基于不同抽樣方法的安義縣土地資源遙感監測精度評價研究

王玲燕,鐘永輝

(1.江西省第三測繪院,江西南昌 330046;2.江西省測繪局,江西南昌 330046)

基于不同抽樣方法的安義縣土地資源遙感監測精度評價研究

王玲燕1,鐘永輝2

(1.江西省第三測繪院,江西南昌 330046;2.江西省測繪局,江西南昌 330046)

遙感已成為土地資源監測的主要手段,土地資源遙感監測結果在使用前,必須進行客觀可靠的精度驗證和分析,以保持遙感監測結果的可靠性。其中,抽樣方法是影響土地資源遙感精度評價的一個重要因素。利用不同分辨率遙感數據獲取的安義縣土地利用/覆蓋信息,進行簡單隨機抽樣、分層抽樣和等距抽樣三種不同抽樣方式下的精度檢驗分析,評估不同抽樣方式下的精度檢驗效果。

精度評價;簡單隨機抽樣;分層抽樣;等距抽樣

一、引 言

遙感(RS)對地觀測技術的發展促進了信息獲取技術的提高,已經成為土地資源監測的主要手段。遙感監測結果在使用前,必須進行客觀可靠的精度驗證和分析,以保持遙感監測結果的可靠性。同一遙感監測結果,精度評價的方式不同,評價結果就有可能不同,因此很有必要對遙感精度評價過程中影響精度評價結果的各種因素進行細致深入的分析。一般的,目前影響遙感精度評價的因素主要包括抽樣方法、參考數據和評估參數三個方面[1],其中,抽樣樣本的設計和選擇尤為關鍵。

目前,國內外研究者作了大量遙感監測精度檢驗的理論研究和實踐探討[2-7],為遙感監測成果的應用提供了有力保障。但是,關于不同抽樣方法對土地資源遙感監測精度評價的影響的定量研究還比較欠缺。本文嘗試利用同一地區不同空間分辨率的遙感數據,采用不同的抽樣方法,分別對其土地遙感監測成果進行精度評價,定量分析不同抽樣方法對土地資源遙感監測精度評價結果的影響。

二、研究方法

1.試驗區及數據來源

本研究所用的試驗數據為江西省安義縣 2002年的土地資源遙感監測成果,該監測成果的遙感數據源為 2002年安義縣的 ET M+遙感數據。

本研究所用的精度分析參考數據是基于同期的 SPOT 5 2.5m空間分辨率的遙感影像解譯獲得的試驗區的土地利用現狀圖。利用 SPOT 5遙感數據解譯的土地利用/覆蓋現狀圖的精度遠高于基于ET M+數據的土地利用/覆蓋分類圖,可以基本反映研究區土地利用/覆蓋的實際狀況,因此能夠作為進行精度評價的基本參考數據。

2.土地資源遙感信息提取

在幾何糾正、圖像匹配等相關圖像預處理的基礎上,利用 2002年 ET M+和 SPOT遙感影像,結合土地、地形等輔助資料信息,通過研究區的野外實地調查,按照《土地分類(試行)》,以人機交互方式解譯判讀二級土地利用的 6個類型。

3.基于不同抽樣方法的精度評價

(1)全樣本精度評價

首先分別將安義縣的基于 SPOT和 ET M+數據的土地利用現狀矢量圖柵格化。為確定柵格圖的像元大小,筆者對基于 SPOT的土地利用現狀矢量圖的各個圖斑進行了統計,其中最小的圖斑面積為200.43m2,因此,將基于 SPOT的土地利用現狀矢量圖柵格化后的像元大小確定為 15m×15m。

按照確定好的像元大小,分別把基于 SPOT和ET M+數據的土地利用現狀矢量圖重采樣為 15 m分辨率的柵格圖,然后以基于 SPOT的土地利用現狀柵格圖為參考數據,對基于 ET M+的土地利用現狀柵格圖進行像元對像元的精度評價分析。

