DiscussionTable 6 shows that all th

Discussion
Table 6 shows that all three methods described earlier can extract urban built-up lands from the new three-thematic-band images with high overall accuracy (on an average close to 95 percent in the 12 tests). The best overall accuracy, 98.5 percent, was achieved through the logic calculation method, which is the fastest, easiest, and most objective one among the three methods. One simple logic statement can generally achieve a quite good extraction result like in Quanzhou case. Nevertheless, one more condition added can
considerably increase extraction accuracy such as in the Fuzhou case, as it well discriminate vegetation from built-up land. Consequently, no confusion was found between them in the sampling procedure of accuracy assessment (Table 6). The threshold value used in the conditional statement was just simply taken from the maximum of the built-up land class in SAVI-band and did not need to bother to find it. The method
also has the highest average overall accuracy (94.98 percent) among the three considered. The PC2 can also get high accuracy up to 97 percent. This is probably owing to the fact that the contrast between
built-up land and vegetation or water in the PC2 image is further enlarged as indicated by their contributions to PC2 and by opposite signs of the loadings (Table 5). Therefore, the method can effectively enhance built-up land features while depressing water and vegetation information in the PC2 image. The conventional supervised classification on the new three-band image can produce very high accuracy up to 98 percent, while the same classification method performed on the original image can only have maximum accuracy of 81.5 percent. The good separation of the spectral clusters of the three urban categories in the new three-band image (Figure 4) greatly reduced the confusion between them, and thus considerably improves the classification accuracy. The supervised classification on the raw and DOS-corrected original seven-band images got the identical results because the DOS method is only shift the origin of the dataset as indicated by Song et al. (2001). The accuracy based only on the NDBI image using a default threshold value of 0 is lower than 85 percent, the minimum acceptable overall accuracy proposed by Anderson et al. (1976). Step-by-step adjusting the threshold value can reach higher overall accuracy but never exceeds 88.5 percent.
