作为城市化进程的重要指标，准确、长期的全球人工不透水面（ISA）监测对于生物多样性、水质评估、城市热岛效应至关重要。目前已有GISA 1.0、GAIA、GAUD、GHSL等多个全球30米的多时序不透水面数据集。尽管这些现有的全球ISA数据集在一定程度上表现出一致性，但仍存在大量差异。例如，这些数据集在城市核心区表现相对一致，在郊区或农村地区却存在相对较大的分歧（图1）。这主要归因于它们在样本、制图方法、甚至使用的影像数据上的差异。
图1 现有全球30米ISA数据集
因此，本研究致力于改善这些现有全球ISA数据集之间的不一致区域，以生成更准确的全球ISA产品。基于此，我们提出了一种基于现有产品时空一致性的全球ISA提取优化方案（图2），更新了我们原来的GISA 1.0数据集，并生产了更高精度的全球ISA数据集GISA 2.0。
具体制作方法是：根据现有ISA数据集之间的不一致程度，我们将制图格网分为M-格网（一致性程度较差的格网）和A-格网（一致性程度较好的格网）。对于A-格网，我们提出了一种自动化分类的更新方法，从现有数据集的一致区域中提取和细化训练样本。而对于M-格网，由于格网内ISA数据集不一致性较高，我们在自动采样的基础上添加了人工解译的样本，以修正和优化这些制图难度较高的格网。同时，为了充分利用所获得的人工解译样本，我们提出了样本时序转移方法，充分利用人工选择的样本，最大化样本使用效率。在实验中，我们从207个全球格网随机选择了超过120000个测试样本进行验证。结果表明：GISA 2.0的F1-score为0.935，优于GISA 1.0（0.893)、GAIA（0.721)和GAUD（0.809)，表现出具有更高的准确性。此外，基于118822个ZY-3测试样本的评估结果也进一步说明：GISA 2.0的OA和F1-score是优于现有产品的。
图2 GISA 2.0的制图方案
值得注意的是，在研究中为了提高M-格网（不一致区域）的制图精度，我们添加了大量人工解释的训练样本，并提出了时序样本转移策略来充分使用这些样本。这是因为考虑到在大多数情况下，人工解释可以生成更为准确的样本。尽管对所有格网都使用人工解译的样本确实可以有效提高制图精度，但显然这需要巨大的工作量，存在费时且低效的问题。因此，在生成GISA 2.0时，我们将格网根据不一致程度进行分类，将人工解译的样本添加到最不一致的网格（M-格网）中，以实现制图难点区域的精度增量。为了验证该方法的效果，我们在103个M-网格上评估了M-方法（人工解译样本）和A-方法（自动生成样本）的效果（如图3所示）。
GISA 2.0数据集（图4）可通过以下网址下载：https://zenodo.org/record/6476661。
GISA 1.0数据集可通过以下网址下载：https://zenodo.org/record/5136330。
图3 以位于中国北部和非洲南部的两个M-格网为例，分别使用M-方法和A-方法的效果展示
图4 GISA2.0产品中1985-2018年的ISA分布变化
参考文献：
(1) Huang, X., Song, Y., Yang, J., Wang, W., Ren, H., Dong, M., Feng, Y., Yin, H., & Li, J. (2022). Toward accurate mapping of 30-m time-series global impervious surface area (GISA). International Journal of Applied Earth Observation and Geoinformation, 109, 102787, https://doi.org/10.1016/j.jag.2022.102787.
(2) Huang X, Li J, Yang J, Zhang Z, Li D, Liu X. 2021. 30 m global impervious surface area dynamics and urban expansion pattern observed by Landsat satellites: from 1972 to 2019. Science China Earth Sciences, 64, https://doi.org/10.1007/s11430-020-9797-9.
(3) Huang X, Huang J, Wen D, Li, J. An updated MODIS global urban extent product (MGUP) from 2001 to 2018 based on an automated mapping approach. International Journal of Applied Earth Observations and Geoinformation, Volume 95, March 2021, 102255