《表1 两种数据源分类精度结果》
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]。
图表编号 | XD00211400100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 姜杰、于泉洲、张贵民、杜忠元、李彩虹、张保华 |
绘制单位 | 聊城大学环境与规划学院、聊城大学环境与规划学院、聊城市田庄苗圃、聊城市自然资源和规划局、聊城大学环境与规划学院、中国地质大学(北京)地球科学与资源学院、聊城大学环境与规划学院 |
更多格式 | 高清、无水印(增值服务) |