《表2 RapidEye影像分类精度统计表》
提示：宽带有限、当前游客访问压缩模式
利用外业调查数据和选取的检验样本，通过建立混淆矩阵对RapidEye和GF-1遥感影像不同分类方法的分类结果进行精度验证，精度验证结果分别见表2和表3所示。
| 图表编号 | XD0098802900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.20 |
| 作者 | 张兆鹏、李增元、田昕 |
| 绘制单位 | 自然资源部第一大地测量队、中国林业科学研究院资源信息研究所、中国林业科学研究院资源信息研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 影像分类精度统计：洞庭湖区城镇化与鸟类生境时空分异及关联分析》2020.09.01
- 《表2 利用3种影像进行城市植被分类的精度》2020.10.25
- 《表4 GF-2影像7种分类方法精度评估对比表》2020.06.20
- 《表2 研究区影像获取时间及分类精度》2020.04.01
- 《表3 GF-2和2017年Landsat影像分类结果精度评价》2019.06.01
- 《表2 17期影像验证样本分类精度评估》2020.06.30
- 《表2 不同地物分类精度：一种融合多波段信息的遥感影像纹理提取算法》2020.08.25
- 《表2 峡江库区高分一号影像土地利用分类精度分析》2020.01.25
- 《表2 融合前影像分类的混淆矩阵及其精度指标》2020.01.20
- 《表3 分类精度表：基于随机森林的GF-2影像土地利用分类研究》2019.12.25
- 《表2 基于ZY-3遥感影像的不同分类方法精度比较》2019.10.01
- 《表2 分类精度分析：基于卫星遥感影像的土地分类实验方法研究》2019.09.01
- 《表3 GF-1影像分类精度统计表》2019.10.20
- 《表2 秋季影像分类精度评定》2019.09.25
- 《表1 夏季影像分类精度评定》2019.09.25
- 《表2 GF-2影像SVM森林资源分类精度》2019.08.20
- 《表2 分类精度评价：基于改进的三维卷积神经网络的高光谱遥感影像分类技术研究》2019.06.10
- 《表4 安庆市大别山区2016年Landsat 8影像水稻分类结果精度统计》2019.01.05
- 《表3 安庆市大别山区2017年Landsat 8影像水稻分类结果精度统计》2019.01.05
- 《表4 影像分类精度表：基于ENVI的遥感影像分类》2018.08.25