遥感影像预分类精度对地物面积空间抽样估算的敏感性分析

传统的地物面积测量受精度和效率制约,为此引入了结合遥感影像的空间分层抽样方法.首先以遥感影像的预分类结果作为模拟地物的真实分布,在地物外沿等概率随机添加不同比例的错分像元,从而获得准真实地物区的摸拟预分类结果,并依此设定各层等比例取样的样本人层标志,指导地物样本的选取,然后以抽中样本地物的准真实值之和按比例推算出总量.通过比较分析各水平含量的地物类别、不同预分类精度、层内随机和系统抽样下的多次总量估计精度及其稳定性变化情况,结果表明:该方法不需要背景数据库等先验知识,在预分类达到一定精度之上时,依分类区域设立层标志的分层抽样方法所获得的总量估计精度及标准差均好于无分类支持的随机和系统抽样;当预分类精度达到50%以上时,具有较高的成本效率比,其中在60%时,各类地物在0.5%抽样率、95%的置信度下可以保证估计量精度在92%以上.     

遥感图像分类精度的点、群样本检验与评估

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.     

基于不同抽样方法的安义县土地资源遥感监测精度评价研究

遥感已成为土地资源监测的主要手段,土地资源遥感监测结果在使用前,必须进行客观可靠的精度验证和分析,以保持遥感监测结果的可靠性。其中,抽样方法是影响土地资源遥感精度评价的一个重要因素。利用不同分辨率遥感数据获取的安义县土地利用/覆盖信息,进行简单随机抽样、分层抽样和等距抽样三种不同抽样方式下的精度检验分析,评估不同抽样方式下的精度检验效果。     

基于对地抽样总量控制下的玉米种植面积提取

提出了一种基于统计抽样总量控制下的中高分辨率遥感影像玉米种植面积信息提取方法, 该方法首先利用分层抽样技术对调查目标总体(玉米)进行分层抽样；然后对抽样小区进行目视解译, 反推区域总量真值；最后在总量控制下进行区域目标作物的空间分布提取。以河北省三河市中部地区的部分影像为研究区, 以该区2006-08-21的10m分辨率的SPOT 5多光谱影像为基础数据进行了试验研究。结果表明该方法基于群样本检验的总体精度达到93.8%, Kappa系数达到0.88, 均高于最大似然监督分类结果的精度。另外, 所提出的方     

基于总体抽样设计的子总体作物面积遥感测量

讨论了在普遍适用的遥感与PPS抽样相结合的农作物种植面积估算方法中,基于总体抽样设计下的子总体参数的估计。该方法省去了针对子总体所需要的新的抽样体系设计及外业调查等繁重工作,分析了子总体估计量的性质。以北疆主要棉花产区沙湾县、玛纳斯县、呼图壁县为总研究区进行抽样体系设计,以沙湾县为子总体,以棉花种植面积为研究对象进行了试验。结果显示,该方法在基于总体抽样设计的条件下不仅能够有效提取农作物种植面积,而且简便易操作,反推精度达到92.5%,变异系数为0.025 27。     

尺度变化对冬小麦种植面积遥感测量区域精度影响的研究

不同尺度遥感数据源的选取将直接影响到作物种植面积测量的精度,研究尺度因子在农作物面积遥感测量中的作用,尺度与面积测量精度的定性和定量关系是非常必要的.为此,本文利用SPOT5卫星数据,以尺度变化对农作物种植面积遥感测量精度影响的分析为主线,运用空间统计分析方法和多种精度评价指标,从不同空间分辨率、不同空间范围、不同农作物百分比等角度系统分析了农作物种植面积遥感测量中的尺度效应问题.为基于多尺度遥感数据复合的农作物种植面积测量业务化运行中的数据选择和精度保证问题提供理论与实验基础.     

SPOT-5遥感数据在土地利用更新调查中的几何精度分析

新一轮土地利用现状更新调查即将开始,SPOT-5遥感数据易获取、价格适宜,但是对其几何精度能否满足1∶1万土地利用现状调查要求存在争议。本文从遥感混合像元成像原理及随机误差的概率分布规律等方面定量分析了SPOT-5遥感数据的误差大小。研究结果表明:应用SPOT-5遥感数据可解译识别宽度≥0.75m的线状地物,面积≥0.0225ha(公顷)的面状地物,面积≥0.75ha的图斑解译量算面积误差<5%,其几何精度能满足1∶1万土地利用现状调查要求。     

