本發明涉及遙感信息處理，具體涉及一種基于類別精度地理加權的遙感土地覆蓋數據融合方法。
背景技術：
1、土地覆蓋數據是生態環境監測、氣候變化研究、土地資源管理以及地球系統科學研究的重要基礎數據。隨著遙感技術的發展，土地覆蓋制圖產品經歷了從百米級到十米級分辨率的演進，不斷提升地表信息的精細化表達。近年來，隨著高分辨率遙感技術、大數據處理技術與機器學習技術的發展，出現了多種30米和10米分辨率的全球和國家尺度高分辨率遙感土地覆蓋產品，包括clcd、from-glc30、glc_fcs30、globeland30、from-glc10、worldcover10、esri-lc10和?dynamic?world?等。然而，由于在數據來源、訓練樣本、分類算法及制圖策略等方面存在差異，不同土地覆蓋產品在不同區域和不同地物類型上的分類精度往往存在明顯差別。
2、為了充分利用多種遙感土地覆蓋產品的優勢信息，減少單一產品在某些地類上的誤差影響，有必要開展多源遙感土地覆蓋數據融合研究，通過整合多種產品信息生成更加可靠的土地覆蓋數據，從而提升土地覆蓋數據的整體精度與穩定性。目前，常用的土地覆蓋產品融合方法為投票法，其基本思想是統計多個土地覆蓋產品在同一像元或樣本點處的分類結果，并通過多數投票原則確定最終類別。已有研究表明，該方法在一定程度上能夠提高分類結果的可靠性。
3、然而，遙感土地覆蓋產品誤差分布受地形、氣候、訓練樣本空間分布等因素影響，通常呈現出顯著的空間非平穩特征?，F有的投票融合方法在全局尺度開展，未充分考慮土地覆蓋數據具有空間異質性強、產品間類別沖突區域分布不均的特點，既未能針對性適配不同區域的精度需求，也無法有效解決不同區域產品精度差異、類別沖突分布不均衡的問題，導致融合結果在部分區域出現空間合理性不足、精度偏差較大的情況，進一步影響融合數據的實用性與可靠性，難以滿足精細化、高精度的土地覆蓋監測與應用需求。此外，現有投票類融合方法通常將各輸入產品視為同等可信來源，未能充分考慮不同產品在不同地類上的分類精度差異。在投票過程中，當多個類別出現票數相同的情況時，現有技術缺乏基于區域化類別精度的科學判別依據，容易造成地類判定錯誤，進一步降低融合結果的空間一致性與實際應用可靠性。
技術實現思路
1、針對現有多源遙感土地覆蓋產品融合方法未考慮精度空間非平穩性、全局投票合理性不足、同等加權可信度分配不合理以及平票情況下判別機制缺失等問題，本發明的目的是為了提供一種基于類別精度地理加權的遙感土地覆蓋數據融合方法，引入地理加權思想，根據待融合像元周圍的驗證樣本，動態估計局部類別精度權重，在局部尺度上進行精細化融合決策，從而生成更加符合空間特征的土地覆蓋分類結果，提高融合數據的精度與穩定性。
2、為實現上述技術目的，本發明采取的技術方案為：
3、一種基于類別精度地理加權的遙感土地覆蓋數據融合方法，所述方法包括以下步驟：
4、s1，獲取多源遙感土地覆蓋產品數據，對所述產品數據進行預處理和一致性轉換，使多源遙感土地覆蓋產品數據在空間參考與分類體系上保持統一；
5、s2，以各土地覆蓋產品中各類別綜合面積比例為分層依據，基于分層隨機抽樣與高分辨率影像目視解譯構建統一的真實類別驗證樣本集；
6、s3，根據研究區驗證樣本的空間分布密度，自適應確定每個像元對應的局部鄰域樣本數?n，針對每個待融合像元，動態調整空間鄰域半徑，使鄰域內恰好包含n個驗證樣本，且不同像元對應的空間鄰域半徑隨樣本分布與類別沖突程度自適應變化，n為自然數；針對每一土地覆蓋產品，基于樣本與像元的空間距離構建空間權重，距離越近權重越大，利用空間權重對鄰域內驗證樣本進行加權計算，得到各產品在像元尺度下的地理加權用戶精度gwua與地理加權生產者精度gwpa；
7、s4，根據各產品在待融合像元處的地理加權用戶精度，結合產品分類結果計算該像元下各類別的融合概率；
8、s5，選取融合概率最大的類別作為像元候選類別；若存在多個類別具有相同最大融合概率，則對每一個候選類別，計算將該像元判為該類別的所有土地覆蓋產品的地理加權生產者精度的平均值，將平均值最大的類別確定為該像元最終融合類別。
9、步驟s1進一步包括：
10、獲取多個遙感土地覆蓋產品數據，對不同土地覆蓋產品進行統一投影轉換，使各產品具有相同的空間參考系統；
11、對于不同空間分辨率的土地覆蓋產品，以最高分辨率為基準，采用最大面積比重法對各土地覆蓋產品進行重采樣處理；
12、根據研究區域范圍對各土地覆蓋產品進行空間裁切，并對研究區以外區域進行掩膜處理，使得不同土地覆蓋產品在同一空間位置上具有一一對應關系；
