CN103324941B - 一种基于临近距离的遥感分类图斑边界精度评价方法 - Google Patents

Abstract

本发明提供一种基于临近距离的遥感分类图斑边界精度评价方法，该方法是基于高空间分辨率遥感数据，通过计算各类地物边界线上实测点同遥感分类对应类别图斑边界间的临近距离（偏移），来对遥感分类图斑边界进行精度评价；同传统的遥感分类精度评价方法相比较，该方法不仅更科学的给出遥感分类图斑边界误差大小，且能够给出遥感分类误差空间分布，更适合于评价高空间分辨率遥感分类图斑边界精度。

Description

一种基于临近距离的遥感分类图斑边界精度评价方法

技术领域：

本发明涉及遥感科学技术领域，具体地讲是一种基于临近距离的遥感分类图斑边界精度评价方法，是基于高空间分辨率遥感数据和面向对象分类技术，对分类图斑边界进行精度评价方法。

背景技术：

当前，遥感技术在土地利用、资源勘探、灾害监测、环境监测等领域得到广泛的应用，已经成为空间信息科学中的重要数据来源之一。随着高空间分辨率遥感数据的大量涌现，尤其是空间分辨率为0.5米的商业卫星的普及，高空间分辨率遥感数据的应用日益广泛。受遥感信息不确定性以及混合像元所限，导致遥感分类误差是客观存在的，需要对之进行科学、有效精度评价，而定量评价分类图斑边界精度更显困难。

误差矩阵（errormatrix）又称混淆矩阵（confusionmatrix）是目前评价遥感分类精度的常用方法。通过混淆矩阵可以检查出遥感分类各类中同地面检验类别之间的吻合程度及错误分类比例。使用混淆矩阵作分类精度检验，存在三个问题：（1）混淆矩阵无法提供分类误差的空间分布状况；（2）混淆矩阵只能给出总体分类精度，而对于某些小区域，其分类精度同总体分类精度是有差异的；（3）混淆矩阵只定量给出分类正确与否的评价，并没定量给出，错误分类的图斑距离正确类别的接近程度。而这些信息在以精确识别边界线的分类中却是很重要的。诸多学者基于误差矩阵精度检验法在遥感分类误差空间分布方面做过一定的研究（McGwire&Fisher,2001;AlexisComberetal.,2012），但对于遥感分类图斑边界精确精度检验未见研究。事实上，分类图斑的边界处受混合像元影响严重，混淆矩阵精度评价方法难以对之进行客观的、有效的精度评价。

发明内容：

本发明的目的是克服上述已有技术的不足，而提供一种基于临近距离的遥感分类图斑边界精度评价方法，主要解决现有混淆矩阵方法无法对分类图斑的误差空间分布及错误分类图斑距离正确类别的接近程度作定量评价和分析的问题。

本发明的技术方案是：一种基于临近距离的遥感分类图斑边界精度评价方法，其特殊之处在于包括以下步骤：

（１）基于RTK-GPS技术，对各类地物边界线进行野外点测量，获得实测点的高斯-克吕格平面直角坐标值及类别信息，形成各类地物边界野外实测点数据；

（２）基于与野外实测日期相同的高空间分辨率遥感数据，进行面向对象图像分类，获得各类地物分类图斑；

（３）计算类地物边界线野外实测点同基于遥感分类技术获得的对应类别图斑边界间矢量线数据间的临近距离，即两者间的最近距离，来评价遥感分类图斑边界精度；

（４）以各类地物边界线上野外实测点同基于遥感分类技术获得的对应类别图斑边界矢量线数据间的临近距离的均值、标准差作为分类图斑边界精度评价指标；

（５）基于类地物边界线上野外实测点同遥感分类图斑边界间的临近距离和高空间分辨率遥感数据，对遥感分类图斑边界误差空间分布进行分析并制图，形成遥感分类图斑边界误差空间分布图。

进一步的，所述的遥感数据为高空间分辨率航天、航空、光学、微波遥感数据。

进一步的，所述的基于与野外实测日期相同的高空间分辨率遥感数据，是指高空间分辨率遥感数据成像时相和野外实测日期相同或者接近，意味着高空间分辨率遥感数据能够真实记录野外实测时地物属性及空间特征。

进一步的，所述的面向对象图像分类，是基于易康软件或ENVIZOOM等来处理的。

进一步的，所述的临近距离是基于ArcGIS10.0软件的分析工具模块中的近邻分析算法来计算的。

本发明的一种基于临近距离的遥感分类图斑边界精度评价方法，所述的RTK-GPS是动态实时差分全球定位系统的简称，即real-timekinematicdifferenceglobalpositioningsystem。

