CN107292232A - 遥感分类产品精度检验的方法和系统 - Google Patents

遥感分类产品精度检验的方法和系统 Download PDF

Info

Publication number
CN107292232A
CN107292232A CN201710330207.9A CN201710330207A CN107292232A CN 107292232 A CN107292232 A CN 107292232A CN 201710330207 A CN201710330207 A CN 201710330207A CN 107292232 A CN107292232 A CN 107292232A
Authority
CN
China
Prior art keywords
classification
data set
remote sensing
sensing image
verified
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710330207.9A
Other languages
English (en)
Other versions
CN107292232B (zh
Inventor
胡云锋
董昱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN201710330207.9A priority Critical patent/CN107292232B/zh
Publication of CN107292232A publication Critical patent/CN107292232A/zh
Application granted granted Critical
Publication of CN107292232B publication Critical patent/CN107292232B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/13Satellite images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种遥感分类产品精度检验的方法,包括以下步骤:S10、确定预设方案、利用移动终端进行地面信息采集得到地面采集样点数据集A;S20、对地面采集样点数据集A进行汇总,并形成验证点数据集B;S30、选择待验证的遥感分类产品,并遴选待验证数据集C;S40、根据验证点数据集B和待验证数据集C,对待验证的遥感分类产品进行精度测算,并输出分类精度报告。本发明还提供了一种遥感分类产品精度检验的系统。本发明通过地面布局、采样测量、数据汇集、尺度上推,全面评估、规范表达等系列步骤,对待验证的遥感分类产品进行了全面的精度评估,实现了遥感分类产品的快速、协同和高效的精度检测。

Description

遥感分类产品精度检验的方法和系统
技术领域
本发明涉及遥感技术领域,尤其涉及一种遥感分类产品精度检验的方法和系统。
背景技术
遥感分类产品是一类重要的遥感应用产品,也可称为离散型遥感产品。遥感分类产品描述的对象通常具有明确实体边界;针对这些实体对象,多使用标称、序数、间隔或比率值等方式来表示。典型的遥感分类产品有:遥感地形地貌产品、遥感土地覆被/土地利用产品、遥感土壤类型产品等。
遥感分类产品的精度检验是指:将遥感分类产品与参考数据(通常是地面观测值)对比分析,评估遥感分类产品的精确性/不确定性。精度检验对于遥感分类产品的应用至关重要;未经精度评估的遥感分类产品,其科学性和应用能力大为减弱。从精度检验种类上说,精度评估可以分为直接检验、间接检验、交叉检验等三类;其中,基于地面采样和实测数据的直接检验是最直接,也是最客观、最有效的方法。
然而,围绕遥感分类产品的直接检验过程,当前产业界所惯用的技术流程、体系和具体方法存在相当的不足和缺陷,主要包括:(1)遥感分类产品精度检验过程不规范:很多精度评估对于地面观测验证点的时空布设没有预设方案,对于地面观测验证点与待检验产品之间的时空尺度的匹配性未作具体分析和数据预处理。(2)遥感分类产品精度检验效率低下,天—地结合水平、内—外业结合水平很低、很弱:很多评估研究仍然采用传统的室外调查、纸本记录、团队数据汇总、室内登记上图、数据比对、精度参数计算、评估报告撰写等流程。由于未能整合当前迅猛发展的移动智能终端、无线通信技术、办公自动化技术等,整个流程耗时耗力,工作效率低下。(3)遥感分类产品精度检验成果不系统:针对不同的用途,遥感分类产品的精度评估应当提供全面系统的精度评估结果参数,必要时还需要提供相应的具体过程参数。然而,目前大多数研究人员针对遥感分类产品的精度评估过程都没有科学合理、统一规范的成果输出和表达形式。
