随着城市人口和规模的快速增长,可持续发展的城市管理需要对城市土地覆盖动态进行年际分析,以深入理解城市化对环境的影响,为城市增长模型的改进提供有价值的信息。虽然利用遥感影像数据研究土地覆盖动态,已十分广泛,但多集中在主要的土地覆盖变化上,受限于土地覆盖时序数据的时空不一致性,很少有研究关注城市长期高频的土地覆盖动态特征,忽略了丰富连续的时间和空间信息。本研究提出了一种后分类方法,即时空土地覆盖滤波器(Spatio-Temporal Land Cover Filter,STLCF),旨在去除土地覆盖时序数据中不合逻辑的小概率变化事件,并对城市区域土地覆盖变化的年际动态进行分析。该方法不依赖先验专家知识,而是通过时空转移概率矩阵,从土地覆盖图中“学习”,获得不合逻辑的土地覆盖变化信息,通过朴素贝叶斯方程计算联合概率,将非逻辑事件修正为具有最大联合转移概率的土地覆盖类型。该方法客观性强,且自动化程度高、效率高,参数简单,为长期高频土地覆盖动态的研究提供了新的思路。将STLCF方法应用于中国典型的人口密集型城市武汉,对其性能进行了检验和评估。首先采用经典的C4.5决策树(Decision Tree,DT)算法,将研究区划分为建筑用地、裸地、植被、水体4种地物类型,制作得到2000年至2013年较高精度的初始土地覆盖分类图。在初始的年际土地覆盖分类图上应用STLCF进行分类后处理。研究结果表明,应用STLCF后,年际变化检测的平均总体精度提高了5.89个百分点,不合逻辑且频繁变化的土地覆盖轨迹类型显著减少。研究区域静态轨迹的比例达到91.57%,7.86%的像素经历了一次土地覆盖变化,0.50%的像素经历了两次土地覆盖变化,0.07%的像素经历了两次以上的土地覆盖变化。对年际土地覆盖变化率及其时间趋势分析发现,城市化进程呈现非线性增长,自2004年以来,城市化脚步显著加快,从植被区域和水体区域向建筑用地转换的趋势明显增强,植被减少和水体转换的趋势与城市化趋势基本一致。分析土地覆盖轨迹的空间分布发现,研究区域内最典型的土地覆盖变化是植被向建筑用地的转换,在城区边缘位置尤其显著。研究区的西北部,存在大面积的植被区域向水体的转换,由发展种植业转为发展渔业。研究还发现,存在建筑用地向其他土地覆盖类型的转换,主要是建筑用地恢复为公园、沿河流和城市道路分布的绿化带、农村的耕地和林地等,探究了建筑用地的可逆性。研究结果表明,从研究区土地覆盖数据中学习符合逻辑和不符合逻辑的土地覆盖变化,对于时空一致性检验具有重要意义,修正后的长时序土地覆盖轨迹,更好的描述了武汉市发展变化的时空格局与模式,为土地覆盖动态研究和城市可持续发展提供了新的方法与指导。