石苔原等欠发达区域的覆盖不足。此外，魁北克北部大量存在的隐花植物地表（cryptogamic surfaces，主要包括地衣、藓类等低矮隐生植物覆盖的岩面或裸地），在主流全球产品中几乎没有对应的独立类别，这既导致分类误差，也使不同产品间的比较面临图例不兼容的挑战。

评估方法：多维度交叉验证

研究采用了多准则的评估框架，将所有产品统一到相同的图例体系下进行比较。评估维度主要包括三类：

结构一致性指标

研究团队使用了对象尺寸分布、形状复杂度、调整兰德指数（Adjusted Rand Index）和交并比（Intersection over Union, IoU）等结构性指标，用以刻画不同产品在空间分割与地块形态上的差异。

调整兰德指数（Adjusted Rand Index, ARI）源自聚类分析领域，用于衡量两种分割方案在像元配对层面的一致程度：数值为1表示完全吻合，接近0表示与随机分配无异，负值则意味着一致性低于随机水平。"调整"是为了修正样本量带来的偶然一致性膨胀。在土地覆盖比较中，ARI不依赖固定的类别标签，因而特别适合跨产品对比——即使两款产品的图例体系不同，只要它们对空间边界的划定方式相似，ARI就能捕捉到这种结构层面的共性。交并比（IoU）则聚焦于单一类别的空间重叠率，计算方式为两产品该类别预测区域的交集除以并集，是语义分割领域最常用的精度指标之一。两者结合，ARI反映整体分割结构的相似性，IoU反映具体类别的空间吻合程度，形成互补。

光谱可分性分析

基于Sentinel-2的反射率数据，研究计算了光谱可分性指标，评估各类别之间在光谱空间中的区分程度。这有助于判断分类结果是否具备物理意义上的合理性。

光谱可分性（spectral separability）衡量的是不同地物类别在多波段反射率空间中是否能被有效区分，常用指标包括Jeffries-Matusita距离和转换散度（Transformed Divergence）。若两类地物的光谱分布高度重叠，即使分类算法再精密，误分概率也难以降低；反之，若光谱可分性高而分类结果仍混乱，则说明问题出在算法或训练数据层面，而非数据本身的物理限制。在土地覆盖产品评估中引入这一指标，意味着研究者不仅在问"哪个产品更准"，还在问"不同产品对同一类别的划定，在物理上是否自洽"。例如，若某产品将泥炭沼泽与灌木苔原划为同一类，但两者在近红外波段存在明显差异，光谱可分性分析就能暴露这种类别定义的内在张力。

分歧区域的目视解译

针对产品之间存在明显不一致的区域，研究进行了针对性的照片解译（photo-interpretation），从而定位分歧的具体来源。

整个分析覆盖了8个Sentinel-2瓦片，这些瓦片经过精心挑选，用以代表魁北克主要的生物气候域，从温带和北方森林一直延伸到北部苔原环境。

核心发现：COTQ最接近ESA WorldCover

研究将COTQ与ESA WorldCover、ESRI LandCover和Google DynamicWorld三款全球10米产品进行对比。结果显示，在三款参考产品中，COTQ的结构与光谱特征与ESA WorldCover最为相似。

不过，研究同时揭示了一些系统性差异，这些差异主要源于类别定义和专题优先级的不同。差异最为突出的区域集中在：

• 城市区域：城市边界与建成区的界定标准存在分歧；
• 湿地：不同产品对湿地范围的划分不一致；
• 岩石或隐花植物地表：这类特殊地表（rocky or cryptogamic surfaces）的分类差异明显，这在魁北克北部环境中尤为关键。

这些差异并非简单的精度高低问题，而是反映了各产品在设计初衷和分类逻辑上的不同取向。

ESA WorldCover、ESRI LandCover和Google Dynamic World虽然都基于Sentinel-2影像、同为10米分辨率，但在制图逻辑上存在根本差异。ESA WorldCover采用基于规则与机器学习混合的批量处理流程，每年发布一个静态年度图层，类别体系遵循FAO土地覆盖分类标准（LCCS），共11个一级类。ESRI LandCover同样输出静态年度产品，但依赖大规模众包训练样本与深度学习模型。Google Dynamic World则走向截然不同的技术路径：它以近实时方式逐景输出每个像元的类别概率，而非单一的硬分类标签，使用者可根据需求自行决定如何聚合时序数据。这种设计差异意味着Dynamic World天然更灵活，但也使其与其他静态产品的直接比较需要额外的时序聚合步骤，可能引入额外的不确定性。

研究意义：为业务化监测提供客观定位

这项多准则评估的价值在于，它为COTQ提供了一次客观的特征刻画，并明确了它相对于现有全球土地覆盖数据集的相对位置。对于魁北克的业务化土地监测而言，这种定位分析具有实际的操作意义——使用者可以更清楚地了解COTQ在哪些类别上更可靠、在哪些区域需要谨慎解读。

对更广泛的遥感应用领域来说，这项研究也提供了一个可借鉴的评估范式：当区域性产品与全球产品并存时，与其单纯比较总体精度，不如通过结构、光谱和目视解译等互补手段，理解它们各自的行为特征与适用边界。这种思路对任何需要在本地产品与全球产品之间做选择的机构都有参考价值。