[发明专利]基于自动优化MESMA的地表覆盖类型确定方法

说明书

本发明涉及一种基于自动优化MESMA的地表覆盖类型确定方法，通过将兴趣点分布数据、行人分布数据、光谱指数和地表温度进行像元融合，输入随机森林模型中获取研究区每个像元属于每种城市功能区的概率，根据所述城市功能区概率和功能区地物覆盖类型概率范围统计数据，以城市功能区信息，前向反馈多端元光谱混合分析方法，修正多端元光谱混合分析方法的端元选择，输出其它像元中各个地物覆盖类型的比例，利用该地物覆盖类型的比例，后向反馈城市功能区的概率估计。相对于现有技术，本发明实现了多端元光谱混合分析方法的自动优化分解，可以得到研究区内准确的地表覆盖类型信息。

技术领域

本发明涉及地理信息技术领域，尤其是涉及一种基于自动优化MESMA的地表覆盖类型确定方法。

背景技术

由于地物的复杂多样性和传感器空间分辨率的限制，使得遥感图像中存在大量的混合像元。混合像元的存在严重影响后续图像处理的精度。为了提高光谱应用效果，必须先进行光谱混合分析，明确混合像元内包含的地物及其比例。

多端元光谱混合分析(multiple endmember spectral mixture analysis,MESMA)方法是遥感影像进行混合像元分解的一种主流方法之一，该方法相对简单、具有物理意义和精度相对较高的优点。可以很好地丰富了中大尺度的遥感影像的信息量。然而，该过程需要消耗较长的时间，并且再次分解的结果并不能得到保证，存在较大的人为不确定因素。

发明内容

本申请实施例提供了一种基于自动优化MESMA的地表覆盖类型确定方法，能够准确识别具体的城市地物覆盖信息。

第一方面，本申请实施例提供了一种基于自动优化MESMA的地表覆盖类型确定方法，包括以下步骤：

步骤S1：获取研究区的Landsat数据、兴趣点分布数据和行人分布数据；

步骤S2：根据所述Landsat数据计算光谱指数，从所述Landsat数据反演得到地表温度，将所述兴趣点分布数据、行人分布数据、光谱指数和地表温度进行像元融合，作为输入数据；

步骤S3：基于支持向量机算法，将所述Landsat数据划分为植被、水体和其它像元；

步骤S4：基于多端元光谱混合分析方法，获取所述其它像元中各个地物覆盖类型的比例和提取端元；

步骤S5：将所述输入数据输入随机森林模型中获取研究区每个像元属于每种城市功能区的概率；

步骤S6：根据所述城市功能区概率和功能区地物覆盖类型概率范围统计数据，计算所述研究区内各地物覆盖类型的覆盖概率，获取概率值较大的若干种地物覆盖类型作为参考端元；

步骤S7：将所述提取端元与所述参考端元进行比较，若所述提取端元与所述参考端元一致，输出研究区各个地物覆盖类型的比例；否则，将所述参考端元作为新的提取端元，重新执行步骤S4并将获取的其它像元中各个地物覆盖类型的比例作为补充数据，与原输入数据进行融合作为输入数据，重新执行步骤S5-S7。

可选的，所述功能区地物覆盖类型概率范围统计数据通过随机抽取的城市功能区样本计算得到。

可选的，所述基于自动优化MESMA的地表覆盖类型确定方法还包括以下步骤：

获取同一区域的高分辨率影像作为验证样本，提取所述验证样本内的地物覆盖类型并进行数字化，作为参考数据集；

根据所述参考数据集验证所述随机森林模型输出数据的精度。

第二方面，本申请实施例提供了一种基于自动优化MESMA的地表覆盖类型确定装置，包括：

数据获取模块，用于获取研究区的Landsat数据、兴趣点分布数据和行人分布数据；