13、確定統一分類系統并構建分類映射關系，將各土地覆蓋產品的類別統一歸至該統一分類系統。
14、步驟s2進一步包括：
15、根據研究區內各類土地覆蓋類型的綜合面積比例為分層依據，運用分層隨機抽樣在研究區內生成候選樣本點，使樣本在不同地類中具有代表性與空間均衡性；
16、利用高分辨率衛星影像對各候選樣本點所在位置進行人工目視解譯，結合歷史影像、多時相信息與地物紋理判定真實地物類型，并剔除影像模糊、地物混雜或存在歧義的樣本點，對關鍵地物類型或過渡區域樣本進行多輪復核判讀，生成最終的真實類別驗證樣本數據集。
17、進一步地，步驟s3中，根據研究區驗證樣本的空間分布密度，自適應確定每個像元對應的局部鄰域樣本數?n的過程包括以下步驟：
18、以每個待融合像元為中心，構建固定半徑的初始統計窗口，統計窗口內驗證樣本的數量，計算局部樣本密度；
19、將研究區按局部樣本密度劃分為若干密度等級，每個密度等級預設對應的基礎鄰域樣本數，其中，局部樣本密度越高，對應的基礎鄰域樣本數越??；
20、根據像元所屬密度區賦予對應的基礎鄰域樣本數，再根據多源土地覆蓋產品在該局部窗口內的類別不一致程度對基礎鄰域樣本數進行自適應修正，其中，產品間不一致程度越高，對基礎鄰域樣本數的修正幅度越大，由此得到每個像元最終自適應的局部鄰域樣本數n。
21、進一步地，步驟s3中，所述地理加權用戶精度gwua的計算公式為：
22、；
23、其中，表示像元i處第類土地覆蓋類型的地理加權用戶精度，為鄰域窗口內樣本j相對于像元i的空間權重，j為鄰域窗口內所有被識別為類型的驗證樣本數；為二值指示函數，若鄰域內第j個被識別為類別的樣本，其真實類別為類別，則取1，否則取0；空間權重的計算公式為；
24、；
25、式中，為樣本j與當前像元i的空間距離；為像元i處的帶寬，定義為鄰域內恰好包含預定數量n個樣本的距離。
26、進一步地，步驟s3中，所述地理加權生產者精度gwpa計算公式為：
27、；
28、其中，表示像元i處第類土地覆蓋類型的地理加權生產者精度，為鄰域窗口內樣本j的空間權重，為鄰域窗口內類型的真實樣本數；為二值指示函數，若鄰域內第j個真實類別為類別的樣本被正確分類為類別，則取1，否則取0。
29、進一步地，步驟s4中，對于每個像元，提取各土地覆蓋產品在該位置的地理加權用戶精度，并結合其分類結果，通過加權方式計算不同類別的融合概率：
30、；
31、式中，為像元i屬于類別的概率，c為類別總數，m為土地覆蓋產品總數，為土地覆蓋產品m在像元i處類別對應的地理加權用戶精度，為產品m在像元i處的分類結果，為示性函數，當等于類別時取值為1，否則為0。
32、進一步地，步驟s5中，對于像元i，融合后的類別為：
33、；
34、選擇融合概率最大的類別作為像元i的候選分類結果。
35、進一步地，步驟s5中，當像元i存在多個類別具有相同的最大融合概率時，引入地理加權生產者精度gwpa進行仲裁，在所有候選類別中，選擇像元i處地理加權生產者精度平均值最大的類別作為像元i的最終融合類別：
36、；
37、式中，為像元i處土地覆蓋產品m對類別的地理加權生產者精度，表示像元i處具有相同最大融合概率的候選類別集合，為產品m在像元i處的分類結果，為在像元i處將該像元判定為類別的土地覆蓋產品數。
38、與現有技術相比，本發明的有益效果如下：
39、第一，本發明的基于類別精度地理加權的遙感土地覆蓋數據融合方法，通過在像元尺度引入地理加權用戶精度作為類別權重，實現融合權重的空間自適應調整，能夠有效刻畫土地覆蓋分類精度的空間非平穩性，充分適配土地覆蓋數據空間異質性強、產品間類別沖突分布不均的特點，使不同土地覆蓋產品在其優勢類別及優勢區域內具有更高貢獻，避免了傳統全局等權重投票方法忽略區域與地類精度差異的不合理性，提升了融合結果的準確性、空間一致性與區域適應性。
40、第二，本發明的基于類別精度地理加權的遙感土地覆蓋數據融合方法，針對融合過程中可能出現的多類別融合概率相等的情況，引入地理加權生產者精度作為判別依據構建沖突仲裁機制，對候選類別進行判別，從而提高土地覆蓋分類結果的可靠性。
41、第三，本發明的基于類別精度地理加權的遙感土地覆蓋數據融合方法，能夠有效整合多源土地覆蓋產品信息的優勢信息，有效削弱單一產品的分類誤差，生成高精度、高穩定性的土地覆蓋數據，可為生態環境監測以及土地資源管理等應用提供可靠的數據支撐，具有重要的應用推廣價值。