高时效、高精度的土地覆盖变化数据是可持续发展研究、地球系统模式开发、资源管理及生态环境评价等领域的重要基础。传统的土地覆盖制图方法通常依赖于单一的数据驱动模型或知识驱动模型，然而前者在应对复杂环境变化时可能缺乏足够的适应性，后者则可能因数据不足或先验知识不完善而导致精度较低。随着环境变化的复杂性和多样性日益增加，亟需一种能够整合数据驱动和知识驱动优势的新方法，以提升土地覆盖制图的时空精度和实时监测能力。

在此背景下，清华大学地学系俞乐课题组基于FROM-GLC Plus 1.0（FGP 1.0）制图系统，构建了具备年度及动态制图能力的知识与数据双驱动土地覆盖监测系统FROM-GLC Plus 2.0（FGP 2.0）。该系统通过融合多源土地覆盖制图结果，基于遥感影像中地理实体的表示，通过卫星遥感影像光谱特征时间序列的自然语言语义描述，提高了仅依赖数据驱动方法获得的土地覆盖制图精度。

图1 知识与数据双驱动的年度/动态土地覆盖监测系统（FGP 2.0）

研究结果显示，FGP 2.0的土地覆盖年度制图精度较FGP 1.0提高了约5%，动态制图精度提高了约20%，能够提供更为精细准确的土地覆盖变化制图结果（图2）。此外，通过可扩展的灵活制图框架，FGP 2.0展示出针对不同应用场景定制土地覆盖监测结果的良好潜力。

图2 年度土地覆盖制图结果对比

上述研究成果以“Dual Data- and Knowledge-Driven Land Cover Mapping Framework for Monitoring Annual and Near-Real-Time Changes”（知识与数据双驱动的土地覆盖年度及近实时变化监测框架）为题，发表在IEEE Transactions on Geoscience and Remote Sensing（IEEE地球科学与遥感汇刊）。大连理工大学信息与通信工程学院杜贞容副教授为论文第一作者，清华大学地学系俞乐副教授为论文通讯作者，合作者包括清华大学、大连理工大学、法国雷恩第二大学、北京师范大学、蚂蚁集团、中国科学院空天信息创新研究院、北京林业大学、香港大学的研究人员。研究得到了国家自然科学基金、国家重点研发计划、清华大学自主科研计划以及‌中央高校基本科研业务费的支持。‬‬

全文链接：https://doi.org/10.1109/TGRS.2024.3430981

供稿：俞乐 杜贞容

编辑：王佳音

审核:张强