《表2 VNIR+SWIR影像分类结果混淆矩阵》

  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

《WorldView-3短波红外影像分类性能研究》

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

注:人工地物（工厂、道路交通）制图精度为551 421/627 373=87.89%；自然地物（林地、草地、裸露土地）的制图精度为1 174 660/1 304 494=90.05%；总体精度为1 726 081/1 931 867=89.35%。

由表1、2可知，VNIR影像分类结果的总体精度为85.57%，Kappa系数为0.822 7；VNIR+SWIR影像分类结果的总体精度为89.35%，Kappa系数为0.869 1；其总体精度提高了3.78%，Kappa系数提高了0.046。VNIR+SWIR影像的道路交通、居民区、草地、林地4种地物无论生产者精度还是用户精度均大于VNIR影像。由分类结果总体精度可知，引入SWIR波段后，人工地物制图精度提升了5.65%，自然地物制图精度提升了2.88%，其中道路交通的分类精度提高最多，其制图精度与用户精度提升的平均值分别为3.15%和9.28%。VNIR+SWIR影像分类可改善道路被错分为水体的情况，水体的制图精度和用户精度分别提高了4.41%和0.14%。定量分析分类结果混淆矩阵可知，林地与草地易于互相错分，结果中草地分类精度的提高是建立在林地分类精度降低的代价上的，SWIR波段的引入会降低林地0.81%的制图精度。