共查询到18条相似文献，搜索用时 125 毫秒
1.
遥感已成为土地资源监测的主要手段,土地资源遥感监测结果在使用前,必须进行客观可靠的精度验证和分析,以保持遥感监测结果的可靠性。其中,抽样方法是影响土地资源遥感精度评价的一个重要因素。利用不同分辨率遥感数据获取的安义县土地利用/覆盖信息,进行简单随机抽样、分层抽样和等距抽样三种不同抽样方式下的精度检验分析,评估不同抽样方式下的精度检验效果。 相似文献
2.
基于不同抽样方法的遥感面积测量方法研究 总被引：11，自引：0，他引：11
众多研究结果表明,遥感和抽样技术相结合可以有效地进行地物面积的测量。目前,随机抽样、系统抽样和分层抽样方式在
遥感抽样调查技术领域应用比较广泛。本文以遥感图像为基础,从不同角度对随机抽样、系统抽样及分层抽样（包括等样本量、等
面积、等丰度抽样）进行了有益探讨,分析发现： 对于同一地物,从平均误差百分比、标准差和极差3个角度分析,随机和系统抽
样反推得到的总量精度都低于分层抽样精度; 对于不同的地物类型,利用3种分层抽样方法反推的结果与地物所占百分比成正相关
,地物所占的百分比越大,反推的结果越好; 等样本量、等面积、等丰度分层抽样从平均误差百分比、标准差和极差3个角度分析
各有优势,跟地物所占的百分比也有密切关系。 相似文献
3.
基于对地抽样总量控制下的玉米种植面积提取 总被引：4，自引：0，他引：4
提出了一种基于统计抽样总量控制下的中高分辨率遥感影像玉米种植面积信息提取方法, 该方法首先利用分层抽样技术对调查目标总体(玉米)进行分层抽样；然后对抽样小区进行目视解译, 反推区域总量真值；最后在总量控制下进行区域目标作物的空间分布提取。以河北省三河市中部地区的部分影像为研究区, 以该区2006-08-21的10m分辨率的SPOT 5多光谱影像为基础数据进行了试验研究。结果表明该方法基于群样本检验的总体精度达到93.8%, Kappa系数达到0.88, 均高于最大似然监督分类结果的精度。另外, 所提出的方 相似文献
4.
遥感影像预分类精度对地物面积空间抽样估算的敏感性分析 总被引：3，自引：1，他引：2
传统的地物面积测量受精度和效率制约,为此引入了结合遥感影像的空间分层抽样方法.首先以遥感影像的预分类结果作为模拟地物的真实分布,在地物外沿等概率随机添加不同比例的错分像元,从而获得准真实地物区的摸拟预分类结果,并依此设定各层等比例取样的样本人层标志,指导地物样本的选取,然后以抽中样本地物的准真实值之和按比例推算出总量.通过比较分析各水平含量的地物类别、不同预分类精度、层内随机和系统抽样下的多次总量估计精度及其稳定性变化情况,结果表明:该方法不需要背景数据库等先验知识,在预分类达到一定精度之上时,依分类区域设立层标志的分层抽样方法所获得的总量估计精度及标准差均好于无分类支持的随机和系统抽样;当预分类精度达到50%以上时,具有较高的成本效率比,其中在60%时,各类地物在0.5%抽样率、95%的置信度下可以保证估计量精度在92%以上. 相似文献
5.
利用目标类样本的遥感分类策略 总被引：1，自引：0，他引：1
针对传统遥感分类要求训练集涵盖所有表观地物及亚类,对样本选取要求颇高,而实际应用中并不能保证所有类别都被标记的问题,该文提出基于目标类样本的遥感循环分类策略。该方法仅输入少量目标类样本,采用正样本、未标记样本的分类算法,实现在较少样本数量和种类的条件下,对目标类稳定、高效地识别。利用10组航空影像数据,建立与传统遥感分类对比实验,结果表明:相同实验条件下,基于目标类样本的遥感分类策略与传统遥感分类具有相当的分类效果;当样本集不完全时,该策略具有更稳定的高精度识别,总体精度与Kappa系数平均分别有5.2%和7.2%的提高。该方法能够有效解决不完全训练集分类问题。 相似文献
6.
