遥感图像分类精度的点群样本检验.docx
- 文档编号:30557328
- 上传时间:2023-08-16
- 格式:DOCX
- 页数:10
- 大小:541.72KB
遥感图像分类精度的点群样本检验.docx
《遥感图像分类精度的点群样本检验.docx》由会员分享,可在线阅读,更多相关《遥感图像分类精度的点群样本检验.docx(10页珍藏版)》请在冰豆网上搜索。
遥感图像分类精度的点群样本检验
第10卷 第3期
2006年5月
遥 感 学 报
JOURNALOFREMOTESENSING
Vol.10,No.3May,2006
收稿日期:
2005201210;修订日期:
2005208202
基金项目:
国家自然科学基金项目(40501001和国家863项目(2003AA131080支持。
作者简介:
刘旭拢(1978— ,女,硕士,现从事土地覆盖遥感监测与精度评估研究。
E2mail:
lxlong@ires.cn。
文章编号:
100724619(20060320366207
遥感图像分类精度的点、群样本检验与评估
刘旭拢,何春阳,潘耀忠,杨明川,张锦水
(北京师范大学环境演变与自然灾害教育部重点实验室,北京师范大学资源学院,北京 100875
摘 要:
遥感专题分类结果在使用前,必须进行客观可靠的精度验证和分析,以保持遥感分类结果的可靠性。
本文利用不同分辨率遥感数据获取的同一地区土地利用/覆盖信息,进行了简单随机抽样、系统抽样和分层抽样三种不同抽样组织方式下的点样本和群样本检验分析,评估了不同抽样方式下的点样本和群样本检验效果。
研究结果表明:
(1抽样方式对遥感分类精度评价结果的影响是客观存在的,不同抽样方式下的点样本和群样本检验结果都存在一定的随机性,但同一种抽样方式下,点样本检验精度评估结果的波动幅度小于群样本检验,稳定性比群样本检验要好;(2不同抽样方式下的多次点样本和群样本检验的平均精度检验结果基本上都能够反映分类图像的精度特征,其中,点样本检验中,分层随机抽样点样本检验效果较好;群样本检验中,系统抽样群样本检验和分层随机抽样群样本检验的效果优于简单随机抽样群样本检验。
关键词:
遥感分类;精度评估;点样本检验;群样本检验中图分类号:
TP751.1 文献标识码:
A
AccuracyAssessmentofThematicClassificationBasedonPointandClusterSample
LIUXu2long,HEChun2yang,PANYao2zhong,YANGMing2chuan,ZHANGJin2shui
(KeyLaboratoryofEnvironmentalChangeandNaturalDisaster,MinistryofEducationofChina,BeijingNormalUniversity;
CollegeofResourcesScience&Technology,BeijingNormalUniversity,Beijing 100875,China
Abstract:
Inordertoassuretheapplicationofthematicclassification,itisveryimportantandnecessarytomakearigorousaccuracyassessment.Inthispaper,weusesampling2methodsofpointandclustersampletoassesstheaccuracyofthesameregion’sland2use/land2coverthematicmaps,whicharederivedfromdifferentresolutionremotesensingdata.Here,Samplingdesignsareconsistedofsimplerandom,systematicandstratifiedsampling.Theresultsareasfollowing.Firstly,thesamplingdesignhasgreatimpactontheaccuracyofremotesensingclassification.ThereexistsgreatrandomicityontheresultofpointsandclustersampleverificationonthedifferentSamplingdesign.Onthesamesamplingdesign,thestabilityofpointsampleverificationishigherthanthatofClustersampleverification.Secondly,theaverageaccuracyofdifferentsamplingdesignsofmulti2pointandmulti2clustersampleverificationcanreflecttheaccuracycharacteristic.Duringthecourseofpointsampleverification,stratifiedsampling’serrorislowerthanothers’.Duringthecourseofclustersampleverification,systematicsamplingandstratifiedsampling’saccuracyarepriortosimplerandomsampling’s.