发明内容
(一)要解决的技术问题
针对现有遥感分类产品精度检验系统和流程中存在过程不规范、效率低下、成果不系统等问题,本发明提供了一种遥感分类产品精度检验的方法和系统,实现遥感分类产品的快速、协同和高效的精度检测。
(二)技术方案
根据本发明的一个方面,提供了一种遥感分类产品精度检验的方法,包括以下步骤:S10、确定预设方案、利用移动终端进行地面信息采集得到地面采集样点数据集A;S20、对地面采集样点数据集A进行汇总,并形成验证点数据集B;S30、选择待验证的遥感分类产品,并遴选待验证数据集C;S40、根据验证点数据集B和待验证数据集C,对待验证的遥感分类产品进行精度测算,并输出分类精度报告。
根据本发明的另一个方面,提供了一种遥感分类产品精度检验的系统,其包括:地面信息采集与成果显示模块、移动端—服务器端信息传输模块、样点信息尺度上推转换模块、遥感分类产品精度测算模块、遥感分类产品精度报告模块,地面信息采集与成果显示模块用于地面信息采集得到地面采集样点数据集A、用于检验过程及成果的相关信息显示;移动端—服务器端信息传输模块用于实现移动终端设备与服务器端设备之间的数据上传和数据下载;样点信息尺度上推转换模块用于对地面采集样点数据集A按照时间尺度上推转换规则与/或空间尺度上推转换规则进行空间与/或时间上的归并,得到验证点数据集B;遥感分类产品精度测算模块用于针对待验证的遥感分类产品,查询和调用相应的验证点数据集B,计算待验证的遥感分类产品的精度评价参数;遥感分类产品精度报告模块用于将精度评估成果,连同精度评估的相关过程信息,形成电子报告,并展示在电子屏幕上,或者发送到指定的信息系统中。
(三)有益效果
从上述技术方案可以看出,本发明遥感分类产品精度检验的方法和系统至少具有以下有益效果其中之一:
(1)通过运用移动智能终端,实现了地面样点的科学规划布局,并对地面信息进行更为快速、更为精准的采集;
(2)多人、多终端的地面采集数据通过无线通信网络或有线通信方式传输,实现了地面数据的快速汇集和团队工作协同;
(3)原始采集样点数据经过时、空尺度的上推转换,形成了与遥感分类产品匹配的验证点数据集,为遥感分类产品精度的准确验证提供了前提;
(4)对待验证的遥感分类产品进行了全面的精度评估,自动化形成的精度评估报告文档,为遥感分类产品精度检验成果的应用和传播提供了便利。
附图说明
图1为本发明实施例遥感分类产品精度检验的方法流程示意图。
图2为本发明实施例遥感分类产品精度检验的系统组成示意图。
【主要元件】
S1 地面信息采集与成果显示模块;
S2 移动端-服务端信息传输模块;
S3 样点信息尺度上推转换模块;
S4 遥感分类产品精度测算模块;
S5 遥感分类产品精度报告模块;
S101~S105、S201~S205、S301~S304、S401~S405 步骤。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
在本发明的示例性实施例中,提供了一种遥感分类产品精度检验的方法,本发明遥感分类产品精度检验的方法包括以下步骤:S10、确定预设方案、利用移动终端进行地面信息采集得到地面采集样点数据集A;S20、对地面采集样点数据集A进行汇总,并形成验证点数据集B;S30、选择待验证的遥感分类产品,并遴选待验证数据集C;S40、根据验证点数据集B和待验证数据集C,对待验证的遥感分类产品进行精度测算,并输出分类精度报告。
以下分别对本实施例遥感分类产品精度检验的方法的各个步骤进行详细描述。图1为本发明实施例遥感分类产品精度检验的方法流程示意图。如图1所示,S10、确定预设方案、利用移动终端进行地面信息采集得到地面采集样点数据集A的具体步骤如下:
S101:确定地面采集样点的数量。根据研究区面积、制图比例尺以及区域地表类型程度等三个要素,确定要在地面观测采样的样点数量。样点数量由下式确定:
N=S×M×C
式中,N是样点数量(个);S是面积(万平方公里);M是地图制图要求(个/万平方公里),M的值可以根据相关国家和部委的技术规范确定;C是空间分布复杂程度。
S102:确定地面采集样点的空间布局方案。根据待检验地表类型的空间变异的剧烈程度,地面交通道路的可达性,确定地面采集样点的空间分布布局,并标识在移动智能终端的显示屏上。样点空间布局可以在二维平面上展开,包括等距离格网采样方法、双随机数生成格点坐标方法。样点空间布局也可以在沿一维线性(如道路)要素上展开,包括沿等距离规则布设方法,或者随机距离布设方法。
