Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Dữ liệu chuyên đề có nguồn gốc từ điều khiển từ xa cảm nhận hình ảnh nằm ở trung tâm của rất nhiều của môi trường các mô hình ở quy mô địa phương, khu vực và toàn cầu. Phân loại chính xác theo chủ đề do đó ngày càng trở nên cần thiết cho dự đoán mô hình thực tế trong nhiều ngành. từ xa cảm nhận thông tin và phân loại kết quả, tuy nhiên, không phải là lỗi miễn phí, nhưng mang dấu ấn một bộ thu thập dữ liệu, lưu trữ, chuyển đổi, và các lỗi đại diện và không. | CHAPTER 11 Geostatistical Mapping of Thematic Classification Uncertainty Phaedon C. Kyriakidis Xiaohang Liu and Michael F. Goodchild CONTENTS 11.1 Introduction.145 11.2 Methods.147 11.2.1 Classification Based on Remotely Sensed Data.147 11.2.2 Geostatistical Modeling of Context.148 11.2.3 Combining Spectral and Contextual Information.150 11.2.4 Mapping Thematic Classification Accuracy.152 11.2.5 Generation of Simulated TM Reflectance Values.152 11.3 Results.153 11.3.1 Spectral and Spatial Classifications.155 11.3.2 Merging Spectral and Contextual Information.155 11.3.3 Mapping Classification Accuracy.158 11.4 Discussion.160 11.5 Conclusions.160 11.6 Summary.161 References .161 11.1 INTRODUCTION Thematic data derived from remotely sensed imagery lie at the heart of a plethora of environmental models at local regional and global scales. Accurate thematic classifications are therefore becoming increasingly essential for realistic model predictions in many disciplines. Remotely sensed information and resulting classifications however are not error free but carry the imprint of a suite of data acquisition storage transformation and representation errors and uncertainties Zhang and Goodchild 2002 . The increased interest in characterizing the accuracy of thematic classification has promoted the practice of computing and reporting a set of different yet complementary accuracy statistics all derived from the confusion matrix Congalton 1991 Stehman 1997 Congalton and Green 1999 Foody 2002 . Based on these accuracy statistics users of 145 2004 by Taylor Francis Group LLC 146 REMOTE SENSING AND GIS ACCURACY ASSESSMENT remotely sensed imagery can evaluate the appropriateness of different maps on their particular application and subsequently decide to retain one classification vs. another. Accuracy statistics however express different aspects of classification quality and consequently appeal differently to different people a fact that hinders the use of a single measure of .
