遥感反演精度检验之交叉检验

交叉检验是评价不同遥感数据之间相对精度的一个有效途径。对于土壤水分遥感产品而言，交叉检验使用不同来源、具有相似时空分辨率的数据产品，来对比分析数据产品精度。交叉检验仍然遵循土壤水分的质量守恒原理。在理想状态下，来源不同的土壤水分遥感数据在反映相同的土壤水分本质属性，即不同数据间应具有相同或相似的时空分布及变化趋势特征。由于在遥感波段、数据分辨率、反演算法等方面存在着差异，不同来源的土壤水分数据必然存在差异性。交叉检验虽然提供的是相对精度信息，但通过对数据产品的一致性和差异性比较，有助于深入认识反演算法存在的问题以及不同来源遥感数据对反演结果的影响，进而改进反演算法和遥感数据质量，从而达到提高产品精度的目的。

交叉检验的基本方法包散点比较法、直接差值法和Hovmoller 法及三配点误差模型（Triple Collocation Error Model，TCEM）法。其中，散点比较法和直接差值法通过计算不同遥感土壤水分每个像元的一致性，评价待检验像元的相对精度。Hovmoller图法以时间为横坐标，全球土壤水分的经向或纬向平均值为纵坐标，可在全球尺度上分析不同遥感土壤水分的空间差异。TCEM法定量化计算了各土壤水分数据产品间的差异，适用于评估三种以上线性相关土壤水分之间的偏度程度。

交叉检验的基本流程包括不同遥感数据的获取、遥感数据的时空匹配以及遥感数据之间的交叉评估。用于交叉检验的土壤水分遥感产品数据包括可见光一近红外遥感、热红外遥感和微波遥感的所有波段产品。已经发布的遥感产品，可以从其产品发布网站获取，如全球再分析资料、SMOS土壤水分产品、欧洲的CCI土壤水分产品等，都可以作为交叉检验的参考数据。此外，利用不同波段的数据，采用相应的反演算法，获取对应的土壤水分数据。

选择与遥感产品时间相近的检验数据，进而对遥感产品进行验证。可采用时间重采样方法将两种数据统一采样至较低的分辨率，如将日尺度数据重采样至月尺度。由于数据来源不一，不同数据之间的空间分辨率会存在一定差异，为更好地验证不同数据土壤水分的一致性，需要将其归一化至相同的分辨率或单位。空间归一化一般通过重采样等方法将不同遥感土壤水分转换为同一分辨率。空间重采样方法主要有最邻近法、双线性内插法和三次卷积插值法。其中，最邻近法将原始图像中距离最近的像元填充到新图像中，而双线性内插法和三次卷积插值法均采用距离加权平均方法将原始遥感土壤水分附近的像元值填充到新图像中。

采用散点比较法、直接差值法和Hovmoller法及TCEM等方法检验遥感产品的精度。

其中，散点比较法和直接差值法直接逐像元对比不同遥感土壤水分的差异，进而分析一致性及偏离程度。一致性检验用于评价基准数据与遥感反演数据时空变化的相似程度，而偏离程度定量评价了遥感反演结果与真实情况的差异大小。土壤水分具有显著的时空差异性特征，在全球尺度上表现为沿经度或纬度方向呈现规律性变化。Hovmoller图以时间为横坐标，全球土壤水分的经向或纬向平均值为纵坐标，可在全球尺度上分析不同遥感土壤水分的空间差异。虽然Hovmoller图有助于直观描述不同遥感土壤水分的时间差异性，但缺乏对数据间偏离程度的表达；TCEM方法则定量化计算了各土壤水分数据产品间的差异。与间接检验类似，交叉检验通常采用误差或一致性空间分布的形式表示遥感土壤水分精度，有助于直观分析精度及其与其影响因素的相互关系。