GB/T 40034-2021 叶面积指数遥感产品真实性检验

　　ICS 07 . 040 A 77

　　中 华 人 民 共 和 国 国 家 标 准

　　GB/T 40034—2021

　　叶面积指数遥感产品真实性检验

　　validationofleafareaindexremotesensingproducts

　　2021-04-30 发布 2021-1 1-01 实施

　　国家市场监督管理总局国家标准化管理委员会

　　发

　　布

　　GB/T 40034—202 1

　　GB/T 40034—202 1

　　前 言

　　本标准按照 GB/T 1 . 1—2009 给出的规则起草。

　　本标准由中国科学院提出。

　　本标准由全国遥感技术标准化技术委员会(SAC/TC 327)归口 。

　　本标准起草单位：中国科学院空天信息创新研究院、福州大学、中国科学院青藏高原研究所、中国科学院地理科学与资源研究所、北京大学、北京师范大学、中国科学院大学、中国林业科学研究院资源信息研究所、中国农业科学院农业资源与农业区划研究所、西南交通大学、华中农业大学。

　　本标准主要起草人：李静、赵静、邹杰、曾也鲁、柳钦火、李新、方红亮、唐伯惠、范闻捷、屈永华、穆西晗、姜小光、陈尔学、吴文斌、董亚冬、王新鸿、刘照言、尹高飞、徐保东。

　　GB/T 40034—202 1

　　叶面积指数遥感产品真实性检验

　　1 范围

　　本标准规定了叶面积指数遥感产品真实性检验的基本要求、检验方法和检验报告格式。

　　本标准适用于叶面积指数遥感产品的真实性检验。

　　2 规范性引用文件

　　下列文件对于本文件的应用是必不可少的。 凡是注 日期的引用文件，仅注 日期的版本适用于本文件 。凡是不注日期的引用文件，其最新版本(包括所有的修改单)适用于本文件。

　　GB/T 36296—2018 遥感产品真实性检验导则

　　GB/T 39468—2020 陆地定量遥感产品真实性检验通用方法

　　3 术语和定义

　　GB/T 36296—2018 和 GB/T 39468—2020 界定的以及下列术语和定义适用于本文件。

　　3.1

　　叶面积指数 leafareaindex;LAI

　　地面单位投影面积内叶片总面积的一半。

　　3.2

　　有效叶面积指数 effectiveleafareaindex

　　与观测孔隙率值相等的、假定叶片随机分布条件下的叶面积指数。

　　注：可通过光学仪器法测量或遥感反演间接获得。

　　3.3

　　聚集指数 clumpingindex

　　描述自然界中叶片在冠层内随机分布、规则分布、聚集分布的空间分布模式。

　　3.4

　　基本抽样单元 elementarysamplingunit;ESU

　　在地面观测场布设的进行叶面积指数测量的区域单元。

　　3.5

　　无线传感器网络 wirelesssensornetworks;WSN

　　通过无线通信技术把传感器节点以 自 由式进行组织与结合进而形成的网络。

　　4 基本要求

　　叶面积指数遥感产品真实性检验应符合 GB/T 36296—2018 中第 7 章的规定，并满足下列要求：

　　a) 检验对象为单天叶面积指数遥感产品时，参考对象与检验对象的获取时间差异宜在 2 d 以内;检验对象为叶面积指数多天合成产品时，参考对象获取时间应在叶面积指数遥感产品的合成时间内;

　　GB/T 40034—202 1

　　b ) 参考对象应优先选择均质地表，可包含非均质地表;

　　c) 参考对象应尽量覆盖待检叶面积指数遥感产品的不同取值范围。

　　5 检验方法

　　5 . 1 检验方法选择

　　叶面积指数遥感产品的真实性检验方法包括直接检验法和间接检验法。 根据参考对象与待检对象的尺度差异，以及地表空间异质性特征，选择检验方法：

　　a) 当待检叶面积指数遥感产品与地面测量数据尺度一致，或待检像元为均质地表像元时，应采用直接检验法;

　　b ) 当待检叶面积指数遥感产品像元尺度大于地面测量数据尺度，且待检像元为非均质地表像元时，应基于地面测量与高分辨率遥感数据，采用间接检验法中的多尺度逐级检验法;

