《表1 最大似然法与决策树分类精度评价对比》

  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

《昆明市生态用地信息提取技术比较研究》

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

从表1可以看出CART决策树分类精度高于最大似然法，在生态用地信息的提取过程中CART决策树分类方法总体分类结果优于最大似然法。CART决策树将研究区遥感影像分类精度由最大似然分类精度83.02%提升到99.17%，提高16.15%，Kappa系数由0.77提升到0.98。林地的划分在各方法下效果都较为理想，但决策树方法的精度更高，有效地减少了林地被错分为其他地类的概率，与De Colstoun等人早期用多时相的ETM数据和决策树进行分类研究结果一致。由于耕地常种植农作物导致在不同的季节地物波谱的反射率存在差异，造成耕地判别需要结合多时相遥感影响判别；此外，在没有农作物覆盖的情况下耕地的反射率与未利用地的波普反射率大致相同，造成耕地和未利用地之间的错分。从具体的分类结果来看，最大似然法对水域和林地两种生态用地的分类精度较高，均可达90%以上，未利用地、耕地、建设用地分类精度相对较低。而CART决策树分类对耕地、未利用地、建设用地的分类精度较好，用户精度分别为97.94%、97.64%和97.61%。