跳转到内容

土地覆盖图的精度评估

编辑链接
维基百科，自由的百科全书

土地覆盖图的精度评估是指通过对比分类结果与参考数据，评估基于遥感或地理空间数据所生成土地覆盖分类图的可靠性和质量。这类地图广泛应用于环境监测、城市规划及气候变化研究，因此其准确性对于科学分析和政策制定至关重要。[1][2][3][4][5]

土地覆盖图和样本点

精度评估通常依赖于地面调查数据或高分辨率影像所提供的“真值”。它们被用于对比分类结果并识别分类误差。评估通常利用混淆矩阵来计算包括总体精度、用户精度、生产者精度，以及 Kappa 系数等指标。[6]

随着全球土地覆盖产品的不断发布，近年来也出现了跨产品的比较评估方法，用以揭示数据间的一致性、差异性与不确定性。[7]

参考数据

[编辑]

参考数据（也称为基準真相或者验证数据）对于评估土地覆盖图的准确性至关重要。这些数据是与土地覆盖标签进行比较的基准，其质量直接影响评估的有效性。[5]

参考数据来源

[编辑]

精度评估所依赖的参考数据通常包括以下几类：[8]

  • 实地调查数据：通过 GPS 或其他设备在地面采集的点位数据。它们具有较高的可信度，但采集成本较高，覆盖范围有限。
  • 高分辨率遥感影像：如 Google Earth、Sentinel-2、Landsat 等。这些影像经过专家视觉解译后，可作为有效的参考数据源。
  • 已有权威数据集：如政府部门发布的土地覆盖调查数据、权威的地理空间数据库等。如果它们具有良好的时间一致性和空间精度，也可用于验证。

样本设计与抽样方法

[编辑]

为了实现高效而具代表性的精度评估，需在研究区域内进行合理的样本点抽样。常用策略包括：[8][9]

  • 简单随机抽样：每个像元被抽中的概率相等。这种方法简单，但采样得到的稀有类别的样本数可能不足。
  • 分层随机抽样[9]：依据地类划分分层后再进行随机抽样。它可以提升分类平衡性与精度估计的代表性。
  • 系统抽样[9]：基于规则网格进行采样。可以确保空间分布均匀，但可能与地物空间格局产生偏差。
  • 聚类抽样[9]：以地理聚集单元为基础，适用于大区域调查，可节省外业成本但增加估计误差。

样本大小选择

[编辑]

选择合适的样本大小是土地覆盖图验证设计中的一个重要的步骤。确定样本大小的两种常见方法是：[8][10]

  • Cochran 公式[10]：考虑置信水平和误差幅度来估计所需的样本总量。
  • 分层抽样估算方法[10][11]：使用总体样本量，同时考虑允许的误差水平和土地覆盖比例。

样本解释方法

[编辑]

样本点在评估中需被赋予真实地类标签，通常有以下方式：[8]

  • 人工解译：专家基于高分辨率影像进行视觉判读[12]。这种方式精度高但耗时耗力。
  • 自动赋值：利用已有地图或算法自动赋值，效率高但可能需人工复核。[13]
  • 众包标注：公众利用平台（如 Geo-Wiki）进行标注。这种方法可以满足大数据需求，但需要关注数据准确性。

精度指标

[编辑]

有许多定量指标可以用来评估土地覆盖图的精度。这些指标通常是根据混淆矩阵（英语：confusion matrix）计算得出。 [6]

地表覆盖图的一个混淆矩阵及对应精度指标

总体精度（Overall accuracy，OA）

[编辑]

总体精度是一个整体指标，它表示分类正确的样本数占总样本数的比例。[6]

有时，也会计算类别级别的精度指标。[14]

用户精度（User's accuracy，UA）、生产者精度（Producer's accuracy，PA）和 F1 值

[编辑]

用户精度和生产者精度属于类别指标。[6]

用户精度指的是地图上某一地类正确分类的比例（反映错分误差）。[6]

生产者精度则是地面某一地类被正确分类的概率（反映遗漏）。[6]

还可以分别对用户精度和生产者精度进行平均，从而提供来自用户和生产者的角度的分类性能。[15]

而 F1 值则是用户精度与生产者精度的调和平均值，用以综合考虑这两类指标。[6]

