随着土地覆盖变化信息的日益累积,其精度评估(即真实性验证)工作也变得日益重要。精度评估已经步入从全局到局域、从静态的土地覆盖信息到动态的土地覆盖变化信息的发展起步阶段,本文的研究正当其时。虽然一般的土地覆盖信息的精度全局评估和局域估计的方法比较完善,但土地覆盖变化信息的精度验证工作存在诸多难点,一些问题未有很好地解决。本文在综述土地覆盖变化信息精度估计的基本原理、方法的基础上,研究了两种局域化的土地覆盖变化信息精度估计方法,并通过真实数据的实验,验证了所提方法的有效性和可行性。成果对地理国情监测、土地资源调查等领域的精度验证工作有研究和应用参考价值。本文的具体工作和贡献分述如下:1、基于逻辑回归模型的土地覆盖变化分类精度估计方法。基于逻辑回归方法的精度估计方法是,选用若干有统计显著性的景观指数为解释变量,依据反映土地覆盖变化地面实况的参考数据(建模训练样本数据),构建逻辑回归模型,用于局域(或称逐像素)精度估计,用以支持面向精度评估和优化的可视化的空间分析。本文按照解释变量选用的两种方式,设计了两种实验方案:直接方案选用土地覆盖变化分类图中的景观指数作为逻辑回归模型的解释变量,间接方案组合选用两个时相的土地覆盖分类图中的景观指数作为逻辑回归模型的解释变量;实验结果表明,两种方案得到的结果无明显差别,但基于计算效率的考虑,推荐使用直接方案。2、基于最大后验概率的土地覆盖变化精度估计方法。该方法是为了充分利用影像分类时的训练样本数据,以最大后验概率为精度的间接指标,通过基于回归分析的校正方法,估算分类(变化类别的分类)精度。基于最大后验概率的土地覆盖变化分类图的精度估计过程是,对单时相影像进行基于缨帽变换和核密度估计,使用期望最大化算法确定变化类别的先验概率,以便进行基于两个时相影像数据的贝叶斯联合分类,从而将变化类别的最大后验概率作为(变化类别)分类正确概率的间接指标,进而通过选用部分参考样本数据计算线性校正系数,得到校正后的精度估计结果。