　　c) 当检验区无地面测量数据时，应基于已知质量精度叶面积指数遥感产品，采用间接检验法中的交叉检验法。

　　5 . 2 直接检验法

　　5 . 2 . 1 地面抽样方法

　　5 . 2 . 1 . 1 样区的地面抽样方法

　　在开展叶面积指数遥感产品真实性检验时，样区内应布设多个开展地面测量的基本抽样单元(ESU)样点。 样区内样点选取采用的地面抽样方法如下：

　　a) 样区选择应具有空间代表性，应覆盖待检叶面积指数遥感产品 3 × 3 个像元，即正方形边长为待检叶面积指数遥感产品空间分辨率 3 倍;

　　b ) 按照 GB/T 39468—2020 中 4 . 2 的方法进行样区异质性评价;

　　c) 样区均质时，宜采用简单随机抽样模型和系统抽样模型布设 ESU 样点，并计算 ESU 样本量，具体方法参见 GB/T 39468—2020 中 B. 1 和 B. 2 ;

　　d) 样区非均质，且样区内土地 利 用 类 型、植 被 类 型、植 被 长 势 分 布[如 归 一 化 差 值 植 被 指 数(NDVI)分布图]等先验知识未知时，宜采用克里格模型和非均质表面均值估计模型布设 ESU样点，并计算 ESU样本量，具体方法参见 GB/T 39468—2020 中 B. 4 和 B. 5 ;

　　e) 样区非均质，但样区内土地利用类型、植被类型、植被长势分布等先验知识已知时，考虑经济因素限制样本量，结合样区内非均质特征选择抽样方法，具体方法参见附录 A 的 A. 1 和 A. 2,并计算 ESU样本量;

　　f) 样区非均质并采用无线传感器网络(WSN) 进行多点连续测量时，应考虑 WSN 在不同植被类型、不同长势以及时间序列上的代表性，宜采用针对 WSN定点连续测量的抽样方法布设 ESU样点，具体方法参见 A. 3,并计算 ESU样本量。

　　5 . 2 . 1 . 2 ESU 内部测量位置选取

　　根据 ESU 内部植被群落的空间结构非均质性特征，测量点位置确定方法如下：

　　a) 在植被分布均质、密集的地区，宜采用方形抽样模式、十字抽样模式和菱形抽样模式，ESU 内部样本量确定方法参见 GB/T 39468—2020 中 B. 1 . 2 。方形抽样模式测量位置如图 1 所示，应在抽样正方形的 4 条边及中心布设部分测量样点，在正方形内部随机布设剩余测量样点;十字抽样模式测量位置如图 2 所示，沿着图中十字方向均匀布设测量样点;菱形抽样模式测量位置如图 3 所示，沿着图中菱形的 4 条边均匀布设测量样点;

　　GB/T 40034—202 1

　　b ) 在植被分布稀疏不连续的地区，宜采用对角线抽样模式，测量位置如图 4 所示，其中虚线表示在对角线上以一定的距离间隔进行样线测量。

　　图 1 方形抽样模式示意图

　　图 2 十字抽样模式示意图

　　图 3 菱形抽样模式示意图

　　图 4 对角线抽样模式示意图

　　5 . 2 . 2 检验流程

　　检验流程应符合 GB/T 36296—2018 中 8 . 1 的规定，具体操作流程见图 5,步骤如下：

　　a) 叶面积指数地面测量：

　　1) 可采用点观测或 ESU方式观测，ESU 内测量样点的确定方法见 5 . 2 . 1 . 2,取 ESU 内所有样点测量值的算术平均作为 ESU 的相对真值;

　　2) 测量点上不同植被类型的叶面积指数地面测量方法参见附录 B,森林参数测量方法参见附录 C ;

　　b ) 空间代表性评价：若地面观测与待检叶面积指数遥感产品尺度不匹配，应使用空间代表性评价

　　GB/T 40034—202 1

　　方法(参见附录 D)分析地面测量样区在待检产品像元内的空间代表性，选取空间代表性高的地面测量数据进行真实性检验;

　　c) 准确度评价：按 GB/T 36296—2018 中 6 . 1 规定的平均误差、平均绝对误差、相对误差、平均相对误差、平均绝对相对误差、均方根误差、相关系数，以及相对均方根误差和产品精度(参见附录 E)等准确度评价指标定量表达叶面积指数遥感产品的准确度;

　　d) 不确定度分析：按 GB/T 36296—2018 中 6 . 2 规定的标准差、方差、协方差和标准不确定度等不确定度评价指标进行叶面积指数遥感产品的不确定度分析。

