【技术实现步骤摘要】
基于多源遥感影像的土地覆盖分类图的获取方法和装置
本专利技术涉及土地覆盖分类
，尤其涉及一种基于多源遥感影像的土地覆盖分类图的获取方法和装置。
技术介绍
土地覆被分类与识别是遥感应用领域的基本问题之一，土地覆盖变化对环境质量、生物多样性、陆地生态系统的生产力和适应能力等影响深刻。土地覆盖分类方法是了解土地覆盖的分布特点和区域结构的关键技术，遥感以其成本低、效率高的优势已成为土地覆盖分类的主要数据源。热带地区气候湿润，降雨充沛，由于气旋影响，云覆盖量大，遥感影像云污染比例高，造成影像的无效像元间隔大。此外，充分的光热和水分条件致使植被物候多变，给基于单幅影像的土地覆被分类造成困难。为解决此问题，现有技术利用具有高重访特征的MODIS时间序列NDVI数据，引入动态时间规整方法，通过与地物标准NDVI时序曲线相似度对比进行模糊分类，充分挖掘高频率遥感的时态维信息，在一定程度上解决了因下垫面季节性变化引起的分类误差，提高土地覆被分类精度，一定程度上解决了因复杂下垫面造成的同物异谱和同谱异物难题。然而，在基于MODISNDVI遥感影像进行土地覆被分类时，若区域内包含的地物类型分布较为分散且分布面积较小，则此类地物的分类精度往往不理想，因为MODIS数据空间分辨率较低，容易存在混合像元，当某一地物类型面积很小且分布破碎时，由于混合像元的存在，导致其分类精度较低。因此，如何避免现有的基于MODISNDVI遥感影像进行土地覆被分类时由于MODIS数据空间分辨率较低造成的分类精度较低的情况，仍然是本领域技...
【技术保护点】
1.一种基于多源遥感影像的土地覆盖分类图的获取方法，其特征在于，包括：/n采集预设时间段内和预设区域内的MODIS影像数据和Landsat影像数据；/n基于所述MODIS影像数据确定MODIS模糊分类结果，所述MODIS模糊分类结果为MODIS影像中各MODIS像元的各土地覆盖类型的隶属度值；/n基于所述MODIS模糊分类结果确定MODIS局部权重，所述MODIS局部权重为所述MODIS影像中各MODIS像元的各土地覆盖类型的隶属度值的权重；/n基于所述Landsat影像数据确定Landsat模糊分类结果，所述Landsat模糊分类结果为Landsat影像中各Landsat像元的各土地覆盖类型的隶属度值；/n基于所述Landsat模糊分类结果确定Landsat局部权重，所述Landsat局部权重为所述Landsat影像中各Landsat像元对应土地覆盖类型的隶属度值的权重；/n基于所述Landsat模糊分类结果确定Landsat全局精度，所述Landsat全局精度为Landsat影像中各Landsat像元的各土地覆盖类型的分类精度组成的矩阵；/n基于所述MODIS模糊分类结果和基于所述...
【技术特征摘要】
1.一种基于多源遥感影像的土地覆盖分类图的获取方法，其特征在于，包括：
采集预设时间段内和预设区域内的MODIS影像数据和Landsat影像数据；
基于所述MODIS影像数据确定MODIS模糊分类结果，所述MODIS模糊分类结果为MODIS影像中各MODIS像元的各土地覆盖类型的隶属度值；
基于所述MODIS模糊分类结果确定MODIS局部权重，所述MODIS局部权重为所述MODIS影像中各MODIS像元的各土地覆盖类型的隶属度值的权重；
基于所述Landsat影像数据确定Landsat模糊分类结果，所述Landsat模糊分类结果为Landsat影像中各Landsat像元的各土地覆盖类型的隶属度值；
基于所述Landsat模糊分类结果确定Landsat局部权重，所述Landsat局部权重为所述Landsat影像中各Landsat像元对应土地覆盖类型的隶属度值的权重；
基于所述Landsat模糊分类结果确定Landsat全局精度，所述Landsat全局精度为Landsat影像中各Landsat像元的各土地覆盖类型的分类精度组成的矩阵；
基于所述MODIS模糊分类结果和基于所述Landsat影像数据进行面向对象影像分割得到的Landsat对象确定MODIS全局精度，所述MODIS全局精度为所述MODIS影像中各Landsat像元的各土地覆盖类型的分类的全局精度组成的矩阵；
基于所述MODIS全局精度、所述MODIS局部权重、所述MODIS模糊分类结果、所述Landsat全局精度、所述Landsat局部权重和所述Landsat模糊分类结果确定所述MODIS影像中各Landsat像元对应的最终最可能土地覆盖类型，进而获取土地覆盖分类图。
2.根据权利要求1所述的基于多源遥感影像的土地覆盖分类图的获取方法，其特征在于，所述基于所述MODIS影像数据确定MODIS模糊分类结果，所述MODIS模糊分类结果包括MODIS影像中各MODIS像元的各土地覆盖类型的隶属度值MODIS像元，具体包括：