短波红外波段高温目标识别的可行性分析

目前主要采用热红外遥感数据识别高温目标,研究发现短波红外数据也具有较好的高温目标识别能力。在高温目标混合像元中,高温地物的温度和面积是待求解的未知数,也是决定混合像元波谱特性的重要参数。首先基于能量守恒原理建立了地表高温目标混合像元的辐射能量方程,然后进行方程参数的敏感性分析。研究结果表明,高温目标面积百分比和常温地物反射率对高温地物的温度和面积反演最为敏感。以山西保德和陕西府谷研究区ETM+第7波段的数据为例进行了高温目标识别研究,所识别的火点像元辐射通量密度为背景的1.36~4.76倍。经野外验证,用马氏距离法识别高温目标的精度达到88%,表明短波红外波段的遥感数据可用于高温目标的识别。     

地物点测量精度的自评定方法研究

本文以地物特征点之间的几何条件建立条件方程,通过平差计算得到地物点测量的精度,由于不同于传统的地物点高精评定方法(对已测完的地物,再架设仪器测量特征点,用两次结果的差值评定地物点精度),故称为地物点测量精度的自评定法。其特点:一是通过平差计算可得到地物特征点测定中误差、地物面积的中误差和面积相对中误差;二是使基础地理数据有很好的几何上的一致性;三是绘图和精度同步,即当用平差后坐标绘图的同时,便知道其点位精度和面积精度。通过全站仪对直角楼房测量实验证明本文方法是可行的。     

区域农用地变化遥感调查技术框架研究

介绍了区域农用地变化遥感调查技术框架,重点从业务应用的角度分析了分类系统、变化信息提取与表达、小地物面积扣除和数据处理流程等关键技术,对存在的问题进行了进一步探讨。     

The effect of spatial autocorrelation and class proportion on the accuracy measures from different sampling designs

Four binary thematic maps with combinations of two spatial autocorrelation levels and two different class proportions are simulated to study their effect on the precision of accuracy measures from different sampling designs. A series of eleven sample sizes (from a minimum of 25 to a maximum of 1296) are simulated using three popular sampling designs, including simple random sampling (SRS), systematic sampling (SYS), and stratified random sampling (StrRS) on the four simulated maps. The conventional error matrix and related accuracy measures are calculated for each simulation, and the precision of different estimates of accuracy measures is compared among the three sampling designs.The selection of a particular sampling design and sample size depends on the spatial autocorrelation level, the class proportion difference, and the accuracy indices that a given application requires. In general, the class proportion difference has a greater impact on the performance of different sampling methods than the spatial autocorrelation level does on a map. For estimating the accuracy of individual classes, stratified sampling achieves better precision than SRS and SYS with smaller sample sizes, especially for estimating the small class. For estimating the overall accuracy, different sampling designs achieve very similar levels of precision with fewer samples. To achieve a better estimate of the kappa coefficient, stratified random sampling is recommended for use on a map with a high class proportion difference, while random sampling is preferred for a map with low spatial autocorrelation and a low class proportion difference.     

分层随机抽样下全球30 m火烧迹地产品验证

火烧迹地是全球及区域碳循环和气候变化等研究所需的重要参数之一,卫星遥感技术为快速获取大区域火烧迹地空间分布信息提供了有效手段。中国科学院基于Landsat系列卫星数据研发了首个30 m空间分辨率全球火烧迹地产品GABAM (Global Annual Burned Area Map)。遥感数据产品的精度验证对产品使用具有重要意义,迄今尚未有研究机构对GABAM产品精度进行独立评价和分析。为系统评价GABAM产品精度,利用2010年全球30 m空间分辨率火烧迹地产品(GABAM2010)开展精度验证研究工作,在全球和几个陆地生物群落中估算了产品精度,并探索了全球遥感专题产品精度验证的技术框架。基于分层随机抽样选择80个非重叠的泰森多边形区域TSA (Thiessen Scene Areas),采用误差矩阵和6个精度指标对GABAM2010产品做全面精度评价和分析,以满足火烧迹地产品用户的使用要求。结果表明:在全球范围内,GABAM2010产品的错分率和漏分率分别为24.32%和31.60%,总体精度为97.85%;由于数据质量(如条带、云)等的影响,火烧迹地的范围会被低估,对于较容易发生火灾的生物群落,如热带亚热带草原区域,GABAM2010产品精度较高;在生物群落内部,高密度火烧迹地区域的精度高于低密度火烧迹地区域。     

A quantitative performance comparison of paddy rice acreage estimation using stratified sampling strategies with different stratification indicators