S103:确定地面采集样点的时间约束(布局)方案。根据遥感分类产品性质和遥感分类产品的现势性要求,确定采样的时间约束方案。遥感分类产品(如土地覆被/土地利用类型)从本质属性上就具有强稳定性特点,因此一般可以在规定的一个季相(如暑期、非雨季、非汛期、或其它特定的时段内)内完成。确定地面采集样点的空间布局方案、确定地面采集样点的时间约束(布局)方案,两个步骤可以前后互换。
S104:完成采样人员规划。根据地面采集样点的采样数量多少、采样区域面积大小、采样时间长短等要求,科学安排采样人员的数量及其承担采样区域范围。采样人员数量的确定,可以参考下式:
式中,P是采样人员数量(人),N是样点数量(个),np是工作强度(个/人天),t是时间(天)。
S105:对地面采集点进行信息采集,形成地面采集样点数据集A。在带有卫星定位系统(GNSS:Global Navigation Satellite System)的移动智能终端引导下,参加采样的人员根据采样方案确定的空间布局和时间要求,逐点开展地面信息的观测,并记录下采样的位置、时间、类型等三类信息,形成地面采集样点数据集A。特殊情况下(如在地表状态信息随时间变化非常缓慢的情况下),可以不记录时间信息。在土地覆被/土地利用类型地面考察中,典型的记录如表1:
表1
如上述的地面采集样点观测和记录得到的地面采集样点信息,保存在用户的移动终端的轻量级数据库(SQLite)中。
S20、对地面采集样点数据集A进行汇总,并形成验证点数据集B的详细步骤如下:
S201:地面采集样点数据集A(例如地表分类信息)上传。服务器端提供WebService接口可与移动终端进行数据交互。在综合考虑无线网络质量、数据传输所涉及的费用问题,提供3种方式(3G/4G、WIFI或者USB连接)将移动终端中SQLite中保存的数据通过HTTP协议或者Socket长连接,将采集的地面采集样点数据集A(例如地表分类信息)上传到服务器端,并由服务器端将地面采集样点数据集A(例如地表分类信息)保存到诸如MySQL等企业级数据库中。由此实现不同用户、不同移动终端上野外考察数据向服务器端的快速汇集。如上述的地表分类信息上传过程,服务器对每一次上传的数据进行一次数据校验,保证上传的地表分类信息具有合法性。
S202:地面采集样点数据集A(例如地表分类信息)下载。在综合考虑无线网络质量、数据传输所涉及的费用问题,提供3种方式(3G/4G、WIFI或者USB连接)将服务器端MySQL数据库中保存的地面采集样点数据集A(例如地表分类信息)通过HTTP协议或者Socket长连接,下载到移动终端的SQLite轻量级数据库中。由此实现同一用户或同一群组内不同移动终端之间的信息共享和信息同步。如上述的地表分类信息下载过程,客户端对每一次下载的数据进行一次数据校验,保证下载的地表分类信息具有合法性。如上述的地表分类信息上传与地表分类信息下载过程,地表分类信息数据会以json或者XML等数据交换格式进行封装以便传输。
S203:对地面采集样点数据集A(例如地表分类信息)进行空间尺度上推转换。由移动终端采集到的地面采集样点数据集A(例如地表分类信息)根据一定的空间上推转换方法以及尺度参数对地面采集样点数据集A进行空间尺度上推转换。用户可以根据需要选择合适的空间尺度转换方法与尺度参数。
S204:对地面采集样点数据集A(例如地表分类信息)进行时间尺度上推转换。由移动终端采集到的地面采集样点数据集A(例如地表分类信息)根据一定的时间上推转换方法以及尺度参数对地面采集样点数据集A进行时间尺度上推转换。用户可以根据需要选择合适的时间尺度转换方法与尺度参数。
如上述的空间尺度上推转换与时间尺度上推转换可使用AAVW(算术平均变异加权,Arithmetic Average Variability-Weighted)、nearest(最邻近法)、bicubic(双三次插值)、bilinear(双线性插值)、arithmetic mean(算数平均值法)等方法。如上述的地表分类信息空间尺度上推转换与地表分类信息时间尺度上推转换两个步骤可以根据用户的需求前后更换顺序。
S205:形成验证点数据集B。地面采集样点数据集A经过如上述的时间尺度上推转换与空间尺度上推转换后,形成验证点数据集B。
S30、选择待验证的遥感分类产品,并遴选待验证数据集C的具体步骤如下:
S301:选择待验证的遥感分类产品。遥感分类产品可以来自各种来源获取的数据。用于待验证的遥感分类产品,可以进行存储,也可以对其备份。如上述的遥感分类产品,其来源包括:互联网上的遥感数据提供商提供的遥感分类产品、用户采用各种方法自行生产的遥感分类产品。