Kappa系数

[编辑]

Kappa系数[16]是一种考虑随机一致性的统计指标。它的值域为 -1 至 1，值越高代表一致性越强。Kappa 系数常见解释标准如下： [17]

Kappa值的解析[17]
Kappa 值 一致性强度
< 0 极差
0–0.20 轻微
0.21–0.40 一般
0.41–0.60 中等
0.61–0.80 明显
0.81–1.0 极好

置信区间与不确定性

[编辑]

由于精度指标往往是基于样本的，因此存在统计不确定性。通常会结合标准误差或置信区间，估计总体精度或各类精度指标的可靠范围。这对于不同产品间的精度比较尤为重要。[18]

多产品对比评估

[编辑]

除了评估单个土地覆盖产品的精度外，许多研究[19][20][21]还会对多个土地覆盖产品进行比较评估。这些产品通常在输入数据、分类方案或分类算法上有所不同。因此，比较评估对于理解这些数据集的一致性、差异性、互补性和可用性尤为重要。[7][22] 比较评估通常采用以下方式进行：[7][22][23][24][25]

Dynamic World 和 WorldCover 之间的目视比较

近年来，许多研究都比较了多个高分辨率土地覆盖产品，例如欧洲空间局的WorldCover、Esir的Land Cover 和谷歌的 Dynamic World，以评估它们在不同区域和土地覆盖类型中的相对精度和主题一致性。这些努力有助于用户在为特定用途选择产品时做出明智的选择。[7][22]

参见

[编辑]

