《表2 讷河市主要农作物分类结果混淆矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《多时相GF-1影像在农作物种植结构提取中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用外业实地采集的解译样本对遥感解译结果的准确性进行评价，并生成混淆矩阵（见表2）。研究结果显示，讷河市主要的4种农作物整体分类精度达到89.87%，计算出卡帕系数为0.87，制图精度均超过80%。通过表2结果对比可知，水稻、玉米的分类精度较高，而大豆、马铃薯的相对分类精度较低，主要原因是两者关键物候期相似，在影像上呈现出的光谱特征信息（纹理、颜色、形状等）相似，空间种植结构无法准确提取，导致两者提取的结果部分混淆，从而精度降低。