S302:对待验证的遥感分类产品进行格式转换。待验证的遥感分类产品根据其来源不同,其遥感分类产品格式可以为GeoTIFF格式、GRID格式、HDF格式、IMAGE格式等。通过GDAL(Geospatial Data Abstraction Library)打开其遥感分类产品,并通过一定的转换方法,将遥感分类产品的数据格式统一为GeoTiff格式。如上述的统一的GeoTIFF格式遥感分类产品,可以采用PackBits、LZW、LZ77等压缩方式进行存储,以降低数据存储所需要的硬盘空间。
S303:明确待验证的遥感分类产品的产品参数。根据遥感分类产品的来源及其元数据信息,确定遥感分类产品的时间尺度、空间尺度与像元分辨率信息。如上述的时间尺度是指遥感分类产品的表征时段,如上述的空间尺度是指遥感分类产品的空间范围。
S304:遴选待验证数据集C。根据上述的步骤S303中的产品参数,从步骤S302中产生的遥感分类产品中遴选出待验证数据集C,待验证数据集C中所有的样点处于上述空间范围内或一定距离的缓冲区域内、处于表征时段内或一定时延的缓冲时段内,待验证数据集C中所有的样点具有与验证点数据集B中所有样点相同或相近的要素表征尺度(即像元分辨率)。如上述的待验证数据集C可以通过GeoTIFF、GRID等格式进行存储。
S40、对待验证的遥感分类产品进行精度测算,并输出分类精度报告的具体步骤如下:
S401:遴选待验证数据集D。根据验证点数据集B中各个验证点(样点)的空间位置,可以提取得到待验证数据集C中相应位置上的点的信息,由此得到待验证数据集D。如上述的待验证数据集D中的点位数据与验证点数据集B中的点位数据一一对应,如上述的待验证数据集D可以通过shapefile、coverage等格式进行存储。
S402:绘制混淆矩阵。在上述遴选的待验证数据集D的基础上,根据遥感分类产品精度评价数学模型(公式),通过对比相同空间位置上的验证点数据集B和待验证数据集D中的信息,可以得到混淆矩阵。如上述的混淆矩阵可以通过csv、xls等格式以表格的形式进行存储。典型的混淆矩阵如表1,表2中的各行为验证点数据集B所代表的地表分类信息的实测数据,各列为待验证数据集D所代表的遥感分类反演数据。
表2
S403:计算若干个精度评价参数。根据该混淆矩阵,可以计算得到如下几个主要的精度评价指标,包括:错分误差、漏分误差、用户精度、制图精度、总体分类精度等。如上述的错分误差(Commission Error)是指待验证数据集D中分为某类的点数据在验证点数据集B中被分为其他类的比例。如上述的漏分误差(Omission Error)是指验证点数据集B中分为某类的点数据在待验证数据集D中被分为其他类的比例。如上述的用户精度(User’sAccuracy)是指在待验证数据集D中分为某类的待验证点数据被正确分类的数目所占的比例。如上述的制图精度(Producer’s Accuracy)是指在验证点数据集B中分为某类的验证点数据被正确分类的数目所占的比例。如上述的总体分类精度(Overall Accuracy)是指正确分类的验证点数目总和除以总验证点数目。根据表2所提供的混淆矩阵,典型的精度评价参数结果如表3所示。
表3
S404:编制格式化电子文档。上述混淆矩阵信息、主要的精度评价指标信息,连同精度评估的相关过程信息,包括验证点数据信息及其元数据信息、待验证点数据信息及其元数据信息等,可以按照一定的标准规范,形成格式化电子文档;电子文档通常呈现为由概要结论(含主要精度评估指标参数)、混淆矩阵表格、卫星分类产品专题地图、地面验证点照片等材料有序组织的形式。如上述的格式化电子文档的存储形式可以为微软公司DOCX文件格式、Adobe公司的PDF文件格式等。典型的报告样式布局图如表4所示。
表4
如上述的格式化电子文档中的概要结论(含主要精度评估指标参数)、混淆矩阵表格、卫星分类产品专题地图、地面验证点照片等材料可以根据用户的需求进行定制,由用户决定是否在格式化电子文档中是否包含上述材料。
S405:将电子文档发送到指定系统。根据用户的需求,可将上述格式化电子文档作为邮件的附件通过POP3、SMTP等协议发送到用户指定的邮箱中。
上述尺度转换过程、精度评估过程、电子文档制作过程等三个过程,可以完全由服务器端执行,也可以由移动智能终端执行,或者根据移动智能终端与服务器端的特点,由用户指定执行地点和执行设备;这里所称的服务器端,可以是互联网络系统中的通用计算机设备,也可以是不依赖网络的通用计算机设备,或者是性能强大的移动智能终端设备。
本发明通过应用移动智能终端设备、有线通信或无线通信网络、较高性能计算机设备等,通过地面布局、采样测量、数据汇集、尺度上推,全面评估、规范表达等系列步骤,对待验证的遥感分类产品进行了全面的精度评估,实现了遥感分类产品的快速、协同和高效的精度检测。
本发明还提供了一种遥感分类产品精度检验的系统,其包括:地面信息采集与成果显示模块S1、移动端—服务器端信息传输模块S2、样点信息尺度上推转换模块S3、遥感分类产品精度测算模块S4、遥感分类产品精度报告模块S5。