The confusion matrix in Table 6 shows that the error is obviously caused by high overestimation of the non-built-up lands. Visual inspection of extraction result (Figure 6e and 6i) can find that the confusion mainly lies between built-up land and vegetation classes. As discussed earlier, besides built-up lands many vegetation areas also have positive values in NDBI imagery, and thus made the confusion with the built-up land areas. This directly resulted in the low accuracy of the extraction. It seems no significant different between the extraction results from raw and DOS-corrected imagery and no rule can be found within them. In Quanzhou’s case, the average accuracy of raw image is slightly greater than that of DOScorrected image (94.0 percent versus 93.3 percent). While the situation is changed in Fuzhou case, and the average accuracy of DOS-corrected image is 0.5 percent higher than that of raw image (96.17 percent versus 95.67 percent)

ผลลัพธ์ (ไทย) 1:

สนทนาตาราง 6 แสดงว่า ทั้งหมดสามวิธีที่อธิบายไว้ก่อนหน้านี้สามารถแยกที่ดินเนื้อที่เมืองจากภาพ 3 เฉพาะเรื่องวงใหม่ ด้วยความแม่นยำโดยรวมสูง (โดยการเฉลี่ยใกล้ร้อยละ 95 ในการทดสอบ 12) แม่นยำโดยรวมที่ดีที่สุด ร้อยละ 98.5 สำเร็จผ่านตรรกะวิธีการคำนวณ ซึ่งเป็นเร็วที่สุด ง่าย และวัตถุประสงค์มากที่สุดในสามวิธี คำสั่งตรรกะอย่างเดียวโดยทั่วไปสามารถให้บรรลุผลสกัดค่อนข้างดีเช่นในกรณีที่ฉวนโจว อย่างไรก็ตาม การมีหนึ่งเงื่อนไขเพิ่มเติมเพิ่มสามารถมากเพิ่มแม่นยำสกัดเช่นในกรณีฝูโจว ตามด้วยเหยียดพืชจากที่ดินเนื้อที่ ดังนั้น สับสนไม่พบระหว่างนั้นในขั้นตอนการสุ่มตัวอย่างการประเมินความถูกต้อง (ตาราง 6) ค่าขีดจำกัดที่ใช้ในคำสั่งแบบมีเงื่อนไขได้มาเพียงแค่จากสูงสุดของที่ดินเนื้อที่ SAVI วง และไม่ต้องการยุ่งยากกับการค้นหา วิธีการยัง มีความสูงเฉลี่ยโดยรวมถูกต้อง (94.98 เปอร์เซ็นต์) ระหว่างสามพิจารณา PC2 สามารถยังได้ความแม่นยำสูงถึง 97 เปอร์เซ็นต์ นี้คงเป็น owing ในความเป็นจริงที่แตกต่างระหว่างเนื้อที่ดิน และพืช หรือน้ำในรูป PC2 เป็นเพิ่มเติมขยายตามที่ระบุ โดยการสรร PC2 และสัญญาณตรงกันข้ามของ loadings (ตาราง 5) ดังนั้น วิธีการสามารถมีประสิทธิภาพเพิ่มคุณลักษณะที่ดินเนื้อที่ขณะ depressing ข้อมูลน้ำและพืชพรรณในรูป PC2 ประเภทที่มีทั่วไปในภาพ 3 วงใหม่สามารถผลิตความแม่นยำสูงมากถึง 98 เปอร์เซ็นต์ ในขณะเดียวกันจัดประเภทวิธีทำกับภาพต้นฉบับได้เพียงความถูกต้องสูงสุดร้อยละ 81.5 แยกกลุ่มสเปกตรัมของประเภทภาพสามวงใหม่ (รูปที่ 4) เมืองสามดีมากลดความสับสนระหว่าง และจึง เพิ่มความแม่นยำของการจัดประเภทมาก การจัดประเภทที่มีในวัตถุดิบ และ แก้ไข DOS ฉบับเจ็ดวงภาพได้ผลเหมือนกันเนื่องจากวิธี DOS เท่ากะมาของชุดข้อมูลตามที่ระบุโดยเพลง et al. (2001) ความถูกต้องเท่านั้นตามภาพ NDBI โดยใช้ขีดจำกัดค่าเริ่มต้นของ 0 คือต่ำกว่าร้อยละ 85 ความแม่นยำโดยรวมสำหรับการยอมรับต่ำสุดที่นำเสนอโดยแอนเดอร์สันและ al. (1976) ขั้นตอนการปรับค่าขีดจำกัดสามารถเข้าถึงความถูกต้องโดยรวมสูงขึ้น แต่ไม่เกินร้อยละ 88.5เมตริกซ์ความสับสนในตาราง 6 แสดงว่า ได้เกิดข้อผิดพลาดอย่างชัดเจนจาก