《《高分卫星遥感产品真实性检验 空间 代表性评价规范》》

T/CARSAXXXXX—202X

ICS37.040

V00/09

团体标准

T/CARSAXXXXX—202X

高分卫星遥感产品真实性检验空间代表性

评价

Assessingspatialrepresentativenessoftheground-basedobservationnetworkfor

validationofthehigh-resolutionsatelliteremote-sensingproducts

（征求意见稿）

（本稿完成时间：2022年12月10日）

XXXX-XX-XX发布XXXX-XX-XX实施

中国遥感应用协会发布

T/CARSAXXXXX—202X

高分卫星遥感产品真实性检验空间代表性评价

1范围

本标准规定了评价高分卫星真实性检验场站网空间代表性的基本要求和方法，给出了评价报告的

相关信息。

本标准适用但不限于评价高分卫星真实性检验场站网的空间代表性，评价结果可服务于高分卫星

真实性检验场站网的站点选址及观测任务的合理规划。

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

下列术语和定义适用于本文件。

3.1空间代表性spatialrepresentativeness

对区域地理环境特征真实反映的程度。

3.2地理相似性geographicsimilarity

两个空间位置在地理环境上（包括空间和非空间要素）的综合相似性。

3.3地理单元geographicalunit

地理环境基本一致的空间单元,其内部要素一致性显著,与相邻单元地理特征存在明显的差异。

3.4因子分析factoranalysis

从变量群中提取少数量的、潜在的共性因子的统计技术。

4基本要求

高分卫星真实性检验场站网空间代表评价的基本要求如下：

a)首选区域全覆盖的格网地理环境数据（遥感或模型模拟数据）；

b)数据需反映地理环境的多样性；

c)格网数据间的空间分辨率应保持一致；

d)地理环境数据的量纲一致，不一致应进行归一化/标准化处理。

5评价方法

根据地理相似性，即“地理环境越相似，地理目标特征越相似”，在不需要已知目标变量特征的情

况下，依靠地理环境数据就可以计算任意两点间的地理相似性以表达一个点对另外一个点的空间代表

性，能够满足高分卫星真实性检验场站网多目标变量空间代表性评价的需求。

1

T/CARSAXXXXX—202X

5.1评价流程

采用因子分析方法，从多源地理环境数据中提取共性因子，用于度量地理相似性，分别从站网代表

的空间范围和站网与研究区的相似程度两个方面开展代表性评价，具体评价流程如图1所示。

图1评价流程

5.2地理环境数据的选择

地理环境数据的选择应避免数据冗余，高度相关的数据选择其一即可。气象、土壤、植被和地形等

地理环境数据是陆面过程的重要驱动力，可作为多目标变量代表性评价的输入数据；对于单一变量的观

测站点，可选择与观测变量紧密相关的地理环境数据；对于时间序列的地理环境数据建议进行平均值处

理以降低输入数据的维度。

5.3共性因子的提取

地理环境数据之间存在不同程度的信息重叠且关系错综复杂，采用因子分析技术提取少数共性因

子对高维地理环境数据进行降维简化（见附录A），每个共性因子表达地理环境数据的一类特征。将共性

因子按照信息量进行排序，所保留的共性因子至少应该能够解释所有数据60%的信息，每个共性因子的

贡献量作为代表性定量分析的权重。

5.4地理相似性的度量

度量地理相似性是评价站网代表性的基础，拟推荐采用欧式距离作为地理相似性的度量指标，距离

越小，相似性越高，代表性越强。采用因子分析方法提取的共性因子计算加权欧式距离，其表达式如下：

2

T/CARSAXXXXX—202X

2112222푛푛2

퐷푖푗=√푤1(푉푖−푉푗)+푤2(푉푖−푉푗)+⋯+푤푛(푉푖−푉푗)