在地面信息采集与成果显示模块S1中,运用智能手机、平板设备等移动智能终端,对地面采样过程进行规划设计,按照规划设计的时间和位置,进行全自动或人工辅助的地面信息采集,形成地面采集样点数据集A(例如地表分类信息),并在电子屏幕上显示相关信息。所述的地面信息采集与成果显示模块用于地面信息采集及其成果展示,其中所述的地面信息采集的移动智能终端,具有自动获取或人工录入采集位置信息、采集时间信息、地面信息的能力,具有临时或永久保存电子文档的能力,具有屏幕显示电子文档的能力,具有通过有线或者无线手段传输数据的能力。所述的地面信息采集与成果显示模块在地面采样之前,对采样的空间布局和时间布局具有一定的规划方案,包括规则有序的方案和随机无序的方案,具体的采样方案,可以根据特定需求妥善选择,根据地面采样布局方案,可以由一人独立完成,也可以由多人协同完成;可以在一个规定时段内完成,也可以在一个不限定时段长度的情况下持续执行。
在移动端—服务器端信息传输模块S2中,运用当前各种可靠的数据传输接口,通过有线或无线通信手段,实现移动终端设备与服务器端设备之间的数据上传和数据下载,特别是实现地面样点信息的向服务器端的上传,实现遥感分类产品精度检验成果信息向移动智能终端设备的下载。
在样点信息尺度上推转换模块S3中,针对地面采集样点数据集A,按照时间尺度上推转换规则和空间尺度上推转换规则进行空间及时间上的归并,完成样点信息尺度上推,形成与遥感分类产品时空尺度特征相匹配的验证点数据集B。
在遥感分类产品精度测算模块S4中,针对待验证的遥感分类产品,查询和调用相应的验证点数据集B,运用一定的精度验证数学公式模型,完成遥感分类产品精度评估相关参数的计算。
在遥感分类产品精度报告模块S5中,将精度评估成果,连同精度评估的相关过程信息,按照一定的文档规范要求,形成电子报告,并展示在电子屏幕上,或者发送到指定的信息系统(如电子邮箱)中。
本发明利用移动智能设备(智能手机、智能平板设备)开展地面采样方案设计、采集地面样点信息,通过有线或无线方式将上述信息从移动端传输到服务器端,在服务器端开展样点信息时空尺度上推转换和产品精度参数计算和评估,并将精度评估成果编制成规范的电子文档,显示在移动终端屏幕或发送到用户指定系统中。本发明可以支持多用户协同工作、支持天—地结合、内—外业结合,实现了对遥感分类产品精度的快速评估。
至此,已经结合附图对本实施例进行了详细描述。依据以上描述,本领域技术人员应当对本发明有了清楚的认识。
需要说明的是,在附图或说明书正文中,未绘示或描述的实现方式,均为所属技术领域中普通技术人员所知的形式,并未进行详细说明。此外,上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式,本领域普通技术人员可对其进行简单地更改或替换,例如:
(1)S105中涉及的SQLite数据库可以由Realm等数据库替代;
(2)S201中涉及的HTTP协议可由HTTPS、FTP等协议替代;
(3)S201中涉及的MySQL数据库可由Oracle、PostgreSQL等数据库替代;
(4)S302中涉及的用于数据转换的GDAL可以由ArcGIS、SuperMap等软件替代;
(5)S402中涉及的混淆矩阵存储方式可以由xml等数据格式替代。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了公开本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种遥感分类产品精度检验的方法,包括以下步骤:
S10、确定预设方案、利用移动终端进行地面信息采集得到地面采集样点数据集A;
S20、对地面采集样点数据集A进行汇总,并形成验证点数据集B;
S30、选择待验证的遥感分类产品,并遴选待验证数据集C;
S40、根据验证点数据集B和待验证数据集C,对待验证的遥感分类产品进行精度测算,并输出分类精度报告。
2.根据权利要求1所述的方法,其中,步骤S10具体包括:
确定地面采集样点的数量;
确定地面采集样点的空间布局方案;
确定地面采集样点的时间约束方案;
完成采样人员规划;
对地面采集点进行信息采集,形成地面采集样点数据集A。
3.根据权利要求1所述的方法,其中,步骤S20具体包括:
上传地面采集样点数据集A,对其进行汇总;
对汇总后的地面采集样点数据集A进行空间尺度上推转换与/或时间尺度上推转换,形成验证点数据集B。
4.根据权利要求3所述的方法,其中,所述空间尺度上推转换与/或时间尺度上推转换的方法包括:算术平均变异加权法、最邻近法、双三次插值法、双线性插值法、算数平均值法。
5.根据权利要求3所述的方法,其中,步骤S20还包括:
