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

王玲燕,钟永辉

(1.江西省第三测绘院,江西南昌 330046;2.江西省测绘局,江西南昌 330046)

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

王玲燕1,钟永辉2

(1.江西省第三测绘院,江西南昌 330046;2.江西省测绘局,江西南昌 330046)

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。

精度评价;简单随机抽样;分层抽样;等距抽样

一、引 言

遥感(RS)对地观测技术的发展促进了信息获取技术的提高,已经成为土地资源监测的主要手段。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。同一遥感监测结果,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。一般的,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,国内外研究者作了大量遥感监测精度检验的理论研究和实践探讨[2-7],为遥感监测成果的应用提供了有力保障。但是,关于不同抽样方法对土地资源遥感监测精度评价的影响的定量研究还比较欠缺。本文尝试利用同一地区不同空间分辨率的遥感数据,采用不同的抽样方法,分别对其土地遥感监测成果进行精度评价,定量分析不同抽样方法对土地资源遥感监测精度评价结果的影响。

二、研究方法

1.试验区及数据来源

本研究所用的试验数据为江西省安义县 2002年的土地资源遥感监测成果,该监测成果的遥感数据源为 2002年安义县的 ET M+遥感数据。

本研究所用的精度分析参考数据是基于同期的 SPOT 5 2.5m空间分辨率的遥感影像解译获得的试验区的土地利用现状图。利用 SPOT 5遥感数据解译的土地利用/覆盖现状图的精度远高于基于ET M+数据的土地利用/覆盖分类图,可以基本反映研究区土地利用/覆盖的实际状况,因此能够作为进行精度评价的基本参考数据。

2.土地资源遥感信息提取

在几何纠正、图像匹配等相关图像预处理的基础上,利用 2002年 ET M+和 SPOT遥感影像,结合土地、地形等辅助资料信息,通过研究区的野外实地调查,按照《土地分类(试行)》,以人机交互方式解译判读二级土地利用的 6个类型。

3.基于不同抽样方法的精度评价

(1)全样本精度评价

首先分别将安义县的基于 SPOT和 ET M+数据的土地利用现状矢量图栅格化。为确定栅格图的像元大小,笔者对基于 SPOT的土地利用现状矢量图的各个图斑进行了统计,其中最小的图斑面积为200.43m2,因此,将基于 SPOT的土地利用现状矢量图栅格化后的像元大小确定为 15m×15m。

按照确定好的像元大小,分别把基于 SPOT和ET M+数据的土地利用现状矢量图重采样为 15 m分辨率的栅格图,然后以基于 SPOT的土地利用现状栅格图为参考数据,对基于 ET M+的土地利用现状栅格图进行像元对像元的精度评价分析。

(2)简单随机抽样精度评价

以基于 SPOT的土地利用二级地类现状栅格图(图 1(a))为参考数据,对基于 ET M+的土地利用二级地类现状栅格图 (图 1(b))进行精度分析,在研究区最小抽样样本数的基础上,分别取抽样样本数为 500、1 000、1 500和 2 000的四种情况对安义县土地利用二级地类进行了精度评价。

(3)分层随机抽样精度评价

本研究按照土地利用类型进行分层,二级地类共有 6个,因此分层随机抽样分为 6个层,即耕地层、林地层、草地层、建设用地层、水体层和未利用地层。然后采取等比分层抽样,即各层子样本在总体样本中所占比例与本层在总体中所占的比例相同。安义县各层的比例分别为:耕地层占 56.1%,林地层占 6.6%,草地层占 30.9%,建设用地占2.7%,水体层占 1.4%,未利用地占 2.3%。

(4)等距随机抽样精度评价

在简单随机抽样精度分析中,安义县在样本数为 1 000时与真实精度最接近、精度最高,因此,在等距随机抽样精度检验中,通过两种方法进行试验:①将总样本数定为 1 080,则每个地类的样本数为 180进行抽样分析;②将每个地类的样本数定为1 000,则总样本数为 6 000。

图1 安义县土地利用二级地类现状图

三、结果分析

1.全样本精度评价

从表 1可以看出,安义县全样本总体分类精度为 74.82%,Kappa系数为 0.633。在各地类的分类精度中,水体的分类精度最高,达 88.53%,林地的分类精度最低,为 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,为67.09%。

