[发明专利]基于贝叶斯-模糊概率预测的LULC数据集融合方法

权利要求书

1.基于贝叶斯-模糊概率预测的LULC数据集融合方法，其特征在于，包括以下步骤：

(1)构建目标LULC分类体系与源数据集分类归并；

(2)空间升尺度；对于具有不同空间分辨率的源数据集，通过升尺度，统一到相同的空间分辨率；

(3)定义先验概率；

(4)引入空间关系后的后验概率计算；

(5)模糊概率融合；

(6)二级精细分类；在获取一级类融合结果的基础上，根据构建的LULC分类体系进行二级分类。

2.根据权利要求1所述的基于贝叶斯-模糊概率预测的LULC数据集融合方法，其特征在于，步骤(1)中，构建目标LULC分类体系，包括一级类和二级类；将具有不同LULC分类体系、不同LULC分类数量的源数据集统一归并到构建的目标LULC分类体系。

3.根据权利要求1所述的基于贝叶斯-模糊概率预测的LULC数据集融合方法，其特征在于，步骤(3)中，具体包括以下步骤：

用不同地类之间的错分比例表征错分概率；相关公式如下：

P_L(A_i|A_j)＝R_L(A_i|A_j) (2)

其中，A_i和A_j分别是第i、第j种地类；R_L(A_i|A_j)为源数据集L中将A_j分类为A_i的比例；S_L(A_i|A_j)为L中将A_j分类为A_i的面积，单位为km²；S_L(A_j)为L中A_j的面积，单位为km²；P_L(A_i|A_j)为L中将A_j分类为A_i的概率；

对源数据集进行精度验证或者使用源数据集作者发布的精度验证结果，获取误差矩阵，能够反映源数据集总体的错分情况；将这些数值用于公式1和公式2的计算，确定错分比例和错分概率；

之后，基于错分概率，通过公式3确定源数据集中各类土地的先验概率：

其中，A_i和A_j分别是第i、第j种地类；P_L(A_i|A_j)为源数据集L中将A_j分类为A_i的概率；R_L(A_j)为L中A_j的面积占比；M为一级类的数量，依据构建的目标LULC分类体系确定；P_L(A_i)为L中将像元分类为A_i的先验概率。

4.根据权利要求3所述的基于贝叶斯-模糊概率预测的LULC数据集融合方法，其特征在于，步骤(4)中，具体包括以下步骤：

以目标像元为中心，构建适当大小的邻域窗口；统计窗口内各地类像元的比例；在后验概率计算中，使用该像元的比例替代先验概率；改进后的后验概率计算公式为：

其中，A_i和A_j分别是第i、第j种地类；P_L′(A_j|A_i)为源数据集L将像元认定为A_i的情况下，该像元实际是A_j的概率，即后验概率；P_L(A_i|A_j)为L中将A_j分类为A_i的概率；P_L(A_i)为L中将像元分类为A_i的先验概率；w为邻域窗口；R_L，w(A_j)为邻域窗口w中A_j的数量占比。