近年来,一类被称为Volunteered Geographical Information(VGI)的地理信息引起了人们的广泛关注。作为一种信息源,VGI自身最大的不足就是缺乏可靠的质量保证,因此,建立一个关于VGI的质量评价体系十分重要,空间抽样方案的设计是建立这个质量评价体系的第一步。以开放街景地图(OpenStreetMap,OSM)为代表的许多VGI项目中保留的历史数据可以作为抽样之前的先验信息,它们往往和该地区的VGI质量有某种非线性的关系,比如某地区参与的志愿者人数越多,该地区地图质量越高。如何利用VGI中的这类先验信息作为辅助变量来设计抽样方法是一个具有现实意义和实际价值的新课题。空间均衡抽样(Spatially Balanced Sampling)是基于设计的空间抽样法中近年来较为热门的一类方法,典型的空间均衡抽样法有Generalized Random Tessellation Stratified(GRTS)抽样法和Spatially Correlated Poisson Sampling(SCPS)法等。本文在现有SCPS法的基础上,将与总体不成比例的辅助变量用于衡量总体分布的各向异性,提出了新的Spatially Correlated Poisson Sampling with Anisotropy(SCPSA)法。现有SCPS法在将样本点均匀而随机地分散于研究区域时,只考虑了样本点之间距离的绝对值,新的SCPSA法还考虑了距离的方向,进一步减少了所抽取样本之间的自相关性,从而达到降低估计方差的目的。接着讨论了SCPSA法的方差估计问题,采用了自助法来估计方差。数值实验的结果显示,在辅助变量与总体不成比例的情况下,相比于使用辅助变量来构造不等概率的SCPS法,新的SCPSA法均方误差更低,验证了改进后算法的可行性和有效性。最后将SCPSA法用于OSM的质量评价问题。从OSM的历史数据中提取出贡献者人数这一指标,将其作为先验信息,利用SCPSA法抽取样本,估计整个香港九龙半岛地区OSM的平均位置准确度,为进一步评价该地区的OSM质量提供了依据。