参考文献

[编辑]
  1. ^ Sheykhmousa, Mohammadreza; Kerle, Norman; Kuffer, Monika; Ghaffarian, Saman. Post-Disaster Recovery Assessment with Machine Learning-Derived Land Cover and Land Use Information. Remote Sensing. 2019-05-17, 11 (10): 1174. ISSN 2072-4292. doi:10.3390/rs11101174. 
  2. ^ Ghaffarian, Saman; Rezaie Farhadabad, Ali; Kerle, Norman. Post-Disaster Recovery Monitoring with Google Earth Engine. Applied Sciences. 2020-07-01, 10 (13): 4574. ISSN 2076-3417. doi:10.3390/app10134574. 
  3. ^ Gaur, Srishti; Singh, Rajendra. A Comprehensive Review on Land Use/Land Cover (LULC) Change Modeling for Urban Development: Current Status and Future Prospects. Sustainability. 2023-01-04, 15 (2): 903. ISSN 2071-1050. doi:10.3390/su15020903. 
  4. ^ Roy, Parth Sarathi; Ramachandran, Reshma M.; Paul, Oscar; Thakur, Praveen K.; Ravan, Shirish; Behera, Mukunda Dev; Sarangi, Chandan; Kanawade, Vijay P. Anthropogenic Land Use and Land Cover Changes—A Review on Its Environmental Consequences and Climate Change. Journal of the Indian Society of Remote Sensing. 2022-08-01, 50 (8): 1615–1640. ISSN 0974-3006. doi:10.1007/s12524-022-01569-w （英语）. 
  5. ^ 5.0 5.1 Foody, Giles M. Status of land cover classification accuracy assessment. Remote Sensing of Environment. 2002-04-01, 80 (1): 185–201. ISSN 0034-4257. doi:10.1016/S0034-4257(01)00295-4. 
  6. ^ 6.0 6.1 6.2 6.3 6.4 6.5 6.6 Grandini, Margherita; Bagli, Enrico; Visani, Giorgio, Metrics for Multi-Class Classification: an Overview, arXiv, 2020-08-13 [2025-07-09], doi:10.48550/arXiv.2008.05756, arXiv:2008.05756 
  7. ^ 7.0 7.1 7.2 7.3 Xu, Panpan; Tsendbazar, Nandin-Erdene; Herold, Martin; de Bruin, Sytze; Koopmans, Myke; Birch, Tanya; Carter, Sarah; Fritz, Steffen; Lesiv, Myroslava; Mazur, Elise; Pickens, Amy; Potapov, Peter; Stolle, Fred; Tyukavina, Alexandra; Van De Kerchove, Ruben. Comparative validation of recent 10 m-resolution global land cover maps. Remote Sensing of Environment. September 2024, 311: 114316. doi:10.1016/j.rse.2024.114316 （英语）. 
  8. ^ 8.0 8.1 8.2 8.3 Xu, Qiongjie; Yordanov, Vasil; Bruzzone, Lorenzo; Brovelli, Maria Antonia. High-Resolution Global Land Cover Maps and Their Assessment Strategies. ISPRS International Journal of Geo-Information. 2025-06-18, 14 (6): 235. ISSN 2220-9964. doi:10.3390/ijgi14060235 （英语）. 
  9. ^ 9.0 9.1 9.2 9.3 Stehman, Stephen V. Sampling designs for accuracy assessment of land cover. International Journal of Remote Sensing. 2009-09-23, 30 (20): 5243–5272. ISSN 0143-1161. doi:10.1080/01431160903131000. 
  10. ^ 10.0 10.1 10.2 Cochran 1977 Sampling Techniques. 
  11. ^ Olofsson, Pontus; Foody, Giles M.; Herold, Martin; Stehman, Stephen V.; Woodcock, Curtis E.; Wulder, Michael A. Good practices for estimating area and assessing accuracy of land change. Remote Sensing of Environment. 2014-05-25, 148: 42–57. ISSN 0034-4257. doi:10.1016/j.rse.2014.02.015. 
  12. ^ Brown, Christopher F.; Brumby, Steven P.; Guzder-Williams, Brookie; Birch, Tanya; Hyde, Samantha Brooks; Mazzariello, Joseph; Czerwinski, Wanda; Pasquarella, Valerie J.; Haertel, Robert; Ilyushchenko, Simon; Schwehr, Kurt; Weisse, Mikaela; Stolle, Fred; Hanson, Craig; Guinan, Oliver. Dynamic World, Near real-time global 10 m land use land cover mapping. Scientific Data. 2022-06-09, 9 (1). ISSN 2052-4463. PMC 9184477 可免费查阅. doi:10.1038/s41597-022-01307-4 （英语）. 
  13. ^ Friedl, Mark A.; Woodcock, Curtis E.; Olofsson, Pontus; Zhu, Zhe; Loveland, Tom; Stanimirova, Radost; Arevalo, Paulo; Bullock, Eric; Hu, Kai-Ting; Zhang, Yingtong; Turlej, Konrad; Tarrio, Katelyn; McAvoy, Kristina; Gorelick, Noel; Wang, Jonathan A. Medium Spatial Resolution Mapping of Global Land Cover and Land Cover Change Across Multiple Decades From Landsat. Frontiers in Remote Sensing. 2022-06-28, 3. ISSN 2673-6187. doi:10.3389/frsen.2022.894571 （English）. 
  14. ^ Stehman, Stephen V.; Foody, Giles M. Key issues in rigorous accuracy assessment of land cover products. Remote Sensing of Environment. 2019-09-15, 231: 111199. ISSN 0034-4257. doi:10.1016/j.rse.2019.05.018. 