(2)簡單隨機抽樣精度評價

以基于 SPOT的土地利用二級地類現狀柵格圖(圖 1(a))為參考數據,對基于 ET M+的土地利用二級地類現狀柵格圖 (圖 1(b))進行精度分析,在研究區最小抽樣樣本數的基礎上,分別取抽樣樣本數為 500、1 000、1 500和 2 000的四種情況對安義縣土地利用二級地類進行了精度評價。

(3)分層隨機抽樣精度評價

本研究按照土地利用類型進行分層,二級地類共有 6個,因此分層隨機抽樣分為 6個層,即耕地層、林地層、草地層、建設用地層、水體層和未利用地層。然后采取等比分層抽樣,即各層子樣本在總體樣本中所占比例與本層在總體中所占的比例相同。安義縣各層的比例分別為:耕地層占 56.1%,林地層占 6.6%,草地層占 30.9%,建設用地占2.7%,水體層占 1.4%,未利用地占 2.3%。

(4)等距隨機抽樣精度評價

在簡單隨機抽樣精度分析中,安義縣在樣本數為 1 000時與真實精度最接近、精度最高,因此,在等距隨機抽樣精度檢驗中,通過兩種方法進行試驗:①將總樣本數定為 1 080,則每個地類的樣本數為 180進行抽樣分析;②將每個地類的樣本數定為1 000,則總樣本數為 6 000。

圖1 安義縣土地利用二級地類現狀圖

三、結果分析

1.全樣本精度評價

從表 1可以看出,安義縣全樣本總體分類精度為 74.82%,Kappa系數為 0.633。在各地類的分類精度中,水體的分類精度最高,達 88.53%,林地的分類精度最低,為 63.04%。耕地、林地和草地的精度在 74%左右,未利用地的精度比林地的精度稍高,為67.09%。

表1 安義縣土地資源遙感監測全樣本精度評價結果 畝＊

耕地的誤分中,劃分成林地和草地的居多,安義縣林地和草地占誤分總量的 89.38%,耕地誤分成其他地類的比率分別為:建設用地占 7.59%,水體和未利用地占 2.03%。林地的誤分中,劃分成耕地和草地的居多,安義縣耕地和草地占誤分總量的94.28%,林地誤分成其他地類的比率分別為:建設用地占 3.99%,水體和未利用地占 1.73%。草地的誤分中,劃分成耕地和林地的居多,安義縣耕地和林地占誤分總量的 87.72%,草地誤分成其他地類的比率分別為:建設用地占 5.74%,水體占 3.51%,未利用地占 3.03%。建設用地的誤分中,安義縣中誤分成耕地的比率最大,為 45.61%;誤分成林地、草地和未利用地的比率分別為 14.92%、17.66%和19.72%;誤分成水體的比率最小,為 2.09%。水體的誤分中,安義縣中誤分成草地的比率最大,為49.06%,其他誤分比率依次為:未利用地占31.31%,建設用地占 9.09%,耕地占 8.98%,林地占 1.56%。未利用地的誤分中,安義縣中誤分成水體的比率最大,為 32.74%,其次是耕地占 29.17%,草地占22.76%,林地占 11.55%,建設用地占 3.78%。

2.簡單隨機抽樣精度評價

在簡單隨機抽樣方法中 (表 2),安義縣的樣本數為 500時精度最低,分類精度為 71.60%,Kappa系數為 0.607;樣本數為 1 000時精度最高,分類精度為 75.90%,Kappa系數為 0.635,而且從各地類的分類精度和總體分類精度綜合來看,其精度評價結果與全樣本的評價結果最接近。

通過分析安義縣二級地類不同樣本數的分類精度,可以得出,簡單隨機抽樣方法得到的精度并不是隨著樣本數的增加而遞增或遞減的,與樣本個數不成線性相關,而是在不同的區域內,有其最佳的抽樣樣本個數與真實精度最接近。在簡單隨機抽樣的精度檢驗中,不同樣本數的抽樣檢驗與真實精度相比,精度或是低估,或是高估,評價中精度最高的并不一定是與真實精度最接近的。因此在簡單隨機抽樣的精度檢驗中,應該選取不同的樣本數進行比較,然后選取最佳樣本數進行精度評價。

