吴亚楠 董士伟 肖 聪 李西灿 潘瑜春 牛 冲

(1.山东农业大学信息科学与工程学院， 泰安 271018； 2.北京农业信息技术研究中心， 北京 100097；3.国家农业信息化工程技术研究中心， 北京 100097； 4.山东省地质测绘院， 济南 250014)

0 引言

频繁的人类活动加剧了土地利用与土地覆被变化，精确的遥感分类图是分析土地利用变化的关键，提高精度评估的准确性与可靠性是遥感分类图合理应用的基础。分类精度评估主要通过抽样方式构建混淆矩阵计算总体精度(Overall accuracy，OA)和Kappa系数等[1]，常见的抽样方法包括分层抽样、简单随机抽样、系统抽样等[2]。目前，精度评价样本点大多采用随机抽样，这导致样本点特征空间和地理空间代表性差，忽视了地物在空间分布上的自相关性和异质性，存在抽样效率低和样本信息冗余等问题[3-4]。在总体分类精度或各地类分类精度评估上，分层抽样考虑了空间自相关性和分异性，且提高了样本点在特征空间和地理空间的代表性和均匀性[5]，与土地利用类型真实评价更为接近[6]。空间分层抽样方法更为有效，空间分层方法是空间分层抽样的关键环节。

基于层内方差小、层间方差大的原则，空间分层根据某种属性特征和空间连续性将总体分为若干同质的区间，可为空间采样调查或监测提供支撑[7-8]。空间分层的方式可大致分为两类：一是直接利用现有分区单元对研究区域进行分层，如土地利用类型[9]、行政单元[10]等；二是利用先验知识[11]、历史数据、辅助数据[12-13]等信息，采用一定的分类方法对区域变量进行空间分层。……