《表4 东雷二期抽黄灌区区域1土地利用分类混淆矩阵(个)》

  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

《基于深度学习的农业区土地利用无人机监测分类》

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

如表4—表7所示，在土地利用分类的混淆矩阵中可以看出，影像中林地、农作物这两类在颜色、纹理等特征上存在极大的相似性，难以完全有效区分开。建筑物附近存在大量的树木，且建筑物类型复杂，增大了分类难度，与林地间也存在部分混分现象。基于深度学习的土地利用分类效果较为理想，少数样本点存在错分漏分现象。区域1中，错分误差低至10.91%，漏分误差低至9.26%，制图精度达到90.74%，用户精度达到89.09%。区域2中，错分误差低至21.62%，漏分误差低至13.33%，制图精度为86.67%，用户精度为78.36%。由于区域2比区域1中分类类别多，其分类精度略低于区域1的分类精度。而基于最大似然法的土地利用分类结果错分漏分现象较为严重，其中，建设用地错分为裸地、大棚的比例较高，林地与农作物两类混分现象较严重。区域1中，错分误差高达36.07%，漏分误差高达41.94%，制图精度低至58.06%，用户精度达到63.93%。区域2中，错分误差高达50.00%，漏分误差高达79.41%，制图精度为20.59%，用户精度为50.00%。基于深度学习的土地利用分类结果优于最大似然法的土地利用分类方法，尤其在分类类别较多的情况下优势更加明显。