下载地面采集样点数据集A,实现不同移动终端之间的信息共享和信息同步。
6.根据权利要求3或5所述的方法,其中,通过有线或无线的通信方式进行上传、下载地面采集样点数据集A。
7.根据权利要求1所述的方法,其中,步骤S30具体包括:
选择待验证的遥感分类产品;
对待验证的遥感分类产品进行格式转换;
明确待验证的遥感分类产品的产品参数;
根据所述产品参数从格式转换后的待验证的遥感分类产品中遴选出待验证数据集C。
8.根据权利要求1所述的方法,其中,步骤S40具体包括:
根据验证点数据集B和待验证数据集C,遴选待验证数据集D;
在所述的待验证数据集D的基础上,绘制混淆矩阵;
计算精度评价参数;
编制格式化电子文档;
将电子文档发送到指定系统。
9.根据权利要求8所述的方法,其中,所述精度评价参数包括:错分误差、漏分误差、用户精度、制图精度、总体分类精度。
10.一种遥感分类产品精度检验的系统,其包括:
地面信息采集与成果显示模块S1,用于地面信息采集得到地面采集样点数据集A、用于检验过程及成果的相关信息显示;
移动端—服务器端信息传输模块S2,用于实现移动终端设备与服务器端设备之间的数据上传和数据下载;
样点信息尺度上推转换模块S3,用于对地面采集样点数据集A按照时间尺度上推转换规则与/或空间尺度上推转换规则进行空间与/或时间上的归并,得到验证点数据集B;
遥感分类产品精度测算模块S4,用于针对待验证的遥感分类产品,查询和调用相应的验证点数据集B,计算待验证的遥感分类产品的精度评价参数;
遥感分类产品精度报告模块S5,用于将精度评估成果,连同精度评估的相关过程信息,形成电子报告,并展示在电子屏幕上,或者发送到指定的信息系统中。
CN201710330207.9A 2017-05-11 2017-05-11 遥感分类产品精度检验的方法和系统 Expired - Fee Related CN107292232B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710330207.9A CN107292232B (zh) 2017-05-11 2017-05-11 遥感分类产品精度检验的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710330207.9A CN107292232B (zh) 2017-05-11 2017-05-11 遥感分类产品精度检验的方法和系统

Publications (2)

Publication Number Publication Date
CN107292232A true CN107292232A (zh) 2017-10-24
CN107292232B CN107292232B (zh) 2020-12-22

Family

ID=60095099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710330207.9A Expired - Fee Related CN107292232B (zh) 2017-05-11 2017-05-11 遥感分类产品精度检验的方法和系统

Country Status (1)

Country Link
CN (1) CN107292232B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111858808A (zh) * 2020-07-17 2020-10-30 重庆市勘测院 基于海量实测点的地形图特征地物精度自动评价方法
CN111914218A (zh) * 2020-08-05 2020-11-10 应急管理部国家减灾中心 一种面向用户应用的灾害遥感产品真实性检验方法
CN117710833A (zh) * 2024-02-05 2024-03-15 深圳市爱华勘测工程有限公司 基于云计算的测绘地理信息数据采集方法及相关装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104199027A (zh) * 2014-08-29 2014-12-10 中国科学院遥感与数字地球研究所 基于紧致极化雷达大面积近实时监测水稻物候期的方法
US20160063639A1 (en) * 2014-08-26 2016-03-03 David P. Groeneveld System and Method to Assist Crop Loss Adjusting of Variable Impacts Across Agricultural Fields Using Remotely-Sensed Data
