评估可渗透分类的精度
执行可视分析
首先，您将打开该工程，探索其中包含的图层，然后通过视觉检查来非正式地评估分类精度。 首先，您将下载并打开包含渗透分类图层和参考影像的工程。
注：
虽然您可以使用教程依据光谱影像计算不可渗透表面中您自己的结果，但使用新下载的数据将确保您在屏幕上看到的内容与本教程中描述的步骤相匹配。
- 下载包含您的工程及其数据的 Imperviousness_Classified .zip 文件。
- 在计算机上找到已下载的文件。
注：
开始下载前，根据 web 浏览器的不同，系统可能会提示您选择文件的位置。 大多数浏览器将默认下载到计算机的 Downloads 文件夹下。
- 右键单击 Imperviousness_Classified.zip 文件，然后将其解压缩到可以轻松找到的位置，例如 Documents 文件夹。
- 启动 ArcGIS Pro。 如果收到系统提示，请使用您获得许可的 ArcGIS 组织帐户登录。
注：
如果您没有 ArcGIS Pro 的访问权限或者 ArcGIS 组织帐户，请参阅软件访问权限选项。
- 在窗格底部的打开下，单击打开其他工程。
- 在打开工程窗口中，浏览至已解压缩的文件夹 Imperviousness_Classified。 单击 Imperviousness_Classified.aprx 将其选中，然后单击确定。
工程随即打开。
接下来，您将探索该工程包含的图层。 将打开顶部图层 Louisville_Impervious。 该图层是之前分类过程的结果，其中以灰色显示不可渗透表面，以绿色显示可渗透表面。 底图 World Topographic Map 同样已打开并为工程图层提供了背景。
- 在内容窗格中，取消选中 Louisville_Impervious 复选框以关闭该图层。 选中 Louisville_Neighborhood.tif 复选框以打开该图层。
Louisville_Neighborhood.tif 是该区域的 6 英寸分辨率、4 波段航拍照片，以自然色波段组合（红色、绿色和蓝色）显示。 这意味着它看起来与人眼看到的相似。 在执行精度评估时，您将使用该图层作为参考。
- 在内容窗格中，关闭 Louisville_Neighborhood.tif 并打开Louisville_Neighborhood_Color_Infrared。
这是相同的影像，以彩色红外波段组合（红外、红色和绿色）显示。 它显示了以红色高亮显示的植被。 在执行精度评估时，您也将使用该图层作为参考。 接下来，您将通过直观地比较图层来非正式地评估分类精度。
- 在内容窗格中，关闭 Louisville_Neighborhood_Color_Infrared，打开 Louisville_Impervious 和 Louisville_Neighborhood.tif。 单击 Louisville_Impervious 以将其选中。
- 在功能区中，单击栅格图层选项卡，然后在比较组中，单击卷帘。
- 在地图上，将指针从顶部拖动到底部，以显示 Louisville_Impervious 分类图层下的 Louisville_Neighborhood.tif 影像。 检查并比较这两个图层。
分类的精度看起来如何？
- 或者，您也可以在 Louisville_Impervious 和 Louisville_Neighborhood_Color_Infrared 之间应用卷帘，以对分类和彩色红外影像进行比较。
- 在功能区上，单击地图选项卡，在导航组中，单击浏览以禁用卷帘工具。
- 在快速访问工具栏上，单击保存按钮以保存您的工程。
提示：
您也可以按 Ctrl+S 以保存工程。
创建精度评估点
虽然非正式地对分类图层和原始影像进行比较有一定用处，但其不能提供分类精度的正式度量。 根据您的分析结果确定雨水账单后，您需要一个更严格的评估过程。 要执行正式评估，您需要在整个图像中创建随机生成的精度评估点。 然后，您需要将每个点位置处的分类值（可渗透或不可渗透）与原始影像中显示的实际土地覆被类型进行比较。
注：
让人员在给定位置处视觉验证实际土地覆被的过程称为地表验证。 最严格的精度评估需要人员亲自到现场验证土地覆被，但在许多情况下，前往实际位置并不可行或者成本太高。 因此，查看影像通常被视为地表验证过程的下一个最佳选择。
- 在功能区分析选项卡的地理处理组中，单击工具。
将出现地理处理窗格。
- 在地理处理窗格中，搜索创建精度评估点，然后按 Enter 键。
- 在结果列表中，单击创建精度评估点（适用于 Image Analyst 工具或 Spatial Analyst 工具）以打开该工具。
此工具会在影像中生成随机点，并在点位置处基于影像的分类值赋予点属性。 精度评估点将同样会具有原始影像实际地表的字段，您可以在每个点的字段中手动输入内容。