表1 安义县土地资源遥感监测全样本精度评价结果 亩＊

耕地的误分中,划分成林地和草地的居多,安义县林地和草地占误分总量的 89.38%,耕地误分成其他地类的比率分别为:建设用地占 7.59%,水体和未利用地占 2.03%。林地的误分中,划分成耕地和草地的居多,安义县耕地和草地占误分总量的94.28%,林地误分成其他地类的比率分别为:建设用地占 3.99%,水体和未利用地占 1.73%。草地的误分中,划分成耕地和林地的居多,安义县耕地和林地占误分总量的 87.72%,草地误分成其他地类的比率分别为:建设用地占 5.74%,水体占 3.51%,未利用地占 3.03%。建设用地的误分中,安义县中误分成耕地的比率最大,为 45.61%;误分成林地、草地和未利用地的比率分别为 14.92%、17.66%和19.72%;误分成水体的比率最小,为 2.09%。水体的误分中,安义县中误分成草地的比率最大,为49.06%,其他误分比率依次为:未利用地占31.31%,建设用地占 9.09%,耕地占 8.98%,林地占 1.56%。未利用地的误分中,安义县中误分成水体的比率最大,为 32.74%,其次是耕地占 29.17%,草地占22.76%,林地占 11.55%,建设用地占 3.78%。

2.简单随机抽样精度评价

在简单随机抽样方法中 (表 2),安义县的样本数为 500时精度最低,分类精度为 71.60%,Kappa系数为 0.607;样本数为 1 000时精度最高,分类精度为 75.90%,Kappa系数为 0.635,而且从各地类的分类精度和总体分类精度综合来看,其精度评价结果与全样本的评价结果最接近。

通过分析安义县二级地类不同样本数的分类精度,可以得出,简单随机抽样方法得到的精度并不是随着样本数的增加而递增或递减的,与样本个数不成线性相关,而是在不同的区域内,有其最佳的抽样样本个数与真实精度最接近。在简单随机抽样的精度检验中,不同样本数的抽样检验与真实精度相比,精度或是低估,或是高估,评价中精度最高的并不一定是与真实精度最接近的。因此在简单随机抽样的精度检验中,应该选取不同的样本数进行比较,然后选取最佳样本数进行精度评价。

3.分层随机抽样精度评价

在分层随机抽样方法中 (表 2),安义县二级地类的总体分类精度为 74.97%,Kappa系数为 0.634。在各地类的分类精度中,水体的分类精度最高,达88.65%,林地的分类精度最低,为 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,为 64.61%。

从安义县二级地类的精度评价结果来看,分层随机抽样无论在总体分类精度,还是在各地类的分类精度上,与全样本的评价结果都很接近。说明分层随机抽样比较适合于安义县的土地利用二级地类现状的精度检验。

4.等距随机抽样精度评价

在安义县,等距随机抽样不管是哪种方法,其总体分类精度都比较低(表 2),不到 60%,Kappa系数也比较低。各地类的分类精度与真实精度相比,差异也比较大,精度低估和高估现象都比较严重。

四、结 论

通过对以上三种不同抽样方式下的精度检验分析,得出如下结论:

1)不同抽样方式下的精度检验结果都存在一定的波动。说明抽样方式对最终精度评价结果的影响是存在的,不同抽样方式下的精度检验结果都存在一定的随机性。

2)简单随机抽样方法得到的精度并不是随着样本数的增加而递增的,而是在不同面积的区域内,有其最佳的抽样样本个数与真实精度最接近。因此在简单随机抽样的精度检验中,应该选取不同的样本数进行比较,然后选取最佳样本数进行精度评价。

3)分层随机抽样无论在总体分类精度,还是在各地类的分类精度上,与全样本的真实评价结果都很接近。说明分层随机抽样比较适合于安义县土地利用现状的精度检验。

4)等距抽样最适用于同质性较高的总体,当总体内个体类别之间的数目差距过大时,样本的代表性可能较差。由于安义县各地类的像元个数差别较大,从评价结果可以看出,该县的精度评价不适合用等距抽样方法。

[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] 刘正军,王长耀,延昊,等.基于 FuzzyART MAP神经网络的高分辨率图像土地覆盖分类及其评价[J].中国图象图形学报,2003,8(2):151-154.

[4] 冉有华,李文君,陈贤章.T M图像土地利用分类精度验证与评估:以定西县为例 [J].遥感技术与应用, 2003,18(2):81-86.

[5] 刘旭拢,何春阳,潘耀忠,等.遥感图像分类精度的点、群样本检验与评估 [J].遥感学报,2006,10(3): 366-372.

[6] 孙晓霞,张继贤.土地利用动态遥感监测的误差分析[J].测绘科学,2003,28(4):45-46.

[7] 梁进社,张华.土地利用变化遥感监测精度评价系统[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,江西丰城人,工程师,主要从事地图制图以及遥感监测在土地资源方面的应用工作。