土地被覆図の精度評価

サンプル付き土地被覆地図

土地被覆図の精度評価とは、土地被覆図の信頼性と品質を評価するプロセスです。これらの地図は通常、リモートセンシングやその他の地理空間データソースから分類技術を用いて作成され、環境モニタリング、都市計画、気候変動研究において重要な役割を果たしているため、精度評価は土地被覆図の性能評価に不可欠です。[1] [2] [3] [4] [5]

精度は通常、参照データとの比較によって評価されます。これらのデータは通常、地上データまたは高解像度画像であり、「真の」土地被覆を表すと考えられています。土地被覆図を参照データと比較することで、誤分類を特定するのに役立ちます。また、全体的な精度、ユーザーと作成者の精度、カッパ係数などの指標を用いて定量化されることがよくあります。[5] [6] 個々の地図を参照データと比較検証することに加えて、精度評価では、異なる土地被覆製品を比較することで、それらの相対的な精度と様々な用途への適合性を評価することができます。[7]

参照データ

参照データ（グラウンドトゥルースデータまたは検証データとも呼ばれる）は、土地被覆図の精度を評価するために使用されます。これらのデータは、分類された土地被覆ラベルと比較するためのベンチマークとして機能し、その品質は評価の有効性に直接影響します。[5]

参照データのソース

参照データは、次のようなさまざまな情報源から入手できます。[8]

  • 現地調査：GPSデバイスやフィールドフォームを用いて収集された地上データ。信頼性は高いものの、コストが高いため、空間的および時間的な範囲が限定されることが多い。
  • 高解像度画像: 衛星画像や航空画像 ( Google Earth、Landsat、Sentinel-2など) を視覚的に解釈すると、特に専門知識と組み合わせることで、正確な土地被覆ラベルを提供できます。
  • 既存のデータセット: 信頼できる地理空間データベース、主題図、または政府の目録は、十分に正確で時間的に一貫している場合は参照データとして使用できます。

サンプリング戦略

サンプリングとは、参照データを選択する手順を指します。一般的なサンプリング戦略にはいくつかの種類があります。[8] [9]

  • 単純無作為抽出法：母集団内の各ユニットは均等な選択確率を持ちます。この方法は高速で広く適用可能ですが、希少な土地被覆クラスを十分に代表できない可能性があります。
  • 層別ランダムサンプリング：[9]サンプルは層（土地被覆区分や空間的位置など）にグループ化され、各サンプルは単一の層から抽出されます。これにより、各カテゴリーの比例代表性が確保されます。
  • 体系的サンプリング：[9]空間的なバランスを保つために、サンプルは一定の空間間隔で選択される。しかし、間隔が一定のパターンを繰り返す場合、この方法はバイアスをもたらす可能性がある。
  • クラスターサンプリング：[9]母集団をグループまたはクラスターに分割する。このアプローチは費用対効果が高い。

サンプルサイズの選択

適切なサンプルサイズを選択することは、土地被覆図の検証設計において不可欠なステップです。サンプルサイズを決定する一般的な方法は2つあります。[8] [10]

  • コクランの式：[10]信頼水準と誤差範囲の両方を考慮して、必要なサンプルサイズの合計を推定します。
  • 層別化式：[10] [11]許容誤差レベルと土地被覆率も考慮しながら全体のサンプルサイズを使用する。

サンプル解釈

サンプル解釈とは、各サンプル単位に土地被覆クラスを割り当てることを指します。一般的なサンプル解釈のアプローチには、以下のものがあります。[8]

  • 手動解釈：サンプルのラベル付けは、専門家が光学画像または衛星画像を使用して行います。[12]このアプローチは高品質のラベルを提供できますが、時間がかかり、拡張性も低いです。
  • 自動ラベリング：アルゴリズムまたは既存のマップを用いてクラスを割り当てます。大規模なデータセットの処理において、より高速でスケーラブルですが、手作業による検査が必要になる場合があります。[13]
  • クラウドソーシング： GeoWikiなどのプラットフォームを通じて、一般のボランティアがサンプルにラベルを付ける。大規模なラベル付けが可能だが、ラベルの品質にはばらつきがある。

精度指標

土地被覆図の精度を評価するために用いられる定量的な指標は数多く存在します。これらの指標は通常、サンプルセットにおける分類地図ラベルと参照ラベル（グラウンドトゥルースラベル）の一致度を要約した混同行列（または誤差行列）から導出されます。 [5] [6]

土地被覆の精度指標による混同行列

全体的な精度（OA）

全体精度（OA）は、正しく分類されたサンプルの総数に対する割合として計算される全体的な指標です。[5] [6]

