[发明专利]模拟退火的复杂地表空间遥感产品像元值精度验证方法

说明书

技术领域

本发明涉及一种基于模拟退火的复杂地表空间遥感产品像元值精度验证方法，属于地球空间信息技术领域。

背景技术

遥感技术已广泛应用于资源调查、农作物产量估计、生态环境监测、灾害损失评估等众多领域中。具有覆盖成像周期短、覆盖范围大的优点，已经成为生态资源等调查中不可缺少的重要手段。然而，混合像元、成像过程中的复杂环境影响以及遥感产品算法中存在诸多不确定性，使得遥感产品像元值与真实值之间可能存在一定的差异。遥感产品的真实性检验成为其实际应用之间的一项重要研究工作。选择典型的像元进行精度验证是评价整体遥感产品精度的一种主要方法。对于选定的典型像元，如果其内部比较复杂，覆盖了多种地物类型，则需要通过设置一定数量的抽样调查点，然后从样本点的观测值推算整个像元的真值。与全覆盖性的普查相比，抽样调查具有特别的优势：（1）费用少：只需通过调查有限的样本得到总体估计；（2）精度高：对有限的样本进行精心设计，具有足够的精力和经费充分保证每个样本的调查质量，减小不必要的系统误差；（3）时间省：可在较短的时间内完成所有样本的调查；（4）有时甚至是唯一的调查方法：对于一些有破坏性的调查（如砍倒林木来测定生物量）不可能做到普查。样本量、估计精度及调查费用是遥感像元真实性检验抽样中受到重点关注的三个要素。解决利用最少的样本得到对像元值最高的估计精度，是一个必要而且有意义的研究内容。

基于经典统计理论的抽样方法是目前遥感像元真实性检验中采用的主要方法，包括简单随机抽样、系统抽样和分层抽样等，在国内外抽样调查中仍然占据着重要的地位，广泛应用于国土资源、生态环境、农业作物等调查和研究中(Barahona and Iriarte,2001;Drummond et al.,2012;陈仲新等,2000;胡潭高等,2008;刘建红和朱文泉,2010;王迪等,2008;吴炳方和李强子,2004)。根据样本量与估计精度之间的理论关系，在获得调查对象的离散方差、比率等信息的前提下，计算出期望估计精度下的样本量；然后，以某种随机方式抽样样本，并进行实际调查；最后，通过样本对总体（总量或均值）进行估计(冯士雍和施锡铨,1996)。然而，经典抽样理论以样本相互独立为前提假设，未考虑调查对象在空间分布上的自相关性（Spatial autocorrelation）和异质性（Spatial heterogeneity）(Ripley,1981;王劲峰等,2009)，难以保证估值的无偏最优，效率较低。受地学规律及区域因素的影响，分布于地理空间上的自然资源等要素往往并非完全独立。当使用经典的抽样方法对其进行调查和统计推断时，其结果与真实情况可能存在较大的偏差。因此，需要综合考虑研究对象的空间相关性和空间异质性等一系列对象属性，以便在经费许可和精度保证的前提下，高效率地完成抽样和统计推断(Haining,2003;潘瑜春等,2010;李新等,2010)。空间抽样过程考虑了样本位置、事物之间的空间相关性和空间异质性，更贴近调研区域的真实状况，可用更少样本对总体进行准确估计和统计推断(Pardo-Iguzquiza,1998;and Pilz,2010;Wang et al.,2010)。空间抽样方法由经典抽样技术发展而来，贯彻了“任何事物之间都是相互关联的，且距离近的事物比距离远的事物更加相似”的思想(Tobler,1970)，提高了抽样精度和效率。在经典的简单随机抽样、分层和系统抽样等模型的基础上考虑空间相关性影响之后的模型则分别对应于空间简单随机、空间分层和空间系统抽样等模型(曹志冬等,2008;王劲峰等,2009;赵作权和宋敦江,2009)。虽然根据调整后估计误差计算的样本量较经典抽样理论的结果更加合理，但是，样本在空间上的布设仍使用经典的简单随机、分层或系统抽样方式，没有充分考虑样本空间格局对估计精度的影响。为进一步提高抽样效率，应该在样本量估算和布设阶段就应考虑样本点之间的空间相关性和区域之间的异质性，结合区域总体估计模型和空间优化方法寻找出最优的样本量及其空间布局。

基于地统计克里格理论的总体估计方法为样本点的布局优化提供了一种新的方法，可以实现在给定的样本量下，结合随机模拟的方式找到一组理论误差较小的样本点组合(Brus and Heuvelink,2007;Delmelle and Goovaerts,2009;Gao et al.,1996;Pardo-Iguzquiza,1998;2012)。以普通克里格方法为基础的样本优化方法以空间对象的二阶平稳为理论基础，没有考虑到存在空间分层的复杂地表情形，不适合复杂空间对象的抽样优化。

发明内容