3.分層隨機抽樣精度評價

在分層隨機抽樣方法中 (表 2),安義縣二級地類的總體分類精度為 74.97%,Kappa系數為 0.634。在各地類的分類精度中,水體的分類精度最高,達88.65%,林地的分類精度最低,為 62.77%。耕地、林地和草地的精度在 75%左右,未利用地的精度比林地的精度稍高,為 64.61%。

從安義縣二級地類的精度評價結果來看,分層隨機抽樣無論在總體分類精度,還是在各地類的分類精度上,與全樣本的評價結果都很接近。說明分層隨機抽樣比較適合于安義縣的土地利用二級地類現狀的精度檢驗。

4.等距隨機抽樣精度評價

在安義縣,等距隨機抽樣不管是哪種方法,其總體分類精度都比較低(表 2),不到 60%,Kappa系數也比較低。各地類的分類精度與真實精度相比,差異也比較大,精度低估和高估現象都比較嚴重。

四、結 論

通過對以上三種不同抽樣方式下的精度檢驗分析,得出如下結論:

1)不同抽樣方式下的精度檢驗結果都存在一定的波動。說明抽樣方式對最終精度評價結果的影響是存在的,不同抽樣方式下的精度檢驗結果都存在一定的隨機性。

2)簡單隨機抽樣方法得到的精度并不是隨著樣本數的增加而遞增的,而是在不同面積的區域內,有其最佳的抽樣樣本個數與真實精度最接近。因此在簡單隨機抽樣的精度檢驗中,應該選取不同的樣本數進行比較,然后選取最佳樣本數進行精度評價。

3)分層隨機抽樣無論在總體分類精度,還是在各地類的分類精度上,與全樣本的真實評價結果都很接近。說明分層隨機抽樣比較適合于安義縣土地利用現狀的精度檢驗。

4)等距抽樣最適用于同質性較高的總體,當總體內個體類別之間的數目差距過大時,樣本的代表性可能較差。由于安義縣各地類的像元個數差別較大,從評價結果可以看出,該縣的精度評價不適合用等距抽樣方法。

[1] STEHMAN SV,CZAP LEWSKIR L.Design and Analysis for ThematicMap AccuracyAssessment:Fundamental Principles[J].Remote Sensing of Environment,1998 (64):331-334.

[2] STE IN A,VAN DER MEER F,BEN G.Spatial Statistics for Remote Sensing[M].[s.l.]:Springer Press,1999.

[3] 劉正軍,王長耀,延昊,等.基于 FuzzyART MAP神經網絡的高分辨率圖像土地覆蓋分類及其評價[J].中國圖象圖形學報,2003,8(2):151-154.

[4] 冉有華,李文君,陳賢章.T M圖像土地利用分類精度驗證與評估:以定西縣為例 [J].遙感技術與應用, 2003,18(2):81-86.

[5] 劉旭攏,何春陽,潘耀忠,等.遙感圖像分類精度的點、群樣本檢驗與評估 [J].遙感學報,2006,10(3): 366-372.

[6] 孫曉霞,張繼賢.土地利用動態遙感監測的誤差分析[J].測繪科學,2003,28(4):45-46.

[7] 梁進社,張華.土地利用變化遙感監測精度評價系統[J].地理研究,2004,23(1):29-37.

The Impact of SamplingM ethod on Accuracy Assessment Result of Land Resources Remote SensingM on itoring

WANGLingyan,ZHONG Yonghui

0494-0911(2010)09-0032-03

P237

B

2010-07-26

王玲燕(1969—),女,江西豐城人,工程師,主要從事地圖制圖以及遙感監測在土地資源方面的應用工作。