基于不同抽樣方法的安義縣土地資源遙感監(jiān)測(cè)精度評(píng)價(jià)研究

王玲燕,鐘永輝

(1.江西省第三測(cè)繪院,江西南昌 330046;2.江西省測(cè)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(jiān)測(cè)精度評(píng)價(jià)研究

王玲燕1,鐘永輝2

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

遙感已成為土地資源監(jiān)測(cè)的主要手段,土地資源遙感監(jiān)測(cè)結(jié)果在使用前,必須進(jìn)行客觀(guān)可靠的精度驗(yàn)證和分析,以保持遙感監(jiān)測(cè)結(jié)果的可靠性。其中,抽樣方法是影響土地資源遙感精度評(píng)價(jià)的一個(gè)重要因素。利用不同分辨率遙感數(shù)據(jù)獲取的安義縣土地利用/覆蓋信息,進(jìn)行簡(jiǎn)單隨機(jī)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(yàn)分析,評(píng)估不同抽樣方式下的精度檢驗(yàn)效果。

精度評(píng)價(jià);簡(jiǎn)單隨機(jī)抽樣;分層抽樣;等距抽樣

一、引 言

遙感(RS)對(duì)地觀(guān)測(cè)技術(shù)的發(fā)展促進(jìn)了信息獲取技術(shù)的提高,已經(jīng)成為土地資源監(jiān)測(cè)的主要手段。遙感監(jiān)測(cè)結(jié)果在使用前,必須進(jìn)行客觀(guān)可靠的精度驗(yàn)證和分析,以保持遙感監(jiān)測(cè)結(jié)果的可靠性。同一遙感監(jiān)測(cè)結(jié)果,精度評(píng)價(jià)的方式不同,評(píng)價(jià)結(jié)果就有可能不同,因此很有必要對(duì)遙感精度評(píng)價(jià)過(guò)程中影響精度評(píng)價(jià)結(jié)果的各種因素進(jìn)行細(xì)致深入的分析。一般的,目前影響遙感精度評(píng)價(jià)的因素主要包括抽樣方法、參考數(shù)據(jù)和評(píng)估參數(shù)三個(gè)方面[1],其中,抽樣樣本的設(shè)計(jì)和選擇尤為關(guān)鍵。

目前,國(guó)內(nèi)外研究者作了大量遙感監(jiān)測(cè)精度檢驗(yàn)的理論研究和實(shí)踐探討[2-7],為遙感監(jiān)測(cè)成果的應(yīng)用提供了有力保障。但是,關(guān)于不同抽樣方法對(duì)土地資源遙感監(jiān)測(cè)精度評(píng)價(jià)的影響的定量研究還比較欠缺。本文嘗試?yán)猛坏貐^(qū)不同空間分辨率的遙感數(shù)據(jù),采用不同的抽樣方法,分別對(duì)其土地遙感監(jiān)測(cè)成果進(jìn)行精度評(píng)價(jià),定量分析不同抽樣方法對(duì)土地資源遙感監(jiān)測(cè)精度評(píng)價(jià)結(jié)果的影響。

二、研究方法

1.試驗(yàn)區(qū)及數(shù)據(jù)來(lái)源

本研究所用的試驗(yàn)數(shù)據(jù)為江西省安義縣 2002年的土地資源遙感監(jiān)測(cè)成果,該監(jiān)測(cè)成果的遙感數(shù)據(jù)源為 2002年安義縣的 ET M+遙感數(shù)據(jù)。

本研究所用的精度分析參考數(shù)據(jù)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(yàn)區(qū)的土地利用現(xiàn)狀圖。利用 SPOT 5遙感數(shù)據(jù)解譯的土地利用/覆蓋現(xiàn)狀圖的精度遠(yuǎn)高于基于ET M+數(shù)據(jù)的土地利用/覆蓋分類(lèi)圖,可以基本反映研究區(qū)土地利用/覆蓋的實(shí)際狀況,因此能夠作為進(jìn)行精度評(píng)價(jià)的基本參考數(shù)據(jù)。

2.土地資源遙感信息提取

在幾何糾正、圖像匹配等相關(guān)圖像預(yù)處理的基礎(chǔ)上,利用 2002年 ET M+和 SPOT遙感影像,結(jié)合土地、地形等輔助資料信息,通過(guò)研究區(qū)的野外實(shí)地調(diào)查,按照《土地分類(lèi)(試行)》,以人機(jī)交互方式解譯判讀二級(jí)土地利用的 6個(gè)類(lèi)型。

3.基于不同抽樣方法的精度評(píng)價(jià)

(1)全樣本精度評(píng)價(jià)