お あ ＝ 正しく分類されたサンプルの数 サンプル数 {\displaystyle OA={\frac {\text{正しく分類されたサンプル数}}{\text{サンプル数}}}}

場合によっては、クラスごとの精度を報告することも価値があります。[14]

ユーザーの精度（UA）、プロデューサーの精度（PA）、F1スコア

ユーザーの正確さとプロデューサーの正確さはクラス別の指標です。[6]

ユーザ精度は、地図上で特定の土地被覆クラスに分類されたピクセルが、実際に地上でそのクラスに対応する確率を表します。その補完的な指標は、コミッションエラーに対応します。[6]

プロデューサー精度は、特定の土地被覆クラスの参照ピクセルが地図上で正しく分類される確率を示します。その補完的な指標は、省略誤差に対応します。[6]

UAとPAは別々に平均化して、ユーザーとプロデューサーの観点から分類パフォーマンスの全体的な視点を提供することもできます。[15]

F1スコアは、 UAとPAを1つの指標に統合し、両者のトレードオフを測定します。これは、 UAとPAの調和平均であり、2つの指標の相対的な寄与度が等しくなります。[6]

カッパ係数

カッパ係数[16]は、省略誤差とコミッション誤差の両方に加え、土地被覆図と参照データとの偶然の一致の可能性を考慮している。カッパ値の範囲は-1から1で、その解釈に関する一般的な経験則は以下の通りである。[17]

カッパ値の解釈[17]
カッパ値 合意の強さ
< 0 合意が不十分
0～0.20 わずかに同意
0.21～0.40 公正な合意
0.41～0.60 中程度の同意
0.61～0.80 実質的な合意
0.81～1.0 完全な合意

信頼区間

精度指標は多くの場合サンプルベースであるため、不確実性を伴う。推定値の不確実性は、標準誤差を計算するか、信頼区間を報告することで表すことができる。信頼区間は、サンプルベースの推定値の不確実性を考慮した、パラメータの値の範囲を示す。[18]

比較評価

ダイナミックワールドとワールドカバーの視覚的な比較

多くの研究[19] [20] [21]では、単一の土地被覆製品の精度評価に加えて、複数の土地被覆製品間の比較評価も行っています。これらの製品は、入力データ、分類体系、または分類アルゴリズムが異なる場合が多いため、比較評価は、これらのデータセットの一貫性、相違点、補完性、および有用性を理解する上で特に重要です。[7] [22]

比較評価は通常、以下の方法で行われます。[7] [22] [23] [24] [25]

  • 土地被覆クラスの定義を調和させる。[23] [24] [25]
  • 異なる土地被覆地図を視覚的に検査して定性的な比較を行う。[26]
  • 共通の参照データセットと評価指標を使用して定量的な評価を実行します。[23] [24] [25]

最近の研究では、 ESA WorldCover、Esir Land Cover、Google Dynamic Worldといった高解像度の土地被覆製品を比較し、地域や土地被覆タイプの違いによる相対的な精度とテーマの一貫性を評価しています。これらの取り組みは、ユーザーが特定の目的のために製品を選択する際に、情報に基づいた選択を行うのに役立ちます。[7] [22]