　　图 5 叶面积指数遥感产品直接检验操作流程

　　5 . 3 间接检验法

　　5 . 3 . 1 基于地面测量与高分辨率遥感数据的多尺度逐级检验法

　　检验流程应符合 GB/T 36296—2018 中 8 . 1 和 8 . 2 . 1 的规定，操作流程见图 6,具体步骤如下：

　　a) 样区选择：样区长和宽应是待检叶面积指数遥感产品分辨率 3 倍以上，例如待检产品空间分辨率为 1 km,则样区至少为 3 km×3 km;

　　b ) 叶面积指数地面测量：

　　1) 宜采用 ESU,其大小应与高分辨率遥感数据的空间分辨率一致，ESU位置获取见5 . 2 . 1 . 1 ;

　　2) ESU 内测量样点的确定方法见 5 . 2 . 1 . 2 ;

　　3) 测量点不同植被类型的叶面积指数地面测量方法参见附录 B,森林参数测量方法参见附录 C ;

　　4) 取多点测量的算术平均作为 ESU 的真值;

　　c) 高空间分辨率叶面积指数相对真值图获取：

　　1) 随机选取 2/3 的 ESU 观测，使用高分辨率遥感影像，基于高空间分辨率植被指数[如 ND- VI、比值植被指数(SR)、简化比值植被指数(RSR) 等]建立叶面积指数的经验回归模型，或者基于植被辐射传输模型的叶面积指数反演方法，反演得到高空间分辨率叶面积指数相对真值分布图;

　　2) 基于剩余 1/3 的 ESU 观测，按照 5 . 2 规定的直接检验方法，对反演的高空间分辨率叶面积指数相对真值分布图进行准确度和不确定度分析，当且仅当高空间分辨率叶面积指数相对真值结果满足既定阈值要求时，可用于下一步检验;

　　d) 待检叶面积指数遥感产品相对真值获取：通过几何配准，选取与待检产品像元对应的高空间分辨率叶面积指数相对真值图的像元，用逐像元平均的方法获取待检产品像元的相对真值;

　　e) 准确度评价：按 GB/T 36296—2018 中 6 . 1 规定的平均误差、平均绝对误差、相对误差、平均相对误差、平均绝对相对误差、均方根误差、相关系数，以及相对均方根误差和产品精度(参见附录 E)等准确度评价指标定量表达叶面积指数遥感产品的准确度;

　　GB/T 40034—202 1

　　f) 不确定度分析：按 GB/T 36296—2018 中 6 . 2 规定的标准差、方差、协方差和标准不确定度等不确定度评价指标进行叶面积指数遥感产品的不确定度分析。

　　图 6 基于地面测量与高分辨率遥感数据的多尺度逐级检验法操作流程

　　5 . 3 . 2 基于已知质量精度叶面积指数遥感产品的交叉检验法

　　检验流程应符合 GB/T 36296—2018 中 8 . 2 . 1 的规定，主要操作流程见图 7,具体步骤如下：

　　a) 参考对象选取：宜选取精度及不确定度已知的叶面积指数遥感产品作为参考对象;

　　b ) 空间尺度匹配：将待检叶面积指数遥感产品与参考对象进行空间尺度配准，采用逐像元平均法将待检产品与参考对象聚合到相同尺度(两产品原始尺度的最小公倍数);

　　c) 选取参与评价的像元集合：为全面评价不同空间特征的叶面积指数遥感产品质量，应尽量选取不同植被类型、不同均质性特征以及不同地形特征的像元，应根据质量描述选取参考对象中反演质量较高的像元，得到开展质量评价的像元集合;

　　d) 准确度评价：按 GB/T 36296—2018 中 6 . 1 规定的平均误差、平均绝对误差、相对误差、平均相对误差、平均绝对相对误差、均方根误差、相关系数，以及数据缺失百分比、相对均方根误差和产品精度(参见附录 E)等准确度评价指标定量表达叶面积指数遥感产品的准确度;

　　e) 不确定度分析：按 GB/T 36296—2018 中 6 . 2 规定的标准差、方差、协方差和标准不确定度等不确定度评价指标进行叶面积指数遥感产品的不确定度分析。