基于大数据驱动的深度学习挖掘图像数据的规律和层次已成为遥感影像解译的研究热点。海量标签样本是训练深度学习模型的前提条件,但成本昂贵的人工标记样本限制了深度学习技术在遥感领域的应用。本文提出了一种基于弱样本的深度学习模型农作物分类策略：以GF-1影像为数据源,将传统分类器SVM分类结果视为弱样本,训练深度卷积网络模型DCNN（Deep Convolutional Neural Networks）,获取辽宁省水稻和玉米的空间分布,分析弱样本的适用性。结果显示：测试集总体精度达到0.90,水稻和玉米F1分数分别为0.81和0.90;在不同地形地貌、复杂种植结构的农业景观下均表现出良好的分类效果;与SVM结果的空间一致性为0.90;当弱样本最大面积误差比例小于0.36时,弱样本仍适用于DCNN作物分类,结果的总体精度保持在0.86以上。综上,该策略一定程度上消除了深度学习模型对大量人工标记样本高度依赖的局限性,为实现大尺度农作物遥感分类提供了一种新途径。 相似文献
7.
训练样本对TM尺度小麦种植面积测量精度影响研究（Ⅰ）——训练样本与分类方法间分类精度响应关系研究 总被引：6，自引：1，他引：6
准确的遥感农作物类型识别和种植面积统计,不仅仅取决于不同分类方法的选择,同时还要看输入分类器用以学习的训练样本数据,训练样本对分类精度的影响比分类技术本身对测量精度的影响还要大。训练样本对测量精度的影响包含样本的质量和数量两个方面。为了探讨训练样本对农作物种植面积测量精度的影响,本文以小麦为例,选择典型试验区,利用较常用的TM遥感影像,结合高分辨率SPOT数据和野外GPS数据,在构建标准训练样本和检验样本数据集的基础上,在不同训练样本量下,分别对光谱角制图、平行六面体、马氏距离、最小距离、最大似然和支持向量机6种方法进行了多次试验,并对测量结果进行了对比分析。研究结果表明:①不同样本量下6种方法10次测量的结果存在不同程度的波动,而且地块越破碎的地区波动越大,但这种波动随样本量的增加会减少,说明目前在小麦面积测量中,用单次分类的结果作为最终的提取结果的做法存在一定的随机误差,在实际的工作中,应尽可能多的获取训练样本,以提高小麦面积测量的稳定性,同时利用多次测量结果求均值的方式,来消减或者抵消测量的随机误差;②相同样本量下,各种方法测量出的全区和破碎区的小麦像元个数(总量)不一致,种植结构复杂且破碎的地区,各种方法测量出的小麦面积总量差异会更大,说明不同方法对同一地区小麦的识别能力是不同的,同种方法对于不同地区小麦的识别能力也是不一样的,但是通过分析小麦识别的产品精度和用户精度,可以判断出哪个结果最接近于真实总量。 相似文献
8.
基于分类规则挖掘的遥感影像分类研究 总被引：6，自引：0，他引：6
分析了目前遥感影像的统计分类、神经网络分类及基于符号知识的逻辑推理分类方法的优缺点.以GIS为平台,构建了多源空间数据库,将数据挖掘的思想和方法引入遥感影像分类中,提出了面向分类规则挖掘的遥感影像分类框架.针对遥感光谱数据及其他空间数据的特点,定义了连续属性样本分类概念和分割点评价指标,提出了一种新的连续属性样本分类规则挖掘算法.选择一个试验区,采用该算法分别对遥感光谱数据、遥感光谱和DEM数据相结合的数据进行分类规则挖掘、遥感影像分类和分类精度比较.结果表明：（1）该算法具有较高的分类精度;（2）加入DEM等与分类相关的其他空间数据可以提高遥感影像的分类精度.通过挖掘分类规则进行遥感影像分类,扩展了基于知识的逻辑推理分类方法中知识获取渠道,提高了分类规则获取的智能化程度.新的连续属性样本分类规则挖掘算法,扩展了归纳学习算法对连续属性样本分类的适应性. 相似文献
9.
