《表2 小麦空间分布识别度对比》

  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

《基于高分二号数据的小麦快速识别与精度分析》

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

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。