　　GB/T 40034—202 1

　　6 检验报告

　　图 7 叶面积指数遥感产品交叉检验操作流程

　　6 . 1 封面信息

　　检验报告封面应包括以下信息：

　　a) 检验报告编号;

　　b ) 检验报告名称;

　　c) 检验负责人;

　　d) 检验核对人;

　　e) 检验签发人;

　　f) 检验单位;

　　g) 送检单位;

　　h) 检验时间。

　　6 . 2 正文信息

　　6 . 2 . 1 待检叶面积指数遥感产品概述

　　对待检叶面积指数遥感产品进行描述，宜包括：

　　a) 遥感产品来源、时空分辨率、时间序列跨度、空间覆盖范围、投影方式、单位等;

　　b ) 产品算法简单描述。

　　6 . 2 . 2 参考对象描述

　　对作为参考对象的检验数据集进行描述，宜包括：

　　a) 检验数据集的常规信息，包括名称、植被类型、地形特征(坡度、坡向)、非均质特征、测量方法、测量仪器、数据格式、采集时间、采集负责人等;

　　b ) 检验数据集的质量评价描述;

　　c) 检验数据集的适用性描述。

　　6 . 2 . 3 检验方法及流程

　　对采用的检验方法和检验过程进行描述，宜包括：

　　GB/T 40034—202 1

　　a) 检验方法和流程概述;

　　b ) 检验结果的评价指标;

　　c) 检验过程的记录要求;

　　d) 检验结果的存档。

　　6 . 2 . 4 真实性检验结论

　　对真实性检验结果进行描述，宜包括：

　　a) 真实性检验结果总体评价：描述所检验叶面积指数遥感产品的总体精度;

　　b ) 分项指标评价：描述直接检验、间接检验的精度评价结果;描述不同植被类型、不同生长期、不同非均质地表像元以及不同地形特征的精度评价结果;描述产品空间连续性，如果待检产品为时间序列产品，评价产品时间连续性;

　　c) 分析检验过程中的不确定性：包括测量误差、仪器误差、代表性误差等;

　　d) 对产品的评价与建议：通过对各项指标的评价和分析，给出所检验叶面积指数遥感产品的具体评价结果，包括产品精度、时间连续性、空间连续性等;

　　e) 检验信息：包括检验人、检验单位、检验时间、地点、签字、盖章。

　　6 . 2 . 5 附加信息

　　对叶面积指数遥感产品真实性检验过程中的非常规问题进行说明与描述。

　　6 . 3 检验报告信息简表

　　叶面积指数遥感产品检验报告信息简表的编制参见 GB/T 36296—2018 附录 D。

　　GB/T 40034—202 1

　　附 录 A

　　(资料性附录)分层抽样方法

　　A.1 基于植被分类图先验知识的抽样方法

　　该方法适用于检验区域内植被类型较多，特定植被类型内的生长差异不显著，如农田区域。 具体步骤如下：

　　a) 依据植被分类图，将待检区域按植被类型进行分层;

　　b ) 各层样本布设方法及样本量计算参见 GB/T 39468—2020 中 B. 3 分层抽样模型。

　　A.2 基于植被指数先验知识的抽样方法

　　该方法适用于测区内植被类型单一但生长差异明显，如草地、森林地区，且分类图提供的先验知识有限的区域，具体步骤如下：

　　a) 选取检验区域，获取时相接近的高分辨率遥感影像，经数据预处理(辐射校正、几何校正)，生成高分辨率植被指数图及植被分类图;

　　b ) 选取对叶面积指数值变化较敏感的植被指数，例如低覆盖度区域可选择 NDVI,高覆盖度区域可选择 SR,根据高分辨率影像的植被指数频率分布直方图，以各层内部的离散方差加权和取最小作为约束条件设定阈值，将研究区域分割为若干个不同植被类型与生长水平的类别;

　　c) 根据植被指数分割结果图各层离散方差的大小评估各层内部的变异程度，同时考虑各层的离散方差与面积比例，采取内曼分配原则确定各层应分配的样点数目;

　　d) 根据植被指数图进行布样时，采用最邻近指数(NNI)对样点的空间分布格局进行评估，通过对照高分辨率植被分类图，使样点在不同的植被类型中都有分布，最终确定样点空间位置。

