應用遙感數(shù)據(jù)進行分類后變化檢測時,土地覆被分類誤差會造成嚴重的誤差累積效應,同時會導致土地覆被類型轉換結果中經(jīng)常出現(xiàn)不盡合理的情況.采用基于對象的影像分析方法,利用兩期國產(chǎn)高分一號影像數(shù)據(jù)分析了蘭州市建成區(qū)及其東南部邊緣地區(qū)的土地覆被變化.通過分析研究區(qū)的特征,得到了研究區(qū)的土地覆被轉移邏輯.利用貝葉斯軟融合方法降低了土地覆被變化分類誤差的累積效應,運用土地覆被邏輯,消除了不合邏輯的結果,變化檢測結果總精度達到81.61%.最終得出了蘭州市總體上沿溝谷地向周邊東南方向延伸的發(fā)展模式. 

【文章來源】：蘭州大學學報(自然科學版). 2020,56(02)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1 分割尺度參數(shù)-ED2散點圖

計算得到每個類別的準確率和召回率(表4).從表4中可知,兩期影像上硬分類結果中林地和農(nóng)田與草地相較于其它類別精度均較低,尤其是林地召回率較低.裸地與不透水表面在單期影像上也有一定程度的錯分.這與前述類別可分性分析的結果一致.4.2 分類后比較與貝葉斯軟融合方法結果

在分類后比較的結果中,作為不符合邏輯的土地覆被轉移形式,農(nóng)田與草地到水體、林地到水體的轉換在分類后比較的過程中并未出現(xiàn).這一方面反映水體分類質(zhì)量較高,另一方面則可能由于水體在研究區(qū)的面積較小.同時分類后比較中裸地到林地、裸地到水體、水體到林地、不透水表面到林地以及不透水表面到水體等土地覆被轉換類型,在2014年均零星分布.面積均較小,最大為3.89 hm2,最小僅有0.22 hm2,可以歸因為分類誤差的累積效應.分類后比較中出現(xiàn)了較大面積的農(nóng)田與草地到林地的不符合邏輯的轉移,其主要來源于農(nóng)田與草地和林地的混分(圖4a1),2014年與2017年均為林地,但是由于2014年影像被誤分類為農(nóng)田與草地,造成了錯誤的結果,主要出現(xiàn)在林地與草地交界地區(qū).

【參考文獻】：
期刊論文
[1]面向?qū)ο蟮亩嗵卣鞣旨塁VA遙感影像變化檢測[J]. 趙敏,趙銀娣.  遙感學報. 2018(01)
[2]唐山市區(qū)土地利用的Landsat 8影像分層分類[J]. 郭力娜,張夢華,張永彬,牛振國,李孟倩.  測繪科學. 2017(10)
[3]領域知識輔助下基于多尺度與主方向紋理的遙感影像土地利用分類[J]. 蘭澤英,劉洋.  測繪學報. 2016(08)
[4]高空間分辨率遙感影像分割尺度參數(shù)自動選擇研究[J]. 王志華,孟樊,楊曉梅,楊豐碩,方豫.  地球信息科學學報. 2016(05)
[5]基于C4.5決策樹的多特征遙感分類方法[J]. 曹洪濤,張拯寧,李明,李器宇,陳浩.  測繪工程. 2016(03)
[6]基于Landsat數(shù)據(jù)和DMSP/OLS夜間燈光數(shù)據(jù)的城市擴展提取:以天津市為例[J]. 柴寶惠,李培軍,張瑞潔,趙鵬.  北京大學學報(自然科學版). 2016(03)
[7]綜合運用影像對象多種特征的土地利用/土地覆被分類方法探討——以蘭州秦王川地區(qū)為例[J]. 江帆,劉夢瑩,劉勇.  蘭州大學學報(自然科學版). 2016(01)
[8]聯(lián)合概率密度空間的遙感自適應變化檢測方法[J]. 吳煒,沈占鋒,吳田軍,王衛(wèi)紅.  測繪學報. 2016(01)
[9]利用多尺度融合進行面向?qū)ο蟮倪b感影像變化檢測[J]. 馮文卿,張永軍.  測繪學報. 2015(10)
[10]高分一號衛(wèi)星4種融合方法評價[J]. 劉錕,付晶瑩,李飛.  遙感技術與應用. 2015(05)



本文編號：2981177