Various indicators derived from thematic maps have been widely used to determine the strata needed to perform stratified sampling. However, these indicators typically do not quantify the spatial errors in the crop thematic maps that are needed to reduce the uncertainty. To address this lack of error information, this paper introduces a hybrid entropy indicator (HEI). Two conventional indicators, the acreage indicator (AI) and the fragmentation indicator (FI), were also evaluated to compare the results of the three indicators in a homogeneous agricultural area (Pinghu, PH) and a heterogeneous agricultural area (Zhuji, ZJ). The results show that HEI performs the best in heterogeneous areas with the lowest coefficient of variation (CV) (as low as 1.59%) and also has the highest estimation accuracy with the lowest standard deviation of estimation. For both areas, the performances of HEI and AI are very similar, and better than FI. These results highlight that the HEI should be considered as an effective indicator and used in place of AI and FI to help improve sampling efficiency of crop acreage estimation, while FI is not recommended. Furthermore, the positive performance achieved using HEI indicates the potential for incorporating thematic map uncertainty information to improve sampling efficiency.     

卫星导航的不确定性、不确定度与精度若干注记

卫星导航定位必然有误差。其误差可分为偶然误差、系统误差、异常误差、有色噪声等。误差存在多种不同的度量模型和度量方法,如,精密度（precision）、精确度（accuracy）、可靠性（reliability）、不确定度（uncertainty）等。实践中,经常有学者和工程技术人员将精度指标描述成误差,也有人将不确定性与不确定度概念相混淆。尤其是在描述精度指标或误差指标时,经常将精度指标描述成误差,将误差指标描述成精度,如在卫星导航定位中,用户距离误差经常被描述成用户距离精度。本文基于不确定度概念将卫星导航中的用户距离误差重新作了定义;给出了用户距离误差与用户距离精度的关系;并提出将不确定性与不确定度进行区别;对测量平差中常用的可靠性概念进行了描述;最后给出了几点注记。     

遥感图像中建筑物震害信息统计特征研究

讨论了建筑物震害遥感信息的形成机制,从遥感图像灰度特征和纹理特征两方面,提出了反映建筑物震害信息的特征参数。不同类型训练区的统计分析结果表明,灰度平均值、灰度标准差和灰度方差3种特征参数是建筑物震害识别和分级的良好指标,纹理逆差矩和纹理相关性可作为辅助参数.     

利用案例推理（CBR）方法对雷达图像进行土地利用分类

提出了基于案例推理 (CBR)的遥感分类的新方法。基于规则的专家系统被用来提高遥感分类的效率。但所涉及的规则可能多达上百或上千条 ,有的问题根本无法用规则来表达。CBR只是根据以往的案例进行推理 ,克服了基于规则的推理方法的不足 ,可以用来解决一些复杂的资源环境问题。利用CBR和模糊数学结合 ,并通过分层随机采样来控制案例在空间上的分布 ,以反映复杂环境所造成的光谱变化 ,由此解决遥感分类中的“同物异谱”现象。实验表明 ,所建立的案例库可以被重复多次使用 ,分类的效果比监督分类和非监督分类要好。     

航空重力向下延拓的误差影响分析

本文从分析航空重力向下延拓过程中偶然误差和系统误差的变化特性入手,进而提出处理办法。首先,利用试验说明移去恢复法局限性,同时表明需处理系统误差和偶然误差的必要性。然后,采用理论推演和数值模拟计算分别估计了系统误差和偶然误差影响,试验结果发现:系统误差影响和偶然误差影响均与数据格网间隔、向下延拓高度呈线性关系,当格网化间隔较小和延拓高度较高时系统误差影响和偶然误差影响较大。最后,提出使用半参数模型和正则化算法的两步法估计系统误差和减弱偶然误差影响,试验结果说明两步法处理向下延拓各类误差影响优于仅用半参数模型或正则化算法的结果,在试验数据的偶然误差标准差为2×10~(-5) m/s~2、恒值系统误差3×10~(-5) m/s~2和变值系统误差标准差约1.3×10~(-5) m/s~2时,以及向下延拓高度6.3 km和格网间隔6′的条件下,两步法向下延拓结果的精度可达2.3×10~(-5) m/s~2。     

污染误差模型下森林遥感影像测量数据偏差影响分析

针对森林遥感影像测量数据偏差产生的影响难以预估问题,构建污染误差模型对森林遥感影像测量数据偏差的影响因素进行分析。首先选择森林研究样本,利用遥感设备及其工作原理收集遥感影像测量数据,分析样本环境污染、光污染、信号污染3种影响因素,并将其设置为污染误差模型的输入项;其次将不同影响因素下输出的测量数据与真实数据进行计算,得出测量数据偏差的分析结果。实验结果表明,3种不同影响因素作用下产生的数据平均偏差分别为2.15、19.40和71.55 ha。通过纵向对比确定数据偏差的影响排序为:信号污染>光污染>测量对象环境污染,通过横向对比确定设置的3种污染影响因素均为负影响因素。