10.
利用OpenStreetMap数据进行高空间分辨率遥感影像分类 总被引：1，自引：0，他引：1
针对高分辨率遥感影像分类样本标注困难的问题，提出了一种利用OpenStreetMap （OSM）数据自动获取标注样本的方法。与现有的利用OSM数据进行分类的方法不同，该方法加入了空间特征以弥补单独使用光谱特征分类的不足。首先，基于OSM数据提供的地物类别和位置信息进行样本标注，为了降低OSM数据中少量错误信息对分类结果的影响，采用聚类分析的方法对样本进行提纯；其次，使用形态学轮廓来提取影像的结构特征，挖掘高分辨率遥感影像丰富的空间信息，与光谱特征相叠加并输入分类器进行分类。试验证明，本文提出的方法能够有效避免人工样本标注所需要的人力物力；同时，联合影像的光谱空间特征能够更好地描述地物特性，得到较高的分类精度。 相似文献
11.
Four binary thematic maps with combinations of two spatial autocorrelation levels and two different class proportions are simulated to study their effect on the precision of accuracy measures from different sampling designs. A series of eleven sample sizes (from a minimum of 25 to a maximum of 1296) are simulated using three popular sampling designs, including simple random sampling (SRS), systematic sampling (SYS), and stratified random sampling (StrRS) on the four simulated maps. The conventional error matrix and related accuracy measures are calculated for each simulation, and the precision of different estimates of accuracy measures is compared among the three sampling designs.The selection of a particular sampling design and sample size depends on the spatial autocorrelation level, the class proportion difference, and the accuracy indices that a given application requires. In general, the class proportion difference has a greater impact on the performance of different sampling methods than the spatial autocorrelation level does on a map. For estimating the accuracy of individual classes, stratified sampling achieves better precision than SRS and SYS with smaller sample sizes, especially for estimating the small class. For estimating the overall accuracy, different sampling designs achieve very similar levels of precision with fewer samples. To achieve a better estimate of the kappa coefficient, stratified random sampling is recommended for use on a map with a high class proportion difference, while random sampling is preferred for a map with low spatial autocorrelation and a low class proportion difference. 相似文献
12.
火烧迹地是全球及区域碳循环和气候变化等研究所需的重要参数之一,卫星遥感技术为快速获取大区域火烧迹地空间分布信息提供了有效手段。中国科学院基于Landsat系列卫星数据研发了首个30 m空间分辨率全球火烧迹地产品GABAM (Global Annual Burned Area Map)。遥感数据产品的精度验证对产品使用具有重要意义,迄今尚未有研究机构对GABAM产品精度进行独立评价和分析。为系统评价GABAM产品精度,利用2010年全球30 m空间分辨率火烧迹地产品(GABAM2010)开展精度验证研究工作,在全球和几个陆地生物群落中估算了产品精度,并探索了全球遥感专题产品精度验证的技术框架。基于分层随机抽样选择80个非重叠的泰森多边形区域TSA (Thiessen Scene Areas),采用误差矩阵和6个精度指标对GABAM2010产品做全面精度评价和分析,以满足火烧迹地产品用户的使用要求。结果表明:在全球范围内,GABAM2010产品的错分率和漏分率分别为24.32%和31.60%,总体精度为97.85%;由于数据质量(如条带、云)等的影响,火烧迹地的范围会被低估,对于较容易发生火灾的生物群落,如热带亚热带草原区域,GABAM2010产品精度较高;在生物群落内部,高密度火烧迹地区域的精度高于低密度火烧迹地区域。 相似文献
13.
面向遥感大范围应用的目标,自动化程度仍是遥感影像分类面临的重要问题,样本的人工选择难以适应当前土地覆盖信息自动化提取的实际应用需求。为了构建一套基于先验知识的遥感影像全自动分类流程,本文将空间信息挖掘技术引入到遥感信息提取过程中,提出了一种面向遥感影像对象级分类的样本自动选择方法。该方法通过变化检测将不变地物标示在新的目标影像上,并将过去解译的地物类别知识迁移至新的影像上,建立新的特征与地物关系,从而完成历史专题数据辅助下目标影像的自动化的对象级分类。实验结果表明,在已有历史专题层的图斑知识指导下,该方法能有效地自动选择适用于新影像分类的可靠样本,获得较好的信息提取效果,提高了对象级分类的效率。 相似文献
14.
