[发明专利]顾及POI数据空间异质性的地表覆盖验证方法及系统

说明书

本发明公开了顾及POI数据空间异质性的地表覆盖验证方法及系统；从新浪微博开放平台获取POI数据集，将OSM提供的城区建筑物数据与POI数据集进行叠加，划分出城市区域与非城市区域的POI，对划分结果进行修正；对确定的城市区域POI进行分类，得到城市区域的POI分类结果；对非城市区域不同类型的POI进行分类，得到非城市区域的POI分类结果；根据POI分类结果，生成栅格数据，采用多数投票算法，确定每个栅格的地表覆盖类型，生成基于POI的地表覆盖分类结果；利用混淆矩阵，得到基于POI的GlobeLand30地表覆盖数据产品的验证精度，实现顾及POI空间异质性的地表覆盖精度验证。

技术领域

本发明涉及顾及POI数据空间异质性的地表覆盖验证方法及系统。

背景技术

地表覆盖及变化是环境变化研究、地理国情监测和可持续发展规划等不可或缺的重要因素，其精度验证是地表覆盖制图的重要组成部分。目前，国内外地表覆盖分类精度验证工作主要是通过遥感影像目视解译和野外实地调查等方式进行，该方法耗时耗力，验证周期长，难以满足地表覆盖产品快速验证的需求。为减少地表覆盖验证成本，更好地满足广大用户日快速验证的应用需求，需要发展一种新的地表覆盖验证方法。

近年来，随着地理时空大数据的发展和应用，出现了诸如Geo-wiki、GlobeLand30、Degrees of Confluence Project等地表覆盖产品分享和验证平台，同时，带有地理标记的文本、图片等众源地理数据，也被广泛应用于人造地表、森林和农作物等地表覆盖数据的精度验证。“Leung D,Newsam S.Land cover classification using geo-referencedphotos[J].Multimedia Tools&Applications,2015:1-21.”中指出，通过获取Flickr中带有地理位置信息的图片数据，利用数据中的图像、文本以及地理位置等信息来识别不同类型的地表覆盖产品。“Hou D,Chen J,Wu H,et al.Active collection of land coversample data from geo-tagged web texts[J].Remote Sensing,2015,7(5):5805-5827.”中提出了一种基于深度搜索的地表覆盖验证信息获取方法，自动爬取搜房网的文本信息，进行地表覆盖中人造地表的分类精度验证。“Foody G M,Boyd D S.Using volunteereddata in land cover map validation:Mapping West African forests[J].IEEEJournal of Selected Topics in Applied Earth Observations and Remote Sensing,2013,6(3):1305-1312.”中提出利用Degrees of Confluence Project地表覆盖共享平台，通过志愿者解译图片信息，验证非洲西部地表覆盖中森林的分类精度。

综上所述，将众源地理大数据应用到地表覆盖验证已成为当前研究的热点。然而，上述地表覆盖验证结果很大程度上依赖于志愿者的先验知识，难以准确地对结果做出客观的评判。同时，这类众源地理数据定位精度相对较低，在一定程度上影响了地表覆盖的验证结果。而兴趣点(Point of Interest，POI)作为一种开放的空间数据源，由于其大多搭载于地图导航平台，具有地理位置相对准确、更新速度快、分布范围广等特点，能够弥补众源地理数据定位精度低的不足。此外，POI文本中诸如“餐馆”、“牧场”、“渔场”等分类，分别对应于地表覆盖类型中的人造地表、草地和水体，易于地表覆盖类型的识别。然而，将POI数据应用于地表覆盖验证仍面临诸多挑战：一方面，某些POI类型诸如“未知分类”、“旅游景点”和“娱乐场所”等无法直接判断地表覆盖类型，需要对POI进行数据清理与分类；另一方面，POI在城市区域分布密集，而在非城市区域分布稀疏，具有显著的空间异质性分布特征，在非城市区域由于过少的POI难以表示大面积的地表覆盖，无法进行地表覆盖验证。因此，构建一套顾及POI数据空间异质性的地表覆盖验证方法，具有重要的理论和现实意义。

发明内容