多源遥感影像土地覆盖分类结果一致性评价与集成应用.pdfVIP

第 25卷 第 4期 地 理 与 地 理 信 息 科 学 V0I_25 No．4 2009年 7月 GeographyandGeo—InformationScience July2009 多源遥感影像土地覆盖分类结果一致性评价与集成应用 李光丽，杜培军，王小美，袁林山 (中国矿业大学测绘与空间信息工程研究所 ，江苏 徐州 221116) 摘要 ：针对多源遥感影像土地覆盖分类结果一致性与分类精度改进 的要求 ，对两组 中等空间分辨率 的光学影像进 行土地覆盖分类，以支持向量机分类结果为基础，采用Kappa统计量、双错误测量、Q统计量、相同错误率从不同角 度评价了不同分类结果的一致性。实验表明，多源遥感数据分类结果总体上常规一致性程度较好，二值先验一致 性程度 尚可 ，错误一致性程度较小；不同土地覆盖类别的一致性程度并不相同，有 的类别甚至出现不一致现象。提 出组合法和替换法两种策略以综合数据优点、实现多传感器数据集成应用，能够有效提高分类精度。 关键词 ：一致性评价 ；土地覆盖分类 ；支持 向量机 ；Kappa统计量 ；Q统计量 中图分类号 ：TP751 文献标识码 ：A 文章编号 ：1672—0504(2009)04—0068—04 多源遥感影像在土地覆盖分类 中得 到广泛应 像元属于各类别的程度。鉴于分类结果输出类型不 用 ，但是同一时期、同一 区域不同影像 的分类结果通 同，本文一致性评价分为常规一致性评价、二值先 常会存在差异。为了将多源遥感数据用于同一土地 验一致性评价和错误一致性评价。 覆盖分类 ，有必要对不同遥感数据的土地覆盖分类 1．1 常规一致性评价指标 结果一致性进行评价 ，并提 出有效的多源数据综合 常规一致性评价不需要通过测试样本评估分类 应用策略。一致性是度量测量值之间接近程度 的指 结果的正确性 ，它仅仅评价基于类别标签的分类输 标 ，一致性评价多用于评价研究者 (或方法)间的一 出的一致性[3]，本文采用 Kappa统计量进行常规一 致性口I，常用的统计学方法主要包括配对 Y 检验、 致性评价。 四格表精确检验 、Kappa检验 、加权 Kappa检验、 Kappa统计量是一种校正机遇之后衡量两种检 Friedman检验 、Kendall协同系数检验 、配对 t检验 、 测方法一致性的指标 ，Kappa值介于一1～+1之间， t检验+回归分析 、组内相关系数法、一致性界限法 、 Kappa一一1，说 明两种检测方法检测的结果完全不 回归技术法和借用生存分析等[1]。本文从常规一致 一 致 ；Kappa=0，说明观察一致性完全 由偶然误差造 性、二值先验一致性、错误一致性 3个层次对两组遥 成 ；Kappa=1，说 明完全排除机遇一致性后 的真正一 感数据分别进行土地覆盖分类一致性评价 ，主要采 致性 ，但实际出现的可能性较小l1]。 用的评价指标有 Kappa统计量、双错误测量 、Q统计 遥感数据分类后常基于混淆矩阵计算 Kappa统 量、相同错误率。实验发现 ，多源遥感数据分类结果 计量评估分类精度_4]，这实际上是计算分类结果和 并不完全一致 。为了有效应用多源遥感数据 ，需采 参考数据之间的一致性程度|5]。本研究则是考察不 用可行 的方法减小数据分类结果之 问的差异性 ，提 同遥感影像对同一时期某一区域土地覆盖分类结果 高多源遥感影像土地覆盖分类 的精度。通过对组合 间的一致性 。 法和替换法两种策略的实验，表明其 能够提高分类 首先计算 R×C列联表 ，即一致性表。在此基 精度。 础上计算 Kappa(~)值 ，公式如下_6]： 一 (户。一P)／(1一 ) (1) 1 一致性评价指标 式中：P。、P 分别为两次调查或测定方法结果 的实际 土地覆盖分类可能的输 出结果有