Key words:
remotesensingclassification;accuracyassessment;pointsample;clustersample
第3期刘旭拢等:
遥感图像分类精度的点、群样本检验与评估367
1 引 言
遥感专题分类结果在使用前,必须进行客观可靠的精度验证和分析。
同一遥感分类结果,精度评价的方式不同,评价结果就有可能不同,因此很有必要对遥感精度评价过程中影响精度评价结果的各种因素进行细致深入的分析。
一般地,目前影响遥感精度评价的因素主要包括抽样方法、参考数据和评估参数三个方面[1],其中,抽样样本的设计和选择尤为关键。
目前,从抽样单元上看,遥感分类精度评估方式主要可以分为点样本检验和群样本检验两类[2]。
点样本检验以单个像元作为基本的抽样单元,利用参考数据,通过对基本抽样像元的分析,达到对分类结果的总体精度评估。
群样本检验则以像元集合(群作为基本的抽样单元,利用参考数据,通过对抽样群的分析达到对分类结果的总体精度评估。
点样本检验简单方便,比较符合抽样调查的随机原则,是遥感分类评估中常用的检验方式。
Janssen等在研究中指出,以像元为基本抽样单元进行分类结果的精度评估是比较合适的[2]。
Conese[3]、Knick[4]、刘正军[5]、冉有华[6]等在各自的研究中也广泛采用点样本检验来进行遥感分类结果的精度评价工作。
群样本检验的突出特点在于参考数据获取相对集中,从而降低了野外调查工作量和成本,比较适合于大区域分类结果的精度评价,因而近年来逐渐受到了研究者们的重视[7]。
Todd等在1980年提出群样本检验方法可以应用于遥感图像精度评估[8],Congalton在1991年系统分析了群样本检验中抽样单元的采样数量问题[9],Stehman在1997年讨论了群样本检验的标准差问题[10],Edwards等在1998年设计了由线性排列像元组成群样本进行大面积土地覆盖制图精度评估的方法[11]。
此外,史文中等近年来也积极开展了遥感分类等空间数据的精度评估工作[12]。
这些国内外研究者关于点样本检验和群样本检验的理论和实践研究,大大提高了我们对问题的理解和认识。
不过应该看到,尽管抽样方式是影响点样本和群样本检验效果的一个重要因素,但在目前的研究中,对于不同抽样方式对点样本和群样本检验效果影响效果的系统定量分析还比较缺乏。
因此,本文在利用不同分辨率遥感数据获取同一地区土地利用/覆盖信息的基础上,分别采用简单随机抽样、系统抽样和分层抽样三种不同的抽样组织方式,对分类结果进行了点样本检验和群样本检验的实验研究,进而定量分析不同抽样方式下点样本和群样本检验的检验效果。
目的在于更好地认识和理解精度评价过程对遥感分类精度的影响,以期获得客观可靠的遥感图像分类精度评价结果。
2 方 法
本研究使用了覆盖北京市亚运村地区季相相同、质量较好的一景LandsatETM+多光谱数据(轨道号为123/32,获取时间2001年05月19日,空间分辨率30m和一景IKONOS多光谱数据(获取时间2001年04月26日,空间分辨率4m(图1。
基本思路是在野外实地调查的基础上,利用高分辨率遥感数据IKONOS获取的土地利用/覆盖信息,来对低分辨率ETM+遥感数据分类结果进行简单随机抽样、系统抽样和分层抽样三种不同抽样组织方式下的点样本和群样本检验分析,从而评估不同抽样方式下的点样本和群样本检验效果。
主要包括研究区土地利用/覆盖信息分类信息获取、分类结果全样本评价和分类信息不同抽样方式下的点样本检验和群样本检验分析三个步骤,实验依据图2所示的流程进行。
2.1 研究区土地利用/覆盖信息的获取
在几何纠正、图像匹配等相关图像预处理的基础上,通过研究区的野外实地调查,首先把研究区划分为裸地、道路、水体、建筑和植被5种土地利用/覆盖类型。
然后对4m分辨率的IKONOS数据(图1(b进行目视解译、屏幕数字化和矢栅转化,得到基于IKONOS数据的4m分辨率的研究区土地利用/覆盖图(图3(b。
接着,在野外实地调查数据和4m分辨率IKONOS数据的帮助下,通过选择训练样区,在ERDASIMAGINE815软件支持下,采用最大似然分类算法,对30m分辨率ETM+多光谱数据进行分类处理,得到基于ETM+的30m分辨率的研究区土地利用/覆盖分类图(图3(a。
2.2 分类结果全样本精度评价
由于基于实地调查,利用IKONOS数据数字化解译的土地利用/覆盖图(图3(b空间分辨率是4m,远高于基于ETM+数据的土地利用/覆盖分类图(图3(a,相对于图3(a而言,图3(b可以基本反映研究区土地利用/覆盖的实际状况,因此能够作为对图3(a进行精度评价的基本参考数据。
