基于GoogleEarth等高分辨率影像的地物景观提取精度评价

时间:2024-04-13 17:57:20

       本文是最近一段时间遇到的问题,查找了解决方案,但可能较为局限,也不是特别严谨,非常欢迎其他博主能够批评指正,给出好的建议。

 

     一、 精度评价意义

                 当使用指数(或其他方法)进行对地物如水体,植被,不透水面等等地物景观进行提取后,需要进行精度验证以证明提取结果的可靠性,为后续研究奠定坚实的基础。


     二 、精度评价方法及指标介绍

                 常用的评价方法有混淆矩阵和ROC曲线;常见的评价指标有Kappa系数,用户精度,总体分类精度,错分误差、漏分误差,制图精度(或称生产精度)等。一般以指数法提取时,是将提取结果分为了两类,即所研究的地物与非研究地物类型,在阅读文献过程中,看到很多学者常用的指标有总体精度与Kappa系数

 

  •          总体精度【Overall Accuracy】:指的是在所有样本中被正确分类的样本比例,即为混淆矩阵中对角线数据加和与总的样本数比值;公式为               
  • 基于GoogleEarth等高分辨率影像的地物景观提取精度评价

     

  •          Kappa系数是评价分类精度的多元统计方法,其代表被评价分类比完全随机分类产生误差减少的比例;计算公式如下:
  • 基于GoogleEarth等高分辨率影像的地物景观提取精度评价

       式中,基于GoogleEarth等高分辨率影像的地物景观提取精度评价    是Kappa系数,r是混淆矩阵的行数,基于GoogleEarth等高分辨率影像的地物景观提取精度评价是对角线上的值,基于GoogleEarth等高分辨率影像的地物景观提取精度评价基于GoogleEarth等高分辨率影像的地物景观提取精度评价分别是第i行和第i列的和,N是样本总数。

    • 表1 Kappa值与分类精度的对应关系表
      Kappa值 分类精度
      <0 较差
      0-0.2
      0.2-0.4 正常
      0.4-0.6
      0.6-0.8 较好
      0.8-1.0 非常好

      三、实现操作

                       计算上面评价指标的参数是通过从图像中选取一部分检验样本点并结合实地调查Google Earth等其他的高分辨率影像与实际进行对比统计获得的。采样方法有简单随机采样,分层采样和集群采样;这里仅介绍基于随机采样的实现过程。

                      首先,使用ArcGIS软件中ArcToolbox工具箱->【DtaManagement Tools】->【Feature Class】->【Create Random Points】,可以在指定区域内生成一定数量的随机点。

基于GoogleEarth等高分辨率影像的地物景观提取精度评价

                   再将点的矢量数据导入Google Earth中,Google Earth中存储了大量过去年限的高精度影像,通过下载谷歌地球,在其标题栏的“视图”工具栏选择“历史影像”,选择所研究年份影像进行对比和统计,再计算总体精度和Kappa系数。

 

基于GoogleEarth等高分辨率影像的地物景观提取精度评价