式中：

퐷푖푗－位置푖与位置푗在푛个共性因子维度上的欧式距离；

푛

푉푖－第푛个共性因子在位置푖处的值；

푤푛－第푛个共性因子的权重系数，由该因子对地理环境数据的贡献量确定。

5.5评价指标

5.5.1空间覆盖度

站网代表的空间范围是反映站网代表性优劣的重要指标之一。将站网中的所有站点作为固定的聚

类中心，采用5.3中的加权欧式距离作为相似性度量的指标，进行空间聚类分析，并不断增加聚类中心

的数量，以类内方差最小，类间方差最大为原则，划分研究区为若干个地理单元，地理单元的数量宜采

用手肘图方法确定（见附录B）。每个站点能够较好地代表其对应地理单元的平均特征，通过统计站网所

代表的地理单元的面积占研究区总面积的比例作为覆盖度评价指标，其表达式如下：

∑푁퐴

퐶=푛=1푛×100%

퐴

式中：

퐴푛－第푛个站点所代表的地理单元的面积；

퐴－区域总面积。

如图2所示，展示了站网（仅包含P1和P2两个站点）空间覆盖度的计算示例，以站点为聚类中心的

地理单位作为站网空间覆盖度。对于无站点的地理单元可以将其作为站点增设的备选区域。

图2空间覆盖度评价示意图

5.5.2空间相似度

采用5.3中的加权欧式距离直接反映站网与研究区的空间相似度，表达站网代表性的大小。站网与

研究区中任意点的相似度表达式如下：

푆푖=푚푖푛(퐷푖1,퐷푖2,퐷푖2,⋯⋯,퐷푖푛),푛=1,2,3⋯⋯,푁

3

T/CARSAXXXXX—202X

式中：

푆푖－站网与研究区任意位置푖之间的相似度表示；

퐷푖푛－研究区任意位置푖与第푛个站点间的欧式距离；

min⁡(∙)－表示对集合中的要素取最小值。

如图3所示，展示了站网（仅包含P1和P2两个站点）空间相似性的计算示例。通过计算研究区内任

意位置与站网中每个站点的欧式距离，取最小距离作为站网与该位置的相似度表示，遍历研究区内的每

个点，最终获得站网与研究区的相似度。对于相似度较低的区域可以将其作为站点增设的备选区域。

图3站网空间相似性示意图

6评估报告

6.1封面

评估报告封面应包含一下信息：

a)报告编号；

b)报告名称；

c)评估负责人；

d)评估单位；

e)评估时间。

6.2正文信息

6.2.1待评估站点特征描述

概述地面观测站点的空间位置、观测变量、下垫面状况等内容。

6.2.2评估方法及流程

对采用的评估方法和评估过程进行描述，包括：

a)评估流程；

b)评估方法。

6.2.3区域空间代表性评估结论

4

T/CARSAXXXXX—202X

描述真实性检验结果，包括：

a)场站网空间代表性的总体评价结果；

b)对站点的空间分布优化建议；

c)对非常规问题进行说明和描述。

5

T/CARSAXXXXX—202X

附录A

（资料性）

因子分析方法

因子分析数学模型定义如下：

푋1푎11푎12⋯푎1푚퐹1휀1

푋푎21푎22⋯푎2푚퐹휀

[2]=[][2]+[2]

⋮⋮⋮⋱⋮⋮⋮

푋푝푎푝1푎푝2⋯푎푝푚퐹푚휀푚

式中：

푋푝－已标准化/归一化的原始变量；

퐹푚－第푚个共性因子，是不可观测的变量；

푎푝푚－为共性因子的系数，组成的矩阵称为载荷矩阵；

휀푚－特殊因子，是原始变量的个性部分。

푝2

因子载荷矩阵中各列元素的平方和푆푚=∑푖=1푎푖푚称为共性因子퐹푚对变量푋푝的方差贡献量，用于衡

量共性因子的重要性，确定5.4中的权重系数。

采用多源地理环境变量的共性因子评价站网的空间代表性，这就需要对共性因子进行度量，即给出

共性因子的值。当获取载荷矩阵后，每个共性因子可以表达为原始变量的线性组合：

퐹푚=훽푚1푋1+훽푚2푋2+⋯훽푚푝푋푝

式中：

훽푚푝－原始变量푋푝在第푚个共性因子的线性组合中的系数。

6

T/CARSAXXXXX—202X

附录B

（资料性）

手肘图法

手肘图法常用于确定聚类分析中的聚类数。聚类的目标是使得每个样本点到距离其最近的聚类中

心的总误差平方和尽可能的小。随着聚类数的增加，总误差平方和单调递减，每个类的聚合程度逐渐提

高。如图B.1所示，当聚类数超过某一个数值后，每个类的聚合程度不再获得显著提升，此时的聚类数

记作总误差平方和下降过程的“肘点”，可以认为找到了最佳的聚类数。

图B.1手肘法示意图

7

T/CARSAXXXXX—202X