基于全向搜索机制变异函数的最优遥感尺度选择方法技术

本发明专利技术涉及一种基于全向搜索机制变异函数的最优遥感尺度选择方法，该方法首先利用已获取的遥感影像选择研究区域，然后通过全向搜索算法计算出遥感影像在每一方向不同空间间隔下对应的变异函数值；在此基础上，建立空间间隔及其变异值的曲线关系，进而基于变异函数模型中的球状模型回归拟合，求解出每一方向上对应的局部最优空间尺度；最后把拟合度最大值所对应的局部最优空间尺度作为遥感影像最优空间尺度。本发明专利技术可以有效解决传统变异函数算法在选择最优遥感影像空间尺度应用中仅考虑各向同性而带来的局部最优尺度“假象”的问题，提高了最优尺度选择的精度。

【技术实现步骤摘要】

本专利技术属于土地利用
，特别是一种。
技术介绍
土地利用变化是近年来全球变化研究的重要领域和热点问题。土地利用变化具有地域性和层次性。不同的研究区域和观测尺度，土地利用变化的空间分布和结构特征都会有所差异。因此，选择最优空间尺度的遥感影像对特定研究区域的土地利用变化进行研究是非常必要的。在最优尺度选择方面，已经有很多学者做了大量工作并取得了一定成果，从国内外目前遥感影像的最优尺度选择方法来看，主要集中在平均局部方差法(Local Variance) 和变异函数法(Variogram)。Woodcock和Strahler (1987)首次系统研究了遥感中的尺度因子，他们提出了一种运用遥感影像平均局部方差(the mean local variance)确定最优空间分辨率的方法，且基于此探讨了最优空间分辨率对遥感影像分类精度的影响。Atkinson 等(1997)采用变异函数(variogram，也称半方差)来确定不同遥感应用中的最优空间尺度，并对比分析了用此方法和用局部方差法选取影像的最优空间分辨率。基于类似的计算过程，Wang和Gertner等(2001)以不同分辨率变异函本文档来自技高网...

【技术保护点】
１．一种基于全向搜索机制变异函数的最优遥感尺度选择方法，该方法首先利用已获取的遥感影像选择研究区域，然后通过全向搜索算法计算出遥感影像在每一方向不同空间间隔下对应的变异函数值；在此基础上，建立空间间隔及其变异函数值的映射关系，进而基于变异函数模型中的球状模型回归拟合，求解出每一方向上对应的局部最优空间尺度；最后把拟合度最大值所对应的局部最优空间尺度作为遥感影像的最优空间尺度，具体为：第一步骤：利用已获取的遥感影像选择研究区域，得到研究区域的遥感影像数据；第二步骤：将研究区域影像数据作为输入数据，通过全向搜索算法计算出该影像在每一个方向上不同空间间隔下对应的变异函数值；第三步骤：将得到的这些变异...

【技术特征摘要】

【专利技术属性】
技术研发人员：吴浩，迟旭，周璐，李辉，李岩，严冬，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：83