基于景观指数的地表覆盖自适应抽样方法研究

Spatial sampling design is one of the key steps in land cover accuracy assessment, and many traditional sampling approaches may not achieve credible spatial sampling due to the high spatial heterogeneity of land cover. The major problems include inappropriate sample sizes for target regions, under-represented sample numbers for rare classes, and irrational sample distribution in the geographical space. Hence, the landscape index (LI) is used to characterize the spatial heterogeneity of land cover and develop the most appropriate sampling approach-- LI-based sampling approach..The major task of this project includes:.(1) Present a proposed landscape index-based sampling approach. Its basic idea is to characterize the spatial heterogeneity of land cover with three-level LIs (i.e., rLI for a region, cLI for each land cover class and uLIs for each geographic sampling unit of the region) and derive the sample sizes and their spatial distributions. .(2) Estimate the superiority of this sampling method by considering equilibrium of the sample distribution, precision and stability of accuracy assessment, the universality of method..(3) Develop a self-adaptive sampling system, including requirement analysis, functional design prototyping and development the system. The major functionalities will include measurement of the spatial heterogeneity , estimation of sample sizes, allocation of sample numbers into each class, layout of samples, uploading and downloading of samples, etc.

地表覆盖Land Cover（简称LC）检验样本的数量与空间分布直接影响着其数据精度评价的科学性与准确性。而传统抽样方法往往忽视地表覆盖的空间异质性，导致异质性强的区域样本量偏少，稀少类样本量显著不足，样本空间分布极少顾及景观破碎地带，分类精度高估。针对这一问题，本研究尝试从地表覆盖数据自身的空间异质性出发，发展面向多源LC数据抽样的三级景观指数（即验证区域级、地类级、抽样单元级），全面度量其空间异质性，为样本量计算、类间分配、空间布设提供定量依据。发展基于区域级景观指数的样本量计算方法、基于地类级景观指数的类间分配方法、基于单元级景观指数的样本布设方法，实现面向多源LC数据的检验样本自适应抽样。然后，从样本分布的均衡度、精度评价的准确性和稳定性、方法通用性等角度出发，研究抽样效果验证模拟方法。并以此为基础，研发自适应抽样原型系统，为LC数据验证提供自动、便捷、自适应的检验样本抽样服务。

地表覆盖数据精度评价中面临诸多问题，抽样难以顾及地表覆盖数据自身的空间异质性导致样本空间分布不均衡，水体参考数据受季候因素影响边缘区域变化明显，多时相地表覆盖数据之间存在极大的错分/漏分致使多期数据精度结果不一致性。上述这些问题均会导致地表覆盖精度评价结果不够客观精确。本项目使用LSI对地表覆盖空间异质性程度进行多级度量，结合空间均衡抽样原理，发展一种顾及地表覆盖空间异质性的基于LSI的空间均衡抽样方法。充分挖掘空间异质性格局分析在地表覆盖精度评价中的应用，依据区域级、地类级、象限级（单元级）LSI，构建基于LSI的自适应空间均衡抽样方法，实现样本量合理计算与样本均衡布设。与国家基础地理信息中心合作，将这一抽样方法用于GlobeLand30-2020期全球陆地地表覆盖数据精度评价中，在覆盖全球的944幅数据中抽取两套样本，总量分别为5万和23万左右。完成了该方法在全球陆地范围的实际应用。发展了基于水深相似度的水体地表覆盖精度评价方法，采用基于图斑对象的精度评价方法，引入湖泊坡度概念，对水体地类抗干扰能力进行分级，利用基于水体坡度加权的面积相似度算法和基于纠正水深点的位置相似度算法，进行验证区域的水体总相似度计算，提高水体精度评价的客观性。提出了基于对象构型特征的多时相LC验证方法，通过归纳多期地表覆盖数据一致性判断规则，实现时间序列地表覆盖数据一致性自动化验证，丰富和发展地表覆盖数据精度评价的有关理论、技术和方法，满足地表覆盖客观验证的需求。