《表3 3种分类方法的精度评价》

  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时序多特征的植被分类》

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

利用实地调查采集的178个样点数据作为验证样本，其中非植被19个，耕地13个，常绿针叶林46个，落叶阔叶林41个，落叶针叶林43个，草地16个。对比3种方法的分类结果与实地调查结果，并计算出每种方法的类别分类精度及总体分类精度。由表3可见:基于NDVI时序+光谱特征+纹理特征的多特征分类总体精度达87.64%，分别比最大似然法和NDVI时序+光谱特征的分类总体精度提高了15.73%和14.61%。而且基于NDVI时序+光谱特征+纹理特征的多特征分类中单个类别的分类精度也均较高，其中常绿针叶林的分类精度最高达到了95.65%，这是由于利用了NDVI时序特征，可以通过分析不同植物在1 a中的NDVI变化趋势，选择出最佳的分类时相将常绿针叶林与其他地物区分。耕地的分类精度也比较高，其NDVI在1 a中的变化具有一定的规律性，且耕地在B11波段的反射率与其他地物有明显差异，利用这些特征可与其他地物很好地区分。NDVI时序+光谱特征的分类精度与NDVI时序+光谱特征+纹理特征的分类精度相比，非植被这一类别的分类精度相同，但其他类别的分类精度则较低。这是由于NDVI时序变化和光谱特征代表的仅仅是一个平均值，并不能完全代表地物的特征变化，因此，根据平均值来选取阈值分层分类的精度较低。