《表1 决策树分类与最大似然法分类的结果精度对比》

  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Sentinel-2A数据的森林覆盖变化研究》

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

利用验证样本对分类结果进行精度评价，2种分类方法的结果精度对比如表1所示。从表1可知，决策树分类方法的地物总体分类精度达到83.62%，Kappa系数为0.825 7，森林错分误差为17.57%，森林漏分误差为15.72%，森林制图精度为84.28%，森林用户精度为82.43%；最大似然法分类方法的地物总体分类精度达到72.35%，Kappa系数为0.692 7，森林错分误差为27.15，森林漏分误差为26.31，森林制图精度为73.69，森林用户精度为72.85。决策树分类方法比传统的最大似然法分类方法的地物总体分类精度提升了11.27%，Kappa系数提高了0.133，森林制图精度提高了10.59%，森林用户精度提高了9.58%。由此可知，结合光谱特征和纹理特征，运用决策树分类的分类方法在总体分类精度、Kappa系数和森林的分类精度方面比传统的分类方法都有较大的提高，通过对各地物的多种特征指数分析能更准确、客观地进行地物分类并提取森林覆盖信息。