夏末的回忆你的分类结果靠谱吗？手把手教你用混淆矩阵和Kappa系数给土地利用图“打分”
当我们完成一张土地利用分类图时，最常被问到的问题就是："这个结果有多准确？"作为GIS从业者或研究人员，我们需要用科学的方法来回答这个问题。本文将带你深入了解两种最常用的分类精度评估工具——混淆矩阵和Kappa系数，它们就像是给分类结果做"体检"的精密仪器。
在遥感图像分类中，即使是最先进的算法也会产生误差。这些误差可能来自图像质量、分类方法选择，或是训练样本的代表性。混淆矩阵能够直观展示分类结果与真实地物之间的对应关系，而Kappa系数则提供了一个综合考虑随机因素的精度指标。下面我们将从基础概念到实际操作，一步步解析如何用这两种方法评估你的分类成果。
1. 理解分类精度评估的核心指标
1.1 混淆矩阵：分类结果的"体检报告"
混淆矩阵（Confusion Matrix）是评估分类精度的基础工具，它以表格形式展示分类结果与参考数据之间的对应关系。想象它是一个N×N的方阵（N为地类数量），其中：
- 行代表分类结果（预测值）
- 列代表参考数据（真实值）
- 对角线元素表示正确分类的像元数
- 非对角线元素则反映各类别间的混淆情况
以一个简单的四类（林地、耕地、水域、建设用地）分类为例，混淆矩阵可能长这样：
| 真实\预测 | 林地 | 耕地 | 水域 | 建设用地 | 总计 |
|---|---|---|---|---|---|
| 林地 | 85 | 5 | 2 | 8 | 100 |
| 耕地 | 7 | 78 | 3 | 12 | 100 |
| 水域 | 1 | 2 | 92 | 5 | 100 |
| 建设用地 | 4 | 10 | 1 | 85 | 100 |
从这个矩阵中，我们可以直接读出几个关键指标：
- 生产者精度（Producer's Accuracy）：某类被正确分类的比例，如林地=85/100=85%
- 用户精度（User's Accuracy）：分类为某类的像元中