土地覆盖精度评估的抽样设计.docx

1、土地覆盖精度评估的抽样设计 文献翻译（2016 届本科） 学 院：信息学院 专 业：空间信息与数字技术 班 级：12数技1班 姓 名：孙雨 学 号：1253104 指导教师：王振华2016年 5 月中文土地覆盖精度评估的抽样设计土地覆盖精确度的分类是该地图的土地覆盖与参考土地地表覆盖（即地面条件）等级一致。基础的抽样设计曾经应用在地图精度评价中。但是，地表覆盖地图现代的应用对精度评价有更高的要求，并且抽样设计必须构建客观目标，例如土地覆盖构成和景观格局的精确度。抽样设计有其不同的适用性，以达到不同的目标，当选择设计时，权衡理想的抽样设计标准必须得到认可和调节。一个概述提出抽样设计应该被应用在精

2、确度评价中，并且这些设计的状态被评价为满足当前的需求。抽样设计特点是帮助多目标精度评定进行了说明。1 简介土地覆盖数据为科学，资源管理和政策目的提供了关键的环境信息。土地覆盖地图在各种各样的应用使用，包括土地覆盖的空间描述，不同类别的土地覆盖面积计算，应用过程（机械）或经验（回归）模型，土地覆盖变化的评价，并应用于土地利用规划的决定，如建立的自然保护区。没有精度评价的土地覆盖分类项目将是不完整的。简明扼要地反映出评价这些土地覆盖产品的精度的重要性。康高尔顿 (1991),杨森和凡德威 (1994),斯特德曼 (1998), 康高尔顿和格林(1999), 富迪 (2002, 2008), 斯特拉

3、勒等人(2006),伍德瑞特等人 (2006),和 斯特德曼和富迪 (2009) 提供了准确评价基本方法的一般概述。精度的评价是基于土地覆盖地图描绘和真实的土地覆盖状况对比上的。通常，“地面真实条件”实际上是无法实现的，所以用精度评价来评定地图土地覆盖情况与高质量的土地覆盖测定有关。这些高质量数据作为参考数据用来制作一个相对于地图土地覆盖分类的“土地覆盖分类参考”。因为成本花费太高并且很难获得整个想要研究区域的土地覆盖分类参考，所以统计抽样成为精度评价的一个重要组成部分。一个样本是区域映射的一个子集或区域的一部分，一个“抽样设计是指选择在这些地点收集参考数据的方案。分析精度评价构成，然后汇总数

4、据，并生成精确的估计。错误或混淆矩阵显示区域的比例是正确分类，和为不同的土地覆盖类型错误分类是用于分析的一个共同的起点。总体准确性估计和为每个单独的土地覆盖等级估计会产生误差矩阵。在这篇文章中，精度评价的抽样设计构成会被单独列出并且获得详细关注。规划抽样设计取决于三个基本特征：1）精确度的目标; 2）理想的抽样设计标准和3）有关目标和标准基本和复杂抽样设计的优缺点。这篇文章是由这三个设计规划特征为架构。精度评价的基本组成部分被介绍后，通过精度评价处理的历史目标将被展现。这些目标通过报告错误的矩阵被实现, 和通过总结整体错误矩阵信息，找出用户和生产者的精度误差矩阵信息（3.1节）下一个新的精度目

5、标被列出，通过土地覆盖产品进行进一步评价，但需要分析“超出误差矩阵”（3.2）。这些目标包括土地覆盖构成精度和景观格局精度。接下来简要介绍理想抽样设计标准如下（4）不同的抽样设计的长处和弱点的广泛讨论构成了本文的其余部分。这个讨论开始通过描述一个由三个重要设计重要特征：集群，阶层和选择协议决定的组织基本采样设计（简单随机，系统，分层，整群抽样）的框架（5）。抽样设计的优点和缺点很容易被专注于这些的功能评价。这些基本的采样的设计是为满足一组扩展的准确性目标所需的更复杂的设计的组件。其中几个更复杂的的设计方案被描述和评论来鉴定抽样设计的状态是否满足现今需要的精度信息（6）。回顾了与土地覆盖变化精度

6、评价有关的抽样设计问题(7),并且讨论了抽样推断框架的后果(8)。与非概率抽样相关问题在9进行了讨论。需要精度评价的发展，以达到其全面利用当代土地覆盖的地图得出结论的主要内容（10）。2. 精度评价的组成部分2.1 初步研究精度评价的出发点是定义一个空间支持或评价单元担任土地覆盖地图和土地覆盖参考对比的基础具体位置。评价单元应该是感兴趣地区的某个分区（即所有的评价单元的收集应覆盖区域地图并且评价单位不应该重叠）像素坐标是评价单元的共同选择，但其他选项包括多边形（例如同质土地覆盖的补丁），或者正规单位面积，如1公里块1公里的55像素块。评价单元不必是等同于土地覆盖产品的最小映射单元。基本抽样设计

