总体精度是由误差矩阵中正确像元总数.ppt

第十三章 遥感专题图精度评价 山东科技大学 对于局域,区域,和全球等不同尺度的环境模型而言,从遥感数据中获取信息变得越来越重要了. 遥感专题信息可以是专题图,也可以是由面积框架采样获取的统计数据.因为这些专题信息得用于全球的许多重要决策,所以必须准确无误. Jensen, 2007 遥感专题图精度评价 但是,专题信息不可避免的有误差. 给出遥感信息的科学家们应识别出误差源,尽可能地使误差最小化, 并告知用户这些信息的可信度.在利用遥感专题图进行科学研究和决策前,通常要对其进行充分的精度评价. Jensen, 2007 遥感专题图精度评价 Jensen, 2007 遥感信息的误差源 数据获取 传感器系统 遥感平台运动 地面控制 场景因素 决策执行 决策制定 最终产品 空间误差 专题误差 误差评价 采样设计 每类的样本个数 样本定位精度 空间自相关 误差矩阵 离散多元统计 报告标准 预处理 几何纠正 辐射纠正 数据转换 信息提取 分类系统 定性分析 定量分析 数据融合 数据转换 栅格数据矢量化 矢量数据栅格化 误差 首先,有必要阐明专题图精度的评价本质,它包括: ? 精度评价要达到的目的; ? 感兴趣的类别(离散的或连续的); ? 采样设计和采样框架(包括面积和列表框架采样). Jensen, 2007 土地覆盖图精度评价 Jensen, 2007 遥感专题信息精度评价的一般步骤 陈述专题精度评价的特性 选取专题精度评价的方法 计算样本所需观测值的总个数 选取采样设计方案 利用响应设计获取观测地区的地面参考数据 误差矩阵的建立与分析 拒绝或接受初始假设 如果精度令人满意则发布结果 Jensen, 2007 由K个地物类和N个地面参考验证点构成典型误差矩阵 地面参考信息 遥感分类 类型 列总计 行总计 理想情况是对研究区域中的地面参考验证像元(人工目视解意中,为多边形)进行定位. 这些点不作为分类的训练样本,因此代表了一种无偏的参考信息. 在分类之前,也可以选取一些地面验证参考信息作为训练数据.但是,绝大多数参考数据是在分类之后用随机采样方式获取的,从而为每类地物选取适当个数的无偏观测点. Jensen, 2007 地面参考验证像元 Fitzpatrick-Lins (1981) 建议采用样本为N的样本评估土地利用分类图的精度.依据二项式概率理论,N可以通过如下公式计算: 式中, p 是整幅图的期望百分比精度, q = 100 – p, E 允许误差, and Z = 2 表示 1.96的标准正态误差, 95% 的双侧置信度. Jensen, 2007 样本容量 对于一个期望精度为 85% ,而允许误差为 5% (即准确率为 95%), 其可信结果需要的点数是: Jensen, 2007 样本容量 如果改图的期望精度为 85%, 允许误差为 10%, 则改图的样本容量就为 51: 因此，期望精度（p）越低，允许误差越大，则用来估算分类精度的所需的地面参考验证样本数就越少。 样本容量 在精度评价中，科学家不可能对遥感分类图中的每个像元或多边形进行实地调查。因此要事先估计出总体样本容量（N）和每一类（层）所需的样本数目。现在，有必要确定这些样本的实际地理位置（x,y）,以便实地调查和收集地面参考验证信息。样本位置的选取必须是随机且无偏的。任何偏差都会导致误差矩阵的统计分析超过或低于专题图的实际精度。因此有必要选择一个适当的随机采样设计。 采样设计 有五种常用的基本采样框架,可用来采集地面参考验证数据,并用来评价遥感专题图的精度: 1. 随机采样; 2. 系统采样; 3. 分层随机采样; 4. 分层系统非均衡采样; 5. 聚类采样. Jensen, 2007 采样设计 Jensen, 2007 c)分层随即采样 d)分层的系统非 均衡采样 e)聚类采样 b)系统采样 a)随机采样 采样方法 不规则间隔y 规则间隔y 边缘随机元素对齐 层1 层4 林地 层2 谷物 层3 从随机点上获取地面参考信息后,就利用这些信息与遥感分类图的信息进行逐像元(当影像采用目视解译时,则是逐多边形)比较.不管两者是否一致,都归纳到误差矩阵中,可以用简单的描述性方法或多元统计分析方法评价误差矩阵中的信息. Jensen, 2007 误差矩阵的评价 分类图的 总体精度 是由误差矩阵中正确像元总数(主对角线之和)与所有像元总数 (N )的比值计算得到的. 然而,计算单个地物类的精度就要复杂的多,因为分析人员即可以用误差矩阵中该类正确像元总数与其对应的行总和的比值计算该类的精度,也可以用与列的总和的比值