首先分別將安義縣的基于 SPOT和 ET M+數(shù)據(jù)的土地利用現(xiàn)狀矢量圖柵格化。為確定柵格圖的像元大小,筆者對(duì)基于 SPOT的土地利用現(xiàn)狀矢量圖的各個(gè)圖斑進(jìn)行了統(tǒng)計(jì),其中最小的圖斑面積為200.43m2,因此,將基于 SPOT的土地利用現(xiàn)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(shù)據(jù)的土地利用現(xiàn)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(xiàn)狀柵格圖為參考數(shù)據(jù),對(duì)基于 ET M+的土地利用現(xiàn)狀柵格圖進(jìn)行像元對(duì)像元的精度評(píng)價(jià)分析。

(2)簡(jiǎn)單隨機(jī)抽樣精度評(píng)價(jià)

以基于 SPOT的土地利用二級(jí)地類(lèi)現(xiàn)狀柵格圖(圖 1(a))為參考數(shù)據(jù),對(duì)基于 ET M+的土地利用二級(jí)地類(lèi)現(xiàn)狀柵格圖 (圖 1(b))進(jìn)行精度分析,在研究區(qū)最小抽樣樣本數(shù)的基礎(chǔ)上,分別取抽樣樣本數(shù)為 500、1 000、1 500和 2 000的四種情況對(duì)安義縣土地利用二級(jí)地類(lèi)進(jìn)行了精度評(píng)價(jià)。

(3)分層隨機(jī)抽樣精度評(píng)價(jià)

本研究按照土地利用類(lèi)型進(jìn)行分層,二級(jí)地類(lèi)共有 6個(gè),因此分層隨機(jī)抽樣分為 6個(gè)層,即耕地層、林地層、草地層、建設(shè)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(shè)用地占2.7%,水體層占 1.4%,未利用地占 2.3%。

(4)等距隨機(jī)抽樣精度評(píng)價(jià)

在簡(jiǎn)單隨機(jī)抽樣精度分析中,安義縣在樣本數(shù)為 1 000時(shí)與真實(shí)精度最接近、精度最高,因此,在等距隨機(jī)抽樣精度檢驗(yàn)中,通過(guò)兩種方法進(jìn)行試驗(yàn):①將總樣本數(shù)定為 1 080,則每個(gè)地類(lèi)的樣本數(shù)為 180進(jìn)行抽樣分析;②將每個(gè)地類(lèi)的樣本數(shù)定為1 000,則總樣本數(shù)為 6 000。

圖1 安義縣土地利用二級(jí)地類(lèi)現(xiàn)狀圖

三、結(jié)果分析

1.全樣本精度評(píng)價(jià)

從表 1可以看出,安義縣全樣本總體分類(lèi)精度為 74.82%,Kappa系數(shù)為 0.633。在各地類(lèi)的分類(lèi)精度中,水體的分類(lèi)精度最高,達(dá) 88.53%,林地的分類(lèi)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(jiān)測(cè)全樣本精度評(píng)價(jià)結(jié)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(lèi)的比率分別為:建設(shè)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(lèi)的比率分別為:建設(shè)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(lèi)的比率分別為:建設(shè)用地占 5.74%,水體占 3.51%,未利用地占 3.03%。建設(shè)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(shè)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(shè)用地占 3.78%。

2.簡(jiǎn)單隨機(jī)抽樣精度評(píng)價(jià)

在簡(jiǎn)單隨機(jī)抽樣方法中 (表 2),安義縣的樣本數(shù)為 500時(shí)精度最低,分類(lèi)精度為 71.60%,Kappa系數(shù)為 0.607;樣本數(shù)為 1 000時(shí)精度最高,分類(lèi)精度為 75.90%,Kappa系數(shù)為 0.635,而且從各地類(lèi)的分類(lèi)精度和總體分類(lèi)精度綜合來(lái)看,其精度評(píng)價(jià)結(jié)果與全樣本的評(píng)價(jià)結(jié)果最接近。

通過(guò)分析安義縣二級(jí)地類(lèi)不同樣本數(shù)的分類(lèi)精度,可以得出,簡(jiǎn)單隨機(jī)抽樣方法得到的精度并不是隨著樣本數(shù)的增加而遞增或遞減的,與樣本個(gè)數(shù)不成線(xiàn)性相關(guān),而是在不同的區(qū)域內(nèi),有其最佳的抽樣樣本個(gè)數(shù)與真實(shí)精度最接近。在簡(jiǎn)單隨機(jī)抽樣的精度檢驗(yàn)中,不同樣本數(shù)的抽樣檢驗(yàn)與真實(shí)精度相比,精度或是低估,或是高估,評(píng)價(jià)中精度最高的并不一定是與真實(shí)精度最接近的。因此在簡(jiǎn)單隨機(jī)抽樣的精度檢驗(yàn)中,應(yīng)該選取不同的樣本數(shù)進(jìn)行比較,然后選取最佳樣本數(shù)進(jìn)行精度評(píng)價(jià)。

