遥感软分类精度评价中空间位置误差传递（影响）与消除方法研究

The soft error matrix generalized from the hard error matrix now used for validating or accessing the accuracy of the soft classification map has been rapidly developed in the past twenty years. However, the impact of positional error on the soft error matrix is still uncertain, how this influence would change with varied spatial resolution and landscape characteristics lacks systematical examination and whether the well-accepted half-pixel registration accuracy is suitable for the soft classification accuracy assessment is unknown. .Among all uncertainties, the positional error has been regarded as one of the great sources of uncertainties in accuracy assessment. The purpose of the soft classification is to map the land cover at the finer scale, however intuitively the problems of spatial registration error is likely to make the soft classification error matrix more sensitive to positional errors because a slight location error between the classification and the reference map will substantially change the memberships’ proportion of sampled pixels. The non-thematic error caused by positional error is called the noise or false information in the error matrix, which can be a significant contribution to the error matrix that may then mask the real thematic accuracy information which would have a great impact on the reliability of result and conclusion from successive research and application based on these soft maps. .The objectives of this study is to: (1) examine the impact of positional error on the accuracy measures derived from the soft error matrix, which provide a basis for determining the requirements of positional accuracy for soft classification accuracy assessment, (2) systematically investigate the spatial aggregation model to remove the positional effect and assess both at sub-pixel and pixel level of positional error, and (3) improve the existing fuzzy model to a new model involving both the magnitude and direction of positional error to remove the positional effect.

遥感分类精度评价方法由“基于硬分类的方法”向“基于软分类的方法”不断转化。然而，精度评价的前提和假设仍然沿用硬分类精度评价标准体系。因此，研究该标准体系是否适用于软分类精度评价有着十分重要的意义。.研究表明：在精度评价中，遥感分类图与参考影像之间的空间位置误差是最大的不确定性来源。遥感软分类在亚象元级别上进行精度评价将会加大专题精度对空间位置误差的敏感性。这些空间位置误差以“假专题误差”的形式存在于软分类误差矩阵中，影响了以这些分类专题图为基础的后续研究结论和应用的可靠性。因此，确定空间位置误差对软分类精度评价的影响程度并且探索消除方法有着十分重要的意义。.本研究的目的是定量分析软分类精度评价中空间位置误差的影响，给出不同尺度、不同景观特征下的软分类精度评价空间位置精度标准体系；然后验证目前消除空间位置误差影响方法的适用性；最后发展一套适用于软分类精度评价中消除空间位置误差影响的新方法。

遥感分类精度评价方法由“基于硬分类的方法”向“基于软分类的方法”不断转化。然而，精度评价的前提和假设仍然沿用硬分类精度评价标准体系。因此，研究该标准体系是否适用于软分类精度评价有着十分重要的意义。.过去研究表明：在精度评价中，遥感分类图与参考影像之间的空间位置误差是最大的不确定性来源。遥感软分类在亚象元级别上进行精度评价将会加大专题精度对空间位置误差的敏感性。这些空间位置误差以“假专题误差”的形式存在于软分类误差矩阵中，影响了以这些分类专题图为基础的后续研究结论和应用的可靠性。因此，确定空间位置误差对软分类精度评价的影响程度并且探索消除方法有着十分重要的意义。.本研究的目的是：给出不同尺度、不同景观特征下的软分类精度评价空间位置精度标准体系；然后验证目前消除空间位置误差影响方法的适用性；最后发展一套适用于软分类精度评价中消除空间位置误差影响的新方法。.研究发现：（1）现有的几何配准精度标准（0.5个象元）并不能适用于软分类精度评价。本研究给出了空间分辨率为150，300，600，和900米下，不同景观特征下的软分类精度评价新几何配准标准。总体来说，为了保证软分类精度评价总体精度（OA）和kappa系数的误差在10%以下，几何配准精度必须分别达到平均值0.15和0.1个像元。（2）本研究驳斥了现有学术中景观特性对空间位置误差影响的规律。前人研究认为空间景观越破碎，斑块越小，空间位置误差对专题精度的影响就越大。本研究指出中高空间分辨率图像中景观特性对空间位置误差效应的影响规律与低空间分辨率图像中的规律截然不同。（3）本研究论证了学术界普遍应用于消除硬分类精度评价中空间位置误差影响的Spatial Aggregation 3×3模型并不适用于软分类误差矩阵精度评价（4）本研究提出了一种SCPL模型，该模型有效地利用几何配准误差强度和方向的规律性信息加强距离衰减函数，选择性地分配中心象元以及周围象元的权重。该模型能够保证在半个象元的配准标准下，OA-error和kappa-error均在10%以下，为后续软分类误差矩阵精度评价过程中消除空间位置误差的不确定性提供了新方法。