《表5 分类方法精度对比表Table 5 Comparison of the accuracy of each method》

  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

《面向对象的喀斯特地区石漠化遥感信息提取研究——以贵州省大方地区为例》

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

将基于纹理特征数据和地形数据辅助的面向对象分类、基于像素的监督分类和非监督分类三种方法提取的石漠化遥感信息进行对比，同时用Google earth上的高清影像图来验证分类的正确性，最后对分类结果的精度，采用分类混淆矩阵进行评价。以研究区2016年的遥感影像为例，通过在Google earth中采集的500个精度评价样本点，其中喀斯特地区样点246个，非喀斯特地区样点154个。通过混淆矩阵计算得到生产者精度为94.56%，用户精度95.43%，总体精度为95.31%，Kappa系数为0.94。由表5可知，三个年份信息提取的精度，面向对象分类方法的精度最高，分类效果较好，证明了这种方法在石漠化信息提取方面具有一定的优势。而基于像素的监督分类得到的分类效果一般，分类过程略显繁琐，分类精度最高为78.81%。对于基于像素的非监督分类，过程简单，操作快捷，分类精度最高为72.9%，Kappa系数为0.58，分类的后处理过程较麻烦，结果误差较大，分类精度远不如前两种方法，地物内部存在较多“椒盐”点，不能准确对地物进行分类。