　　A.3 针对 WSN定点连续测量的抽样方法

　　对于 WSN,宜采用联合植被分类图与多时相的植被指数图作为先验知识的抽样方法进行布样。 该方法采用多时相的高分辨率植被指数图，目标函数设定为所选取的样点在不同时相上的植被指数频率分布与检验区域的差异最小，使样点在检验区域不同时相上具有最高代表性。 植被指数图的时相数根据检验区域异质性在时间序列上的变化特征决定，农作物、草地、落叶林地区应至少包含春季、夏季和秋季 3 个时相，常绿针叶林地区应至少包含春季和夏季 2 个时相。

　　GB/T 40034—202 1

　　附 录 B

　　(资料性附录)

　　叶面积指数地面测量方法

　　B.1 直接测量法

　　当抽样点个数相对较少，投入实验的人力充足，允许较长的测量周期时，采用直接测量法进行植被叶面积指数测量，具体包括三种方法：

　　a) 收获测量法：适用于冠层结构较小植株(如农作物、草地等)的叶面积指数测量。 通常选取边长为 1 m 或 2 m 的正方形区域，收获区域内所有叶片，采用照相法或叶片面积测量仪器测量收获的所有叶片的总面积，将叶片总面积除以区域面积计算单位面积的叶面积指数;

　　b ) 落叶收集法：适用于落叶林。 在样区内随机设置一定面积的凋落物收集网，将收集到的凋落物烘干，分离出叶片称重，得到落叶量。 用十字分割法从落叶中取出一定重量的叶片测出总叶面积，计算出比叶面积，结合落叶收集得到的单位时间单位面积落叶的重量以及单位时间落叶量所占样地总叶量的百分比，计算得到叶面积指数;

　　c) 异速生长测定法：适用于橡树等叶面积指数与植物器官的几何尺寸相对稳定的特定森林树种。利用不同生长周期植物器官的几何尺寸，根据其生物量与植物器官的异速生长规则，建立适用于该植被相应生长时期的异速生长函数，用基本的森林清查数据作为输入，从而计算地面叶面积指数。

　　B.2 采用光学仪器的间接测量法

　　采用光学仪器的间接测量法按测量原理分为基于辐射测量的方法和基于图像测量的方法。 前者通过测量辐射透过率来计算叶面积指数，测量应在晴朗无云的天气进行;后者通过获取和分析植物冠层的半球数字图像来计算叶面积指数，测量应在均一的光环境下进行，如黎明、黄昏、阴天等，避免晴天时的直射光。

　　采用光学仪器进行测量前，应针对测量的植被类型，对仪器进行定标。

　　针对 3 种植被类型的叶面积指数测量方法如下：

　　a) 森林叶面积指数测量：对多个森林参数进行测量，包括有效叶面积指数、聚集指数、束簇面积比参数、木质总面积比参数，测量方法参见附录 C。 有效叶面积指数采用基于辐射测量的仪器测量;测量聚集指数时，应在 10°~70°天顶角范围内多次测量并取平均;

　　b ) 农作物叶面积指数测量：采用基于辐射测量的方法测量有效叶面积指数。 对于垄行结构明显的行播作物冠层，在两垄行之间拉一条对角样线，样点在样线上均质分布。 如果垄行中存在明显的空隙，应先进行冠层空隙检测。 当空隙检测误差小于或等于 10%(均质冠层)时，可根据天气条件选取视角尽可能大的遮盖帽;当空隙检测误差大于 10%(非均质冠层)时，应采用 45°遮盖帽，且对角样线的数目应至少为原来的 2 倍;

　　c) 草地叶面积指数测量：采用基于辐射测量的方法测量有效叶面积指数。 当草的高度较低，传感器放置在地表会接近或超过草的高度时，采用基于图像测量的方法，以向下测量的方式获取叶面积指数;当草的高度较高，并夹有枯草时，采用附录 C 中 C. 4 森林叶面积指数测量估计木质总面积比参数的方式，剔除树枝、树干等非叶片成分和枯草部分的贡献。

　　GB/T 40034—202 1

　　附 录 C

　　(资料性附录)

