【技术实现步骤摘要】
基于贝叶斯
‑
模糊概率预测的LULC数据集融合方法
[0001]本专利技术提供一种基于贝叶斯
‑
模糊概率预测的LULC数据集融合方法,属于地理信息处理
技术介绍
[0002]Linda等人设计的一种基于空间一致性与GWR的融合方法出自期刊论文:See,L.,et al.,Building a hybrid land cover map with crowdsourcing and geographically weighted regression.ISPRS Journal of Photogrammetry and Remote Sensing,2015.103:p.48
‑
56.
[0003]在该方法中,主要包含4个步骤:
[0004](1)首先对源数据集进行空间一致性检验;
[0005](2)对于在源数据集中具有一致性的像元,选择一致性最高的属性赋予该像元;
[0006](3)对于在源数据集中一致性为0的像元,选择距离该像元最近的一些LULC样本,使用GWR开展回归分析,确定每套源数据集中该位置像元属性正确的概率;
[0007](4)将概率最大的属性赋予该像元,形成融合结果。
[0008]该技术具有以下缺点:
[0009](1)在像元空间一致性为0的情况下,可能出现各源数据集中属性正确的概率均很低的情况(如均低于10%),即使选择概率最高的属性,结果仍然不具有可靠性。
[0010]( ...
【技术保护点】
【技术特征摘要】
1.基于贝叶斯
‑
模糊概率预测的LULC数据集融合方法,其特征在于,包括以下步骤:(1)构建目标LULC分类体系与源数据集分类归并;(2)空间升尺度;对于具有不同空间分辨率的源数据集,通过升尺度,统一到相同的空间分辨率;(3)定义先验概率;(4)引入空间关系后的后验概率计算;(5)模糊概率融合;(6)二级精细分类;在获取一级类融合结果的基础上,根据构建的LULC分类体系进行二级分类。2.根据权利要求1所述的基于贝叶斯
‑
模糊概率预测的LULC数据集融合方法,其特征在于,步骤(1)中,构建目标LULC分类体系,包括一级类和二级类;将具有不同LULC分类体系、不同LULC分类数量的源数据集统一归并到构建的目标LULC分类体系。3.根据权利要求1所述的基于贝叶斯
‑
模糊概率预测的LULC数据集融合方法,其特征在于,步骤(3)中,具体包括以下步骤:用不同地类之间的错分比例表征错分概率;相关公式如下:P
L
(A
i
|A
j
)=R
L
(A
i
|A
j
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中,A
i
和A
j
分别是第i、第j种地类;R
L
(A
i
|A
j
)为源数据集L中将A
j
分类为A
i
的比例;S
L
(A
i
|A
j
)为L中将A
j
分类为A
i
的面积,单位为km2;S
L
(A
j
)为L中A
j
的面积,单位为km2;P
L
(A
i
|A
j
)为L中将A
j
分类为A
i
的概率;对源数据集进行精度验证或者使用源数据集作者发布的精度验证结果,获取误差矩阵,能够反映源数据集总体的错分情况;将这些数值用于公式1和公式2的计算,确定错分比例和错分概率;之后,基于错分概率,通过公式3确定源数据集中各类土地的先验概率:其中,A
i
和A
j
分别是第i、第j种地类;P
L
(A
i
|A
j
)为源数据集L中将A
j
分类为A
i
的概率;R
L
(A
j
)为L中A
j
的面积占比;M为一级类的数量,依据构建的目标LULC分类体系确定;P
L
(A
i
)为L中将像元分类为A
i
的先验概率。4.根据权利要求3所述的基于贝叶斯
‑
模糊概率预测的LULC数据集融合方法,其特征在于,步骤(4)中,具体包括以下步骤:以目标像元为中心,...
【专利技术属性】
技术研发人员:王浩,胡云锋,
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:
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。