《表2 小麦空间分布识别度对比》
研究区GF-2的RGB(3,2,1)影像见图2a,采用支持向量机、人工神经网络和最大似然3种分类方法对豫北濮阳县研究区内小麦空间分布进行识别,结果见图2b、2c和2d。结果表明,3种分类方法对小麦的识别结果非常相似,用户精度均在98%以上(表2),但是在道路、大棚和光伏电站的识别上存在错分现象,这可能是由于3种地物类型的样本相对较少造成的。3种分类方法中,SVM和ANN方法的错分误差和漏分误差相对较高,这和分类的样本数目有一定的关系,这2种分类方法需要的样本数相对较少,可能存在过分的现象,而MLC方法则需要的样本数相对较多,使得识别结果较好。
图表编号 | XD0026734800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.15 |
作者 | 郭燕、贺佳、王利军、段俊枝、武喜红、王来刚、刘婷、张红利、郑国清、程永政 |
绘制单位 | 河南省农业科学院农业经济与信息研究所、河南省农业科学院农业经济与信息研究所、河南省农业科学院农业经济与信息研究所、河南省农业科学院农业经济与信息研究所、河南省农业科学院农业经济与信息研究所、河南省农业科学院农业经济与信息研究所、河南省农业科学院农业经济与信息研究所、河南省农业科学院农业经济与信息研究所、河南省农业科学院农业经济与信息研究所、河南省农业科学院农业经济与信息研究所 |
更多格式 | 高清、无水印(增值服务) |