　　森林参数测量方法

　　C.1 有效叶面积指数测量方法

　　采用基于辐射测量的方法测量叶面积指数，也可采用基于图像测量的方法。 测量时按照仪器说明规定的天气条件，根据 5 . 2 . 1 给出的抽样方案对各样点逐一测量。 将传感器置于林下植被的下方时，测量到的是乔木层和林下植被的叶面积指数之和;将传感器置于林下植被的上方时，测量到的是乔木层的叶面积指数。

　　C.2 冠层基本组分及木质组分聚集指数测量方法

　　冠层基本组分主要测量方法包括样线测量法、半球摄影法和多光谱冠层成像法。 测量时按照仪器说明规定的天气条件，在 10°~70°天顶角范围内多次测量并取平均，以消除观测天顶角及方位角的影响 。 当需要快速测定冠层基本组分聚集指数时，宜采用样线测量法;当需要高精度冠层基本组分聚集指数测量时，宜采用多光谱冠层成像法。

　　冠层木质组分聚集指数在天顶角方向呈较大的差异性，采用木质总面积比参数消除木质组分对森林冠层地面叶面积指数测量结果的影响。

　　C.3 束簇面积比参数测量方法

　　测量针叶林的聚集指数时，需基于束簇面积比对测量的聚集指数进行校正。 针叶束表面积测量方法主要有光学投影法和体积替代法。 光学投影法基于针叶束投影面积和形状因子计算针叶簇中所有针叶束表面积;体积替代法将针叶簇投入含有 5%洗洁精的清水中，通过两次测量清水的体积变化计算针叶束总体积，同时结合针叶束数量和形状因子计算针叶束总表面积。 测量方法的选择如下：

　　a) 当样地内分布不同年龄的针叶林树木时，其束簇面积比参数测量应在每个树龄段选择典型针叶树，同时在典型树木各高度及方位区间选择典型针叶簇，数目应不少于 12 个，以避免测量人员主观性对最终结果的影响;

　　b ) 在设备及人员条件具备时，优先采用体积替代法开展针叶束表面积测量;

　　c) 当采用光学投影法测量时，如针叶簇与标准圆柱体几何形状差异较大，应增加光学投影在天顶角方向及方位角方向的抽样次数，以实现对针叶簇全方位抽样并保证测量精度。

　　C.4 木质总面积比参数测量方法

　　木质总面积比参数可采用的测量方法主要有直接测量方法、光学测量方法、多光谱冠层成像法。 对于常绿针叶林、阔叶林，优先采用多光谱冠层成像法。 测量方案如图 C. 1,在天顶角方向 0°~90°内可每隔 10°测量一次，在方位角方向可每隔 60°测量一次，共计 60 对影像即可完成冠层半球方向抽样。

　　GB/T 40034—202 1

　　图 C.1 木质总面积比参数影像获取示意图

　　GB/T 40034—202 1

　　附 录 D

　　(资料性附录)

　　空间代表性评价方法

　　D.1 基于高分辨率影像计算低分辨率像元内统计指标的空间代表性评价方法

　　评价站点观测在低分辨率像元尺度内空间代表性需要明确低分辨率像元内部空间异质性特征。 基于高分辨率影像能够捕获低分辨率像元内部地物空间分布特征的优势，计算低分辨率像元内部多个高分辨率像元的统计指标，对低分辨率像元内部地表空间异质性开展定量评价。 指标定义如下：

　　a) 相对平均绝对偏差，基于多个高分辨率像元评价低分辨率像元内地表空间异质性，由公式(D. 1)表示：

　　式中：

　　RMAD — 相对平均绝对偏差;

　　n —低分辨率像元内高分辨率像元个数;

　　xi —低分辨率像元内第 i个高分辨率像元值;

　　x —低分辨率像元内所有高分辨率像元值得算术平均值。

　　b ) 相对空间抽样误差，用于评价站点观测值和多个高分辨率影像像元均值的差异，用于表征站点观测值是否落入异常值内，由公式(D. 2)表示。

　　……………………( D.2 )

　　式中：

　　RSSE — 相对空间抽样误差;

　　xs —站点所处位置对应的高分辨率像元值;

　　x —低分辨率像元内所有高分辨率像元值得算术平均值。

　　RMAD值越小，代表地表空间异质性程度越低;RSSE值越小，代表站点所处位置落入低分辨率像元内极端异常值的概率越小。 在实际应用中，需要同时保持 RMAD 和 RSSE处于较小值才能保证站点观测的空间代表性越高。