为了评价不同抽样方式下点样本检验和群样本
遥 感 学 报第10卷368
图1 覆盖研究区ETM+和IKONOS数据
(a覆盖研究区的ETM+数据;(b覆盖研究区的IKONOS数据
Fig.1 Usedremotelysenseddata
(aETM+datainstudyarea;(bIKONOSdatainstudyarea
图2 流程图
Fig.2 Flowchart
第3期刘旭拢等:
遥感图像分类精度的点、群样本检验与评估369
图3 研究区土地利用/覆盖图
(a基于ETM+的30m分辨率土地利用/覆盖分类图;(b基于IKONOS的4m分辨率土地利用/覆盖图
Fig.3 Landuse/covermapinthestudyarea
(aLanduse/covermapwith30mETM+;(bLanduse/covermapwith4mIKONOS
检验的效果,首先把图3(a重采样为与图3(b一
致的4m分辨率,然后以图3(b为标准,对图3(a进行像元对像元的全样本评价,即对分类结果的每一个像元都进行比较评价,并假定这种评价结果是对遥感分类结果图3(a的最真实评价结果(表1。
表1 全样本精度评价结果
Table1 Accuracyassessmentbasedonallthepixels
分类图像
裸地
道路
水域
建筑
植被
总和
参
考图像
10187
18371
2723
64631
61881
157793
总体精度=77.6% Kappa=0.661
2.3 不同抽样方式下的点样本检验和群样本检验
简单随机抽样、系统抽样和分层随机抽样是目
前遥感精度检验中最常用的三种抽样方式[13]
为了评估这三种抽样方式下点样本和群样本检验的效
在总体样本量较大的情况下,点检验可以按照下
面的公式计算所需的最少的随机抽样点的个数[11]
。
n=
u2
1-α/2d
2×p×(1-p(1
式中,n为最少的抽样点的个数,p为分类正确的百分比,u是对应于置信水平从正态分布的概率表上所查的值,d为误差允许范围。
p值可以通过事先抽取少量样本,做精度评估得出。
经试探性样本实验,取p=0174。
取α=011,即置信水平为95%,查表得u=1196,误差允许范围为d=±5%,则n=296。
群抽样的抽样单元也存在一个最小样本数的问题,但是群中的二级样本点都限定在所选的基础样本内,空间距离接近,不适合用公式(2计算最小样本量。
通常是把群中的每一个像元群看成整体,作为一个分析单元,这样每一个像元群都可以得到一个精度值,所有像元群的精度值是连续的。
然后根
370
遥 感 学 报第10卷据连续尺度的样本大小的计算公式[13],得到群样本
的最小样本数:
n=s×u1-α/2
d×x
2
(2
式中,s是试探性样本的标准差,x是试探性样本精度值的均值,u是对应于置信水平从正态分布的概率表上所查的值,d为误差允许范围。
实验中试探取14个群样本,计算n的大小,结果见表2。
表2 试探性样本的精度值
Table2 Precisionoftrialsample
s2=0.012 x=0.753
取α=011,即置信水平为95%,查表得u=1196,误差允许范围为d=±5%
则n=33
。
为了和点检验的样本数保持一致,抽取了
36个
样本单元,每个样本单元设置为3×3的群,总的样
本点数为324个。
在得到了点样本检验和群样本检验的最小抽
样单元后,分别采用简单随机抽样、系统抽样和分
层随机抽样三种抽样方式,每种抽样方式重复10
次,在分类图上每次分别采用324个抽样点和36
个3×3的抽样群进行点检验和群检验。
通过比
较每次抽样结果与参考结果(图3(b,得到每种
抽样方式下多次点检验和群检验得到的误差矩阵
并计算相应的总体精度和Kappa系数(图4。
同
时,进一步将不同抽样方式下多次点样本和群样
本检验的平均检验结果与全样本检验结果进行了
比较(表3。
(a(b
(c(d
图4 基于点样本和群样本检验的精度评价
(a、(b为点样本检验结果;(c、(d为群样本检验结果
Fig.4 Accuracyassessmentbasedonpointsampleandclustersample
(aOverallaccuracybasedonpointsample;(bKappacoefficientbasedonpointsample;
(cOverallaccuracybasedonclustersample;(dKappacoefficientbasedonclustersample
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 遥感 图像 分类 精度 点群 样本 检验