基于景观指标从全球人类定居数据中预测美国建成区的不确定性
摘要：建筑物表面的景观异质性水平可能会影响基于遥感的土地利用/覆盖分类的性能。然而，建筑物区域的形态特征与建筑物表面的制图精度之间的关系尚未明确分析，并且先前的研究通常依赖于聚合的景观指标来量化建筑物区域的形态，忽略了此类指标的细粒度空间变化和尺度依赖性。在本研究中，我们旨在通过评估从二进制建筑物表面导出的焦点景观指标与焦点数据精度估计之间的关联来填补这一空白。我们通过考察景观指标对GHS-BUILT R2018A数据产品中的委托和遗漏误差的预测建模的解释力来测试我们的方法，以美国马萨诸塞州的全球人类定居层（GHSL）的建筑物表面为例。我们发现，景观形状指数（LSI）与焦点精度测量之间的相关性最高。这些关系依赖于尺度，并且随着空间支持水平的提高而增加。我们的结果对美国境内不同地区是一致的，并且我们发现召回率与不同时期和空间分辨率的建筑物表面形态测量之间的关系最强。回归分析结果（R2>0.9）表明，在没有参考数据的情况下可以估计GHSL中的委托误差，而可以在不访问数据本身的情况下对GHSL中的遗漏误差建模。最后，我们测试了我们的预测精度模型对覆盖北卡罗来纳州一研究区域的GHSL的不同版本（即GHS-BUILT-S2）的泛化能力。我们发现模型可转移性的水平因计算景观指标和精度估计的空间支持水平的提高而不同。
作者：Johannes H. Uhl, Stefan Leyk
论文ID：2205.09023
分类：Physics and Society
分类简称：physics.soc-ph
提交时间：2022-11-21