《表3 基于混淆矩阵的水稻面积遥感识别精度》

  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Sentinel-2数据的水稻面积提取方法比较分析》

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

为了比较3种分类方法对水稻种植区域提取的准确度，研究基于混淆矩阵进行分类精度评价，该方法是目前普遍使用的分类精度检验方法[18-19]。通过对研究区域的目视解译结果随机取样，在水稻种植区域随机生成200个样方作为精度验证样本，最后所得到的分类精度见表3。由表3可知，最大似然法分类结果精度最佳，总体分类精度达89.35%，Kappa系数为0.787 3，错分误差为0，漏分误差为16.81%，用户精度为100%；面向对象分类法分类精度最低，总体分类精度为76.90%，Kappa系数为0.560 2，错分误差为0.34%，漏分误差为36.25%，用户精度为99.66%。