面向遥感影像智能分类的海量样本数据采集方法 总被引：1，自引：0，他引：1
以地理国情监测高分辨率遥感影像及高精度地表覆盖分类产品为数据源，提出了一种面向遥感影像智能分类、基于位置匹配技术的全国尺度海量样本数据采集方法。根据数据源特征，研究了县域采集数量权重设置、坐标投影转换、栅格灰度重采样、无效样本数据过滤、地表覆盖分类码映射、样本数据命名标识、特定地表覆盖类型样本数据采集等关键技术，构建了位置匹配的遥感影像数据与分类标签数据组成的样本数据对，开发了样本数据自动采集软件。利用该方法，以县级行政区划为单元，实现了全国尺度海量样本数据采集。选取其中5个县域的成果，评估了方法的实用性及运算性能。研究表明：该方法提升了生产全国尺度海量样本数据的计算响应速度；采集的样本数据能够满足遥感影像智能分类对样本源高质量、大规模的需求，提升了遥感影像分类与预测的准确度。 相似文献
15.
16.
Stephen V. Stehman 《Journal of Geographical Systems》2006,8(2):209-226
Assessing thematic map accuracy is a special type of map comparison that is frequently applied to remote sensing classification problems. For map comparisons in the accuracy assessment setting, one map represents the classified output and the other map represents the true or “reference” condition. Several articles in this special issue describe state-of-the-art map comparison analysis tools that could serve to quantify accuracy of a single map. However, accuracy assessment objectives generally extend beyond describing accuracy of a single map to comparing accuracy of several maps. Consequently, interest focuses on comparing map comparison measures when these measures are used to represent accuracy. The virtual workshop emphasizes the analysis component of map comparisons, but it is also important to examine the underlying study designs generating the data input into these analyses. The study designs for accuracy comparisons implemented in remote sensing practice often investigate only a single test site, thus limiting our ability to generalize the results of these accuracy comparisons. Map accuracy comparison studies can be designed to provide stronger generalizations by incorporating experimental design principles such as replication and blocking, and identifying an experimental unit appropriate for the application. It is also important to recognize the role of statistical hypothesis testing and inference for different objectives that motivate map accuracy comparisons. Deciding which of two maps to use for a particular site can be addressed by enumerative inference and does not require hypothesis testing. For the objective of a more general comparison of classification procedures, analytic inference is appropriate and hypothesis testing plays a more prominent role. 相似文献
17.
利用案例推理（CBR）方法对雷达图像进行土地利用分类 总被引：14，自引：0，他引：14
提出了基于案例推理 (CBR)的遥感分类的新方法。基于规则的专家系统被用来提高遥感分类的效率。但所涉及的规则可能多达上百或上千条 ,有的问题根本无法用规则来表达。CBR只是根据以往的案例进行推理 ,克服了基于规则的推理方法的不足 ,可以用来解决一些复杂的资源环境问题。利用CBR和模糊数学结合 ,并通过分层随机采样来控制案例在空间上的分布 ,以反映复杂环境所造成的光谱变化 ,由此解决遥感分类中的“同物异谱”现象。实验表明 ,所建立的案例库可以被重复多次使用 ,分类的效果比监督分类和非监督分类要好。 相似文献
18.
黄土地区高中低产农田成因及遥感分类方法研究——以山西省定襄县为例 总被引：4，自引：3，他引：4
利用空间遥感信息在地理信息系统支持下，以山西省定襄县为试验区，进行黄土地区高中低产农田监测时，选用与高中低产农田成因直接关系的盐碱程度、灌溉等级和地形坡度等专题信息与TM数据进行信息复合，采用先分枢分类最后合并的复合分层分类方法，改进了常规的遥感分类方法，大大提高了分类精度。 相似文献