《表2 面向对象分类的混淆矩阵》
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
《2013-2017年中巴经济走廊重点区域冰川冰湖分布数据集》
非监督分类可以在缺少先验地物样本、没有人为干涉的条件下自动进行识别和分类,是遥感影像自动提取处理的主流方法。监督分类通过选取具有代表性和确定性的地表点为训练样本,依据样本的特征参数建立判别函数并以此对像元进行类别判断,后续还可以通过检验和评估控制样本来提高分类精度,是地物分类中公认精度较高的方法。为了评价面向对象方法在分类过程中的适应性和精确程度,以监督分类中最大似然法的分类结果结合目前公认分类精度最高的目视解译分类结果形成标准数据,通过计算混淆矩阵(表2)、生产精度、用户精度、总体精度和Kappa系数等进行精度评价,结果如表3。从表中可发现面向对象的分类方法对冰川、水体的分类精度较高,满足用户对Landsat遥感影像自动解译的需求,总体分类精度0.9072165,Kappa系数0.8088042,在Landsat 8遥感影像的地物分类过程中适用性较好。本文研究区部分与中国第二次冰川编目数据重合,故选用同区域已有冰川分布数据进行针对性的冰川类别精度评价,结果如表4。从表中可发现本文的分类方法对冰川的分类精度较高,与冰川编目的一致性较好。由于冰湖季节性变化强烈,且不同类别冰湖的变化规律存在年际、季节性差异,本文选用夏秋两季遥感影像进行拼接虽然适用于冰川数据,但对冰湖数据的提取存在较大影响,在接下来的工作中将结合重访周期较短的遥感影像,以多源数据进行冰湖的信息提取。
图表编号 | XD00165329400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 任彦润、张耀南、康建芳 |
绘制单位 | 中国科学院西北生态环境研究院科学大数据中心、中国科学院大学、中国科学院西北生态环境研究院科学大数据中心、中国科学院西北生态环境研究院科学大数据中心 |
更多格式 | 高清、无水印(增值服务) |