3.分層隨機(jī)抽樣精度評(píng)價(jià)

在分層隨機(jī)抽樣方法中 (表 2),安義縣二級(jí)地類(lèi)的總體分類(lèi)精度為 74.97%,Kappa系數(shù)為 0.634。在各地類(lèi)的分類(lèi)精度中,水體的分類(lèi)精度最高,達(dá)88.65%,林地的分類(lèi)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(jí)地類(lèi)的精度評(píng)價(jià)結(jié)果來(lái)看,分層隨機(jī)抽樣無(wú)論在總體分類(lèi)精度,還是在各地類(lèi)的分類(lèi)精度上,與全樣本的評(píng)價(jià)結(jié)果都很接近。說(shuō)明分層隨機(jī)抽樣比較適合于安義縣的土地利用二級(jí)地類(lèi)現(xiàn)狀的精度檢驗(yàn)。

4.等距隨機(jī)抽樣精度評(píng)價(jià)

在安義縣,等距隨機(jī)抽樣不管是哪種方法,其總體分類(lèi)精度都比較低(表 2),不到 60%,Kappa系數(shù)也比較低。各地類(lèi)的分類(lèi)精度與真實(shí)精度相比,差異也比較大,精度低估和高估現(xiàn)象都比較嚴(yán)重。

四、結(jié) 論

通過(guò)對(duì)以上三種不同抽樣方式下的精度檢驗(yàn)分析,得出如下結(jié)論:

1)不同抽樣方式下的精度檢驗(yàn)結(jié)果都存在一定的波動(dòng)。說(shuō)明抽樣方式對(duì)最終精度評(píng)價(jià)結(jié)果的影響是存在的,不同抽樣方式下的精度檢驗(yàn)結(jié)果都存在一定的隨機(jī)性。

2)簡(jiǎn)單隨機(jī)抽樣方法得到的精度并不是隨著樣本數(shù)的增加而遞增的,而是在不同面積的區(qū)域內(nèi),有其最佳的抽樣樣本個(gè)數(shù)與真實(shí)精度最接近。因此在簡(jiǎn)單隨機(jī)抽樣的精度檢驗(yàn)中,應(yīng)該選取不同的樣本數(shù)進(jìn)行比較,然后選取最佳樣本數(shù)進(jìn)行精度評(píng)價(jià)。

3)分層隨機(jī)抽樣無(wú)論在總體分類(lèi)精度,還是在各地類(lèi)的分類(lèi)精度上,與全樣本的真實(shí)評(píng)價(jià)結(jié)果都很接近。說(shuō)明分層隨機(jī)抽樣比較適合于安義縣土地利用現(xiàn)狀的精度檢驗(yàn)。

4)等距抽樣最適用于同質(zhì)性較高的總體,當(dāng)總體內(nèi)個(gè)體類(lèi)別之間的數(shù)目差距過(guò)大時(shí),樣本的代表性可能較差。由于安義縣各地類(lèi)的像元個(gè)數(shù)差別較大,從評(píng)價(jià)結(jié)果可以看出,該縣的精度評(píng)價(jià)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(zhǎng)耀,延昊,等.基于 FuzzyART MAP神經(jīng)網(wǎng)絡(luò)的高分辨率圖像土地覆蓋分類(lèi)及其評(píng)價(jià)[J].中國(guó)圖象圖形學(xué)報(bào),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(lèi)精度驗(yàn)證與評(píng)估:以定西縣為例 [J].遙感技術(shù)與應(yīng)用, 2003,18(2):81-86.

[5] 劉旭攏,何春陽(yáng),潘耀忠,等.遙感圖像分類(lèi)精度的點(diǎn)、群樣本檢驗(yàn)與評(píng)估 [J].遙感學(xué)報(bào),2006,10(3): 366-372.

[6] 孫曉霞,張繼賢.土地利用動(dòng)態(tài)遙感監(jiān)測(cè)的誤差分析[J].測(cè)繪科學(xué),2003,28(4):45-46.

[7] 梁進(jìn)社,張華.土地利用變化遙感監(jiān)測(cè)精度評(píng)價(jià)系統(tǒng)[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(jiān)測(cè)在土地資源方面的應(yīng)用工作。