  15. ^ Liu, Canran; Frazier, Paul; Kumar, Lalit. Comparative assessment of the measures of thematic classification accuracy. Remote Sensing of Environment. 2007-04-30, 107 (4): 606–616. ISSN 0034-4257. doi:10.1016/j.rse.2006.10.010. 
  16. ^ Cohen, Jacob. A Coefficient of Agreement for Nominal Scales. Educational and Psychological Measurement. 1960-04-01, 20 (1): 37–46. ISSN 0013-1644. doi:10.1177/001316446002000104 （英语）. 
  17. ^ 17.0 17.1 Landis, J. Richard; Koch, Gary G. The Measurement of Observer Agreement for Categorical Data. Biometrics. 1977, 33 (1): 159–174. ISSN 0006-341X. doi:10.2307/2529310. 
  18. ^ Olofsson, Pontus; Foody, Giles M.; Stehman, Stephen V.; Woodcock, Curtis E. Making better use of accuracy data in land change studies: Estimating accuracy and area and quantifying uncertainty using stratified estimation. Remote Sensing of Environment. 2013-02-15, 129: 122–131. ISSN 0034-4257. doi:10.1016/j.rse.2012.10.031. 
  19. ^ Zhang, Xiao; Zhao, Tingting; Xu, Hong; Liu, Wendi; Wang, Jinqing; Chen, Xidong; Liu, Liangyun. GLC_FCS30D: the first global 30 m land-cover dynamics monitoring product with a fine classification system for the period from 1985 to 2022 generated using dense-time-series Landsat imagery and the continuous change-detection method. Earth System Science Data. 2024-03-15, 16 (3): 1353–1381. ISSN 1866-3508. doi:10.5194/essd-16-1353-2024 （English）. 
  20. ^ Bourgoin, Clement; Ameztoy, Iban; Verhegghen, Astrid; Desclée, Baudoin; Carboni, Silvia; Bastin, Jean-Francois; Beuchle, Rene; Brink, Andreas; Defourny, Pierre. Mapping global forest cover of the year 2020 to support the EU regulation on deforestation-free supply chains. Publications Office of the European Union. 2024. ISBN 978-92-68-13866-3. doi:10.2760/262532. 
  21. ^ Zhang, Xiao; Liu, Liangyun; Zhao, Tingting; Gao, Yuan; Chen, Xidong; Mi, Jun. GISD30: global 30 m impervious-surface dynamic dataset from 1985 to 2020 using time-series Landsat imagery on the Google Earth Engine platform. Earth System Science Data. 2022-04-14, 14 (4): 1831–1856. ISSN 1866-3508. doi:10.5194/essd-14-1831-2022 （English）. 
  22. ^ 22.0 22.1 22.2 Venter, Zander S.; Barton, David N.; Chakraborty, Tirthankar; Simensen, Trond; Singh, Geethen. Global 10 m Land Use Land Cover Datasets: A Comparison of Dynamic World, World Cover and Esri Land Cover. Remote Sensing. 2022-08-21, 14 (16): 4101. ISSN 2072-4292. doi:10.3390/rs14164101 （英语）. 
  23. ^ 23.0 23.1 23.2 Zhang, Xiao; Liu, Liangyun; Zhao, Tingting; Chen, Xidong; Lin, Shangrong; Wang, Jinqing; Mi, Jun; Liu, Wendi. GWL_FCS30: a global 30 m wetland map with a fine classification system using multi-sourced and time-series remote sensing imagery in 2020. Earth System Science Data. 2023-01-17, 15 (1): 265–293. ISSN 1866-3508. doi:10.5194/essd-15-265-2023 （English）. 
  24. ^ 24.0 24.1 24.2 Yu, Le; Du, Zhenrong; Dong, Runmin; Zheng, Juepeng; Tu, Ying; Chen, Xin; Hao, Pengyu; Zhong, Bo; Peng, Dailiang; Zhao, Jiyao; Li, Xiyu; Yang, Jianyu; Fu, Haohuan; Yang, Guangwen; Gong, Peng. FROM-GLC Plus: toward near real-time and multi-resolution land cover mapping. GIScience & Remote Sensing. 2022-12-31, 59 (1): 1026–1047. ISSN 1548-1603. doi:10.1080/15481603.2022.2096184. 
  25. ^ 25.0 25.1 25.2 Friedl, Mark A.; Woodcock, Curtis E.; Olofsson, Pontus; Zhu, Zhe; Loveland, Tom; Stanimirova, Radost; Arevalo, Paulo; Bullock, Eric; Hu, Kai-Ting; Zhang, Yingtong; Turlej, Konrad; Tarrio, Katelyn; McAvoy, Kristina; Gorelick, Noel; Wang, Jonathan A. Medium Spatial Resolution Mapping of Global Land Cover and Land Cover Change Across Multiple Decades From Landsat. Frontiers in Remote Sensing. 2022-06-28, 3. ISSN 2673-6187. doi:10.3389/frsen.2022.894571 （English）. 
  26. ^ Zhang, Xiao; Liu, Liangyun; Zhao, Tingting; Wang, Jinqing; Liu, Wendi; Chen, Xidong. Global annual wetland dataset at 30 m with a fine classification system from 2000 to 2022. Scientific Data. 2024-03-23, 11 (1): 310. ISSN 2052-4463. PMC 10960823 可免费查阅. doi:10.1038/s41597-024-03143-0 （英语）. 

外部链接

[编辑]
检索自“https://zh.wikipedia.org/w/index.php?title=土地覆盖图的精度评估&oldid=88207439”