利用混淆矩阵及Kappa系数评价土地利用分类精度

最新推荐文章于 2024-04-30 20:26:51 发布
最新推荐文章于 2024-04-30 20:26:51 发布
阅读量1.5w 收藏 259
点赞数 31
文章标签： 矩阵 混淆矩阵 土地利用类型 kappa系数 arcgis
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_37948866/article/details/121088902
版权

文章目录

一、准备工作

  • 土地利用类型参考栅格和预测栅格(.tif)
    需要保证两者的投影坐标系和像元大小一致
    在这里插入图片描述

  • 用户精度（user accuracy），生产者精度（producer accuracy）、总精度（overall accuracy）的计算原理
    在这里插入图片描述

  • kappa系数计算
    可以参考这一篇Kappa系数。则对于上文中的例子来说，有
    在这里插入图片描述

  • 软件需要用到Arcmap和Excel

二、处理步骤

2.1 Arcmap：栅格转点+多值提取到点

栅格转点

将参考栅格(.tif)转为点要素(.shp)
在这里插入图片描述
在这里插入图片描述

多值提取至点

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.2 Excel：计算混淆矩阵

在这里插入图片描述
创建数据透视表
在这里插入图片描述
设置数据透视表字段列表，列标签为参考栅格对应的列，行标签为预测栅格对应的列，数值选择"FID"和“POINTID”均可，但需要右键将值字段设置中的值汇总方式更改为计数
在这里插入图片描述
在这里插入图片描述
遇到这种预测栅格的可选值（1、3、4、5）小于参考栅格的情况，需要手动补全缺失分类项
在这里插入图片描述
利用Excel中的函数功能来计算混淆矩阵，可以得到下表
在这里插入图片描述

