《表2 不同分类方法精度对比》

  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CatBoost算法的面向对象土地利用分类》

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

计算混淆矩阵，对应的各类地物的制图精度、总体分类精度和Kappa系数如表2所示。CatBoost分类模型的总体精度为92.79%，Kappa系数为0.911 4，建设用地、旱地、水田、草地、林地、河流、沼泽及其他水域的制图精度分别为95.00%、95.45%、98.63%、73.91%、92.96%、90.00%、50.55%和93.33%。其中沼泽的分类情况较差，主要是由于在草相对茂盛的区域，沼泽与草地有相似的光谱特征，而且部分沼泽与林地的边界模糊，研究区所选取的沼泽的样本与河流和林地相邻，混合像元的数量相对较多，这也是导致沼泽和草地错分、漏分现象的主要原因；在本次研究中将内陆滩涂与河流划分为一类，一定时期内的内陆滩涂与少量农作物长势较差的旱地有相似的纹理与光谱特征，从而导致河流与旱地存在部分混淆；其余地物间的混淆主要由于光谱特征的相似性造成。但在总体评价上，该模型的分类精度较高，适用于研究区的土地利用分类。