《表3 影像分类的混淆矩阵》

  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GF1-NDVI时序影像对春小麦进行提取研究》

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

通过选取样方，采用人工对分类区域生成随机点，对随机点进行目视解译和赋值，并将解译结果与分类结果进行关联生成混淆矩阵的方法。最终通过分析混淆矩阵，得到用户精度、制图精度、总体精度和kappa系数来分析其分类精度。根据20个地面样方透视分析产生的混淆矩阵如表3所示。我们可以得到春小麦和其他作物的用户精度及制图精度。可以看出总体分类精度达到93.8%，春小麦的制图精度和用户精度达到94.9%和93.7%。其他类别的制图精度和用户精度分别高达93.8%和92.4%。通过kappa系数计算我们得到kappa系数为0.875。与以往文献对比其总体精度和kappa系数超过了以往文献报道的平均值。已经满足农业遥感监测农作物分布，统计农作物种植面积的需求。