本发明的一种基于临近距离的遥感分类图斑边界精度评价方法，可用于基于高空间分辨率遥感数据，对基于面向对象分类技术获得的分类图斑边界误差做定量评价和误差空间分析场合。

本发明的一种基于临近距离的遥感分类图斑边界精度评价方法与已有技术相比具有突出的实质性特点和显著进步：1、在精度评价时，能够对分类误差的空间分布进行描述和定量分析；2、能够定量化误分类图斑同真实类别间的接近程度，在混合像元分析和高精度遥感应用中，具有重要意义。

附图说明：

图1是本发明的计算流程图。

具体实施方式：

为了更好的理解与实施，下面结合附图给出具体实施例详细说明本发明一种基于临近距离的遥感分类图斑边界精度评价方法；所举实施例只用于解释本发明，并非用于限定本发明的范围。

实施例1，参见图１，第一步，首先，利用RTK-GPS技术，野外对研究区内各类地物边界线上随机采点进行测量，记录各采样点高斯-克吕格平面直角坐标坐标值及类别信息，形成各类边界线野外实测点数据；

第二步，基于面向对象图像分析软件，比如易康、ENVIZOOM等，对高空间分辨率遥感数据进行分类，并做相应的分类后处理，最后将分类图斑导出为shape格式格式的线矢量文件，形成遥感分类图斑线矢量数据；遥感数据为高空间分辨率航天、航空、光学、微波遥感数据；

第三步，将各类边界线野外实测点数据转换为矢量格式，形成各类边界线野外实测点矢量数据；利用ArcGIS10.0软件中分析工具模块中的近邻分析算法，计算各类边界线野外实测点同与之对应的遥感分类图斑线矢量数据间的临近距离，即最近距离；统计临近距离值的空间分布及数值特征（均值、最小值、最大值及方差）；

第四步，以各类地物边界线野外实测点与对应的遥感分类图斑线矢量数据间的最近距离的均值及方差作为精度评价的指标，对遥感分类边界精度进行定量评价；

第五步，各类地物边界线野外实测点同与对应的遥感分类图斑边界线矢量数据间的临近距离数据，结合高空间分辨率遥感数据，分析遥感分类图斑边界误差空间分布，并制作误差空间分布图。

Claims (5)

1.一种基于临近距离的遥感分类图斑边界精度评价方法，其特征在于包括以下步骤：

（１）基于已有RTK-GPS技术，对各类地物边界线进行野外实测，获得实测点的高斯-克吕格平面直角坐标值及类别信息，形成各类地物边界野外实测点数据；

（２）基于与野外实测日期相同的高空间分辨率遥感数据，进行面向对象图像分类，获得各类地物分类图斑；

（３）计算各类地物边界线上野外实测点同基于遥感分类技术获得的对应类别图斑边界间的临近距离，即两者间的最近距离，来评价遥感分类图斑边界精度；

（４）以各类地物边界线上野外实测点同基于遥感分类技术获得的对应类别图斑边界间的临近距离的均值、标准差作为分类图斑边界精度评价指标；

（５）基于各类地物边界线上野外实测点同基于遥感分类技术获得的对应类别图斑边界间的临近距离和高空间分辨率遥感数据，对遥感分类图斑边界误差空间分布进行分析并制图，形成遥感分类图斑边界误差空间分布图。

2.根据权利要求1所述的一种基于临近距离的遥感分类图斑边界精度评价方法，其特征在于所述的遥感数据为高空间分辨率航天、航空、光学、微波遥感数据。

3.根据权利要求１所述的一种基于临近距离的遥感分类图斑边界精度评价方法，其特征在于所述的基于与野外实测日期相同的高空间分辨率遥感数据，是指高空间分辨率遥感数据成像时相和野外实测日期相同或者接近，意味着高空间分辨率遥感数据能够真实记录野外实测时地物属性及空间特征。

4.根据权利要求1所述的一种基于临近距离的遥感分类图斑边界精度评价方法，其特征在于所述的遥感分类技术是基于面向对象分类技术。

5.根据权利要求1所述的一种基于临近距离的遥感分类图斑边界精度评价方法，其特征在于所述的临近距离是基于ArcGIS10.0软件的分析工具模块中的近邻分析算法来计算的。