Lớp phủ NUOC LNP1 LNP2 LNP3 ONT DMA HNK MAY NUOC - 2,00 2,00 2,00 2,00 2,00 2,00 2,00 LNP1 2,00 - 1,92 1,98 2,00 2,00 1,99 2,00 LNP2 2,00 1,92 - 1,99 2,00 2,00 1,99 2,00 LNP3 2,00 1,98 1,99 - 2,00 1,99 1,99 2,00 ONT 2,00 2,00 2,00 2,00 - 1,99 2,00 2,00 DMA 2,00 2,00 2,00 1,99 1,99 - 2,00 2,00 HNK 2,00 1,99 1,99 1,99 2,00 2,00 - 2,00 MAY 2,00 2,00 2,00 2,00 2,00 2,00 2,00 -
Theo J.A.Richards (1999), những giá trị đánh giá khác biệt mẫu có khoảng giá trị từ 0 đến 2, chỉ ra sự riêng biệt giữa các cặp mẫu xét về mặt thống kê. Nếu giá trị mẫu từ 1,9 trở lên chỉ ra cặp mẫu có sự tách biệt tốt. Đối với các cặp mẫu huấn luyện có giá trị thập hơn nên cải thiện hoặc chỉnh sửa các mẫu. Trong trường hợp các mẫu có giá trị phân biệt quá thấp (nhỏ hơn 1), nên gom chúng lại thành một mẫu.
Dựa vào bảng phân tích trên có thể thấy các mẫu có giá trị khác biệt mẫu lớn hơn 1,9, các mẫu có tính độc lập cao, thể hiện mẫu được chọn có sự tách biệt lớn dễ phân biệt trên ảnh. Năm 2005 sự phân biệt giữa lớp phủ LNP2 và LNP3 có sự phân biệt lớn nhất do đặc tính phản xạ phổ của lớp mẫu tương đối giống nhau.
*Bước 3: Phân loại theo phương pháp xác xuất cực đại (Maximum Likelihood)
Phân loại theo phương pháp Maximum Likelihood coi số liệu thống kê của mỗi lớp trong mỗi kênh ảnh được phân tán một cách thông thường và phương pháp này có tính đến khả năng một pixel thuộc một lớp nhất định. Nếu như không chọn một ngưỡng xác suất thì sẽ phải phân loại tất cả các pixel. Mỗi pixel được gán cho một lớp có độ xác suất cao nhất (nghĩa là Maximum Likelihood). Phương pháp phân loại này nó thường được sử dụng trong xử lý ảnh viễn thám để phân loại các đối tượng cho các khu vực có thảm thực vật ít có sự đồng nhất như rừng ở Việt Nam.
* Bước 4: Đánh giá độ chính xác sau phân loại
Để đánh giá độ chính xác của bản đồ chúng tôi tiến hành sử dụng dữ liệu điều tra thực địa so sánh với trạng thái của điểm ngoài thực địa và trên bản đồ từ đó xây dựng được bảng đánh giá độ chính xác khóa giải đoán.