overestimation สูงของดินแดนที่ไม่ใช่สร้างสาย ตรวจสอบภาพผลสกัด (รูปที่ 6e และ 6i) สามารถค้นหาว่า ความสับสนส่วนใหญ่อยู่ระหว่างชั้นพืชและที่ดินเนื้อที่ ตามที่อธิบายไว้ก่อนหน้านี้ นอกจากเนื้อที่ที่ดิน หลายพื้นที่พืชมีค่าบวกในภาพ NDBI แล้วจึง ทำให้ความสับสนกับพื้นที่ที่ดินเนื้อที่ โดยตรงทำให้ความถูกต้องต่ำสุดที่สกัด เหมือนไม่สำคัญแตกต่างกันระหว่างผลสกัดจากดิบ และ DOS แก้ไขภาพและไม่สามารถพบกฎภายในพวกเขา ในกรณีของฉวนโจว ความแม่นยำเฉลี่ยของภาพ raw ได้เล็กน้อยมากกว่าที่ DOScorrected รูป (ร้อยละ 94.0 เทียบกับร้อยละ 93.3) ในขณะที่สถานการณ์เปลี่ยนแปลงในกรณีที่ฝูโจว และความแม่นยำเฉลี่ยของภาพแก้ไข DOS เป็น 0.5 เปอร์เซ็นต์สูงกว่าที่ภาพ raw (ร้อยละ 96.17 เทียบกับร้อยละ 95.67)

ผลลัพธ์ (ไทย) 2:

คำอธิบายตารางที่ 6 แสดงให้เห็นว่าทั้งสามวิธีอธิบายไว้ก่อนหน้าสามารถแยกดินแดนที่สร้างขึ้นในเมืองจากภาพสามวงใจ-ใหม่ที่มีความแม่นยำสูงโดยรวม (บนใกล้เฉลี่ยถึงร้อยละ 95 ในการทดสอบ 12)
ความถูกต้องโดยรวมที่ดีที่สุดร้อยละ 98.5 ได้รับการประสบความสำเร็จผ่านวิธีการคำนวณตรรกะซึ่งเป็นวิธีที่เร็วที่สุดง่ายที่สุดและวัตถุประสงค์มากที่สุดคนหนึ่งในสามวิธี หนึ่งคำสั่งตรรกะง่ายๆโดยทั่วไปสามารถบรรลุผลการสกัดที่ดีมากเช่นในกรณี Quanzhou
อย่างไรก็ตามเงื่อนไขหนึ่งที่มากขึ้นสามารถเพิ่มมากเพิ่มความแม่นยำในการสกัดเช่นในกรณีที่ฝูโจวขณะที่มันแตกต่างกันพืชจากดินแดนที่สร้างขึ้น ดังนั้นความสับสนไม่พบพวกเขาในระหว่างขั้นตอนการเก็บตัวอย่างของการประเมินความถูกต้อง (ตารางที่ 6) ค่าเกณฑ์ที่ใช้ในการคำสั่งเงื่อนไขเป็นเพียงการดำเนินการเพียงจากสูงสุดของชั้นดินแดนที่สร้างขึ้นใน SAVI วงและไม่จำเป็นต้องกังวลที่จะหาได้ วิธีการยังมีความถูกต้องโดยรวมเฉลี่ยสูงสุด (ร้อยละ 94.98) ในสามพิจารณา
PC2 ยังสามารถได้รับความแม่นยำสูงถึงร้อยละ 97 นี้อาจจะเป็นเพราะความจริงที่ว่าความแตกต่างระหว่างที่ที่ดินสร้างขึ้นและพืชผักหรือน้ำในภาพ PC2 จะถูกขยายต่อไปตามที่ระบุโดยผลงานของพวกเขาเพื่อ PC2 และสัญญาณตรงข้ามของ loadings (ตารางที่ 5)
ดังนั้นวิธีการที่มีประสิทธิภาพสามารถเพิ่มประสิทธิภาพการสร้างขึ้นในขณะที่คุณสมบัติที่ดินตกต่ำข้อมูลน้ำและพืชผักในภาพ PC2 การจำแนกประเภทภายใต้การดูแลการชุมนุมเกี่ยวกับใหม่ภาพสามวงสามารถผลิตมีความแม่นยำสูงมากถึงร้อยละ 98 ในขณะที่วิธีการจัดหมวดหมู่เดียวกันดำเนินการในภาพต้นฉบับสามารถมีความถูกต้องสูงสุดร้อยละ 81.5 ของ การแยกที่ดีของกลุ่มสเปกตรัมของสามประเภทเมืองในภาพสามวงใหม่ (รูปที่ 4) ลดลงอย่างมากสับสนระหว่างพวกเขาและทำให้มากช่วยเพิ่มความแม่นยำการจัดหมวดหมู่ การจำแนกประเภทภายใต้การดูแลที่ดิบและ-DOS แก้ไขภาพเดิมเจ็ดวงได้ผลเหมือนกันเพราะวิธี DOS เป็นเพียงการเปลี่ยนที่มาของชุดข้อมูลที่ตามที่ระบุโดยเพลง et al, (2001) ความถูกต้องขึ้นอยู่เฉพาะในภาพ NDBI ใช้เกณฑ์ค่าเริ่มต้นของ 0 ต่ำกว่าร้อยละ 85 ความถูกต้องโดยรวมต่ำสุดที่ยอมรับได้เสนอโดยเดอร์สันและอัล (1976) ขั้นตอนโดยขั้นตอนการปรับค่าเกณฑ์ที่สามารถเข้าถึงความถูกต้องโดยรวมที่สูงขึ้น แต่ไม่เกินร้อยละ 88.5.
