《表2 不同图像分类精度评价》

  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

《面向对象分割与混合像元分解相结合提取沙化土地信息》

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

为了比较新方法对沙地信息提取效果，我们做了面向对象和混合像元分解结合图像分割两种分类，最终的分类结果见图6。同时，利用外业调查的数据对分类结果进行精度验证（表2），可以看到面向对象图像分类总体精度在84.86%，Kappa系数0.82，而新方法总体精度在86.60%，Kappa系数0.84。本研究的重点是不同类型沙地高精度的提取，在新方法中流动沙地制图精度可以达到91.43%，用户精度高达90.69%，高于面向对象图像分类的85.24%和87.65%。流动沙地是沙地分类中精度最高的，主要原因是民勤境内分布着大量容易分类提取的几乎无植被的流动沙地。新方法半固定沙地制图精度为83.58%，用户精度为78.87%，而面向对象图像分类为82.68%和76.59%。半固定沙地是沙地分类精度最低的，其主要原因是稀疏植被提取需要准确界定0.1和0.3边界植被覆盖度，准确提取半固定沙地难度比较大。固定沙地提取精度介于流动和半固定沙地之间，在新方法中制图精度为86.67%，用户精度为88.14%，高于面向对象图像分类的86.53%和88.01%。新方法总体沙地分类精度为87.23%，高于面向对象图像分类的84.82%，在沙地定量划分中更有优势。