GRASS GIS Handbuch: r.kappa
Hinweis: Eine neue GRASS GIS stabile Version wurde veröffentlicht: GRASS GIS 7.8, verfügbar hier.
Aktualisierte Handbuchseite: hier
NAME
r.kappa – Berechnet die Fehlermatrix und den Kappa-Parameter zur Genauigkeitsbewertung des Klassifizierungsergebnisses.
SCHLÜSSELWÖRTER
Raster, Statistik, Klassifizierung
ZUSAMMENFASSUNG
r.kappa –help
Flags:
-w Breiter Bericht 132 Spalten (Standard: 80) -h Keine Kopfzeile im Bericht -m Nur Matrix drucken –Überschreiben Ausgabedateien erlauben, vorhandene Dateien zu überschreiben –Hilfe Zusammenfassung der Verwendung drucken –ausführliche Ausführliche Modulausgabe –leise Leise Modulausgabe –ui Erzwinge das Starten des GUI-Dialogs
Parameter:
classification=name Name der Rasterkarte mit Klassifizierungsergebnis reference=name Name der Rasterkarte mit Referenzklassen output=name Name für Ausgabedatei mit Fehlermatrix und kappa, falls nicht angegeben write to standard output title=string Title für Fehlermatrix und kappa Default: GENAUIGKEITSBEWERTUNG
Inhaltsverzeichnis
- BESCHREIBUNG
- ANMERKUNGEN
- BEISPIEL
- SIEHE AUCH
- AUTOR
BESCHREIBUNG
r.kappa tabelliert die Fehlermatrix des Klassifizierungsergebnisses durch Kreuzen des klassifizierten Kartenlayers in Bezug auf den Referenzkartenlayer. Es werden sowohl der gesamte Kappa (begleitet von seiner Varianz) als auch die bedingten Kappa-Werte berechnet. Dieses Analyseprogrammbeachtet die aktuelle geografische Region und die Maskeneinstellungen.
r.kappa berechnet die Fehlermatrix der beiden Kartenebenen und bereitet die Tabelle vor, aus der der Bericht erstellt werden soll. kappa-Werte für Gesamt- undJede Klasse wird zusammen mit ihren Varianzen berechnet. Alsopercent von kommission und ommission fehler, insgesamt correctclassified ergebnis von pixel zählt, insgesamt bereich in pixelcounts und prozentsatz von insgesamt korrekt classifiedpixels sind tabelliert.
Der Bericht wird in eine Ausgabedatei geschrieben, die im einfachen Textformat vorliegt und vom Benutzer an der Eingabeaufforderung zum Ausführen des Programms benannt wird.
Der Hauptteil des Berichts ist in Panels angeordnet. Die klassifizierten Ergebniskartenlayerkategorien sind entlang der vertikalen Achse der Tabelle angeordnet, während die Referenzkartenlayerkategorien entlang der horizontalen Achse angeordnet sind. Jedes Panel verfügt über maximal 5 Kategorien (9 im Großformat). Darüber hinaus ist die letzte Spalte des letzten Bereichsspiegelt eine Kreuzsumme jeder Spalte für jede Zeile wider. Alle Kategorien des Kartenlayers, die entlang der vertikalen Achse angeordnet sind, d. H. Der Referenzkartenlayer, sind in jedem Panel enthalten. Am Ende jeder Spalte befindet sich eine Summe, die die Summe aller Zeilen in dieser Spalte darstellt.
ANMERKUNGEN
Es wird empfohlen, die Kategorien des classifiedresult-Kartenlayers in eine überschaubarere Anzahl umzuklassifizieren, bevor r.kappa auf dem klassifizierten Raster-Kartenlayer ausgeführt wird. Weil r.kappa berechnet und dann reportsinformation für jede Kategorie.
NA’s in der Ausgabedatei bedeuten, dass sie in caseMASK nicht anwendbar sind.
Der geschätzte Kappa-Wert in r.kappa ist der Wertnur für eine Klasse, d.h. die beobachtete Übereinstimmung zwischen den Klassifikationen für jene Beobachtungen, die Vonklassifizierer 1 in die Klasse i. Mit anderen Worten, hier ist die Wahl derreferenz wichtig.
Es wird berechnet als:
kpp = (pii – pi * pj) / (pi – pi * pj);
where=
- pii ist die Wahrscheinlichkeit der Übereinstimmung (d. H. Anzahl der Pixel, für die eine Übereinstimmung besteht, geteilt durch die Gesamtzahl der bewerteten Pixel)
- Pi ist die Wahrscheinlichkeit der Klassifizierung i, die den Punkt als i klassifiziert hat
- Pj ist die Wahrscheinlichkeit der Klassifizierung j, die den Punkt punkt als i.
BEISPIEL
Beispiel für North Carolina sample dataset:
g.region raster=landclass96 -pr.kappa -w classification=landuse96_28m reference=landclass96
Verifizierung einer klassifizierten LANDSAT-Szene gegen Trainingsgebiete:
r.kappa -w classification=lsat7_2002_classes reference=training
SIEHE AUCH
g.region,r.category,r.mask,r.reclass,r.report,r.stats
AUTOR
Tao Wen, Universität von Illinois in Urbana-Champaign, Illinois
Letzte Änderung: $Date$