参照

参考文献

  1. ^ Sheykhmousa, Mohammadreza; Kerle, Norman; Kuffer, Monika; Ghaffarian, Saman (2019-05-17). 「機械学習による土地被覆・土地利用情報を用いた災害後復興評価」.リモートセンシング. 11 (10): 1174. doi : 10.3390/rs11101174 . ISSN  2072-4292.
  2. ^ Ghaffarian, Saman; Rezaie Farhadabad, Ali; Kerle, Norman (2020-07-01). 「Google Earth Engine による災害復旧後のモニタリング」.応用科学. 10 (13): 4574. doi : 10.3390/app10134574 . ISSN  2076-3417.
  3. ^ Gaur, Srishti; Singh, Rajendra (2023-01-04). 「都市開発のための土地利用／土地被覆（LULC）変化モデリングに関する包括的レビュー：現状と将来展望」. Sustainability . 15 (2): 903. doi : 10.3390/su15020903 . ISSN  2071-1050.
  4. ^ Roy, ​​Parth Sarathi; Ramachandran, Reshma M.; Paul, Oscar; Thakur, Praveen K.; Ravan, Shirish; Behera, Mukunda Dev; Sarangi, Chandan; Kanawade, Vijay P. (2022-08-01). 「人為的な土地利用と土地被覆の変化：その環境的影響と気候変動に関するレビュー」 . Journal of the Indian Society of Remote Sensing . 50 (8): 1615– 1640. doi :10.1007/s12524-022-01569-w. ISSN  0974-3006.
  5. ^ abcde Foody, Giles M. (2002-04-01). 「土地被覆分類精度評価の現状」 .環境リモートセンシング. 80 (1): 185– 201. doi :10.1016/S0034-4257(01)00295-4. ISSN  0034-4257.
  6. ^ abcdefg グランディーニ、マルゲリータ;バーグリ、エンリコ。 Visani、Giorgio ( 2020-08-13 )、複数クラス分類のメトリクス: 概要、arXiv : 2008.05756、2025-07-09取得
  7. ^ abcd Xu, Panpan; Tsendbazar, Nandin-Erdene; Herold, Martin; de Bruin, Sytze; Koopmans, Myke; Birch, Tanya; Carter, Sarah; Fritz, Steffen; Lesiv, Myroslava; Mazur, Elise; Pickens, Amy; Potapov, Peter; Stolle, Fred; Tyukavina, Alexandra; Van De Kerchove, Ruben (2024年9月). 「最近の10m解像度の世界土地被覆図の比較検証」. Remote Sensing of Environment . 311 114316. doi :10.1016/j.rse.2024.114316.
  8. ^ abcd Xu, Qiongjie; Yordanov, Vasil; Bruzzone, Lorenzo; Brovelli, Maria Antonia (2025-06-18). 「高解像度全球土地被覆図とその評価戦略」. ISPRS International Journal of Geo-Information . 14 (6): 235. doi : 10.3390/ijgi14060235 . hdl : 11311/1294445 . ISSN  2220-9964.
  9. ^ abcd Stehman, Stephen V. (2009-09-23). 「土地被覆の精度評価のためのサンプリング設計」 . International Journal of Remote Sensing . 30 (20): 5243– 5272. doi :10.1080/01431160903131000. ISSN  0143-1161.
  10. ^ abc Cochran 1977 サンプリング手法。
  11. ^ Olofsson, Pontus; Foody, Giles M.; Herold, Martin; Stehman, Stephen V.; Woodcock, Curtis E.; Wulder, Michael A. (2014年5月25日). 「土地利用変化の面積推定と精度評価のためのグッドプラクティス」. Remote Sensing of Environment . 148 : 42– 57. doi :10.1016/j.rse.2014.02.015. ISSN  0034-4257.
  12. ^ Brown, Christopher F.; Brumby, Steven P.; Guzder-Williams, Brookie; Birch, Tanya; Hyde, Samantha Brooks; Mazzariello, Joseph; Czerwinski, Wanda; Pasquarella, Valerie J.; Haertel, Robert; Ilyushchenko, Simon; Schwehr, Kurt; Weisse, Mikaela; Stolle, Fred; Hanson, Craig; Guinan, Oliver (2022-06-09). 「ダイナミックワールド、準リアルタイム全球10m土地利用・土地被覆マッピング」Scientific Data 9 (1) 251. doi :10.1038/s41597-022-01307-4. ISSN  2052-4463. PMC 9184477 . 
  13. ^ Friedl, Mark A.; Woodcock, Curtis E.; Olofsson, Pontus; Zhu, Zhe; Loveland, Tom; Stanimirova, Radost; Arevalo, Paulo; Bullock, Eric; Hu, Kai-Ting; Zhang, Yingtong; Turlej, Konrad; Tarrio, Katelyn; McAvoy, Kristina; Gorelick, Noel; Wang, Jonathan A. (2022-06-28). 「Landsatによる数十年にわたる全球土地被覆と土地被覆変化の中空間解像度マッピング」『Frontiers in Remote Sensing』3 . doi : 10.3389/frsen.2022.894571 . ISSN  2673-6187.
  14. ^ Stehman, Stephen V.; Foody, Giles M. (2019-09-15). 「土地被覆製品の厳密な精度評価における重要な課題」.環境リモートセンシング. 231 111199. doi :10.1016/j.rse.2019.05.018. ISSN  0034-4257.
