近日永利yl23411/青海省自然地理与环境过程重点实验室高小红团队在土地覆被分类尺度效应研究中取得了新进展。

尺度问题是遥感科学的关键问题，土地覆被数据是地球系统科学等相关研究的重要基础数据。目前，多源遥感影像已成为土地覆被分类的主要数据来源，影像空间分辨率对土地覆被分类的尺度效应仍然有很多不确定性。此外，由于同一区域获取同一时刻多空间分辨率遥感影像的难度较大，因此重采样常用于生成多分辨率影像。重采样过程中误差影响土地覆被分类准确性方面存在不确定性，所以研究土地覆被分类的尺度效应具有重要意义。

本研究基于GF-2、SPOT 6、Sentinel-2以及Landsat 8影像数据，探索与分析了影响土地覆被分类尺度效应的主要因素混合像元和空间异质性，从混合像元和空间异质性两个方面进行了研究，得出了如下重要结论：（1）基于GBDT和RF的四种不同空间分辨率的影像分类结果表明，GF-2、SPOT-6分类结果对研究区域最优，基于分类精度的最优尺度为4-6m；（2）基于线性分解的最优尺度与研究区有关，研究区不同，最优尺度不同；（3）土地覆被分类最优尺度与空间异质性有关，地表空间越破碎复杂，需要的尺度就越小；（4）重采样后的影像对尺度不敏感，并增加了分类的不确定性。研究结论对于土地覆被分类及其最优尺度选择、尺度效应和景观生态学不确定性研究有着积极的参考意义。

Figure 1. Location map of the study area.

Figure 2. RF and GBDT land cover classification maps for region A

Figure 3. Upper scale fit of region A and region B.

Figure 4. Class mean statistics of classification results at different scales for region A and B.

相关研究成果“Scale Effect of Land Cover Classification from Multi-Resolution Satellite Remote Sensing Data”在线发表于遥感领域期刊Sensors（影响因子3.9，JCR分区二区），永利yl23411硕士研究生李润祥为第一作者，高小红教授为通讯作者，合作者为永利yl23411博士研究生史飞飞和硕士研究生张昊。该研究获得青海省科技厅自然科学基金项目(2021-ZJ-913)资助。

文章信息：Runxiang Li, Xiaohong Gao*, Feifei Li and Hao Zhang. Scale Effect of Land Cover Classification from Multi-Resolution Satellite Remote Sensing Data, Sensors, 2023, 23(13), 6136. https://doi.org/10.3390/s23136136.

文章连接：https://www.mdpi.com/1424-8220/23/13/6136