《表1 典型扰动类型混淆矩阵》

  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

《基于多时相遥感影像的采煤塌陷区典型扰动轨迹识别——以山东省济宁市典型高潜水位矿区为例》

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

所有来自遥感影像的分析都应有完全独立的数据集进行评估。但在对时序变化分析结果进行精度验证时，应该了解每一个变化的时间节点的情况，这与单幅图像的精度评价是不同的（Coops et al.，2007；Huang et al.，2009；Jin et al.，2005）。但如果本研究区域没有独立的验证数据，那么可靠的评估来源是图像本身（Kennedy et al.，2007）。Campbell et al.（2011）通过对提取像元的扰动轨迹进行辨别，并结合多时相遥感动态变化图像加以对比，确定每个抽样像元分类结果正确与否。通过比较抽取的参考数据集和相关的在地图上分布的分类结果构建了拟合基质。本研究参考前人的验证方法，对扰动类型数据集每类抽取120个像元点，共抽取480个像元点，通过遥感图像及像元对应的时间序列轨迹对像元聚类结果进行判断；对扰动年份数据集每个扰动年份抽取45个像元点，共抽取1395个像元点，通过对应像元的扰动轨迹进行扰动年份识别判断。分别构建了典型扰动类型混淆矩阵和像元扰动年份混淆矩阵，通过整体精度，Kappa系数，用户精度和生产者精度的高低来评估扰动类型聚类和扰动年份识别的的准确性进行精度验证。混淆矩阵如表1、表2所示。其中对于扰动类型的聚类总体精度达到了（413/450）86%；对于像元扰动年份的识别总体精度达到了（1139/1395)82%。