CN106022790A (zh) * 2016-05-09 2016-10-12 中国科学院遥感与数字地球研究所 一种定量遥感产品真实性检验系统
CN106650689A (zh) * 2016-12-30 2017-05-10 厦门理工学院 一种沿海城市时间序列土地利用信息提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160063639A1 (en) * 2014-08-26 2016-03-03 David P. Groeneveld System and Method to Assist Crop Loss Adjusting of Variable Impacts Across Agricultural Fields Using Remotely-Sensed Data
CN104199027A (zh) * 2014-08-29 2014-12-10 中国科学院遥感与数字地球研究所 基于紧致极化雷达大面积近实时监测水稻物候期的方法
CN106022790A (zh) * 2016-05-09 2016-10-12 中国科学院遥感与数字地球研究所 一种定量遥感产品真实性检验系统
CN106650689A (zh) * 2016-12-30 2017-05-10 厦门理工学院 一种沿海城市时间序列土地利用信息提取方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
LINA YI ET AL.: "Object-Oriented Remote Sensing Imagery Classification Accuracy Assessment Based on Confusion Matrix", 《2012 20TH INTERNATIONAL CONFERENCE ON GEOINFORMATICS》 *
李宜展 等: "土地覆盖类别面积混淆矩阵校正与回归遥感估算方法对比", 《农业工程学报》 *
胡云锋 等: "空间尺度上推方法的精度评价-以内蒙古锡林郭勒盟土地利用数据为例", 《地理研究》 *
胡文: "黑龙江省雹灾遥感监测及时空特征分析", 《万方数据》 *
董群 等: "便携式土地信息协同采集系统设计与实现", 《测绘通报》 *
郑明国 等: "一种遥感影像分类精度检验的新方法", 《遥感学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111858808A (zh) * 2020-07-17 2020-10-30 重庆市勘测院 基于海量实测点的地形图特征地物精度自动评价方法
CN111858808B (zh) * 2020-07-17 2023-10-31 重庆市勘测院 基于海量实测点的地形图特征地物精度自动评价方法
CN111914218A (zh) * 2020-08-05 2020-11-10 应急管理部国家减灾中心 一种面向用户应用的灾害遥感产品真实性检验方法
CN117710833A (zh) * 2024-02-05 2024-03-15 深圳市爱华勘测工程有限公司 基于云计算的测绘地理信息数据采集方法及相关装置
CN117710833B (zh) * 2024-02-05 2024-05-10 深圳市爱华勘测工程有限公司 基于云计算的测绘地理信息数据采集方法及相关装置

Also Published As

Publication number Publication date
CN107292232B (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
Wu et al. Intercalibration of DMSP-OLS night-time light data by the invariant region method
Yi FragMAP: a tool for long-term and cooperative monitoring and analysis of small-scale habitat fragmentation using an unmanned aerial vehicle
Zhao et al. Accuracy assessment of the ASTER GDEM and SRTM3 DEM: an example in the Loess Plateau and North China Plain of China
Brown et al. Spatial simulation for translating from land use to land cover
