基于时空融合的Landsat反射率数据时序重建与分类质量评价

发布时间：2022-01-27 00:31

　　多时相遥感数据的土地覆盖分类精度比单时相数据的分类精度更高,而中高分辨率传感器的重复观测频次低,严重制约了基于时间序列影像分类的精度。时空融合技术是解决时序观测数据缺失的有效手段,但该技术在基于时序数据的分类研究中的应用尚缺乏充分验证。针对此问题,以辽宁省部分地区为研究区,以Landsat和MODIS数据为研究对象,以STARFM、ESTARFM及半物理融合模型为年度Landsat时间序列数据的生成手段,以随机森林、最大似然及支持向量机方法为时序分类器,对比分析了不同融合模型与分类器的协同分类精度。实验结果表明:时空融合处理能够有效提升时序分类的精度尤其是植被类型地物,并且对分类器的选择不敏感。 

【文章来源】：太原理工大学学报. 2020,51(06)北大核心

【文章页数】：11 页

【部分图文】：

研究区遥感影像

采用多种时空融合模型对研究区多时相30 m分辨率影像数据进行融合重建以及质量评价。依据重建数据进行土地利用分类,并研究时间特征信息对分类精度变化的影响。实验流程如图2所示。2.1 基于时空融合的时序影像生成

样本选取采用屏幕选择的方法结合高分辨率遥感影像目视解译,直接在遥感图上选取样本点,样本点均为9个像元的正方形区域。确定训练样本类型及数量之后,进行样本采集。共选择1 350个训练样本点,总计12 150个像元。对比研究区高精度土地分类图,选择了650个验证样本点。由于篇幅限制,本文仅以裸地和人工建筑为例,展示验证样本点位的大致分布,验证样本点位如图3所示。3 实验结果及分析

【参考文献】：
期刊论文
[1]一种单时相高分辨率遥感影像时空融合算法[J]. 李大成,韩启金,赵涌泉.  计算机工程与应用. 2018(05)

硕士论文
[1]基于ESTARFM模型的西安地区植被覆盖度遥感估算与应用[D]. 郭娇.西安科技大学 2017



本文编号：3611409