WE-NDBI实验结果与验证

比较用WE-NDBI方法提取WFV数据以及用BBIOLI方法提取OLI数据的结果，可以发现WE-NDBI方法明显更适用于城镇建成区的提取。

为了检验WE-NDBI方法的精度，从西昌市实验区中随机选取了500个样本点。对这500个随机样本点进行目视解译，对剔除水体的WFV与用BBIOLI方法提取的OLI影像结果进行了检验。本书利用混淆矩阵方法进行精度检验，该方法又称误差矩阵方法，是很经典的一种评价遥感影像分类精度的方法。混淆矩阵是一个用来比较分类结果与实际地面测得结果的矩阵。具体评价指标包括总体精度、制图精度、用户精度和Kappa系数。总体精度表示被正确分类的像元数目与全部像元数目的比值；制图精度也称生产者精度，指某一特定分类中被正确分类的像元数目与地面参考数据中该分类像元数目的比值。用户精度是某一类别中被正确分类的像元数目与被分为该类的全部的像元数目的比值。Kappa系数的计算结果为-1到1之间，但通常计算结果在0至1之间，根据计算结果其一致性划分如下：极低一致性（0.00～0.20）；一般一致性（0.21～0.40）；中等一致性（0.41～0.60）；高度一致性（0.61～0.80）；几乎完全一致（0.81～1.00）。

BBIOLI方法将建成区和裸地都提取出来了，因此图像被划分为两类，或者是建成区（包含裸地），或者是非建成区。而用WE-NDBI方法，建成区和部分裸地被提取出来，就是说也分成两类：一类是建成区（包含部分裸地），另一类是非建成区，具体见表4-2。

为了评估WE-NDBI方法的准确性，从研究区域随机选择了500个样本点。这500个随机采样点通过目视判读进行分类，以评估WE-NDBI方法采集WFV数据和BBIOLI方法采集OLI数据的准确性（见表4-3，表4-4，表4-5）。

表4-2　BBIOLI方法和WE-NDBI方法提取结果比较

注：1代表被提取出来的地物，0代表没有被提取出来的地物。

表4-3　混淆矩阵

(https://www.xing528.com)

表4-4　Kappa系数

表4-5　实验结果精度检验

注： 准确率表示提取正确的点的个数占总数的百分比，漏提率表示应该提取而未提取出来的点的个数占总数的百分比，错提率表示不该被提取而提取为建成区的点的个数占总数的百分比。

WE-NDBI方法提取出的结果中有三类地物，分别是红顶建筑物、蓝顶建筑物和灰顶建筑物，而BBIOLI方法提取出的结果中除了上述三类地物外，还有大量的裸地，这一点在周艺的实验中也被证实了。分析OLI数据的地物光谱曲线，也可以得出以上结论，也就是说BBIOLI方法用于提取城市建成区，同时会将裸地提取出来。这个结论与本书所做的实验结果也是吻合的，通过表4-5可以看出，WE-NDBI方法与BBIOLI方法相比较；准确率的差距主要由于BBIOLI方法的错提率比WE-NDBI方法的错提率高，再具体分析可以发现，BBIOLI方法错提的那些点大部分就是裸地。同一区域，WE-NDBI方法与BBIOLI方法提取建成区的结果比较可以清楚地看到，BBIOLI方法错提出了很多裸地。

综上所述，可以得出BBIOLI方法对于裸地面积较小的城市建成区提取精度较高，而对裸地面积较大的城镇建成区提取精度明显降低。本书提出的WE-NDBI方法适用于城镇建成区的提取，且取得了较高的准确率（91.4%），Kappa系数为0.81，BBIOLI方法的准确率为77.0%，Kappa系数为0.44，准确率上WE-NDBI方法比BBIOLI方法高14.4%。易地扶贫搬迁迁出迁入区大部分在农村和城镇，因此，用WE-NDBI方法对WFV影像进行处理，可以解决城镇建成区的提取问题。

然而，WE-NDBI方法也存在一定的局限性。比如，在提取建成区的过程中，因为受到水体的影响而单独对水体进行剔除，但是剔除的过程有可能将提取出的建成区也部分剔除了；另外，本方法只对高分一号WFV影像开展了实验，是否适用于其他遥感数据同样有待进一步验证。