《表1 两种数据源分类精度结果》

  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

《基于多源遥感的聊城市绿地空间特征研究》

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

利用ENVI计算混淆矩阵进行验证，由5种分类地物精度评价和Kappa系数的计算结果（表1）可以看出，面向对象分类方法下Sentinel-2影像数据分类的总精度达到96.48%，Kappa系数为0.94，整体的分类效果较好。其中，道路绿地分类精度最低，制图精度为85.05%，水体分类精度最高，制图精度为100%，用户精度为99.98%；Landsat-8影像分类的总精度为90.58%，Kappa系数为0.87，分类效果较Sentinel-2数据欠佳，有错分、漏分等问题的存在。其中道路绿地的制图精度仅为58.69%，用户精度为70.22%。相较于Sentinel-2影像，Landsat-8影像对于道路绿地的分类不敏感，精度较低，但对于水体、耕地的分类精度则较高。这可能是因为水体和耕地具有清晰的纹理特征，而面向对象技术可以根据纹理特征很好地区分地物，但是道路绿地纹理不清晰，容易与其他地物混淆[15]。