　　D.2 基于高分辨率影像和变异函数的空间代表性评价方法

　　基于地理学第一定律，考虑到地表空间相关性，可采用变异函数结合低分辨率像元内多个高分辨率像元评价地表的空间异质性。 变异函数由公式(D. 3)表示：

　　r ⅡxⅡ ≈h 2 ……………………

　　式中：

　　r(h)—变异函数;

　　h —低分辨率像元内高分辨率像元对(xα,xβ ) 的距离;

　　N(h)—低分辨率像元内高分辨率像元对(xα , xβ ) 的个数;

　　GB/T 40034—202 1

　　义(xα) —低分辨率像元内在 xα 位置处高分辨率像元值;

　　义(xβ ) —低分辨率像元内在 xβ 位置处高分辨率像元值。

　　基于变异函数拟合模型(球面模型、指数模型等)拟合低分辨率像元内不同高分辨率像元对在不同距离的变异函数值。 模型的选择取决于对变异函数值的精度，以常用的球面拟合模型为例，采用拟合模型后的参数定量评价低分辨率像元内多个高分辨率像元间和高分辨率像元内的空间异质性。 球面拟合模型由公式(D. 4)表示：

　　……………………( D.4 )

　　式中：

　　rsph(h)—球面拟合模型的变异函数;

　　h —低分辨率像元内高分辨率像元对(xα,xβ ) 的距离;

　　c0 —拟合模型的块金值，衡量高分辨率像元内部的空间异质性;

　　c —拟合模型的基台值，衡量低分辨率像元内部所有高分辨率像元间的空间变异性;

　　a —拟合模型的变程，超过变程距离的像元之间没有相关性。

　　通过基台值和块金值来确定低分辨率像元内空间均质程度，块金值越小，说明高分辨率像元内部异质性较小，高分辨率像元空间尺度能够表征低分辨率像元内最小分辨单元;基台值越小，说明低分辨率像元尺度内空间均质性越强。

　　D.3 基于高分辨率影像和地统计学指标的空间代表性评价方法

　　借助高空间分辨率影像，利用相对变异系数指标衡量站点在像元尺度内的整体可变性，由公式(D. 5)表示：

　　R CV1.5S - CVS ……………………( D.5 )

　　式中：

　　RCV — 相对变异系数;

　　CV1.5 S —高分辨率参考图在像元尺度 1 . 5S内的变异系数;

　　CVS —高分辨率参考图在像元尺度 S 内的变异系数;

　　S —代表像元尺度大小。

　　利用尺度需求指数指标衡量站点测量可代表的空间范围，由公式(D. 6)表示：

　　R ……………………( D.6 )

　　式中：

　　RSE — 尺度需求指数;

　　g —观测数据的空间尺度;

　　aS —在像元尺度 S 内高分辨率参考图的变程;

　　a1.5S —在像元尺度 1 . 5 S 内高分辨率参考图的变程。

　　利用空间相关性的相对强度指标衡量像元尺度内的空间相关强度，由公式(D. 7)、公式(D. 8)表示：

　　RST = ……………………( D.7 )

　　……………………( D.8 )

　　GB/T 40034—202 1

　　式中：

　　RST — 空间相关性的相对强度;

　　ST — 空间相关性的强度;

　　丫E(a)—对应像元尺度内高分辨率参考图的距离相隔为变程 a 的半变异函数值;

　　丫E(0) — 对应像元尺度内高分辨率参考图的距离相隔为 0 的半变异函数值;

　　c0 —拟合模型的块金值，衡量高分辨率像元内部的空间异质性。

　　利用结构变化的相对比例指标衡量像元尺度内的空间结构，由公式(D. 9)、公式(D. 10)表示： SV1.5s - SVs

　　h ……………………( D.10 )

　　式中：

　　RSV — 结构变化的相对比例;

　　SV — 结构变化的比例;

　　h —低分辨率像元内高分辨率像元对(xα,xβ ) 的距离;