7、概念和方法是最容易在基于像素的评价的框架被讨论。基于像素的评价存在固有的困难是公认的。例如，虽然一个像素可被分配一个单独地图覆盖的标签，但是由象素所覆盖的区域在现实中可能包含多个土地覆盖类。这些“混合像元”在分配参考分类的像素和定义地图和参考分类之间的协议时会产生一些问题。基于像素的评价有时也会被指正，因为当样本位置不能正确的在地图和基准数据之间匹配时，定位误差与分类误差存在潜在混杂。但是，如果选择用一个多边形或面积评价单元来代替，这些问题也不会消失。如果评价单元是其他的东西而不是一个象素，结果的分析和解释可能有所不同，但抽样设计理念和方法大多是相同的。所有的精度评价，不管评价单元的选择，共享

8、许多同样的目标和理想的抽样设计标准。相对于评价单元的选择，抽样设计的考虑更多取决于目标和设计标准。每个像素的土地覆盖信息可能是一个清晰的分类中每个像素被标记为一个精确的类，或模糊分类中每个像素具有用于每个类别一个隶属函数值。在这篇文章中，它通常将假定地图和参考分类很清晰。基本采样概念和方法对于清晰分类和模糊分类仍然是一样的，尽管执行具体细节可能不同。例如，将需要不同的规则来分配像素土地覆岩从适用于清晰的分类或模糊分类（2007 斯特德曼）。最后，假定用于精确评价参考数据不会被掺入用于创建土地覆盖分类分类过程，也就是说，用于验证的土地覆盖产品精度评价数据是独立的数据用于训练或发展的分类。如果参考

9、数据必须同时用于创建和评价的地图，交叉验证则成为一个必要的审议（见斯蒂尔等人（2003年）的概述）。设想本文的草案是精度评价将在创建土地覆盖图的过程中被独立管理。2.2 分析在大多数精度评价的应用中，地图和参考分类都是清晰地并且描述精度分析采用一种误差矩阵来组织数据。参数总体，用户和生产者的准确性用于汇总错误矩阵信息。例如，人口误差矩阵在表格1.中被呈现，错误矩阵的每个单元代表区域，在地图土地覆盖类的交集和参考土地覆盖类单元区域的比例下降。（即pij是区域为I类的映射和具有一定的参考分类j的比重）。因此对角线上的单元表示正确分类，和非对角线单元表示错误分类。当人口误差依据面积比例被构造，总体精

10、度只是对角线细胞项的总和，用户的精度是每行的对角元素由它的各个行边际比例划分，和通过其各自的列边际比例分配生产者的精度对角元素。用户和生产者的准确性为类特定的准确性提供了非常重要的信息，这些精度参数分别为佣金的补偿和遗漏错误的概率。这里不存在其他的精度措施不足，其中最重要的是改正措施的机会，例如卡帕，和地图用户和生产商需要充分认识到这些措施的有效性和局限性(斯特德曼 1997，刘等人2007).通常情况下，至少对于大面积土地覆盖地图，即准确度被区域或空间区域所报道。例如，精度可能会被国家 (布莱卡特等人2008)，省份(吴等人 2008)，或行政区域（斯特德曼等，2003）所报道。错误矩阵方法

11、也容易适应总结和描述土地覆被变化的精度(粘合等人在1998, 康高尔顿 1998, 凡沃特2007). 戈帕尔和伍德科克(1994)引入了量化精度的突破性方法时，参考分类是模糊的，在地图的分类是清晰的。当地图分类和参考分类都是模糊的时比那汉等人 (1999),李维斯和布朗 (2001), 恰克(2006),和庞修斯等人 (2008) 扩展了误差矩阵的概念，以提供准确的描述性的措施。还提出了基于熵变的措施，以评价一个模糊分类地图和模糊分类基准数据（1995富迪）之间的协议。这些分析的两个共同结果：它们提供一个整体的精度的测量的同时也提供类特定的精度的措施。因此，抽样设计必须提供地址这些分析特征的

