本书内容及组织结构

遥感信息的不确定性和尺度问题是一个涉及广泛的多学科问题。传统的遥感分类不确定性的评价方法以基于误差矩阵（又称混淆矩阵）的方法为代表。这类方法可以在类别尺度上表达和评价遥感数据分类结果的不确定性，但无法反映分类不确定性的空间分布结构，使评价结果既不便于可视化表达与分析，也不便于不确定性在空间模型中的传播方面的研究。同时，这类方法还受到采样方法的限制和对地面真实状况的了解等因素的局限。因此，如何在像元尺度上评价遥感数据分类不确定性是当前面临的主要问题之一。在不确定性评价基础上，降低分类不确定性一直是遥感研究中的主要问题。对于特定的研究区域，遥感分类不确定性除了与分类方法有关外，还和所用的遥感数据的空间尺度，即空间分辨率有关。对于遥感数据的空间分辨率如何影响数据分类的不确定性，目前尚未得到普遍重视，更缺乏系统的研究。同时，对于特定的应用，如何选取合适空间分辨率的数据和进行数据的尺度转换评价，也是当前迫切需要研究的问题。针对这些问题，本书以遥感信息提取中的不确定性和尺度效应为核心，着重研究遥感专题分类的不确定性表达和评价，从分类器的角度降低遥感分类不确定性的方法，遥感信息专题分类不确定性的尺度效应，以及遥感信息的尺度转换方法及合适分辨率的选择问题。本书共分八章：

第一章为引言，提出遥感信息不确定性和尺度效应研究的背景、意义，介绍全书的研究内容及组织结构。

第二章讨论不确定性的概念，遥感专题分类不确定性评价的历史、方法、进展，以及存在的问题。

第三章讨论遥感信息尺度问题的概念、研究问题和研究方法，研究进展以及存在的问题，并进一步讨论遥感信息不确定性和尺度之间的关系。

第四章研究像元尺度上遥感数据专题分类不确定性的表达和评价问题。分析了基于概率矢量的不确定性表达方法及从概率矢量中计算的各种不确定性度量指标，指出概率残差和信息熵是像元尺度上评价分类不确定性的两个较好的指标。针对概率矢量只能从贝叶斯分类过程中得到的特点，提出了“扩展的概率矢量”的概念，使基于概率矢量的分类不确定性评价方法也可以用于传统的各种距离分类器和模糊分类器等。此外，还对基于概率矢量的不确定性指标所表达的不确定性的意义进行了探讨。

第五章研究从分类器的角度降低分类不确定性的途径。将近年来模式识别领域中发展的多分类器系统的思想引入到遥感数据的专题分类，特别验证了标准的多分类器结合方法在遥感专题分类中的有效性，对抽象级和测量级的多分类器结合方法的特点进行了评价。

图1-1 本书主要研究内容及框架

第六章研究了遥感专题分类不确定性的尺度效应问题。遥感专题分类不确定性的来源有多种。传统的直接将不同空间分辨率数据的分类不确定性直接比较的方法无法区分由尺度变化导致的不确定性的变化和由分类方法本身导致的不确定性，而且计算强度大。针对这种情况，提出了以遥感专题分类中类别特征之间的统计可分性为度量研究分类不确定性尺度效应的方法，指出了随着遥感数据空间分辨率变化，不同类对之间分类不确定性变化结构的差异性及其与类别空间分布结构之间的关系。

第七章研究了遥感信息的尺度扩展方法及合适尺度（空间分辨率）的选择问题。遥感信息尺度扩展方面，通过以模拟的不同空间分辨率遥感传感器的点扩散函数与高空间分辨率的遥感数据进行卷积运算，将高分辨率数据尺度扩展到不同的低分辨率，并以遥感数据反演的地表辐射温度为例，与传统的图像尺度扩展方法进行了比较；合适空间尺度的选择方法方面，在分析和评价了已有方法的基础上，提出了通过分析以一个像元大小为步长的图像变异函数的结构，简单快速的选择合适分辨率的方法，并与传统方法的结果进行对比，验证了该方法的可靠性。

第八章对全书进行了总结，并在此基础上对进一步的研究做了展望。

本书的主要结构组织如图1-1所示。