论文部分内容阅读
土地覆被是研究全球变化的基础数据,同时,土地覆被变化本身也是全球变化的重要组成。精确的土地覆被数据为气候变化、生态环境监测、碳循环、水文循环、生物多样性保护等多种全球变化及区域可持续发展研究提供了重要的数据支撑。然而,现有多种全球土地覆被产品的总体精度偏低,限制了产品的应用范围,降低了产品的使用价值。因此,如何在保留现有土地覆被产品优势信息的基础上进一步提高产品的分类精度,是土地覆被制图中面临的关键问题。MODIS遥感影像时间分辨率高,数据稳定且免费实时获取,在全球及区域土地覆被分类研究中应用广泛。因此,以全球土地覆被产品MODIS LC为例探讨中分辨率遥感土地覆盖产品的精度评价与改进方法,不仅具有重要的理论价值,同时也具有重要的现实意义。本文首先以中国区域1:25万土地覆被数据及全球验证样本数据集对MODIS LC V051在全国、不同生态地理区域及代表性省级区域进行多角度精度评价和地类混淆原因分析,为MODIS LC产品用户选用数据以及土地覆被数据制图者进行精度改进提供科学指导;而后,选择土地覆被类型较完备,分别代表平原与高原地形的河南、贵州两省为研究区,利用多源土地覆被数据及环境数据,建立地形、气温、降水、人口等环境因子与地类分布概率的定量关系模型,并设计多源自动土地覆被样本提取方法获取相对稳定的地物知识;最后,设计基于Dempster-Shafer证据理论的多源数据融合框架,以期改进MODIS LC分类精度。主要研究工作与结论如下:第一、首次从国家、生态地理区域及省级尺度采用比较评价与样本评价相结合的方式对中国区域MODIS LC进行精度评价与分析,并从地类混淆空间分布情况与训练样本、分类特征、分类算法、土地覆被复杂度、混合像元的关系等多角度深入分析MODIS LC产品出现地类混淆的原因。结果表明:(1)MODIS LC在中国不同生态地理区域的相对总体精度在55.78%-71.50%之间,精度有待提升。(2)MODIS LC对于同一生态地理区域的不同土地覆被类型和相同土地覆被类型在不同生态地理区域的分类精度存在巨大差异。(3)训练样本数量不足,对MODIS LC在中国区域的分类精度具有影响。(4)中国区域内,随着土地覆被复杂度的增高,分类精度快速下降。(5)中国区域内,混合像元占全国总面积的42%,并且混合像元区域相对总体精度仅为50%,对分类精度有不可忽略的影响。(6)传统方法将高程、坡度、年平均降水量、地表温度等辅助数据作为特征直接参与分类对精度有积极贡献,但贡献较小,仅在1个百分点内,无法充分利用环境因子与土地覆被类型分布之间的关系。第二、本文提出一种基于多源土地覆被/利用数据的训练样本自动提取方法,将多源土地覆被数据中蕴含的相对稳定的地物特征,以样本库的形式引入到土地覆被精度改进流程中。首先,以2005年1:25万土地覆被数据和2010年30m分辨率全球土地覆被数据GlobleLand30为样本数据源;而后,利用空间一致性分析及异质性分析确定样本初选区域;最后,通过样本提纯去除无效样本。该方法在河南、贵州两省的实际应用结果表明:(1)基于多源数据的土地覆被样本自动提取方法获得的分类产品,虽然各地类精度有所差异,但总体精度高于人工样本提取方法制作的全球土地覆被产品MODIS LC;(2)与传统单源样本自动提取方法相比,本文设计的多源土地覆被样本自动提取方法,能获得更好的分类稳定性与特征可分性,可在保证精度的同时,提升土地覆被分类的自动化程度。第三、本文在利用分布比率、相关系数、曲线变化趋势对地形因子与土地覆被分布格局进行定性分析的基础上,对多源土地覆被数据“同质”区域抽取样本,以高程、坡度、年平均降水、年平均气温和人口空间分布数据为自变量,土地覆被类型为因变量,构建研究区土地覆被Logistic回归模型。实验结果表明:该自动分析模型,克服了遥感专家知识获取成本高,受地域限制等问题,较好地揭示了环境数据与土地覆被分布概率之间的定量关系,为基于D-S证据理论的土地覆被分类精度改进提供了证据源,也为在土地覆被分类过程中合理利用环境辅助数据提供新的途径。第四、以河南、贵州为研究区,设计了两种以D-S证据理论为基础的多源数据土地覆被分类产品精度改进方案,并构建了基于土地覆被类型隶属度和用户精度的证据源基本支持概率函数。其中,方案一,以D-S证据理论基础,利用MODIS LC、环境因子与地类分布关系数据和多源土地覆被自动样本提取分类获得的土地覆被分布概率为证据源进行数据融合,对所有像元采用最大信任度准则生成改进后土地覆被分类产品;方案二,在保留与参考数据空间一致性区域的基础上,仅对空间不一致区域利用D-S证据理论融合技术进行精度提升。实验结果表明:修正后MODIS LC的总体精度、Kappa系数、用户精度、生产精度与原MODIS LC相比均有提高。其中,方案一总体精度分别提升约5%(河南),2%(贵州),方案二总体精度分别提升约7%-8%(河南),4%(贵州)。综上,本文在挖掘多源土地覆被数据集所蕴藏地学知识的基础上,结合D-S证据理论,首次将环境因子和自动提取土地覆被样本以证据源的形式参与到土地覆被精度改进过程,有效改进了MODIS LC的分类精度,拓展了地形等环境辅助数据的应用范围和技术层次,丰富和完善了土地覆被遥感分类与修正的方法及技术体系。