根据全球变化研究国家重大科学研究计划(2011CB952001)子课题“30年来中国大尺度土地利用/覆盖时空演变特征”的研究需要，本文针对国际上已有的多种全球土地覆盖数据集，探讨其在中国及周边区域的产品精度、误差空间分布情况，为科学合理地选择、使用大尺度土地覆盖数据集提供科学依据。　　本文以国际上常用的五种全球土地覆盖数据集(IGBP DISCover、UMD、GLC2000、MOD12Q1-2001、GlobCover2009)为评价对象，从分析五种土地覆盖数据集的特点入手，探讨影响土地覆盖数据集精度的内在因素;并从面积一致性、空间一致性两个角度分析五种土地覆盖数据集之间的差异及造成差异的原因;然后，以Google Earth高分影像为基础，获取2000-2001年和2009年两期验证样本，计算五种土地覆盖数据集的精度指标;并构建误差空间分布模型，估计五种土地覆盖数据集的误差空间分布情况。本文主要研究内容和结论如下:　　1、对五种数据集的特点进行分析，结果表明不同数据集使用的分类数据源、分类方法和分类体系对土地覆盖数据精度有明显影响。(1)IGBP DISCover和UMD数据集使用的城镇掩膜数据比较陈旧，城镇面积被低估。(2)研制UMD数据集的过程中，热带区域特有的稀树草原类型，其训练样本的分布范围不仅包括热带区域，还包括温带和寒带具有相似植被覆盖特征的区域，使得稀树草原被严重高估。(3)GLC2000数据集采用目视解译方法提取城镇信息，受主观因素影响较为明显，小城镇被遗漏。(4) UMD和MOD12Q1-2001数据集采用监督分类树方法，造成分类树的叶节点中占比例最大的类别被高估，其它类别被低估。(5)IGBP分类体系和FAO LCCS分类体系定义的裸地的最大植被覆盖范围不同，使得采用IGBP分类体系的IGBP DISCover、UMD、MOD12QI-2001数据集与使用FAO LCCS的GLC2000、GlobCover2009数据集中裸地、灌木林的面积和空间分布有明显差异。　　2、对五种数据集的一致性进行比较，从面积和空间分布两个方面分析相同地物在不同数据集之间的差异。在面积方面，相同地物在不同数据集之间的差异巨大:(1)MOD12Q1-2001中的城镇面积分别为IGBP DISCover、UMD、GLC2000、GlobCover2009中城镇面积的5.0、5.0、5.0和6.4倍;(2) GlobCover2009中草地面积最少，分别为IGBPDISCover、UMD、GLC2000、MOD12Q1中草地面积的12.1％、10.4％、14.7％、10.4％;(3) GLC2000中林地面积最大，约为GlobCover2009中林地面积的3.0倍。在空间分布方面:相同地物类型在不同数据集中的空间分布差异比较明显，特别是五种乔木林地、灌木林、耕地、草地和裸地在五种数据集中的空间分布格局明显不同;且裸地和灌木林的空间分布特点与不同数据集使用的分类体系具有一定的关系，分类体系相同的数据集之间的一致性明显优于分类体系不同的数据集;五种数据集只在塔里木盆地、青藏高原、华北平原等少数地区出现较高的一致性。　　3、对五种数据集进行精度评价，计算各数据集的总体精度、制图精度、用户精度和Kappa系数四种精度指标。结果显示:(1)GLC2000数据集的总体精度和Kappa系数均最高，除了混交林、灌木林和农业与自然植被镶嵌体外，GLC2000数据集中各土地覆盖类型的制图精度在五种数据集中均相对较高;(2)UMD数据集的总体精度最低，然而，其常绿针叶林、常绿阔叶林、落叶针叶林和落叶阔叶林的用户精度均高于其它四种数据集;(3)将IGBP分类体系中16种土地覆盖类型合并为10种土地覆盖类型后，五种数据集的总体精度均明显提升，林地的用户精度均在70％以上，然而林地的制图精度仍较低且差异较大。　　4、通过构建误差空间分布模型，并以连通域边界为主，最大影响距离为辅作为空间约束规则选取用于估计目标像元精度的验证样本子集，分析五种土地覆盖数据集的误差空间分布特点，结果显示:(1)在中国东南沿海地区、云贵高原和四川盆地等地区，五种数据集的精度均较低。(2)在塔里木盆地和柴达木盆地、青藏高原东部、华北平原和东北平原等区域五种数据集的精度均较高。(3)在藏北高原、内蒙古高原东北部、大小兴安岭地区、俄罗斯东部和北部、印度半岛等地区五种数据集的精度差异较大。(4)不同地区的数据集精度与该地区的地表覆盖复杂程度有密切关系，在地表覆盖均一的地区数据集的精度相对较高，而在地表覆盖破碎的地区数据集的精度差异较大。　　本文通过分析五种土地覆盖数据集的特点，研究影响土地覆盖数据集精度的内在因素，对研制新的土地覆盖数据集具有一定指导意义;通过分析五种土地覆盖数据集之间的面积一致性和空间分布一致性，评估数据集的四种精度指标和误差空间分布信息，对指导用户选择合适的土地覆盖数据集具有重要参考价值。