不确定的参数和，测量不确定度是与测量结果相联系的参数

seosqwseo4周前 (08-26)测评日记21

一、测量不确定度是与测量结果相联系的参数

测量不确定度是表征合理地赋予被测量之值的分散性、与测量结果相联系的参数。

测量不确定度是指“表征合理地赋予被测量之值的分散性，与测量结果相联系的参数”。

这个定义中的“合理”，意指应考虑到各种因素对测量的影响所做的修正，特别是测量应处于统计控制的状态下，即处于随机控制过程中。也就是说，测量是在重复性条件(见JJG1001－1998《通用计量术语及定义》第5?6条，本文××条均指该规范的条款号)或复现性条件(见5?7条)下进行的，此时对同一被测量做多次测量，所得测量结果的分散性可按5?8条的贝塞尔公式算出，并用重复性标准〔偏〕差sr或复现性标准〔偏〕差sR表示。

定义中的“相联系”，意指测量不确定度是一个与测量结果“在一起”的参数，在测量结果(见5?1条)的完整表示中应包括测量不确定度。

测量不确定度从词义上理解，意味着对测量结果可信性、有效性的怀疑程度或不肯定程度，是定量说明测量结果的质量的一个参数。实际上由于测量不完善和人们的认识不足，所得的被测量值具有分散性，即每次测得的结果不是同一值，而是以一定的概率分散在某个区域内的许多个值。虽然客观存在的系统误差是一个不变值，但由于我们不能完全认知或掌握，只能认为它是以某种概率分布存在于某个区域内，而这种概率分布本身也具有分散性。测量不确定度就是说明被测量之值分散性的参数，它不说明测量结果是否接近真值。

为了表征这种分散性，测量不确定度用标准〔偏〕差表示。在实际使用中，往往希望知道测量结果的置信区间，因此，在本定义注1中规定：测量不确定度也可用标准〔偏〕差的倍数或说明了置信水准的区间的半宽度表示。为了区分这两种不同的表示方法，分别称它们为标准不确定度和扩展不确定度。

二、遥感信息中的不确定性来源

在遥感数据的生命周期中，从数据的获取、处理、分析、数据转换等各种*作中，都会引入不同类型和不同程度的不确定性，并在随后的各种处理过程中传播。终的总的不确定性则是各种不确定性不断积累的结果。不同的*作也可能引入不同的不确定性。图2-1展示了典型遥感信息处理过程中误差的累积。

在遥感信息处理过程中，每一步都可能引入不同类型的不确定性。Bedard（1987）从地学应用的角度将遥感信息中的误差分为位置误差（locational error）和描述性误差（descriptive error）；Chri**an（1991）则将其称为位置误差（positional error）和属性误差（attribute error）；Veregin（1989）则将其称为图形误差（cartographic error）和专题误差（thematic error）。Goodchild and Wang（1988）从数据处理不同阶段出发，将遥感信息中的误差分为数据源误差（source error），处理误差（processing error）和产品误差（product error）；无独有偶，Beard（1989）将其分为源误差，处理误差和应用误差（use error）。

图2-1典型遥感信息处理过程中误差的累计

在遥感信息处理流程的各个阶段，引入不确定性的基本因素如图 2-2所示。

图2-2遥感信息处理流程中引入不确定性的因素

（1）在数据获取阶段，传感器与地面景的几何关系直接影响图像的质量。理想状态下，在一景图像中的辐照几何关系应该是一个常数。当在瞬时视场角（IFOV）较大时，这种几何关系在一个范围内变化，导致图像内的辐射畸变。同时，这种大视场角也会导致图像内的几何畸变。

（2）传感器系统的特性对图像质量以及信息提取的不确定性有显著影响。传感器的物理参数不但决定获取遥感数据的空间、时间和辐射分辨率，还决定数据的信噪比。同时，传感器工作的电磁波范围决定了云对数据获取的影响以及大气吸收、辐射和散射等造成的遥感数据的辐射畸变。由传感器参数而决定的空间分辨率直接影响遥感信息提取（如分类）的精度。卫星平台的轨道高度，飞行速度和传感器的瞬时视场角一起决定图像的几何特性。卫星平台的稳定性严重影响遥感系统的几何精度。遥感图像所覆盖的地面景的复杂性也对遥感数据中的不确定性有影响。地形起伏不但会导致图像几何畸变，而且会导致图像内迎光坡和背光坡均匀区域内光谱响应的巨大差异，导致信息提取结果中大的不确定性。对于特定物理参数的传感器所获取的遥感图像，地表景观分布的复杂性和地表单元的大小共同直接影响遥感数据的分类不确定性。这些在数据获取时引入的不确定性有些可以纠正，有些则无法纠正或处理，但它们终将影响后遥感信息中的不确定性。例如，葛咏（2001）从机理的角度研究SAR的不确定性传递。

（3）遥感数据的处理过程也会引入不确定性。根据不同的应用目标，需要对遥感数据进行不同的处理。一般来说，对图像进行几何纠正、辐射纠正和数据转换是基本的处理步骤。遥感图像的几何纠正一般通过选取地面控制点和图像上同名的点，在地面控制点坐标和同名点的图像坐标之间建立多项式，而在两个坐标系之间建立联系，然后将遥感图像从图像坐标系转换到地面控制点的坐标系。通常，利用均方根误差（root-mean-square error，RMSE）衡量参考像元的位置精度（Janssen and Van der Wel，1994）。地面控制点的选取对图像几何纠正精度起决定性作用。一般地面控制点从大比例尺的地形图选取。由于地形图的不同地图综合程度，控制点的位置总是存在一定偏差。即使地面控制点位置通过GPS精确得到，对于不同空间分辨率的遥感数据而言，在图像是选取相应于地面控制点的同名点的位置也会存在一定偏差。几何纠正过程中的重采样过程也可能引起图像整体或局部亮度值的变化，从而影响数据分析结果的精度。Smith and kovalick（1985）比较了不同重采样方法对图像分类精度的影响。辐射纠正的目的是消除大气效应、地形效应以及传感器引入的遥感数据中的辐射畸变。不同的辐射纠正方法以及辐射纠正模型中参数的精度常常影响辐射纠正效果，并可能引入新的不确定性。

上述不确定性会在遥感数据的进一步分析中传播并导致分析结果的不确定性，数据分析过程本身也会引入新的不确定性。就遥感数据分类而言，在分类过程的各个阶段都可能引入不确定性。在分类系统设计过程中，类型定义的不完备或模糊性，没有考虑混合像元，不同分类体系集成中的不兼容等（Lunetta et al.，1991），都会在分类结果中引入不确定性；在分类过程中，训练样本数量、训练样本的代表性直接影响分类结果的精度。分类算法本身也是一个重要的不确定源。不同的分类算法所产生的分类结果，其不确定性会有很大差别。

由于从遥感数据的获取、处理、分析和转换等一系列步骤中都有不同类型和程度的不确定性引入，并在进一步分析中传播。在遥感信息提取过程中，不但要设法纠正数据获取过程中引入的不确定性，而且要选取合适的、对误差不敏感的处理和分析方法，使后提取的信息包含小的不确定性。由于本文的重点是研究遥感数据分类结果的不确定性，我们将重点探讨遥感数据分类方法以及由此导致的结果的不确定性。但我们必须明确，终分类结果的不确定性是数据获取、处理和分析等过程中不同不确定性传播、积累的结果。只有在数据源和各处理步骤完全相同的前提下，才有可能通过评价分类结果的不确定性来评价分类方法的有效性。