论文部分内容阅读
湿地是重要的自然资源和生态系统,它能有效的调蓄洪水、维持野生动植物存续,并在全球碳循环过程中起到关键作用。为了有效得保护和管理日益退化的湿地资源,迫切需要使用切实有效的方法实现湿地资源的大尺度、宏观、动态的制图与监测。随着遥感技术的发展,人类可获取的多源数据愈加丰富,为水陆交汇复杂类型—湿地信息的精确提取提供了机遇和挑战。本文将数据挖掘领域的证据推理方法(EvidentialReasoning)引入湿地资源监测研究中,该方法能突破传统基于概率统计方法的局限,有效结合四种地理空间数据类型,实现湿地信息的精确提取。由于证据推理方法的通用性,将其引入湿地遥感分类领域存在很多基础性科学问题需要解决。本文开拓性和创新性地开展了相关基础性研究工作,提出了定量数据及定性数据证据支持度计算方法以及评价多源数据对证据推理分类贡献的证据结合指数等多项原创新方法,并选择了典型湿地地区对提出的方法的有效性进行了验证;建立了基于多季相遥感影像的证据推理湿地空间分类知识发现技术体系;对比分析了证据推理方法与其他常用方法的分类效果。主要研究内容及结论如下:
1.证据支持度是证据推理理论的基础,运用合理、有效的方法将地理空间数据转换为证据支持度是证据推理分类技术体系中的关键一步。本文针对定量数据和定性数据的特点,提出了最小距离(MD)和修正频数分布(MFD)证据支持度计算方法,并与传统的证据支持度算法支持下的证据推理分类效果进行了对比。研究结果表明,证据支持度的计算方法对证据推理分类结果至关重要。同样的数据源,选择不同的支持度计算方法,得到的推理分类结果截然不同。对比常用的方法,本文提出的MD与MFD方法在分类中表现更好,结果证实了所提出方法的有效性。
2.对于水陆交汇复杂地区—湿地,其精确区分是十分困难的。多季相遥感影像提供了有关湿地识别的互补的、独一无二的信息,具有提高湿地制图精度的潜力。本文通过引入证据推理方法,建立了处理多季相遥感影像证据推理湿地分类技术体系。通过对比其它分类方法结合多季相遥感影像分类结果,发现证据推理方法可以有效结合多季相影像,提高湿地分类与制图能力。此外,证据推理方法提供的分类知识也为进一步提高分类精度提供了潜力和可能,这是其它的分类方法所不具有的优势。
3.地形数据是控制湿地分布规律的重要地理因子,将地形数据引入湿地空间分类体系,无疑对提高分类精度大有裨益。本文开拓性的将线性函数模型引入地形数据证据支持度的计算过程,辅助遥感影像完成分类,并将分类结果与传统的最大似然法(MLC)进行了对比分析。研究结果表明,证据推理方法可以有效地利用地形数据,提高遥感分类精度。而传统的MLC方法则无法处理这些不符合高斯分布规律的地形数据;地形数据加入后,反而降低了分类结果。本文的研究还表明,海拔数据对证据推理分类的贡献程度大于坡度数据。
4.由于证据推理理论要求证据源的独立性,因而如何定量评价多源数据对证据推理分类精度的贡献程度成为应用该理论的关键科学问题。本文基于多源数据证据累积前后证据支持度的变化情况,提出和构建了一种证据结合指数,用以定量评价证据理论结合多源数据的效果,并对指数进行了验证。研究结果表明,证据结合指数基本可以反映证据累积效果。证据累积前后,各类别证据支持度的变化特征与遥感分类精度的变化特征相_致。但该指数反映的只是证据支持度变化的相对值,不能直接反映分类类别精度的高低。
综上所述,本论文引入了基于证据推理理论与方法的、兼容遥感数据与地理辅助数据的湿地空间分类知识发现方法,提高了计算机自动分类的精度。提出了计算定量数据以及定性数据的证据支持度算法,丰富了多源数据空间信息提取方法,促进了相关领域的发展和进步。