分类精度评价依赖独立参考样本

土地覆盖图的精度不能用训练样本上的正确率代表。评价需要从目标区域按可解释设计抽取独立样本，取得比地图更可靠的参考类别，再比较地图与参考。误差矩阵只是汇总工具，结论是否有效首先取决于抽样和参考数据质量。

参考数据必须独立且更可信

参考类别可以来自同期高分辨率影像、现场调查或经过验证的数据组合。它并非绝对真值，但应比被评地图更适合判定类别，并记录日期、尺度和解释规则。

训练中用过的样本不能再作为独立精度样本。模型已经针对它们优化，正确率会偏高。同一地块的相邻像元也不应跨训练和评价集合泄漏。

多位解释者可对困难样本独立判读，并记录一致性和不确定类别。强行给每个模糊位置唯一标签，会把参考误差隐藏为地图误差。

简单随机、系统、分层和整群抽样具有不同成本和方差。类别稀少时，按地图类别分层可以保证每类有足够样本，但统计时必须使用相应包含概率和权重。

只挑选容易到达、边界清晰或模型高置信位置属于便利样本，不能代表完整地图。它适合调试，不适合声明总体精度。

样本量应结合期望精度、类别比例和允许不确定性设计。每类固定相同数量便于比较，却不代表面积比例，报告总体结果时要加权。

误差矩阵把地图类别与参考类别交叉计数。对角线是匹配样本，非对角元素显示类别间混淆。行列方向必须在报告中明确，不同资料的排列约定可能相反。

用户精度回答“地图标成某类的对象有多少确实属于该类”，与制图使用者面对的误标相关。生产者精度回答“参考中的某类有多少被地图找出”，反映漏分。

总体精度把所有类别汇总，容易被面积大的类别主导。一个地图总体很高，稀有湿地或建设用地仍可能很差，因此必须同时报告逐类结果。

地图可能正确估计某类总面积，却把位置放错；也可能位置大体正确但面积偏多。误差矩阵中的漏分和错分共同反映这些问题，但空间分布还需制图检查。

边界像元和混合像元常发生配置分歧。若应用关心斑块边界，应增加位置和形状评价，单个像元矩阵不足以描述。

不同类别体系之间无法直接比较精度。合并类别通常提高数值，因为原来的类别间错误消失，但产品信息也减少。

直接按地图像元计数得到的类别面积受分类偏差影响。概率样本和误差矩阵可以估计参考类别面积，并给出标准误或置信区间。

稀有类别即使用户精度不高，面积校正仍可能重要。报告应区分地图标称面积与误差调整面积，说明权重和方差方法。

没有概率抽样时，通常无法给出设计无偏的区域面积和可靠置信区间。增加一个百分比符号不能弥补抽样基础缺失。

相邻像元往往属于同一斑块，不能视为完全独立。大量集中在少数地块的样本，名义数量很大，实际覆盖的变化有限。

抽样可在空间上分散，或把地块作为抽样单位并使用匹配的估计方法。评价分辨率也要与地图最小制图单元一致。

若参考点定位误差接近像元大小，边界样本的比较会不稳定。可以记录位置容差或采用区域参考，但规则必须预先确定。

样本精度是对总体精度的估计，存在抽样不确定性。置信区间表达在设计和假设下的估计精度，样本少的类别区间通常更宽。

分层抽样的方差计算必须使用层权重，不能套用简单随机公式。聚类或系统抽样也有相应设计效应。

比较两张地图时，区间重叠不是唯一显著性判断；若使用相同参考样本，可采用配对方法分析差异。

类别映射、难判样本处理、边界规则、抽样和指标应在查看最终结果前写明。看到低精度后删除困难样本或合并类别，会产生选择偏差。

评价数据和代码应版本化，保留每个样本的地图类别、参考类别、权重、来源和解释备注。这样才能复核误差矩阵和面积估计。

分类精度评价的核心不是生成一个总体百分比，而是用独立概率样本说明哪些类别可靠、错误怎样发生、面积有多大不确定性。只有这些信息完整，地图才适合支持决策。