12、数据。在精度评价的总体方案中，目标确定分析，并且分析对抽样设计的选择有很大影响。在抽样设计中分析的主要意义在于为类特定精度提供精确评价的重要性。精度评价的基本设计之一是分层抽样潜在的合理性。3.目标3.1基本目标在上一节中分析概述解决基本描述目标典型的精度评价兴趣。再次重申，这些基本目标是：描述个人土地覆盖类别的整体精度和准确性。误差矩阵和相关联的汇总的精度参数非常适合于满足这些基本描述目标。尽管在概念中这些基本目标和误差矩阵分析是简单明了的，但任何精度评价的实际执行和解释有许多细微差别并且必须考虑相关注意事项（富迪2002年，2008年）。3.2扩展目标在从土地覆盖地图图得到的信息的多样性和

13、延伸精度评价的目标，这些地图使然应用的多样性超出可通过常规误差矩阵评估来解决。 这些扩展目标包括评估区域所占比例的精确度由一个空间单元（即土地覆盖组成）和景观格局，和包容引用数据错误在分析中存在不同的土地覆盖类型。每个这些目标将予以简单讨论。土地覆盖数据的常见的应用是生成土地覆盖组成的在感兴趣的区域的空间划分的每个单元（例如5公里5公里块）（霍利斯特等，2004），其中土地覆盖组成的区域或区域的比例每个土地覆盖类占在每一个空间支持单位做了这个划分。它可能会感兴趣以评估土地覆盖组合物的准确度空间单元（即支持）的多个大小。该方法来评估的准确性土地覆盖的组成是类似于每个像素的评估。对于一个样本的支持

14、单位，引用数据说明所占据的区域或区域的比例每个土地覆盖类是为抽样单位获得的。这些参考土地覆盖区域或比例进行比较，以在地图上的区域或比例（表2）。平均偏差，平均绝对偏差，均方根误差和相关性给予土地覆盖成分数据的数量性状精度的相关描述。丢和焯（2006）和本丢等。（2008）提出备选参数量化精度，陆云加洛（2006）提供的参数可能适用在此设置一个一般性审查。顿感2006区分基于像素的VS基于特征的地图进行比较。基于像素的比较的措施包括由错误衍生矩阵。特性，与此相反，被定义为“恒定属性的相邻象素”顿感（2006），例如均匀土地土地覆盖补丁或多边形土地覆盖。基于特征的准确度可能特征之间（哈格罗夫等人，

15、2006）的特征在于通过考虑拓扑关系，或限定在面积和形状方面的特征，例如，平均斑块大小，平均周长与面积的比率，或平均补丁的分形维数。显然，“功能的精度”的分析扩展在每个像素的评估仅着重于每个像素是否是正确分类。地址仅使用术语类似的数据质量问题“对象”，而不是“特征”。无论是基于特征的准确度还是土地覆盖合成准确度都可以可以被看作一般的评估中作为特殊情况处理景观精度模式。景观格局指标已建造至补丁（1995年）之间的表征土地覆盖面，斑块密度，土地覆盖多样性和蔓延或连通的边缘。几个软件包已被写入从土地覆盖图景观格局指标（特纳1990年，贝克和蔡1992年，三菱商事和1995年的标志，瑞特等，1995）

16、，该补充，可以从传统的地理信息系统叠加功能，提取指标，例如作物在陡峭的山坡和河岸森林（维克汉姆等，1999）。来自土地覆盖图派生景观格局很感兴趣，因为它提供了一个不是直接从土地覆盖辨别的信息单独映射（例如布劳德等。1989年，韦伯等，2006）。邵和吴（2008）强调景观格局的理解准确度的重要性：“因为景观格局分析中使用的大多数研究基于遥感数据进行了分类专题地图，与地图有关的准确性或不确定性是至关重要的我们的能力，可靠的表征空间格局，发现变化，并涉及模式来处理。对于来自土地覆盖图派生景观格局的准确性很少进行精度评。赫斯和贝（1997年，第309）断言“精度评估发明的方法都不足以用于量化在横向索

17、引是对大小，形状，和补丁的空间排列敏感的不确定性”。赫斯和贝（1997）开发的结合误差矩阵信息来计算置信区间在有限的类景观格局指数的引导分析（即那些仅仅依靠土地覆盖等组成的景观多样性指数）。韦翰等（1997）讨论了通过引入分类错误从土地覆盖图得出景观格局的不确定性，基于误差矩阵的信息，在现有的土地覆盖图，并在此错误生成过程的反复重复检查各种地图测量的标准偏差。布朗等人（2000）进行的森林分割的景观度量的精度评估，但不是使用基准数据的一个样本，其评估是基于计算从两个重叠卫星场景碎裂的措施。邵和吴（2008年）的评论暗示的分类错误可能如何影响准确度和景观格局的不确定性，但他们不讨论如何直接评估景

