集成基于对象影像分析与贝叶斯软融合的土地覆被变化检测

发布时间：2021-01-16 16:49

　　应用遥感数据进行分类后变化检测时,土地覆被分类误差会造成严重的误差累积效应,同时会导致土地覆被类型转换结果中经常出现不尽合理的情况.采用基于对象的影像分析方法,利用两期国产高分一号影像数据分析了兰州市建成区及其东南部边缘地区的土地覆被变化.通过分析研究区的特征,得到了研究区的土地覆被转移逻辑.利用贝叶斯软融合方法降低了土地覆被变化分类误差的累积效应,运用土地覆被逻辑,消除了不合逻辑的结果,变化检测结果总精度达到81.61%.最终得出了兰州市总体上沿沟谷地向周边东南方向延伸的发展模式. 

【文章来源】：兰州大学学报(自然科学版). 2020,56(02)北大核心

【文章页数】：9 页

【部分图文】：

图1 分割尺度参数-ED2散点图

计算得到每个类别的准确率和召回率(表4).从表4中可知,两期影像上硬分类结果中林地和农田与草地相较于其它类别精度均较低,尤其是林地召回率较低.裸地与不透水表面在单期影像上也有一定程度的错分.这与前述类别可分性分析的结果一致.4.2 分类后比较与贝叶斯软融合方法结果

在分类后比较的结果中,作为不符合逻辑的土地覆被转移形式,农田与草地到水体、林地到水体的转换在分类后比较的过程中并未出现.这一方面反映水体分类质量较高,另一方面则可能由于水体在研究区的面积较小.同时分类后比较中裸地到林地、裸地到水体、水体到林地、不透水表面到林地以及不透水表面到水体等土地覆被转换类型,在2014年均零星分布.面积均较小,最大为3.89 hm2,最小仅有0.22 hm2,可以归因为分类误差的累积效应.分类后比较中出现了较大面积的农田与草地到林地的不符合逻辑的转移,其主要来源于农田与草地和林地的混分(图4a1),2014年与2017年均为林地,但是由于2014年影像被误分类为农田与草地,造成了错误的结果,主要出现在林地与草地交界地区.

【参考文献】：
期刊论文
[1]面向对象的多特征分级CVA遥感影像变化检测[J]. 赵敏,赵银娣.  遥感学报. 2018(01)
[2]唐山市区土地利用的Landsat 8影像分层分类[J]. 郭力娜,张梦华,张永彬,牛振国,李孟倩.  测绘科学. 2017(10)
[3]领域知识辅助下基于多尺度与主方向纹理的遥感影像土地利用分类[J]. 兰泽英,刘洋.  测绘学报. 2016(08)
[4]高空间分辨率遥感影像分割尺度参数自动选择研究[J]. 王志华,孟樊,杨晓梅,杨丰硕,方豫.  地球信息科学学报. 2016(05)
[5]基于C4.5决策树的多特征遥感分类方法[J]. 曹洪涛,张拯宁,李明,李器宇,陈浩.  测绘工程. 2016(03)
[6]基于Landsat数据和DMSP/OLS夜间灯光数据的城市扩展提取:以天津市为例[J]. 柴宝惠,李培军,张瑞洁,赵鹏.  北京大学学报(自然科学版). 2016(03)
[7]综合运用影像对象多种特征的土地利用/土地覆被分类方法探讨——以兰州秦王川地区为例[J]. 江帆,刘梦莹,刘勇.  兰州大学学报(自然科学版). 2016(01)
[8]联合概率密度空间的遥感自适应变化检测方法[J]. 吴炜,沈占锋,吴田军,王卫红.  测绘学报. 2016(01)
[9]利用多尺度融合进行面向对象的遥感影像变化检测[J]. 冯文卿,张永军.  测绘学报. 2015(10)
[10]高分一号卫星4种融合方法评价[J]. 刘锟,付晶莹,李飞.  遥感技术与应用. 2015(05)



本文编号：2981177