基于时序NDVI图谱库提高土地覆盖分类精度的方法

为提高MODIS土地覆盖产品的分类精度,该文以河南省为试验区,首先将MODIS土地覆盖产品(MCD12Q1)分为高精度区域和低精度区域,然后通过构建时序NDVI图谱库并利用图谱曲线相似性测定方法,改进MCD12Q1低精度区域的分类精度。结果表明:1)时序NDVI是土地覆盖的重要分类特征,二者之间具有较强的关联性。2)利用时序NDVI图谱库能够明显提高MODIS土地覆盖产品的分类精度,改进后的MCD12Q1的总体分类精度分别由72.76%(比较评价)、64.52%(样本评价)提高到83.05%和81.72%。3)不同土地覆盖类别精度提高的程度不同,林地、草地、耕地、人工地表以及水体的生产者精度分别提高35.36%、29.51%、2.98%、6.96%和6.11%。4)对于判定时序NDVI曲线相似度的2种具体方法而言,最小距离法(minimum distance,MD)总体上优于光谱角度匹配法(spectral angle mapper,SAM)。综上,保留现有土地覆盖产品中分类精度较高的部分,基于时序NDVI图谱库改进分类精度较低的部分,是提高现有土地覆盖产品分类精度的有效方法。     

不同样本尺度和分区方案的粮食产量空间化及误差修正

粮食产量数据空间化有助于粮食产量数据与其他自然、人文数据进行综合分析,但空间化过程中必然会产生误差。该文按照3种分区方案(全国不分区、全国分为7个区以及按省分区),选择3种尺度上(县级、地市级和公里网格)的总产及平均产量数据(即4种样本:县级粮食总产、县级平均粮食产量、地市级粮食总产、地市级平均粮食产量)分别为因变量,以对应的3种农田类型(水田、水浇地、旱地)面积数据为自变量,利用多元线性回归分析方法,得到15种空间化模型。采用两阶段误差分析方法,选取2个模型误差评价因子和5个空间化结果误差评价因子,对模型和空间化结果进行误差分析。结果表明:1)空间化过程中,模型精度与空间化结果的精度存在不一致性;2)对于采用同一样本的模型(常数项为0)而言,空间化结果精度随着分区方案的细化先提高再降低,而对于采用同一样本的模型(常数项非0)而言,空间化结果精度随着分区方案的细化而降低;3)在全国不分区和分为7个区2种情况下,空间化结果精度随着分析样本尺度的细化(从地市级到县级再到公里网格)先提高后降低。根据上述分析结果,最终以县级粮食总产为样本、常数项为0、全国分7个区建模的方案实现全国粮食产量数据空间化,并通过修正,得到2005年中国粮食产量公里网格分布图。该研究弥补了粮食产量空间化误差分析的不足,探寻了不同样本尺度和分区方案与空间化误差的关系,提高了空间化精度,同时对其他类型的社会经济统计数据空间化研究具有一定的参考价值。