The ability to discriminate differe

The ability to discriminate different
mangrove habitats
The habitat classification scheme used here to direct the
classification of the CASI imagery was based on six mangrove
categories, and three mangrove-associated categories,
which separated at the 85% level (see Chapter 10). At higher
levels of similarity the field data do not define ecologically
meaningful categories.
Figure 13.3 compares the classification accuracy for mapping the nine different mangrove habitats of the Turks and Caicos Islands using Landsat TM and CASI data. Accurate discrimination between classes was not possible using the satellite data with an accuracy of only 31% being achieved. Tall
Rhizophorawas mapped accurately (77%) but the user’s accuracies of all other mangrove habitats were very low (0–29%).
The classification was performed at a coarser (less similar)
level of habitat discrimination using just three classes: tall
Rhizophora, ‘other’mangrove (i.e. mangrove vegetation which
is not 100% Rhizophoraand more than 2 m in height) and nonmangrove vegetation. Reduction to just three classes significantly increases accuracy (t = 7.18, P

Kết quả (Việt) 1:

Khả năng phân biệt đối xử khác nhau môi trường sống rừng ngập mặnSơ đồ phân loại môi trường sống được sử dụng ở đây để trực tiếp cácphân loại các hình ảnh CASI dựa trên sáu ngập mặnthể loại, và ba ngập mặn liên kết thư mục,mà tách ra lúc 85% cấp (xem chương 10). At caomức độ tương tự dữ liệu trường không xác định sinh tháithể loại có ý nghĩa. Con số 13,3 so sánh sự phân loại chính xác lập bản đồ môi trường sống khác nhau đước chín của quần đảo Turks và Caicos sử dụng dữ liệu Landsat TM và CASI. Chính xác phân biệt đối xử giữa các lớp học đã không thể sử dụng dữ liệu vệ tinh với độ chính xác của chỉ 31% đạt được. CaoRhizophorawas lập bản đồ chính xác (77%) nhưng phàm người sử dụng tất cả các môi trường sống rừng ngập mặn đã rất thấp (0-29%).Việc phân loại được thực hiện tại một thô (ít hơn tương tự như)mức độ phân biệt đối xử môi trường sống bằng cách sử dụng chỉ cần ba lớp học: cao Rhizophora, ' other'mangrove (tức là thảm thực vật ngập mặn màkhông phải là 100% Rhizophoraand nhiều hơn 2 m chiều cao) và thảm thực vật nonmangrove. Giảm để chỉ ba lớp học đáng kể làm tăng độ chính xác (t = 7,18, P < 0,001). Con số 13.4(Mảng 15) là một bản đồ phân loại của bờ biển phía đông nam củaBắc và trung Caicos bắt nguồn từ dữ liệu Landsat TM. Điều nàykhu vực được chỉ định một vùng đất ngập nước của tầm quan trọng quốc tếtheo công ước Ramsar (UNESCO, 1971) và chứasự tăng trưởng thực vật ngập mặn lớn nhất của ngân hàng Caicos. Môi trường sống rừng ngập mặn trong bảng 10.3 chỉ có thể chính xácánh xạ sử dụng CASI dữ liệu (hình 13,3). Ban nhạc tỷ lệ (V) đã cải thiện đáng kể độ chính xác hơn không có giám sát phân loại (III) (t = 3,26, P < 0,01) nhưng không quá giám sát (IV) (t = 1,77). Đã có không có gia tăng đáng kể độ chính xác bằng cách sử dụngGiám sát các phân loại như trái ngược với không có giám sát (không có sự khác biệt đáng kể trong hệ số tàu giữa phương pháp III vàIV, t = 1,50). Nói cách khác nếu giám sát phân loại là đểsử dụng sau đó sự cải thiện độ chính xác sẽ chỉ được thu được nếunó được thực hiện trên một hình ảnh tỷ lệ PCA/ban nhạc (phương pháp V). Con số10.9 (mảng 11) là một bản đồ của các rừng ngập mặn phát triển NamCaicos bắt nguồn từ CASI dữ liệu (hình 10.8).Phàm người sử dụng các môi trường sống rừng ngập mặn chín sản xuất từ dữ liệu CASI xử lý bằng cách sử dụng phương pháp III-V là hợp lý cao, ngoại trừ ngắn hỗn hợp đước(Bảng 13,3). Chỉ sáu độ chính xác các trang web đã được khảo sát trong điều nàythể loại, do đó, độ chính xác thấp này có thể là một chức năng của kích thước mẫu nhỏ. Độ chính xác của người dùng đã được cải thiện bằng cách sử dụng một giám sátthay vì một thói quen không có giám sát phân loại: phân loại hình ảnh tỷ lệ PCA/ban nhạc sản xuất cao nhấtđộ chính xác của người dùng đối với phần lớn của môi trường sống (bảng 13,3). Những kết quả này cũng cho thấy một sự tương quan có thể giữahình ảnh chế biến nỗ lực và độ chính xác. Không có giám sát phân loại (III) là tương đối nhanh chóng, đòi hỏi các nhà điều hành để làm Chưa chỉnh sửa các lớp học cuối cùng nhưng đã là ít nhất là chính xác (chính xác tổng thể 70% cho CASI, con số 13,5). Thủ tục giám sát phân loại trong hình ảnh chế biến phương pháp IVyêu cầu các nỗ lực lớn hơn từ các nhà điều hành trong quá trìnhchữ ký chỉnh sửa (độ chính xác tổng thể 78% cho CASI, con số13,5). chính phân tích thành phần là computationally chuyên sâu, và các kết hợp khác nhau của ban nhạc tỷ lệ phảithử nghiệm với. Kết quả là, hình ảnh phương pháp xử lý Vđòi hỏi nỗ lực nhất, nhưng là các thủ tục phân loại chính xác nhất (độ chính xác tổng thể 85% cho CASI, con số 13,5).Con số 13,5 cho thấy rằng mặc dù ban nhạc tỷ lệ và hiệu trưởngphân tích thành phần là chuyên sâu computationally bọn chúngcũng hiệu quả: đầu tư thêm thời gian tạo ra mộtgia tăng đáng kể tính chính xác.

