[发明专利]一种基于空间邻接指数的遥感分类野外调查样方抽选方法

说明书

技术领域

本发明属于遥感应用领域，特别涉及农业、土地覆盖/利用遥感分类野外调查样本抽选方法。

背景技术

遥感分类野外调查的核心在于通过抽样设计选出代表性样本，以此减少样本推断农作物的偏差。目前遥感分类领域野外样本选择常用的方法有简单随机抽样、分层随机抽样、系统抽样和整群抽样。

(1)简单随机抽样：从总体中随机抽取n样本，每个可能的样本都有相同被抽中的概率。优点：随机度高，适用于均质的总体；计算简单。缺点：未使用辅助信息抽取样本，抽样效率低；对于非均质总体有可能抽到一个“差”的样本，不能很好地代表总体。

(2)分层随机抽样：把总体分为同质的、互不交叉的层，然后在各层中采用简单随机抽样的方法抽样。优点：对于层间方差大，层内方差小的总体效率高；同等样本量，效率高于简单抽样和系统抽样；样本代表性高；不同层可采用不同的抽样框和抽样方法。缺点：要求有高质量的、能用于分层的辅助信息。

(3)系统抽样：首先将总体中各单位按一定顺序排列编号，根据样本容量要求确定抽选间隔，然后随机确定起点，每隔一定的间隔抽取一个单位。优点：操作简便，应用广泛。缺点：对于总体具有某种周期性性质，容易产生“差”的样本；未使用辅助信息抽取样本，抽样效率低。

(4)整群抽样：先将调查总体分为群，然后从中抽取群，对被抽中群的全部单元进行调查。优点：适用于群间差异小、群内各个体差异大、可以依据外观的或地域的差异来划分的群体。缺点：群内单位有趋同性，其精度比简单抽样为低。

发明内容

本发明要解决的技术问题是：找到一个量化指标，能够准确地表达遥感分类误差的空间分布；然后以该量化指标作为分层抽样的指标，进行遥感野外调查样本的抽样。

本发明解决其技术问题所采用的技术方案是：

一种基于空间邻接指数的遥感野外调查样方抽选方法，包含以下步骤：

步骤1)：遥感影像分类；

步骤2)：计算每个像元的空间邻接指数(SAI)；

步骤3)：抽样分层；

步骤4)：确定每一层的样本量；

步骤5)：分层随机抽样。

具体地，上述步骤1)至步骤5)具体为：

步骤1)：遥感影像分类为：对一副遥感影像(假设像元总数为N)利用机器学习算法(例如，最大似然法)进行分类，得到土地覆盖类型空间分布图；

步骤2)：计算每个像元的SAI：SAI的计算方法如下式：

其中，y_i为分类图像上任意一像元的类型，y_k表示与y_i邻接像元的类型，当y_i与y_k类型相同时，Ψ(y_i＝y_k)取值为0，否则取值为1；

步骤3)：抽样分层：按SAI值将图像上的像元分为z+1层，层号为h，h∈[1,z+1]，第h层的总体像元数量为N_h，

步骤4)：确定每一层的样本量；

步骤5)：分层随机抽样，在每一层内采用一种随机抽样方法随机抽取n_h个样本。

具体地，上述每个像元的空间邻接指数SAI变化范围为2-8。

具体地，上述步骤4)具体为：每一层的样本量的计算方法如下式：

其中，n_h为第h层的样本量，W_h为第h层的像元总数占总体像元数比例，S_h为第h层的方差，C_h为第h层的空间邻接指数的函数，C_h取值为1/(SAI+1)。注意当n_h超过N_h时，n_h直接取值为N_h，剩余样本量再按上公式进行其他层的分配。

具体地，上述方差S_h计算方式如下：

其中，M(SAI)为第h层的空间邻接指数的平均值。

具体地，上述步骤5)具体为：在每一层内采用一种随机抽样方法随机抽取n_h个样本。

本发明的有益效果主要有以下3个方面：