QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布（4）-分类精度评价

本文继续介绍使用QGIS基于多期哨兵2影像遥感指数阈值法提取冬小麦分布，本文为教程的第四部分：分类结果精度评价。所使用的示范数据下载地址为：

 

链接: https://pan.baidu.com/s/1GI32ipvabbgu0Ic2Q-dhdg
提取码: 1nqx

 

分类结果需要真值作为参考值进行精度评价。实际工作中，真值一般通过野外调查或者高精度遥感影像目视解译获取。本文为了说明流程，采用QGIS自带的随机采样结合在线遥感影像识别获取真值，构建误差矩阵进行精度验证。

 

 01 重分类（reclassification）

 

前一个章节，将影像分类结果是二值化影像，1表示小麦，0表示非小麦，但SCP计算误差矩阵的时候，将0特指无数据（NoData，背景值），导致识别出的0值将被误认为背景，造成精度评价错误。因此，分类代码不能用0表示，需要用Reclassification工具将非小麦像元（分类结果中对应的值为0）的分类代码改为2。

 

点击工具栏按钮打开SCP窗口，点击->，切换到Reclassification界面，设置如下参数：

 

select the classification（选择分类影像）：原阳县2020冬小麦。

点击“Incremental new values ”，将会在列表框中计算出当前分类影像的所有类别取值（包括NoData），按照Old value（原值）从小到大，New value（新值）从1开始依次递增。

 

 

从上图可以看出，分类后的影像“原阳县2020冬小麦”包含3类像素值，“-3.4028234663852886e+38”表示无数据（背景值，Nodata），0表示非小麦区域，1表示小麦，双击Old value中“-3.4028234663852886e+38”对应的New value列，将其设置为0；双击“0”对应的New value，设置为2；双击“1”对应的New value，设置为1，也就是背景为0，冬小麦为1，非冬小麦为2。如下图：