Kết quả (Việt) 2:

Khả năng phân biệt đối xử khác nhau
rừng ngập mặn
Việc phân loại chương trình môi trường sống sử dụng ở đây để chỉ đạo việc
phân loại các hình ảnh CASI được dựa trên sáu ngập mặn
loại, và ba loại rừng ngập mặn có liên quan,
trong đó tách ra ở mức 85% (xem Chương 10). Tại cao hơn
mức tương tự các trường dữ liệu không xác định về mặt sinh thái
phân loại ý nghĩa.
Hình 13.3 so sánh độ chính xác phân loại để lập bản đồ chín rừng ngập mặn khác nhau của Quần đảo Turks và Caicos sử dụng Landsat TM và CASI dữ liệu. Phân biệt đối xử giữa các lớp học chính xác là không thể sử dụng dữ liệu vệ tinh với độ chính xác chỉ có 31% đạt được. Tall
Rhizophorawas ánh xạ chính xác (77%) nhưng độ chính xác của người dùng của tất cả các rừng ngập mặn khác là rất thấp (0-29%).
Việc phân loại được thực hiện tại một thô hơn (ít tương tự)
mức độ phân biệt đối xử môi trường sống chỉ sử dụng ba lớp: cao
Đước, other'mangrove (tức là thảm thực vật rừng ngập mặn mà '
không phải là 100% Rhizophoraand hơn 2 m chiều cao) và nonmangrove thảm thực vật. Giảm chỉ ba lớp làm tăng đáng kể độ chính xác (t = 7,18, P <0,001). Hình 13.4
(Plate 15) là một bản đồ phân loại các vùng bờ biển phía đông của
Bắc và Trung Caicos lấy từ dữ liệu Landsat TM. Điều này
đã được chỉ định khu vực đất ngập nước có tầm quan trọng quốc tế
theo Công ước Ramsar (UNESCO, 1971) và có
tốc độ tăng trưởng rừng ngập mặn rộng lớn nhất của Ngân hàng Caicos.
Những sinh cảnh rừng ngập mặn trong Bảng 10.3 chỉ có thể được xác
lập bản đồ sử dụng dữ liệu CASI (Hình 13.3). Tỷ lệ Band (V) đã được cải thiện đáng kể độ chính xác hơn phân loại không giám sát (III) (t = 3,26, P <0,01) nhưng không qua giám sát (IV)
(t = 1,77). Không có sự gia tăng đáng kể độ chính xác bằng cách sử dụng
phân loại có giám sát như trái ngược với không giám sát (không có sự khác biệt đáng kể trong hệ tau giữa các phương pháp III và
IV, t = 1,50). Nói cách khác, nếu phân loại có giám sát là để được
sử dụng sau đó một sự cải thiện độ chính xác sẽ chỉ có thể có được nếu
nó được thực hiện trên một hình ảnh tỷ lệ PCA / ban nhạc (phương pháp V). Hình
10.9 (Plate 11) là một bản đồ rừng ngập mặn phát triển trên South
Caicos được lấy từ dữ liệu CASI (Hình 10.8).
độ chính xác của người sử dụng của rừng ngập mặn chín sản xuất từ dữ liệu CASI xử lý bằng phương pháp III-V là hợp lý cao, với Ngoại trừ ngập mặn hỗn hợp ngắn
(Bảng 13.3). Chỉ có sáu địa điểm chính xác đã được khảo sát trong này
loại, do đó độ chính xác thấp này có thể là một hàm của kích thước mẫu nhỏ. Độ chính xác của người sử dụng đã được cải thiện bằng cách sử dụng một giám sát
thay vì một thói quen phân loại không giám sát: phân loại một hình ảnh tỷ lệ PCA / ban nhạc được sản xuất cao nhất
. Độ chính xác của người dùng đối với phần lớn các môi trường sống (Bảng 13.3)
Những kết quả này cũng cho thấy một mối tương quan có thể có giữa
nỗ lực xử lý hình ảnh và độ chính xác. Không có giám sát phân loại (III) là tương đối nhanh chóng, đòi hỏi các nhà điều hành để làm
nhiều hơn một chút vì chỉnh sửa lớp học, nhưng cuối cùng là chính xác nhất (tổng độ chính xác 70% cho CASI, hình 13.5). Các thủ tục phân loại được giám sát trong hình ảnh phương pháp chế biến IV
đòi hỏi nỗ lực lớn hơn từ các nhà điều hành trong quá trình
chỉnh sửa chữ ký (độ chính xác tổng thể 78% cho CASI, Hình
13.5). Phân tích thành phần chính là tính toán chuyên sâu, và sự kết hợp khác nhau của tỷ lệ ban nhạc phải được
thử nghiệm với. Kết quả là, phương pháp xử lý hình ảnh V
đòi hỏi nhiều công sức nhất, nhưng là thủ tục phân loại chính xác nhất (độ chính xác tổng thể 85% cho CASI, hình 13.5).
Hình 13.5 cho thấy, mặc dù tỷ lệ ban nhạc và hiệu trưởng
các thành phần phân tích được tính toán chuyên sâu họ
cũng chi phí -effective: đầu tư thêm thời gian tạo ra một
sự gia tăng đáng kể về độ chính xác.