客观世界本身内在的不确定性和人类对客观世界认知的局限性,是导致科学对客观真实的描述存在大量不确定性的主要原因。不确定性问题以其普遍性和现实性,成为当前研究领域中的一个难点和热点。 遥感的研究对象是空间实体,描述空间实体的空间数据中,包括与时间有关的位置数据和属性数据,都存在着大量不确定性,有的甚至严重影响产品的可靠性。数据质量是数据的核心,而数据质量的关键则是对不确定性的评估。 如何全面、准确地度量和可视化表达遥感信息处理中不确定性的程度和空间分布是遥感信息不确定性研究的关键问题之一。传统的度量方法,例如误差矩阵和Kappa系数,直接在训练数据上估计分类模型的性能。而事实上这样做并不合适,不能将以训练样本集为基础的误差矩阵当作总分类精度的量测尺度,我们需要估计模型对于“样本外数据”的性能。因此我们提出将粗糙集理论作为度量遥感信息属性不确定性问题的应用框架,对样本区数据和分类影像中的像元、目标和影像整体等不同尺度上的空间对象进行属性不确定性度量,并以我国黄河三角洲地区的Landsat5TM遥感影像进行不确定性度量的实例分析。 由于混合像元而造成的影像不确定性属于遥感技术固有的不确定性特征,产生混合像元的原因则主要是遥感影像数据的栅格编码格式与传感器的空间分辨能力和空间尺度等因素。混合像元的存在限制了传统像元级遥感分类的精度,而这些分类方法中又都很少考虑整个影像内相邻像元或者该像元与周围像元间的关联关系,即空间数据的空间依赖或空间自相关特性。论文根据遥感影像的空间自相关特性,提出混合像元内部亚像元空间分布的模拟算法,利用像元内部基本组分的面积比信息,在亚像元尺度上模拟混合像元内部的地物空间分布,实现了进入像元内部,在亚像元级别上确定地物边界的目的。同时利用人工影像数据和合成影像数据对模拟算法的性能和效率在不同配置的硬件平台上进行了测试。 遥感信息中存在大量不确定性,如果只是仅仅对其进行不确定性程度上的数学度量,而忽略其在空间域和时间域上的分布特征,则很难完整准确地描述和理解遥感信息中的不确定性。从视觉的角度表现不确定性信息是不确定性建模的重要组成部分,不确定性可视化技术能够辅助用户探查原始数据的不确定性以及不确定性的大小、分布、空间结构和趋势,使用户简单明确地意识到数据不确定性的存在,以