1.一种基于大数据的长时序国土空间地域功能结构变化检测方法,包括以下步骤:
步骤1、数据准备——借助遥感大数据平台googleearthengine收集指定时间范围和研究范围的landsat影像数据,并进行影像拼接和裁剪,以获得时间序列影像,其中每一年对应一幅影像;
步骤2、样本点选取——通过实地采样或借助高分辨率影像选取指定时间范围内最后一年各类地物的样本点,并以此年为基准年,切换上一年参考影像,逐点比对,对地物类别发生改变的样本点进行修改,从而得到上一年的样本点,以此类推,直到完成全部年份的样本点选取;
步骤3、影像初始分类——将每幅影像的样本点按比例随机划分为训练集和验证集,用历年训练集对分类器进行训练,训练完成后,使用分类器对对应年份的影像进行分类,获得初始分类结果,分类结果具有相同的分辨率;
步骤4、分类预处理——使用众数滤波工具对每幅影像的分类结果进行迭代处理,去除碎小图斑;
步骤5、分类结果合成——将所有年份的影像分类结果叠加,构建分类结果的时间序列栅格数据集,时间序列即为取该栅格数据集中某一行某一列像素的多年集合;
步骤6、双向时空一致性检测——在每个时间序列中分别构造两个种子窗口ws和两个滑动检测窗口wd,两个种子窗口ws的初始位置位于时间序列的首末端,两个滑动检测窗口wd的初始位置位于紧邻于对应的种子窗口ws,按照以下步骤进行处理:
a)、将种子窗口和滑动检测窗口置于初始位置,并设置滑动检测窗口尺寸;
b)、将滑动窗口置于种子窗口紧邻的内侧;
c)、统计滑动窗口内的主导地类kd,窗口内某地类出现频率高于60%则称其为该窗口的主导地类kd;若窗口内所有地类出现频率均低于60%,则该窗口没有主导地类;
d)、判断种子窗口ws内地物类型ks与紧邻的滑动检测窗口wd内的主导地类kd是否一致,若一致,则将滑动检测窗口wd内首尾主导地类栅格之间所有地类均置为kd,将种子窗口位置移动到滑动窗口内最后出现主导地类kd的栅格位置,转至步骤b)直到两个滑动检测窗口相遇;若不一致,则将种子窗口向内移动一位,并转至步骤b)直到两个滑动检测窗口相遇;
e)、当两个滑动检测窗口相遇时,两种子窗口之间的所有像素合并为一个大窗口,大窗口内与左侧种子窗口的像素地类一致的像素向左侧种子窗口方向移动,大窗口内与右侧种子窗口的像素地类一致的像素向右侧种子窗口方向移动,若还有其他地类像素,则将其他地类像素集中排列在中间位置,连续地类不一致处,即为地物转化突变年;
步骤7、获得修正后的分类结果——将时间序列栅格数据集按顺序拆分,同一年份的栅格单元构成该年份的分类结果,最终获得所有年份修正后的分类结果。
2.根据权利要求1所述的基于大数据的长时序国土空间地域功能结构变化检测方法,其特征在于:对分类器训练包含以下几个步骤:
1)、训练样本点分布优化,使用随机函数对训练样本点进行若干次随机位置分布,取精度最高的结果,作为最终训练样本;
2)、引入数种纹理特征,试验数种尺寸窗口,取精度最高的结果,作为最终纹理特征;
3)、引入数种气候要素特征,取精度最高的结果,作为最终气候特征;
4)、进行使用步骤1)的最终训练样本、步骤2)的最终纹理特征和步骤3)的最终气候特征,对分类器进行训练。
3.根据权利要求1所述的基于大数据的长时序国土空间地域功能结构变化检测方法,其特征在于:地物分类如下:以开发和保护功能两个维度为指向,将建设用地、农业用地作为开发指向的功能类型,将生态用地作为保护功能指向的功能类型;其中,农业用地是指耕地,生态用地包括林地、草地、灌木、水体和未利用地。
4.根据权利要求1所述的基于大数据的长时序国土空间地域功能结构变化检测方法,其特征在于:分类器选用随机森林分类器。
5.根据权利要求1所述的基于大数据的长时序国土空间地域功能结构变化检测方法,其特征在于:步骤7完成后对分类结果进行精度评价,具体的,使用验证集对分类结果进行精度评价,利用混淆矩阵计算生产者精度和用户精度对各类地物进行评价,并算出总体精度和kappa系数。
6.根据权利要求1所述的基于大数据的长时序国土空间地域功能结构变化检测方法,其特征在于:步骤7完成后,进行功能用地分类与结构变化检测,具体如下:
1)、长时序功能用地分类——以建设用地、农业用地、生态用地为一级分类进行功能类型合并,计算不同时期功能用地的面积及比重,进行长时序功能用地制图;
2)、长时序地域功能结构测算——以建设用地、农业用地、生态用地比例关系为基本参数,选取主要交通干线为轴线,以主要轴线和核心城市为中心设定不同缓冲区,统计不同缓冲区内建设用地、农业用地、生态用地比例关系,测算区域不同时期点-轴结构和核心-边缘等地域功能结构。