三、Excel计算模板下载地址

下载地址（密码6uip）
在这里插入图片描述

Salierib
关注
  • 31
    点赞
  • 踩
  • 259
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
GEE机器学习——利用最短距离方法进行土地分类和精度评定
qq_31988139的博客
01-14 1143
最短距离方法（Minimum Distance）是一种常用的模式识别算法，用于计算样本之间的相似度或距离。该方法通过计算样本之间的欧氏距离或其他距离度量，来确定样本之间的相似程度或差异程度。最短距离方法的具体步骤如下：1. 数据准备：收集并准备用于训练的数据集，确保数据集包含标记好的样本点。2. 特征选择：根据问题的特点选择合适的特征，并对特征进行预处理（如归一化、标准化等）。3. 计算距离：使用合适的距离度量方法（如欧氏距离、曼哈顿距离等），计算待分类样本与训练集中每个样本之间的距离。
利用两期土地利用数据构造混淆矩阵（土地利用面积转移矩阵）
Read by heart
11-28 1800
# 前言 假设有两期用地数据2012年和2017年，分成三种用地类型，首先得到这两期数据的栅格图像，每个栅格单元存储的值代表一种用地类型，然后以矩阵的方式读入内存中，再用numpy的flatten的方法将其一维化，最后调用python机器学习库sklearn.metrics中的confusion_metrix方法进行计算。 from sklearn.metrics import confusion_matrix import numpy as np a = np.array([[1, 2], [3,
遥感图像解译 kappa系数计算程序（C++）
07-11
遥感图像解译 kappa系数计算程序（C++） kappa系数计算程序（C++） kappa系数计算程序（C++）
ArcGIS 基于混淆矩阵的精度验证
Mrwindccc的博客
05-11 4485
使用ArcGIS对分类或其他数据结果，基于混淆矩阵进行精度验证。
Kappa系数-评估分类算法的表现
最新发布
咸鱼翻书
04-30 738
在机器学习领域，评价分类算法的准确性是至关重要的一环。而Kappa系数作为一种评价分类算法准确性的方法，能够帮助我们更全面地了解算法的表现。
混淆矩阵计算遥感分类精度（总体精度、Kappa系数、用户精度、生产者精度等）
weixin_45973418的博客
04-06 1728
假设分类结果的某类别的生产者精度为 80%，那么如果该类别有10个像素的话，则有2个没有分到该类别（丢失了）。假设分类结果的某类别的用户精度为 80%，则用户拿到分类结果后，10个像元中有8个是对的，2个是错的；
土地利用/覆被精度评价
09-08
土地利用/覆被精度评价方法，非常好用，一学就会，值得拥有
基于ecogntion-ENVI的2014-2020年雄安新区土地利用分类及其变化分析
KongBaiJiQuanBu的博客
07-13 5228
雄安新区2014-2020年土地利用分类及其变化分析。本文基于ENVI软件完成数据预处理，基于易康软件完成面向对象土地利用分类，基于arcgis软件和excel对分类结果进行分析处理制作了土地利用转移矩阵、土地利用变化等成果数据。数据来源地理空间数据云平台。笔者水平有限，难免会出现错误，如发现错误欢迎各位批评指正！
excel中如何对矩阵得对角线进行求和_遥感解译精度评定，混淆矩阵与Kappa系数...
weixin_39682673的博客
11-30 1123
遥感解译结果的精度验证是遥感影像分类的一个重要过程。只有经过精度验证，我们才能知道解译结果是否可靠。大部分遥感应用软件中带有遥感分类结果精度评定功能，如易康，ENVI中都有精度评定功能，能够自动计算混淆矩阵、Kappa系数等，但是ArcGIS目视解译结果往往无法使用自动的精度评定功能进行计算，那么这种情况下如何进行精度评定呢？精度评定大致需要以下几个步骤：选取验证点提取分类属性到验证点数...
混淆矩阵（交叉表）及Kappa系数的计算
热门推荐
Yeoman92的博客
08-03 3万+
交叉分类表，是以两个不同时期的地理实体类型为横纵坐标的表格。 ①用于参照的时期的类型位于表格的上方，按照横方向排列 ②用以比较的时期的类型位于表格的左方，垂直排列 ③在横纵坐标上类型的排列顺序一致 ④位于对角线上的方格中记录的是两个时期的数据集中没有发生类型变化的单元格数量，非对角线上记录的是从参考时期的类型到比较时期的类型变化的单元格的数量 ⑤最后一行和最后一列是分别对行和列的单元格数量
tuxiangfenlei.zip_kappa系数_总体分类精度_植被分类_混淆矩阵_遥感影像
09-23
在遥感领域，图像分类是获取地物信息的重要手段，而评估分类效果的质量则是至关重要的。"tuxiangfenlei.zip" ...通过Kappa系数、总体分类精度和混淆矩阵的计算，我们可以深入理解图像分类的性能，并据此优化分类算法。
遥感影像分类精度评价
03-20
对分类结果进行评价，确定分类的精度和可靠性。有两种方式用于精度验证：一是混淆矩阵，二是ROC曲线，比较常用的为混淆矩阵，ROC曲线可以用图形的方式表达分类精度，比较形象。 对一帧遥感影像进行专题分类后需要进行分类精度的评价，而进行评价精度的因子有混淆矩阵、总体分类精度、Kappa系数、错分误差、漏分误差、每一类的制图精度和拥护精度。
混淆矩阵的生成实现
06-25
不错的混淆矩阵代码实现过程，matlab版本，拿来和大家分享
用Arcgis制作转移矩阵
12-22
用Arcgis制作转移矩阵，视频指导，速度快！
ENVI土地利用监督分类详解课件.rar
08-30
常用的评估指标有混淆矩阵、Kappa系数、总体准确率和用户/制作者精度等。通过这些指标可以量化分类性能，帮助优化分类过程。 综上所述，ENVI土地利用监督分类涉及多个步骤，从数据准备到结果评估，每一步都至关重要...
南京市2010-2021年土地利用专题图制作与土地变化分析课程设计（实验步骤图示含几何校正、监督分类、精度评价）
01-23
通过混淆矩阵计算Kappa系数，评估分类的准确性，并进行误差分析，找出可能存在的问题。 7. 土地利用专题图与土地变化图： 根据分类结果，制作南京市土地利用专题图，展示各类型土地的分布；然后对比分析不同年份的...
ENVI土地利用方法详解课件
10-26
同时，通过混淆矩阵、Kappa系数等指标评估分类精度，优化分类参数，提高分类质量。 五、成果展示与应用 最后，将处理结果以地图的形式呈现，可结合GIS软件进行空间分析和制图。这些土地利用类型图可用于城市规划、...
遥感专题信息练习，包括云提取，气溶胶反演等
02-13
4. 检验土地利用/覆盖分类的精度，通过混淆矩阵和Kappa系数评估分类效果。 5. 绘制旱情指数地图，分析干旱区域的时空演变趋势。 6. 解读湖泊水质遥感参数，探讨水体质量变化的原因和可能的管理策略。 通过这些实验...
Arcmap之监督分类
qq_34548699的博客
03-27 1万+
Arcmap之监督分类1 前期准备2.1 最直接的方法2.2 更精确的方法人工生成特征文件自动生成特征文件★★★3. 分类后处理4. 评价分类结果混淆矩阵Kappa系数 三种监督分类的区别主要是生成特征文件的方法， ISO聚类 手动绘制 生成特征文件工具 个人认为第三种最为简洁、准确！ 1 前期准备 1）创建用于验证的点数据 A.创建点文件，该文件用于遥感影像分类结果的精度评价。 B.点文件...
利用混淆矩阵计算kappa系数（二分类问题）
03-22
可以使用以下公式计算二分类问题的kappa系数： kappa = (p0 - pe) / (1 - pe) 其中，p0是观察到的准确率，pe是随机猜测的准确率。 混淆矩阵可以用来计算准确率和误差率。对于二分类问题，混淆矩阵如下： | | 预测为正例 | 预测为反例 | |------------|------------|------------| | 实际为正例 | TP | FN | | 实际为反例 | FP | TN | 其中，TP表示真正例，FN表示假反例，FP表示假正例，TN表示真反例。 准确率p0可以用以下公式计算： p0 = (TP + TN) / (TP + TN + FP + FN) 随机猜测的准确率pe可以用以下公式计算： pe = ((TP + FP) * (TP + FN) + (FN + TN) * (FP + TN)) / (TP + TN + FP + FN) ^ 2 将p0和pe代入kappa系数公式中即可计算出kappa系数。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Salierib

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值