基于2 m/30 m数据融合的中国增强型30 m不可渗透面（2020，2022）

地面难以察觉的铺装区域

城市和道路正在以惊人的速度改变中国的景观，但从地面很难直观把握到底有多少土地被混凝土、沥青和屋顶覆盖。本文介绍了一张新的高度精细地图，显示了几乎整个中国大陆在2020年和2022年中这些“不可渗透”表面的分布情况。由于这些硬质表面对洪水、热浪、污染，乃至太阳能板的安置都有重要影响，拥有一张准确的全国性图像对气候科学家、城市规划者和普通家庭都至关重要。

为什么硬化地面很重要

不可渗透表面是指雨水无法渗入土壤的区域——比如高速公路、停车场、工厂场地和密集居民区。随着城市扩张，这些区域不断扩大，加快了径流速度、提高了洪水风险、积聚热量并压缩了植物和动物的栖息地。许多用于预测陆地碳储量、水循环和养分流动的计算模型都依赖于地表覆盖图。如果这些地图低估或错误标注了建设用地，模型结果可能会严重偏离。现有的全球地表覆盖产品常常将许多人造区域归入单一宽泛类别，并且倾向于漏掉小村庄、狭窄道路和建筑与开阔地混杂的地区——这些特征在中国尤其常见。

将锐利视角与大尺度视野融合

作者通过融合两类卫星数据来弥补这些不足。来自中国高分和资源卫星的2米级影像具有接近街道级的细节，而30米的Landsat影像及高程数据则能一致覆盖整个国家。他们首先为2020年和2022年从2米影像构建了无云镶嵌图，然后将其与Landsat可见-红外波段的年度合成影像及地形信息配对。为了训练模型，他们设计了一种巧妙的抽样策略：采用信息论中的香农熵概念，选取土地类型和城市发展阶段极为多样的区域，确保提供给算法的样本能反映从沙漠小镇到沿海特大城市的所有情形。

教计算机识别地表

在这些精心挑选的地点，专家们目视检查高分辨率图像切片，并将200,000个样本地点标注为四大类：不可渗透表面、植被、水体，以及裸地或其他。重要的是，他们没有丢弃那些“混合”的像元——比如一个30米像元同时包含建筑和树木；相反，他们保留了这些混合样本，并在训练过程中调整其权重，因为这类混合像元在实际城市中很常见。团队随后构建了一个双分支深度学习系统。一条分支基于50层残差网络，直接从图像补丁中学习模式；另一条分支处理诸如Landsat反射率和地形等简单数值数据。模型将两条信息流结合起来，判断每个30米像元最可能属于哪一种类别。

适应辽阔且多样的国土

中国的景观从湿润的沿海平原到沙漠和高原一应俱全，不同地区的人类聚落形态也大相径庭。为此，研究者首先将全国划分为五个大区——高原、干旱区、平原、丘陵和山地——基于气候、地形、云量条件及现有地表覆盖统计数据。然后他们训练了几种模型版本，每种在一个区域内或作为通用国家模型时具有最佳表现。在制图过程中，他们使用验证数据评估哪一版本在每个一度网格单元（约相当于一个小省的大小）内表现最好，并在局部选择该模型。此种区域自适应的方法大大提升了性能，尤其是在西部那些建成区在光谱上与裸土相似的艰难区域。

新地图的准确性如何？

生成的中国不可渗透表面覆盖产品（2020年和2022年）以30米分辨率提供为易于使用的切片文件，每个像素被标注为不可渗透、植被、水体或裸地。与独立专家标注点对比测试时，2020年地图在不可渗透表面类别上取得了约0.94的高F1分数——这是一项总体准确度指标——明显优于三种广泛使用的全球产品。跨七个对比鲜明区域的可视化比较显示，新数据集可以识别精细的道路网络、分散的农村村落和低密度定居点，这些常被其他产品遗漏，同时还能避免在沙漠、高山和湿地出现大面积的误报。作者也指出了仍存的问题，例如部分卫星影像边缘的微小数据缺口以及混合像元固有的难题，并提出了在后续工作中减少这些问题的计划。

对日常生活意味着什么

对非专业读者来说，结论是：我们现在拥有了迄今为止最可靠、最详细的中国建成硬化地表分布图之一，覆盖两个近期年份。该地图可用于更好的洪水风险评估、更现实的城市气候与空气质量建模、更智能的屋顶光伏布局，以及更有依据的新基础设施规划。简言之，通过教会计算机更智能地解读卫星影像并将其针对中国多样化的地貌进行定制，这项研究提供了一个强有力的工具，帮助我们理解国家以何等速度把土壤和植被换成混凝土——以及这对人类与环境意味着什么。

引用: Yin, R., He, G., Wang, G. et al. Enhanced 30 m Impervious Surfaces for China (2020, 2022) via 2 m/30 m Data Fusion. Sci Data 13, 297 (2026). https://doi.org/10.1038/s41597-026-06619-3

关键词: 城市化, 不可渗透表面, 遥感, 地表覆盖制图, 中国