Planet > 最新动态 > 学习频道 > Planet Labs样例数据分类测试初测

Planet Labs样例数据分类测试初测

遥感集市论坛 2017年08月15日

   一、数据源
   1、Planet Labs数据:2014年8月14日陕西省宝鸡市东北部地区影像和宁夏吴忠市部分区域影像。像素大小为3米,光谱分辨率为4个Band。利用band1、band2、band3合成彩色图像,进行土地分类。
  

  2014年8月14日Planet Labs数据(陕西宝鸡)

  

  2014年8月14日Planet Labs数据(宁夏吴忠)

  二、监督分类
  按照植被、建筑用地、农田、水体四种土地利用类型对陕西宝鸡附近地区进行监督分类,分类前后对比如下:
  

  2014年8月14日Planet Labs数据(陕西宝鸡) 分类后结果

  三、非监督分类
  利用ENVI的ISODATA方法进行非监督分类,迭代次数为10,分类数为5-15类,具体如下:
  
   对非监督分类后结果进行类别合并与删除,得到植被、建筑用地、农田、水体四种土地利用类型的土地利用分类结果,如下图:

  

  2014年8月14日Planet Labs数据 ISODATA非监督分类结果

  

  2014年8月14日Planet Labs数据(宁夏吴忠) 分类后结果

  注:因从光谱特征上难以将耕地与林地区分出来,因此以上分类中将耕地与林草地等合并为植被进行分类出来。
  四、精度验证
  下面分别从利用混淆矩阵和对于Google Earth高清图来检测分类精度。
  1、监督分类精度
  (1)利用ENVI精度检测
  利用ENVI混淆矩阵模块,每个地类均匀选择了几个以上的ROI进行精度验证。经对分类结果进行精度评价和可能性分析,总体精度达到90.3422%,kappa系数达到0.8642。具体如下:
  Overall Accuracy = (170969/189246)=90.3422%
  Kappa Coefficient = 0.8642
  Ground Truth (Pixels)
  Class植被建筑耕地水体Total
  Unclassified00010811081
  植被7056610864621372127
  建筑344641582043345461
  耕地22392891980637322707
  水体270158922623901547870
  Total78952488492053040915189246
  Ground Truth (Percent)
  Class植被建筑耕地水体Total
  Unclassified0002.640.57
  植被89.382.222.250.0338.11
  建筑4.3685.1201.0624.02
  耕地2.840.5996.470.9112
  水体3.4212.061.2895.3625.3
  Total100100100100100
  ClassCommission
  (Percent)Omission
  (Percent)Commission
  (Pixels)Omission
  (Pixels)
  植被2.1610.621561/721278386/78952
  建筑8.5314.883879/454617267/48849
  耕地12.783.532901/22707724/20530
  水体18.54.648855/478701900/40915
  ClassProd.Acc.
  (Percent)User Acc.
  (Percent)Prod.Acc.
  (Pixels)User Acc.
  (Pixels)
  植被89.3897.8470566/7895270566/72127
  建筑85.1291.4741582/4884941582/45461
  耕地96.4787.2219806/2053019806/22707
  水体95.3681.539015/4091539015/47870
  (2)利用Google Earth对比(代替实地验证)
  利用Google Earth高清影像来检测是否判断地类错误,下面一系列对比图是选取的一块区域对比效果。
  

  土地利用分类图(陕西宝鸡)

  

  耕地(陕西宝鸡)      Google Earth影像(陕西宝鸡)            PL数据(陕西宝鸡)

  
  建筑用地(陕西宝鸡)    Google Earth影像(陕西宝鸡)    PL数据(陕西宝鸡)

  

  植被(陕西宝鸡)     Google Earth影像(陕西宝鸡)   PL数据(陕西宝鸡)

  

  水体(陕西宝鸡)   Google Earth影像(陕西宝鸡)     PL数据(陕西宝鸡)

  从以上几种地类对比图来看,PL数据与Google  Earth数据在宝鸡偏移比较大,尤其是山区丘陵地区偏移更大,而在平原地区偏移很小或没有。无论地区海拔高低,还是比较准确的判断出建设用地、植被、水体几种明显的土地类型。但是,在水体与植被之间,由于水体与植被边缘颜色比较接近,会造成个别区域判断错误。
  2、非监督分类精度
  (1)利用Google Earth对比(代替实地验证)
  非监督分类方法进行分类过程中,由于河流与植被特征类似,造成水体与植被分类错误。下图中,黄色为耕地、蓝色为水体、绿色为植被、紫色为建设用地。
  

  土地利用分类图(陕西宝鸡)

  

  土地利用分类图(宁夏吴忠)

  上图中空洞部分是因为节点太多没有全部显示。蓝色为水体、绿色为植被、紫色为建设用地。绿地地类是由于很难从PL数据中区分耕地还是林地,因此将耕地和植被合并为植被一种地类进行展示。
  

耕地(陕西宝鸡)       Google Earth影像(陕西宝鸡)        PL数据(陕西宝鸡)

  部分道路、裸土地和灰暗建筑被误判为农田。

  

  建设用地(陕西宝鸡)      Google Earth影像(陕西宝鸡)            PL数据(陕西宝鸡)

  

 建设用地(宁夏吴忠)      Google Earth影像(宁夏吴忠)     PL数据(宁夏吴忠)
  

植被(陕西宝鸡)       Google Earth影像(陕西宝鸡)        PL数据(陕西宝鸡)

  

  植被(宁夏吴忠)   Google Earth影像(宁夏吴忠)     PL数据(宁夏吴忠)

  

  水体(陕西宝鸡)        Google Earth影像(陕西宝鸡)      PL数据(陕西宝鸡)

  

  水体(宁夏吴忠)    Google Earth影像(宁夏吴忠)   PL数据(宁夏吴忠)

  3、监督分类与非监督分类对比

  Planet Labs数据(陕西宝鸡)

  

  Planet Labs数据(宁夏吴忠)

  

  监督分类结果图(陕西宝鸡)

  

  非监督分类结果图(陕西宝鸡)

  

  非监督分类结果图(宁夏吴忠)

  经过系列图对比利用PL数据进行监督分类或非监督分类,基本满足植被和建筑用地判读,但水体、植被的颜色差别也会造成一些判断错误。


微信服务号

关注官方微信,集市信息随时查。

遥感集市交流群

随时掌控遥感集市最新动态,数据获取、干货分享、技术交流等

客服邮箱:service@rsclouds.com

温馨提示:
  为了获得更好的浏览体验,保证工作台的正常使用,建议您升级IE浏览器至10及以上,或改用其它新版本的浏览器,如下为下载链接:

继续浏览