多源数据的土地覆被样本自动提取

随着遥感数据获取能力的不断增强,自动化程度已经成为大尺度遥感土地覆被分类面临的关键问题。然而,现有训练样本的人工选取方法成为制约土地覆被分类自动化的瓶颈。本文以河南、贵州两省为研究区,提出一种基于多源数据的土地覆被样本自动提取方法,以构建适用于大尺度的土地覆被自动分类。首先,以2010年1∶10万土地利用数据CHINALC和30 m分辨率全球土地覆被数据Globle Land30为样本数据源;然后,利用空间一致性分析及异质性分析确定样本初选区域;最后,通过样本提纯去除无效样本。结果表明:(1)应用多源数据的土地覆被样本自动提取方法获得的分类产品总体分类精度高于人工样本提取方法制作的全球土地覆被产品MCD12Q1。(2)与单源样本自动提取方法相比,应用多源数据的土地覆被样本自动提取方法,可获得更好的分类稳定性。综上,多源数据的土地覆被样本自动提取方法可在保证精度的同时,提升土地覆被分类的自动化程度。     

首套全球30 m分辨率土地覆被产品区域尺度精度评价——以河南省为例

以河南省为研究区,对全球首套30 m分辨率土地覆盖产品GlobleLand30进行区域尺度精度评价。首先,以中国1\begin{array}{c}:\end{array}10万土地利用数据（CHINA-2010）为参考,分析两种产品的空间一致性;而后,通过Google Earth样本分析GlobleLand30在空间不一致区域的制图精度;最后,利用野外实地考察样本对GlobleLand30进行总体精度评价,并从土地覆被复杂度、高程等方面分析影响精度的原因,结果表明：① GlobleLand30与CHINA-2010空间一致性达80.20%。两种产品对耕地、林地、人工地面一致性高,对草地、水体、灌木、湿地、未利用土地的一致性低。② 在空间不一致区域,GlobleLand30的总体分类正确率略低于CHINA-2010,但两者对不同地类的优势不同。③ 经野外实地考察验证可知,GlobleLand30的总体精度达83.33%。④GlobleLand30与CHINA-2010的空间一致性随土地覆被复杂度的增加而降低,并在高程过渡带较低。     

萍乡市环城西大道青山村段土石方量计算方法探讨

土方计算的基本方法有断面法、方格网法、等高线法及基于数字高程模型DEM法等。在实际应用中,不同方法计算的同一场地土方量数量相差较大,所以不同方法导致土方量计算精度不同,适用范围也不一样。针对萍乡市环城西大道青山村段的地形情况,采用综合法计算土方量,提高了精度和工作效率。