对所述MODIS影像数据进行数据预处理，得到MODIS影像上每个MODIS像元的NDVI时序曲线；
将所述MODIS影像数据加载到GoogleEarth上，进行人工随机采样并人工标注采样点所在的MODIS像元的土地覆盖类型；
筛选所述采样点所在的MODIS像元中的纯MODIS像元；
基于所述纯MODIS像元的土地覆盖类型确定各土地覆盖类型对应的参考NDVI时序曲线；
基于所述每个MODIS像元的NDVI时序曲线和所述各土地覆盖类型对应的参考NDVI时序曲线确定所述MODIS影像中各MODIS像元的各土地覆盖类型的隶属度值。
3.根据权利要求2所述的基于多源遥感影像的土地覆盖分类图的获取方法，其特征在于，所述基于所述每个MODIS像元的NDVI时序曲线和所述各土地覆盖类型对应的参考NDVI时序曲线确定所述MODIS影像中各MODIS像元的各土地覆盖类型的隶属度值，具体包括：
通过如下公式确定所述MODIS影像中MODIS像元i的第j类土地覆盖类型的隶属度值
其中，为MODIS像元i的NDVI时序曲线对应的离散函数，表示MODIS像元i在时序为l时的NDVI值，l＝1,2,…M，M为时序取值的总个数，为第j类土地覆盖类型对应的参考NDVI时序曲线对应的离散函数，表示第j类土地覆盖类型在时序为l时的参考NDVI值，j＝1,2,…,N，N为土地覆盖类型的总类数。
4.根据权利要求1所述的基于多源遥感影像的土地覆盖分类图的获取方法，其特征在于，所述基于所述MODIS模糊分类结果确定MODIS局部权重，所述MODIS局部权重为所述MODIS影像中各MODIS像元的各土地覆盖类型的隶属度值的权重，具体包括：
通过如下公式确定所述MODIS影像中MODIS像元i的模糊分类结果的模糊指数
其中，α为指数系数，0＜α＜1，为所述MODIS影像中MODIS像元i的第j类土地覆盖类型的隶属度值，j＝1,2,…,N，N为土地覆盖类型的总类数；
通过如下公式确定所述MODIS影像中MODIS像元i的各土地覆盖类型的隶属度值的权重wi：
其中，为所述MODIS影像中MODIS像元i的模糊分类结果的模糊指数；所述MODIS影像中各MODIS像元的各土地覆盖类型的隶属度值的权重集合{w1,w2,...,wi,...,wS}为MODIS局部权重，S为所述MODIS影像中MODIS像元的总个数。
5.根据权利要求1所述的基于多源遥感影像的土地覆盖分类图的获取方法，其特征在于，所述基于所述Landsat影像数据确定Landsat模糊分类结果，所述Landsat模糊分类结果包括Landsat影像中各Landsat像元的各土地覆盖类型的隶属度值，具体包括：
对所述Landsat影像数据进行最小单元为对象的影像分割，使得分割后的任一Landsat对象内的土地覆盖类别相同；
将所述Landsat影像数据记载到GoogleEarth上，进行人工随机采样并人工标注采样点所在的采样Landsat对象的土地覆盖类型；
基于任一采样Landsat对象中的所有Landsat像元的前七个波段值、NDVI值和形状特征确定所述任一采样Landsat对象的样本前七个波段值、样本NDVI值和样本形状特征；
将Landsat影像中任一Landsat对象的前七个波段值、NDVI值和形状特征输入Landsat模糊分类模型，输出所述任一Landsat对象的各土地覆盖类型的隶属度值，进而确定任一Landsat像元的各土地覆盖类型的隶属度值；
其中，所述Landsat模糊分类模型是基于采样Landsat对象的样本前七个波段值、样本NDVI值和样本形状特征和对应于各采样Landsat对象的土地覆盖类型标签进行训练后得到的，训练时使用的网络模型为最邻近分类器；
对应地，所述基于所述Landsat模糊分类结果确定Landsat局部权重，所述Landsat局部权重为所述Landsat影像中各Landsat像元对应土地覆盖类型的隶属度值的权重，具体包括：
通过如下公式确定所述Landsat影像中Landsat像元p的模糊分类结果的模糊指数
其中，α为指数系数，0＜α＜1，为所述Landsat影像中Landsat像元p的第j类土地覆盖类型的隶属度值，j＝1,2,…,N，N为土地覆盖类型的总类数；
通过如下公式确定所述Landsat影像中Landsat像元p的各土地覆盖类型的隶属度值的权重w’p：
其中，为所述Landsat影像中Landsat像元p的模糊分类结果的模糊指数...
【专利技术属性】
技术研发人员：黄翀，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。