18、观格局的准确性重要成果。然而，大多数的地图的比较分析是基于对两个地图完全覆盖信息的可用性，因此假设一个地图或完全覆盖的基准分类存在。在精度评价设置，以全面覆盖的参考地图通常不存在，并且仅参考分类的样本是可用的。因此，如何进行一些对比图只从样这是公认的，基准土地覆盖分类也会有错误（康格顿和绿1993; 富迪2002，2008; 珀薇等人，2004）。本数据分析的问题仍有待解决。这些错误可能归因于解释分配错误参考土地覆盖类，获得的参考和地图数据的时间之间的不匹配，或不对齐的参考位置和对应的地图上的位置之间。一些分析构造成容纳参考数据错误或来衡量的基准数据错误的潜在影响，不需要任何特殊采样的设计考虑

19、。例如斯特德曼等人在 （2003）和韦翰等人在（2004年）采用的分析纳入一个3 * 3像素的窗口周围的每一个采样的像素映射土地覆盖信息。这些分析包括对于其中样本像素被包含在一个3 * 3窗口内的样本的所述子集基于所述3*3像素窗口发现模态土地覆盖类协议的定义，以及报告的准确性的结果，其中图土地盖类是相同的（即地图土地覆盖的同质区域的子集）。英文Sampling designs for accuracy assessment of land coverSTEPHEN V. STEHMAN*State University of New York, College of Environmenta

20、l Science & Forestry, 320 Bray Hall, Syracuse, NY 13210, USAThe accuracy of a land cover classification is the degree to which the map land cover agrees with the reference land cover classification (i.e. ground condition). The basic sampling designs historically implemented for map accuracy assessme

21、nt have served well for the error matrix based analyses traditionally used. But contemporary applications of land cover maps place greater demands on accuracy assessment, and sampling designs must be constructed to target objectives such as accuracy of land cover composition and landscape pattern. S

22、ampling designs differ in their suitability to achieve different objectives, and trade-offs among desirable sampling design criteria must be recognized and accommodated when selecting a design. An overview is presented of the sampling designs used in accuracy assessment, and the status of these desi

23、gns is appraised for meeting current needs. Sampling design features that facilitate multiple-objective accuracy assessments are described.1. IntroductionLand cover data provide critical environmental information for scientific, resource management and policy purposes. Land cover maps are employed i

24、n a wide array of applications, including spatial depiction of land cover, calculation of area of the different land cover classes, input into process (mechanistic) or empirical (regression) models, assessment of land cover change, and input in land-use planning decisions such as creation of conserv

25、ation reserves. No land cover classification project would be complete without an accuracy assessment (Cihlar 2000) succinctly captures the importance of assessing the accuracy of these land cover products. Congalton (1991), Janssen and van der Wel (1994), Stehman and Czaplewski (1998), Congalton an

26、dGreen (1999), Czaplewski (2003), Foody (2002, 2008), Strahler et al. (2006), Wulder et al. (2006), and Stehman and Foody (2009) provide general overviews of the basic methodology of accuracy assessment. An accuracy assessment is based on comparing the map depiction of land cover to the true land co

27、ver condition. Typically ground truth is not practically attainable, so accuracy assessments evaluate the map land cover relative to some higher quality determination of land cover. These higher quality data, referred to as reference data, are used to produce a reference land cover classification th

28、at is compared to the map land cover classification. Since it is too expensive and difficult to obtain the reference land cover classification for the entire region of interest, statistical sampling becomes a critical component of accuracy assessment. A sample is a subset or portion of the region ma

29、pped, and a sampling design is a protocol for selecting those locations at which reference data will be collected. The analysis component of an accuracy assessment then summarizes the data and generates estimates of accuracy. An error or confusion matrix displaying the proportion of area that is cor

30、rectly classified and misclassified for the different land cover types is a common starting point for analysis. Estimates of overall accuracy and estimates for each individual land cover class are generated from the error matrix. In this article, the sampling design component of accuracy assessment

31、is singled out for detailed attention. The overarching objective is to provide guidance for choosing a sampling design to assess accuracy of a land cover classification. Planning the sampling design depends on three fundamental features: (1) the accuracy objectives; (2) the desirable sampling design

32、 criteria; and (3) the strengths and weaknesses of basic and complex sampling designs relative to these objectives and criteria. The article is structured by these three design planning features. After the basic components of accuracy assessment are introduced (2), the objectives historically addressed by accuracy assessments are presented. These are the objectives achieved by reporting an error matrix, and summarizing the error matrix information via overall, users and producers accuracies (3.1). Next new accuracy objectives are listed that furth