论文推送 | OpenStreetMap全球土地覆盖/土地利用数据质量评价及空间格局分析

gaoxiang

Zhou, Q.*, Wang, S., and Liu, Y., (2022). Exploring the accuracy and completeness patterns of global land cover/land use data in OpenStreetMap, Applied Geography, 145, 102742.

作者简介：

周琪：博士，中国地质大学（武汉）地理与信息工程学院，副教授，博士生导师。主要从事全球开放地理空间数据的质量评价、全球制图及空间格局分析、联合国2030年全球可持续发展目标（SDGs）评估等研究。

（联系方式：zhouqi@cug.edu.cn）
王树竹：硕士研究生，中国地质大学（武汉）地理与信息工程学院。刘垚明：硕士研究生，中国地质大学（武汉）地理与信息工程学院。

亮点

（1）评估了全球168个国家OSM土地覆盖/土地利用（LCLU）的数据质量；
（2）揭示了全球OSM-LCLU数据质量的空间格局及其影响因素。

1

介绍

OSM数据因具有全球覆盖、免费获取和实时更新等优点，被认为是获取土地覆盖/土地利用（LCLU）图的重要来源。然而，OSM数据因由全球志愿者提供，存在数据质量问题。针对现有研究仅关注部分国家或地区的OSM数据质量，缺少全球尺度OSM-LCLU数据质量评价的不足，本研究以全球开放的LC数据为参考，评价了全球168个国家的OSM-LULC数据质量（包括精度和完整性）；引入空间自回归模型分析了OSM-LCLU数据质量空间格局的影响因素。

2

研究数据与方法

2.1 研究数据
本研究通过第三方平台Geofabrik获取了2018年的OSM数据，分析了与LULC类别相关的四个图层（land-use、nature、water和POI）；参考数据采用欧洲航空局于2018年发布的300m分辨率全球LC数据产品（简称CCI-LC），该数据包括agriculture、forest、grassland、wetland、settlement、shrubland、sparsevegetation、bare area和water共九种类别。

2.2 研究方法

首先，基于OSM数据制作每个国家的LCLU数据；然后，与相应的CCI-LC数据（视作参考数据）进行对比，评估每个国家OSM-LCLU数据的精度和完整性。具体公式如下：



其中，Area(OSM)∩Area(REF)表示OSM与参考数据的共同面积，Area(OSM)和Area(REF)分别表示OSM和参考数据的面积。
进一步，为理解全球OSM-LCLU数据质量的空间格局，设计了社会经济变量和OSM标签面积百分比两类解释变量，采用三种回归模型（OLS、SLM和SEM）建立各个解释变量与两个质量评价指标之间的定量关系。具体公式如下：



其中，y表示因变量，X表示解释变量，β表示回归系数，ε表示服从正态分布的随机误差，ρ表示空间回归系数，λ表示残差回归系数，W表示空间权重矩阵。

3

实验结果

‍

3.1 OSM-LCLU数据质量的空间格局
全球168个国家中，149个国家的OSM-LCLU数据精度高于60%；63个国家的数据精度高于80%，表明OSM-LCLU数据精度整体较高。精度相对较低的国家主要位于非洲的马里和索马里、亚洲的伊拉克和也门、南美洲的阿根廷和大洋洲的澳大利亚。
129个国家的数据完整性低于40%，表明大多数国家的OSM-LCLU数据完整性较低；17个国家的数据完整性高于60%，主要位于欧洲地区（如法国和荷兰）。



图1 全球OSM-LCLU数据质量的空间格局

3.2 空间格局的影响因素

表1 空间自回归模型的分析结果



8个变量与OSM-LCLU数据质量显著相关。
数据精度方面，哥伦比亚（南美洲）、喀麦隆（非洲）和日本（亚洲）的森林面积占比相对较高，且该类不容易被误分，所以上述国家的数据精度相对较高。相反，居民地和灌木容易被误分，所以这些类别面积占比相对较高的国家，数据精度相对较低。
数据完整性方面，欧洲地区的农业、森林和草地等类别面积相对较大；且高收入人群较多、志愿者较活跃，因此该地区的OSM-LCLU数据完整性相对较高。相反，部分国家的居民地和河流面积占比相对较高，表明森林和草地等面积较大的类别相对较少，所以OSM-LCLU数据完整性相对较低。



图2 显著变量的空间格局

4

结论

（1）OSM-LCLU数据的精度较高，但是完整性较低。完整性相对较高的国家主要位于欧洲。（2）OSM-LCLU数据质量的空间格局不仅与OSM-LCLU类别有关，还与不同国家的社会经济发展水平有关。
该研究成果首次揭示了全球OSM-LCLU数据质量的空间格局。相关研究结果可以为用户使用OSM数据提供参考，为志愿者贡献OSM数据提供依据。





     欢迎关注   

HPSCIL@CUG