《表6 使用NGBDI、Ex G以及红色二阶矩图像进行面向对象分类的总体分类精度以及Kappa系数》
分类效果最好的3个指数为NGBDI、Ex G和红色二阶矩,精度值如表6所示。NGBDI图像总体分类精度为82.5%,Kappa系数为0.809。NGBDI由蓝、绿波段构建,对水体、植被区分较明显而对土壤分类效果较差。Ex G图像总体分类精度为85.5%,Kappa系数为0.826。Ex G在蓝绿光基础上引入红光波段,对非植被、非水体地类的反射效果更好,相比NGBDI对非植被地类的分类精度更高[20]。分类精度最高的是红色二阶矩指数,总体分类精度为90.1%,Kappa系数为0.851,分类结果如图6所示,可以看出植被、裸土和阴影等都被明晰区分。经过纹理滤波处理的图像分类效果较好,是因为其不仅仅是通过光谱图像灰度值,更是通过类间纹理信息差异进行区分,更能突出不同地类各自的特征,分类效果更加贴近真实地类的空间表达[17]。二阶矩滤波指数通过窗口内的平均保持了像元的高频信息,强调了空间细节,获得了更良好的分类结果[21]。
图表编号 | XD00187652900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.28 |
作者 | 刘冬烨、问鼎、朱京海 |
绘制单位 | 沈阳航空航天大学能源与环境学院辽宁省清洁能源重点实验室、中国科学院沈阳应用生态研究所中国科学院森林生态与管理重点实验室、中国科学院大学、中国医科大学环境健康研究所 |
更多格式 | 高清、无水印(增值服务) |