เมทริกซ์ความสับสนในตารางที่ 6 แสดงให้เห็นว่าข้อผิดพลาดที่เกิดจากการประเมินค่าสูงอย่างเห็นได้ชัดสูงของที่ไม่ได้สร้างขึ้นในดินแดน ตรวจสอบภาพจากผลการสกัด (รูปที่ 6 จและ 6i) จะพบว่าส่วนใหญ่สับสนอยู่ระหว่างที่ดินสร้างขึ้นและเรียนพืช ตามที่กล่าวไว้ก่อนหน้านี้นอกเหนือจากดินแดนที่สร้างขึ้นในพื้นที่พืชจำนวนมากยังมีค่าในเชิงบวกในภาพ NDBI และจึงทำให้เกิดความสับสนกับพื้นที่ที่ดินสร้างขึ้น นี้ส่งผลโดยตรงในความถูกต้องต่ำของการสกัด ดูเหมือนว่าไม่มีความแตกต่างกันระหว่างผลที่สกัดจากภาพดิบและ-DOS และแก้ไขกฎสามารถพบได้ในพวกเขา ในกรณีของ Quanzhou ความถูกต้องเฉลี่ยของภาพดิบเล็กน้อยมากกว่าที่ภาพ DOScorrected (ร้อยละ 94.0 เมื่อเทียบกับร้อยละ 93.3) ขณะที่สถานการณ์ที่มีการเปลี่ยนแปลงในกรณีที่ฝูโจวและความถูกต้องเฉลี่ยของภาพ-DOS การแก้ไขเป็นร้อยละ 0.5 สูงกว่าที่ของภาพดิบ (ร้อยละ 96.17 เมื่อเทียบกับร้อยละ 95.67)

ผลลัพธ์ (ไทย) 3:

ตารางที่ 6 แสดงให้เห็นว่าการอภิปราย
ทั้งสามวิธีการอธิบายไว้ก่อนหน้านี้สามารถดึงลงเมืองดินแดนจาก 3 วงดนตรีภาพใจกับความถูกต้องโดยรวมสูง ( เฉลี่ยใกล้ 95 เปอร์เซ็นต์ใน 12 ครั้ง ) สุดยอดความถูกต้องโดยรวม , 98.5 เปอร์เซ็นต์ คือความผ่านตรรกะการคำนวณที่ง่ายที่สุดและมีมากที่สุดของทั้งสามวิธีหนึ่งตรรกะง่ายๆงบโดยทั่วไปสามารถบรรลุการสกัดค่อนข้างดีผลเช่นในกรณี Quanzhou อย่างไรก็ตาม อีกหนึ่งเงื่อนไขเพิ่มสามารถ
มากเพิ่มการสกัดความถูกต้องเช่นในกรณีฝูโจว เป็นอย่างดีจากการจำแนกพืชขึ้นภายในแผ่นดิน จากนั้น ไม่มีความสับสนที่พบระหว่างพวกเขาในตัวอย่างขั้นตอนการประเมินความถูกต้อง ( ตารางที่ 6 )เกณฑ์ค่าใช้ในงบเงื่อนไขแค่เพียงถ่ายจากสูงสุดของชั้นลงในที่ดิน : วงดนตรีและไม่ต้องรบกวนเพื่อค้นหามัน วิธี
มีความถูกต้องโดยรวมมีค่าเฉลี่ยสูงสุด ( ร้อยละ 94.98 ) ทั้ง 3 ถือว่า การ pc2 สามารถได้รับความถูกต้องสูงถึง 97 เปอร์เซ็นต์ นี้อาจจะเนื่องจากความแตกต่างระหว่าง
