精度可靠的遥感分类图是分析土地利用变化的关键所在,遥感分类不确定性问题使得遥感分类图在使用前需进行客观可靠的精度评价。抽样方法是影响精度评价准确性的一个重要因素,简单随机抽样与系统抽样忽略了样本点空间代表性及空间自相关性和异质性,存在抽样效率低和样本冗余等问题;而分层均匀抽样考虑到了样本点空间代表性及空间异质性,与土地利用类型真实评价更为接近。因此,本文以北京顺义区为研究区,首先,基于随机森林算法获取像元属于每个地类的后验概率,并选择像元分类不确定性度量指标;然后,使用模糊C均值聚类进行空间分层,计算最佳分层数目,并从定性和定量两个方面评估分层结果的合理性;最后,在特征空间及地理空间构建不确定性空间分层均匀抽样方法,并与其他抽样方法进行对比分析,主要结论如下:（1）选择了不确定性度量指标并进行空间分层。选取了像元分类不确定性度量指标:最大概率、模糊混淆指数、概率熵,确定最佳分层数为3;根据像元分类不确定性程度,利用模糊C均值聚类方法将顺义区划分为不确定性大、中、小三层。（2）从定性和定量两个角度评估了空间分层结果合理性。研究区被分为不确定性大、中、小三层,相应的遥感数据层分类精度分别为62.28%、74.96%、79.31%,同尺度数据产品层分类精度分别为60.86%、63.66%、65.89%;分类不确定性空间分层结果与度量指标大小的空间分布基本一致,错分地类图层与不确定大层的地类空间分布基本一致;空间分层结果与同尺度数据产品的各层地类空间特征、错分地类图层及层分类精度大小趋势一致;证实了研究的遥感分类不确定性空间分层方法的合理性和科学性。（3）对样本点进行特征空间分配和地理空间优化布设,完成不确定性空间分层均匀抽样。确定了样本点数目为98,设置样本点数目分别为98、196、294、392、490的五组数据集,并构建权重目标函数,完成样本点特征空间分配;利用平均最短距离最小化准则结合空间模拟退火算法实现了样本点地理空间优化布设。最后,综合集成为不确定性空间分层均匀抽样方法。（4）构建了总体分类精度、相对精度、均方根误差和标准偏差等精度评价指标体系对抽样方法进行精度评价。对于顺义研究区,不确定性空间分层均匀抽样、简单随机抽样、分层随机抽样、空间均匀抽样方法五组样本点数据集的总体分类精度的均值与标准偏差分别为0.716±0.036、0.737±0.036、0.715±0.036、0.737±0.032,相应的均方根误差分别为0.033、0.037、0.037、0.037;对于不确定性大层,分层均匀抽样、分层随机抽样方法五组样本点数据集的总体分类精度的均值与标准偏差分别为0.625±0.040、0.618±0.060,相应的均方根误差分别为0.036、0.076。综合分析得出,不确定性空间分层均匀抽样方法比其他抽样方法抽样效果更好。（5）本研究所提的不确定性空间分层均匀抽样方法不仅提高了抽样点在地理空间的均匀性,而且提高了抽样点在特征空间的代表性。本研究旨在为遥感分类精度评价、真实性检验等工作提供一种思路和参考。但在训练样本及度量指标选择方面还存在一定的不确定性。