今年10月，地学中心计璐艳博士作为第一作者，宫鹏教授为通讯作者在《遥感》（Remote Sensing）上发表题为“Improving the Accuracy of the Water Surface Cover Type in the 30 m FROM-GLC Product”的研究论文。中国科学院电子学研究所的赵永超研究员、耿修瑞副研究员为文章共同作者。

通过对宫鹏教授2013年全球30m制图FROM-GLC中水结果的分析，总结出影响水分类结果的两个共性问题：1）阴影（包括山体和云阴影）误分，以及2）水-陆光谱混合区域混分。针对这两个问题，我们设计了一套自动阴影识别和水陆边界重分类算法流程。该算法是基于对象的，用光谱信息和地形数据来自动识别山体阴影，用太阳-传感器-云这三者的几何关系自动识别云阴影，从而剔除被误分的水体。结果表明，FROM-GLC中30%以上的水体块实际是阴影，具体分布位置如下图所示。

 http://www.cess.tsinghua.edu.cn/publish/ess/7783/20151230/8721451442320453.jpgSensing）上发表FROM-GLC水体分类结果改进论文" />

图1.  FROM-GLC中误分为水体的山体阴影（红），云阴影（绿）和山体/云阴影（蓝）。

       对于水路混合区域，我们利用局部光谱解混的方法获得该区域像素的水比例系数，以50%为阈值对水体和陆地像素进行重分类。结果表明，该区域约2%的陆地像素被误分为水体，而8%的水体像素则被误分为陆地。最后，通过我们的修正，生产者精度（PA）和用户者精度（UA）分别提高了6.42%和0.51%；全球内陆水体总面积下降了15.83%。

       本文方法虽然是基于Landsat 30m 影像提出的，但是该方法并不局限于此，是一个不受图像空间、光谱和时间分辨率影像的通用水体分类后处理算法。我们已将该方法成功应用到MODIS逐日数据的水提取流程中去，同样能够很好地提高水分类精度。

文章链接：

Luyan Ji, Peng Gong, Xiurui Geng, et al. Improving the Accuracy of the Water Surface Cover Type in the 30 m FROM-GLC Product[J]. Remote Sensing, 2015, 7(10):13507-13527. DOI：10.3390/rs71013507