基于不确定性分析的遥感分类空间分层及评估方法

作     者：吴亚楠 郭长恩 于东平 段爱民 刘玉 董士伟 单东方 吴耐明 李西灿 WU Yanan;GUO Chang’en;YU Dongping;DUAN Aimin;Liu Yu;DONG Shiwei;SHAN Dongfang;WU Naiming;LI Xican

作者机构：北京市农林科学院信息技术研究中心北京100097 山东农业大学信息科学与工程学院泰安271018 山东省地质矿产勘查开发局八〇一水文地质工程地质大队济南250014 北京北建大建筑设计研究院有限公司北京100044 

基　　金：国家重点研发计划课题(2021YFD1500204) 国家自然科学基金项目(41801276) 

出 版 物：《地球信息科学学报》 (Journal of Geo-information Science)

年 卷 期：2022年第24卷第9期

页      码：1803-1816页

摘      要：空间分层是准确度量遥感分类不确定性程度及其空间分布的基础与关键。本文提出了一种基于不确定性分析的遥感分类空间分层及评估方法,首先基于随机森林算法获取像元后验概率,确定分类不确定性度量指标;其次,采用模糊C均值进行空间分层;最后,对分层结果合理性进行定性与定量评估,并与同尺度数据产品精度评价结果及后验概率不确定性分层方法进行对比分析。以北京市顺义区Landsat 8 OLI遥感影像数据为例,研究结果表明:①基于最大概率、模糊混淆指数和概率熵指标将顺义区分为不确定性大、中、小3层,相应的遥感数据层分类精度分别为62.28%、74.96%、79.31%;②分类不确定性空间分层结果与度量指标大小的空间分布基本一致,错分地类图层与不确定性大层的地类空间分布基本一致;③遥感数据和数据产品的各层地类空间特征、层分类精度大小趋势一致,与总体分类精度相比,不确定性大层的层分类精度降低,不确定性小层的层分类精度提高;④与后验概率不确定性分层方法相比,本研究不确定性大层的层分类精度降低1.08%,不确定性中层提高3.58%,不确定性小层提高0.16%,q值由0.19提高到0.24,空间分异性更高。证实了研发的遥感分类不确定性空间分层结果的合理性。研究旨在提出适用于遥感分类的不确定性分层方案,用于优化遥感分类训练样本和精度评价验证样本的空间布设。

主 题 词：不确定性 空间分层 度量指标 遥感分类 随机森林 土地利用 模糊C均值 精度评价 

学科分类：083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 081602[081602] 0816[工学-纺织类] 

核心收录：

D　O　I：10.12082/dqxxkx.2022.220188

馆 藏 号：203114391...