一种面向多模态遥感信息的质量抽样检验方案研究

The quality of remote sensing information is critical for decision analysis. Thus, the quality inspection of remote sensing information is the key step for the use of remote sensing information. Remote sensing information is recognized as a special product characterized by multi-source, multi-dimension, multi-type, and spatial heterogeneity. Due to the usage restriction, the existing theory and methods is not suitable for the quality inspection of remote sensing information. In this study, we designed an acceptance sampling plan of quality inspection for remote sensing information. The main contents include: (1) Considering both the production error and use precision, a quality inspection model is designed; (2) Under the in-memory cloud condition, we propose an algorithm based on spatial autocorrelation to select the proper group of sampling pixels；(3)From the point of application，we define the quality elements of the remote sensing information, and use marking method to quantify the remote sensing information quality. This study will contribute to the improvement of the accuracy and efficiency of quality inspection, and provide a novel insight into building the theoretical system of remote sensing information.

遥感信息的质量对决策分析的结果至关重要。如何对遥感信息进行质量抽样检验是保证遥感信息有效应用的关键。遥感信息是一类特殊的产品，具有多源、多维、多类以及空间结构明显等特点。现有的质量检验理论和方法难以满足多模态遥感信息的质量检验需求。有鉴于此，本项目设计了一种质量抽样检方案用于多模态遥感信息的质量检验，主要包括以下内容：（1）兼顾遥感信息的生产误差和应用的精度需求，首先设计多模态遥感信息的质量检验模型；（2）在内存云环境下，基于空间自相关的迭代选择算法，为质量检验模型选择最佳的样本像元组合；（3）从应用角度出发，界定样本像元的质量元素，并通过打分制对遥感信息的质量进行量化。研究成果有望提高遥感信息质量检验的精度和效率，为遥感信息的质量检验理论体系的建立提供新思路。

“空、天、地、底”立体监测网络的建立，使得遥感数据成为对地观测的主要获取源。针对遥感大数据的派生产品，遥感信息精度（或质量）如何一直是制约其应用的关键问题之一。该项目提出了多模态遥感信息的质量检验模型，建立了遥感数据的“量”与遥感信息的“质”之间的数学模型。该项目将遥感信息抽象为一类特殊的产品，解决了遥感信息的质量元素的确定；同时，利用遥感数据的空间相关性，推导了待检验遥感信息的样本量并优化了样本点的空间布设。针对遥感数据量大和数据类型多样给质量检验计算带来的挑战，该项目利用前沿的计算技术（Spark 平台搭建），优化了海量遥感数据的计算过程，提高了计算效率。以海岛信息的提取与精度检验为例，利用本项目提出的方法进行了系统性研究。综上所述，本研究成果建立了遥感信息质量检验的理论和方法，扩展了质量检验理论体系的研究范畴，可为遥感数据产品的质量检验相关规范或标准的制定提供理论基础。