Biljecki et al. The effect of acquisition error and level of detail on the accuracy of spatial analyses
Deng et al. Improving the housing-unit method for small-area population estimation using remote-sensing and GIS information
CN112069281B (zh) 兴趣点位置的确定方法、装置、计算机设备及存储介质
CN112102432B (zh) 空气质量垂直分布图绘制方法、装置及存储介质
Kausika et al. Calibration and validation of ArcGIS solar radiation tool for photovoltaic potential determination in the Netherlands
Howard et al. Crop classification modelling using remote sensing and environmental data in the Greater Platte River Basin, USA
CN107292232A (zh) 遥感分类产品精度检验的方法和系统
Li et al. Mapping population density distribution at multiple scales in Zhejiang Province using Landsat Thematic Mapper and census data
Wahyudi et al. Combining Landsat and landscape metrics to analyse large-scale urban land cover change: A case study in the Jakarta Metropolitan Area
CN105956719A (zh) 基于历史气象数据的光伏资源评估优化方法及系统
Ghosh et al. Indications from Sustainability Indicators: practice note
qizi Olimova THEORETICAL BASIS FOR THE USE OF MODERN GIS TECHNOLOGIES IN THE CREATION OF NATURAL CARDS
Loran et al. Comparing historical and contemporary maps-a methodological framework for a cartographic map comparison applied to Swiss maps
Bosch et al. Evaluating urban greening scenarios for urban heat mitigation: a spatially explicit approach
Deng et al. Improving small-area population estimation: An integrated geographic and demographic approach
Beck et al. Displaying remotely sensed vegetation dynamics along natural gradients for ecological studies
CN110210112A (zh) 耦合土地利用规划的城市热岛效应情景模拟方法
CN117114194B (zh) 碳汇量确定、碳汇效益优化的方法、装置及相关设备
JP2012058772A (ja) Co2吸収量評価システム及び方法
Ortega et al. The potential for integration of environmental data from regional stratifications into a European monitoring framework
Wang et al. A hierarchical Bayesian approach for aerosol retrieval using MISR data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201222

Termination date: 20210511