《表1 地震滑坡信息快速提取结果精度评价》
本系列图表出处文件名:随高清版一同展现
《地震滑坡信息提取方法研究——以2017年九寨沟地震为例》
为了更直观地对两种算法进行评估,本文算法与CVA算法的滑坡提取精度评估结果如表1所示。对比表1数据可以看出,在两个样区中,本文算法的提取准确率分别为86.65%和87.26%,均低于CVA的准确率93.83%和96.57%,其原因主要是上述的在进行区域生长和形态学运算时,将一些夹杂在滑坡区域间的非滑坡像元误判为滑坡,从而使得准确率有所降低,但幅度并不十分明显。在研究区整体中本文算法的准确率达到68.33%,高于CVA算法的43.14%,但仍然低于在样区1、2中的准确率,分析图4(c)、4(d)发现原因为本文为了尽量减少提取结果的人为干预而采用的自动云提取算法,虽然将大部分云区域掩膜掉,但是仍有部分面积小的薄云很难自动识别出来,而云在遥感影像中的特征与滑坡体极为相似,经常被误识别为滑坡,所以导致整体的准确率偏低。再观查漏检率,本文算法基本保持在20%~25%之间,而CVA算法则在50%左右,证明本文算法在对滑坡范围的优化上有着明显的改进,但仍然有一些面积较小或亮度低的滑坡未被准确提取出来,其中面积小的滑坡在区域生长算法和形态学运算后很容易被当做噪声剔除,而亮度较低的滑坡在初始的变化检测提取时没有被作为变化像元检测出来。而观察整体精度发现,不论本文算法还是CVA在样区均基本在90%左右,而研究区整体则达到98%,这主要是由于未发生改变的像元和经过算法处理后剔除的非滑坡体变化像元较多,使得整体精度较高。最后观察表1中两算法的Kappa系数可以看出,本文算法在样区1、2和研究区整体分别达到0.78、0.76、0.70,明显高于CVA的0.59、0.57、0.42,说明本文算法的提取精度处于较高水平,满足地震应急救援时的提取精度需求,可以准确地提取出地震滑坡信息。
图表编号 | XD00128352600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.15 |
作者 | 李麒崙、张万昌、易亚宁 |
绘制单位 | 中国科学院遥感与数字地球研究所、中国科学院大学、中国科学院遥感与数字地球研究所、中国科学院遥感与数字地球研究所、中国科学院大学 |
更多格式 | 高清、无水印(增值服务) |