- 在创建精度评估点参数工具中，输入以下参数：
- 对于输入栅格或要素类数据，选择 Louisville_Impervious 图层。
- 对于输出精度评估点，单击浏览按钮。 在随即显示的窗口中，浏览至工程、数据库，然后双击 Neighborhood_Data.gdb。 对于名称，输入 My_Accuracy_Points 并单击保存。
- 对于目标字段，确认选择 Classified。
- 对于随机点数，键入 100。
- 对于采样策略，选择均衡化分层随机。
目标字段参数用于确定点的属性表是否会描述实际地表值的分类值。 您的输入影像即分类栅格，因此这些点应包含分类值。
随机点数参数用于确定所创建的点数。 对于只有两个分类的小影像来说，点数可相对较少。
采样策略参数用于确定点在影像中随机分布的方式。 这些点可以成比例地分布于各类区域中（分层随机），或者在各类区域中均等分布（均衡分层随机），也可以完全随机分布（随机）。 由于您关注的重点是不可渗透表面的精度，这两个类别的面积较小，因此您需要将点均等地分布在两个类中以在评估时更好地表示不可渗透表面。
注：
所选参数意味着将在不可渗透表面上选择 50 个点，并在可渗透表面上选择 50 个点。
- 单击运行。
随即将具有 100 个精度点的新图层添加至地图。
现在，您将查看这些点的属性。
- 在内容窗格中，右键单击 My_Accuracy_Points 图层并选择属性表。
属性表随即出现。
属性表包含每个点位置的信息。 除了常规 ObjectID 和 Shape 字段，点具有两个属性：Classified 和 GrndTruth（或实际地表）。 Classified 字段的值为 20 或 40。 这些数字代表由分类过程确定的类别，它们将显示在 Louisville_Impervious 图层中：20 为非渗透；40 为渗透。 但是，对于 GrndTruth 字段，每个值默认均为 -1，表明该值仍然未知，并且需要对该点进行地表验证。 您将检查每个点的影像，并将 GrndTruth 属性编辑为 20 或 40，具体取决于您发现的土地覆被类型。
- 在内容窗格中，取消选中除 My_Accuracy_Points 和 Louisville_Neighborhood.tif 以外的所有图层。
注：
或者，可以更改点的颜色以更好地查看这些点。 如有必要，在内容窗格中，右键单击 My_Accuracy_Points 下的符号并选择您喜欢的颜色。
接下来，您将隐藏 Classified 列，以确保您在地表验证过程中的判断不受现有分类值的影响。
- 在属性表中，右键单击 Classified 列标题，然后选择隐藏字段。
- 在属性表中，单击行标题 1 以选择该要素。 右键单击行标题，然后选择缩放至。
地图随即缩放至所选点。 （您的点所在位置将与示例图像中点的位置不同。）
注：
如有必要，可以拖动属性表窗格的顶部以调整其大小，以便能够同时查看地图区域和属性表。
在此示例中，点看起来既像是在草地上，又像是在裸露的地表上。 但无论在什么位置，表面均为可渗透表面。 您需要将此点的 GrndTruth 属性更改为代表可渗透的 40。 如果您的第一个点出现在非渗透表面上（例如道路或屋顶），则需要将 GrndTruth 属性更改为代表非渗透的 20。
注：
由于地图范围以及点的位置可能不同，您可能缩放不到与点足够近的位置，因此无法确定该点所在位置的地表覆盖物种类。 您尽可以缩放到与点足够近的位置，从而更准确地确定该点的实际地表。
作为提醒，在此影像中，可渗透表面包括植被、树木、裸露的地表和水体。 不可渗透表面包括道路、车道和建筑物屋顶。
- 在属性表中的 GrndTruth 列，双击所选要素的值进行编辑。 根据您的结果，将默认值替换为 40 或 20，然后按 Enter 键。
- 在属性表中选择下一个点。 右键单击该点，然后选择平移至。
地图随即平移至相应的点，保持相同的缩放级别。
- 根据点的位置，将 GrndTruth 值更改为 20 或 40。
注：
由于地图上的某些要素模糊不清，可能很难分辨一些点的实际地表。 如果需要，可以暂时打开 Louisville_Neighborhood_Color_Infrared 图层以确定其是否能够提供更清晰的视图。
- 针对前 10 个点重复此过程。
- 在功能区上，单击编辑选项卡，然后在管理编辑内容组中，单击保存以保存在属性表中进行的所有编辑内容。 当出现确认提示时，请单击是。
现在，您将暂停地表验证工作以取消隐藏 Classified 列并比较 Classified 和 GrndTruth 列中的值。
- 单击选项按钮并选择显示所有字段。
当重新显示 Classified 列后，检查两列中的值并对其进行比较。 到目前为止，是否全部匹配？
