《表3 各年土地覆盖类型的混淆矩阵》

  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Landsat遥感影像的城市化演变分析——以厦门市为例》

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

注：PA(producer’s accuracy）和UA(user’s accuracy）分别表示制图精度和用户精度。

监督分类（Supervised Classification）又称训练场地法，是在先验知识基础上，采集训练区样本对影像进行类型划分，并将每个像元归并到对应的类别中的方法。首先，选择合适数量的样本区域创建训练样本，样本分离性均达到1.9以上；其次，基于Landsat数据和训练样本，采用支持向量机（SVM）分类法执行监督分类。支持向量机是一种利用结构风险最小化原理解决小样本及非线性分类问题的机器学习算法，基本思想是通过将非线性输入数据无序地变换到高维特征空间，来开发最优超平面，从而实现类别的分离[10]，在遥感领域得到了广泛的应用。再次，对监督分类后的结果进行处理，对分类产生的小图斑进行剔除和重新分类。本文使用聚类（Clump）、过滤（Sieve）和主要分析（Majority）对分类结果进行了处理，并将分类结果转为矢量数据。最后，对分类结果进行精度评价，通过实际数据与处理数据间的比较，确定分类过程的准确度。本节使用混淆矩阵进行精度评价，表3显示了各年分类的混淆矩阵，总体精度达到98%，说明分类精度良好。