การใช้ที่ดินและพืชหรือน้ำในรูป pc2 จะขยายเพิ่มเติมตามที่ระบุ โดยผลงานของพวกเขาเพื่อ pc2 และสัญญาณตรงกันข้ามของการกระทำ ( ตารางที่ 5 ) ดังนั้นวิธีการได้อย่างมีประสิทธิภาพสามารถเพิ่มคุณลักษณะที่ดินขึ้นในขณะที่น้ำมันหดหู่และพืช ข้อมูลในรูป pc2 .มีการจำแนกแบบใหม่สามวงดนตรีภาพสามารถผลิตความแม่นยำสูงมากถึง 98 เปอร์เซ็นต์ ในขณะที่เดียวกันการจำแนกวิธีปฏิบัติในรูปภาพต้นฉบับมีความถูกต้องสูงสุด 81.5 % ดี การแยกกลุ่มของสเปกตรัมของทั้งสามเมืองประเภทในใหม่สามวง ภาพ ( รูปที่ 4 ) สามารถลดความสับสนระหว่างพวกเขาอย่างมากและจึงมากช่วยเพิ่มความแม่นยำในการจำแนก . การดูแลในการแก้ไขภาพดิบและ DOS เจ็ดวงเดิมได้ผลเหมือนกันเพราะวิธีการ DOS เป็นคนเดียวกะที่มาของข้อมูลตามที่ระบุโดยเพลง et al . ( 2001 ) ความถูกต้องยึดเฉพาะภาพ ndbi โดยใช้ค่าเริ่มต้น ( ค่า 0 คือต่ำกว่า 85 เปอร์เซ็นต์ต่ำสุดที่ยอมรับความถูกต้องโดยรวมที่เสนอโดย Anderson et al . ( 1976 ) ขั้นตอนโดยขั้นตอนการปรับค่าโดยรวมสูงกว่าเกณฑ์ที่สามารถเข้าถึงความถูกต้อง แต่ไม่เคยเกิน 80 เปอร์เซ็นต์
สับสนเมทริกซ์ตารางที่ 6 แสดงข้อผิดพลาดที่เห็นได้ชัดว่าเกิดจากการประเมินมากเกินไปสูงไม่สร้างที่ดินผลการตรวจสอบของการสกัด ( 6e รูปและ 6i ) จะพบว่า ความสับสนที่ส่วนใหญ่อยู่ระหว่างแผ่นดินและพืชพรรณขึ้นชั้นเรียน ตามที่กล่าวไว้ก่อนหน้านี้ นอกจากนี้การใช้ที่ดินหลายพื้นที่ยังมีค่าเป็นบวกในพืช ndbi จินตภาพ และดังนั้นจึง ทำให้สับสนกับพื้นที่ built-up . นี้โดยตรงทำให้เกิดความถูกต้องต่ำของการสกัดดูเหมือนจะไม่มีความแตกต่างกันระหว่างผลการสกัดจากวัตถุดิบและ DOS แก้ไขภาพถ่ายและกฎสามารถพบได้ภายในเกมส์ ในกรณีของ Quanzhou , ความถูกต้องเฉลี่ยของภาพดิบค่อนข้างมากกว่าที่ doscorrected รูปภาพ ( 94.5 เปอร์เซ็นต์เทียบกับร้อยละ 93.3 ) ในขณะที่สถานการณ์เปลี่ยนในกรณีที่ฝูโจว และความถูกต้องเฉลี่ยของ DOS การแก้ไขภาพเป็น 05 เปอร์เซ็นต์สูงกว่าของภาพดิบ ( 96.17 เปอร์เซ็นต์เทียบกับร้อยละ 95.67 )