如果需要，可以继续为 My_Accuracy_Points 图层中的所有 100 个精度点输入实际地表值。 但是，为了在本教程中节省时间，您可以使用精度评估点要素类，其中已填充实际地表值。 如果您选择使用现成的精度点图层，则现在需要其添加至地图。
注：
如果您选择自行确定 100 个点的实际地表，请再次隐藏 Classified 属性，然后立即完成该过程。 在编辑选项卡上，单击保存以保存所有编辑内容。 关闭属性表，然后跳转至步骤 18。
- 在功能区上，单击视图选项卡，然后单击窗口组中的目录窗格。
- 在目录窗格的工程下，展开数据库，然后展开 Neighborhood_Data.gdb。 右键单击 Accuracy_Points 并选择添加至当前地图。
新的现成 Accuracy_Points 图层随即显示在内容窗格和地图上。 您不再需要第一个图层 My_Accuracy_Points，因此可以将其移除。
- 在内容窗格中，右键单击 My_Accuracy_Points 并选择移除，然后在移除图层弹出窗口中，单击放弃。
- 在内容窗格中，右键单击 Louisville_Neighborhood.tif 图层，然后选择缩放至图层。
地图将返回到影像的全图范围。
- 保存工程。
计算混淆矩阵
创建精度评估点并用实际地表数据填充其属性后，您现在将需要利用这些点创建混淆矩阵。 混淆矩阵是一个表，可比较精度评估点的 Classified 和 GrndTruth 属性，从而确定两个属性间的精度百分比。 如果划分为不可渗透的区域在原始影像中的确代表不可渗透区域，则混淆矩阵的百分比会较高，也就意味着分类精度较高。
- 如有必要，可以在功能区分析选项卡的地理处理组中，单击工具以打开地理处理窗格。
- 如有必要，请在地理处理窗格中单击后退按钮。
- 在地理处理窗格中，搜索并打开计算混淆矩阵工具（适用于 Image Analyst 工具或 Spatial Analyst 工具）。
该工具仅具有两个参数：输入和输出。
- 在计算混淆矩阵工具中，输入以下内容：
- 对于输入精度评估点，选择 Accuracy_Points。
- 对于输出混淆矩阵，单击浏览。 对于名称，键入 Confusion_Matrix，然后单击保存。
注：
如果您选择了自行输入 100 个点，则对于输入精度评估点，选择 My_Accuracy_Points。
- 单击运行。
工具随即开始运行，混淆矩阵将添加到内容窗格中。 由于混淆矩阵是不具有空间数据的表，因此不会出现在地图中。
- 在内容窗格的独立表中，右键单击 Confusion_Matrix 并选择打开。
随即显示 Confusion_Matrix 表。
注：
如果您自行在 My_Accuracy_Points 图层中输入了实际地表值，则混淆矩阵可能会显示略有不同的结果。
ClassValue 列中的值在表中为行标题。 C_20 和 C_40 分别与已分类栅格中的两个类相对应：20 代表非渗透表面，40 代表渗透表面。 C_20 和 C_40 列代表地表值为 20 或 40 的点，而 C_20 和 C_40 行则代表分类为 20 或 40 的点。 例如，使用示例点时，有 47 个实际地表值为 20 的点分类也为 20，而有一个实际地表值为 20 的点却错误地分类为 40。 在全部 100 个点中，有四个点分类错误（三个错误地分类为不可渗透，一个错误地分类为可渗透）。
U_Accuracy 代表用户精度。 它代表按照全部分类进行正确分类的像素的比例。 P_Accuracy 代表生产者精度，表示按照全部实际地表进行正确分类的像素的比例。 例如，有 50 个像素被分类为不可渗透，其中 47 个像素分类正确，因此用户精度为 0.94（或 94%）。 同时，有 48 个像素的实际地表被分类为不可渗透，其中 47 个像素分类正确，因此生产者精度为 0.98（或 98%）。
最后一个属性为 Kappa。 根据所有的用户和生产者精度，该属性将对分类精度进行全面的评估。 在以上示例中，Kappa 为 0.92 或 92%。 虽然并不完美，但 92% 的整体精度也较为可靠。
注：
如果 Kappa 值低于 85% 到 90%，那么您的分类可能不够精确，需要重新审视以进行改进。 工作流中有两个部分可能会造成分类错误。 第一个是分割。 如果您的分割参数对原始影像概化过度或不足，则可能造成要素分类错误。 可以尝试调整分割参数以实现更好的分割。 此外，大多数情况下，错误是由您的训练样本造成。 训练样本过少或训练样本覆盖的光谱特征范围过宽都会造成分类错误。 添加更多样本或更多类均可提高精度。
- 保存工程。
您现在可以向城市管理人员报告不可渗透表面分类的精度为 92%。 可以将其视为足够可靠，即可开始使用数据来计算雨水费用。
您可以在教程库中找到更多教程。