  15. ^ Liu, Canran; Frazier, Paul; Kumar, Lalit (2007-04-30). 「主題分類精度の尺度の比較評価」 .環境リモートセンシング. 107 (4): 606– 616. doi :10.1016/j.rse.2006.10.010. ISSN  0034-4257.
  16. ^ コーエン、ジェイコブ (1960-04-01). 「名目尺度の一致係数」 .教育心理測定. 20 (1): 37– 46. doi :10.1177/001316446002000104. ISSN  0013-1644.
  17. ^ ab Landis, J. Richard; Koch, Gary G. (1977). 「カテゴリーデータにおける観察者一致の測定」 .バイオメトリクス. 33 (1): 159– 174. doi :10.2307/2529310. ISSN  0006-341X. JSTOR  2529310. PMID  843571.
  18. ^ Olofsson, Pontus; Foody, Giles M.; Stehman, Stephen V.; Woodcock, Curtis E. (2013-02-15). 「土地変化研究における精度データの有効活用：層別推定を用いた精度と面積の推定および不確実性の定量化」 .環境リモートセンシング. 129 : 122–131 . doi :10.1016/j.rse.2012.10.031. ISSN  0034-4257.
  19. ^ Zhang, Xiao; Zhao, Tingting; Xu, Hong; Liu, Wendi; Wang, Jinqing; Chen, Xidong; Liu, Liangyun (2024-03-15). 「GLC_FCS30D：1985年から2022年までの期間における、高密度時系列Landsat画像と連続変化検出法を用いて生成された、詳細な分類システムを備えた初の全球30m土地被覆動態モニタリング製品」.地球システム科学データ. 16 (3): 1353– 1381. doi : 10.5194/essd-16-1353-2024 . ISSN  1866-3508.
  20. ^ ブルゴワン, クレメント; アメストワ, イバン; ヴェルヘッゲン, アストリッド; デスクレ, ボードワン; カルボニ, シルヴィア; バスティン, ジャン＝フランソワ; ビュシュル, ルネ; ブリンク, アンドレアス; デフルニー, ピエール (2024). 森林破壊のないサプライチェーンに関するEU規制を支援するための2020年の世界森林被覆マッピング. 欧州連合出版局. doi :10.2760/262532. ISBN 978-92-68-13866-3。
  21. ^ Zhang, Xiao; Liu, Liangyun; Zhao, Tingting; Gao, Yuan; Chen, Xidong; Mi, Jun (2022-04-14). 「GISD30: Google Earth Engineプラットフォーム上の時系列Landsat画像を用いた1985年から2020年までの全球30m不浸透面動的データセット」.地球システム科学データ. 14 (4): 1831– 1856. doi : 10.5194/essd-14-1831-2022 . ISSN  1866-3508.
  22. ^ abc Venter, Zander S.; Barton, David N.; Chakraborty, Tirthankar; Simensen, Trond; Singh, Geethen (2022-08-21). 「Global 10 m Land Use Land Cover Datasets: A Comparison of Dynamic World, World Cover and Esri Land Cover」. Remote Sensing . 14 (16): 4101. doi : 10.3390/rs14164101 . hdl : 10852/101455 . ISSN  2072-4292.
  23. ^ abc Zhang, Xiao; Liu, Liangyun; Zhao, Tingting; Chen, Xidong; Lin, Shangrong; Wang, Jinqing; Mi, Jun; Liu, Wendi (2023-01-17). 「GWL_FCS30：2020年のマルチソースおよび時系列リモートセンシング画像を用いた詳細な分類システムを備えた全球30m湿地マップ」.地球システム科学データ. 15 (1): 265– 293. doi : 10.5194/essd-15-265-2023 . ISSN  1866-3508.
  24. ^ abc ユ、ル;杜振栄。ドン、ルンミン。鄭、覚鵬。トゥ、イン。チェン、シン。ハオ、ペンギュ。チョン、ボー。彭、大梁。趙、吉耀。リー、シユ。ヤン・ジャンユー。フー、ハオファン。ヤン、グァンウェン。ゴン、ペン (2022-12-31)。 「FROM-GLC Plus: ほぼリアルタイムの複数解像度の土地被覆マッピングに向けて」。GIサイエンスとリモートセンシング。59 (1): 1026–1047。土井: 10.1080/15481603.2022.2096184。ISSN  1548-1603。
  25. ^ abc Friedl, Mark A.; Woodcock, Curtis E.; Olofsson, Pontus; Zhu, Zhe; Loveland, Tom; Stanimirova, Radost; Arevalo, Paulo; Bullock, Eric; Hu, Kai-Ting; Zhang, Yingtong; Turlej, Konrad; Tarrio, Katelyn; McAvoy, Kristina; Gorelick, Noel; Wang, Jonathan A. (2022-06-28). 「Landsatによる数十年にわたる全球土地被覆と土地被覆変化の中空間解像度マッピング」Frontiers in Remote Sensing . 3. doi : 10.3389/frsen.2022.894571 . ISSN  2673-6187.
  26. ^ Zhang, Xiao; Liu, Liangyun; Zhao, Tingting; Wang, Jinqing; Liu, Wendi; Chen, Xidong (2024-03-23). 「2000年から2022年までの詳細な分類システムを用いた水深30mにおける世界の年間湿地データセット」. Scientific Data . 11 (1): 310. doi :10.1038/s41597-024-03143-0. ISSN  2052-4463. PMC 10960823. PMID 38521796  . 
「https://en.wikipedia.org/w/index.php?title=Accuracy_assessment_of_land_cover_maps&oldid=1320928775」より取得