　　丫E(h)—对应像元尺度内高分辨率参考图的距离相隔为 h 的半变异函数值;

　　c0 —对应像元尺度的高分辨率参考图的基台值。

　　当球状模型可以对半方差函数进行拟合时，可基于 RCV、RSE、RST 和 RSV 四个指标共同构建的标准分数指标对站点的空间代表性进行评估;当球状模型不适合对半方差函数进行拟合时，采用基于 RCV 构建的一阶分数指标对站点的空间代表性进行评估，STscore 和 RAWscore 分别由公式( D. 11 ) 和公式( D. 12)表示：

　　-1 …………………… RAWscore = 2RCV -1 ……………………( D. 12 )

　　式中：

　　STscore — 标准分数;

　　RAWscore— 一阶分数;

　　STscore 和 RAWscore 的分数越高，说明站点的空间代表性越强。

　　D.4 基于高分辨率影像和地表分类图的空间代表性评价方法

　　借助于高空间分辨率影像，利用相对绝对误差(RAE) 指标衡量站点测量对应的高分辨率像元与高分辨率影像在产品像元尺度内聚合后的值的差异，由公式(D. 13)表示：

　　式中：

　　RAE(s)—像元尺度为 s 的相对绝对误差;

　　z(xs) —站点位置对应的高分辨率参考图的值;

　　-

　　z[x(s)]—高分辨率参考图在站点位置周边像元尺度 s 内的算术平均值。

　　借助地表覆盖分类图，计算像元尺度内主要植被类型比例(DVTP) 指标定量描述像元尺度的空间异质性，由公式(D. 14)表示：

　　DVTP ……………………( D.14 )

　　GB/T 40034—202 1

　　式中：

　　DVTP(S)—像元尺度为 S 的主要植被类型比例;

　　A(S) —站点测量的植被类型在产品像元尺度的面积;

　　ni(S) —像元尺度为 S 的第i类植被类型的面积;

　　N(S) —像元尺度为 S 的总地物类别个数。

　　利用基台系数(CS)指标判断像元尺度内的整体空间异质性程度，由公式(D. 15)表示：

　　……………………( D.15 )

　　式中：

　　CS(S) —像元尺度为 S 的基台系数;

　　C0(S)+C(S)—在像元尺度 S 内高分叶面积指数参考图的的基台值，基台值通过计算区域变异函数(也叫半方差函数)时采用球面模型拟合得到;

　　μ(S) —像元尺度 S内高分叶面积指数参考图的均值。

　　根据 DVTP、RAE 和 CS三个指标将站点叶面积指数测量在产品像元尺度内空间代表性分为五级，具体分级规则见表 D. 1 。

　　表 D.1 站点叶面积指数测量空间代表性质量分级规则

　　DVTP 的阈值设定根据中等分辨率成像光谱仪(MODIS)地表分类产品(MCD12Q1) 像元分类规则，以像元内某一类地物比例达到 60%进行像元类别确定。 当 DVTP 大于 60% , 即空间代表性为0 级 ~3 级，则站点测量的植被类型对产品像元尺度的植被类型具有空间代表性;当 DVTP 小于或等于60%, 即空间代表性为 4 级，则站点测量的单一植被类型不能代表整个产品像元。

　　GB/T 40034—202 1

　　附 录 E

　　(资料性附录)

　　准确度评价指标及计算方法

　　E.1 数据缺失百分比

　　由公式(E. 1)表示：

　　……………………( E.1 )

　　式中：

　　PMD — 数据缺失百分比;

　　NL — 反演缺失像元个数;

　　NT — 总反演像元个数。

　　E.2 相对均方根误差

　　由公式(E. 2)表示：

　　RRMSe

　　式中：

　　RRMSe — 相对均方根误差;

　　N — 参与检验的像元数目;

　　LAIp(i)—待检产品第 i个检验像元的叶面积指数值;

　　LAIt(i)—基准产品第 i个检验像元的叶面积指数值。

　　E.3 产品精度

　　由公式(E. 3)表示：

　　……………………( E.3 )

　　式中：

　　PP — 产品精度;

　　N — 参与检验的像元数目;

　　LAIp(i)—待检产品第 i个检验像元的叶面积指数值;

　　LAIt(i) —基准产品第 i个检验像元的叶面积指数值。

　　GB/T 40034—202 1

　　参 考 文 献

　　[1] GB/T 3358 . 2—2009 统计学词汇及符号 第 2 部分：应用统计

　　[2] GB/T 14950—2009 摄影测量与遥感术语