bước sau :
1. Nắn chỉnh hình học :
Tất cả các ảnh vệ tinh được nắn chỉnh hình học về hệ tọa độ VN - 2000, và được cắt theo ranh giới các tỉnh.
2. Xây dựng chú giải để phân loại:
Căn cứ vào đặc điểm tài nguyên rừng và lớp phủ, đặc điểm hệ thống ô kiểm tra, khả năng cung cấp thông tin của ảnh và hệ thống chú giải của bản đồ cần thành lập là tỉ lệ 1: 200.000, hệ thống m ẫu bao gồm các gồm 9 lớp như sau :
1. Rừng tự nhiên - RTN
2. Rừng hỗn giao tre nứa - RTRN
3. Rừng trên núi đá vôi - RNDV
4. Rừng trồng - RT 5. Trảng cỏ cây bụi- TCCB 6. Đất nương rẫy - D N R 7. Đất nông nghiệp - D N N 8. Dân cư - DC 9. M ặt nước - M N
Do ảnh vệ tinh có nhiều mây, vì vậy chúng tôi còn xây dựng thêm 2 lớp mới là : mây, bóng m ây ( những lớp này sẽ được kiểm tra và bổ sung ngoài thực địa)
3. Xây dựng khóa giải đoán:
D ựa trên hệ thống chú giải và đặc điểm của trên ảnh vệ tinh chúng tôi đã xây dựng hệ thống khóa giải đoán ảnh phục vụ cho việc đoán đọc các đối tượng và phân loại chúng
4. Chọn mẫu phân loại:
Dựa trên hệ thống chú giải và khóa giải đoán mẫu phân loại đặc trung cho các đối tượng được lựa chọn, mẫu phân loại phải đảm bảo các yêu cầu sau:
Đ ồng nhất
Số lượng mẫu phải đủ lớn
Phải đặc trưng cho đối tượng đó
Đồ thị phổ của các đối tượng trên ảnh Landsat Hòa Bình 2000
ố
ll< IN AiO0 p o n t e
Bqnom a-y {BĨUMÌ 1 1 0 H 3 m b
Uirt ịMarumi2| 'J i‘j ụamita
K onh pho
Hình 3. ỉ. Đô thị phô cùa các đôi tượng trên anh vệ tinh
Chỉ số tách biệt giữa các mẫu phân loại được tính toán để tính mức độ tách biệt giữa các mẫu để kiểm tra quá trình chọn mẫu phân loại
Ví dụ về chỉ số tách biệt của mẫu phân loại ảnh landsat tỉnh Hòa Bình năm 2000:
Pair Separation (least to most);
RTN [Green3] 3006 points and RNDV [Green] 2450 points - 0.83960307 RTN [Green3] 3006 points and RT [Chartreuse] 2339 points - 1.00690145 RNDV [Green] 2450 points and RT [Chartreuse] 2339 points - 1.00959673 RT [Chartreuse] 2339 points and TCCB [Sea Green] 380 points - 1.21563084 RT [Chartreuse] 2339 points and DNN [Yellovv] 2636 points - 1.29019227 RTRN [Aquamarine] 487 points and DNN [Yellovv] 2636 points - 1.31760441 RNDV [Green] 2450 points and DNN [Yellovv] 2636 points - 1.61027292 DC [Magenta] 409 points and Cat [Maroon2] 335 points - 1.69400464 RTN [Green3] 3006 points and DNN [Yellow] 2636 points - 1.75134898 RTRN [Aquamarine] 487 points and RT [Chartreuse] 2339 points - 1.80227463 TCCB [Sea Green] 380 points and DNN [Yellovv] 2636 points - 1.80301814 DNR [Yellow3] 1206 points and DC [Magenta] 409 points - 1.82892807 RTN [Green3] 3006 points and TCCB [Sea Green] 380 points - 1.83209340 DNR [Yellow3] 1206 points and DNN [Yellovv] 2636 points - 1.84859562 TCCB [Sea Green] 380 points and DNR [Yellow3] 1206 points - 1.85911472 RNDV [Green] 2450 points and Bongmay [Blue] 110 points - 1.92276346
RTRN [Aquamarine] 487 points and TCCB [Sea Green] 380 points - 1.92369799 RTN [Green3] 3006 points and RTRN [Aquamarine] 487 points - 1.92942073 DNN [Yellovv] 2636 points and May [Red] 198 points - 1.93628587
RT [Chartreuse] 2339 points and May [Red] 198 points - 1.93703036 DNR [Yellow3] 1206 points and Cat [Maroon2] 335 points - 1.93759420 RTRN [Aqưamarine] 487 points and May [Red] 198 points - 1.94581182 RT [Chartreuse] 2339 points and DNR [Yellow3] 1206 points - 1.95500536 RNDV [Green] 2450 points and May [Red] 198 points - 1.95639234
RTN [Green3] 3006 points and May [Red] 198 points - 1.96413419
RTRN [Aquamarine] 487 points and RNDV [Green] 2450 points - 1.96484432 DNN [Yellovv] 2636 points and Bongmay [Blue] 110 points - 1.96499640 TCCB [Sea Green] 380 points and May [Red] 198 points - 1.96774196
RTRN [Aquamarine] 487 points and DNR [Yellow3] 1206 points - 1.97789737 RT [Chartreuse] 2339 points and Bongmay [Blue] 110 points - 1.98151389 RNDV [Green] 2450 points and TCCB [Sea Green] 380 points - 1.985 11827
RNDV [Green] 2450 points and DNR [Yellow3] 1206 points - 1.98575793 DNN [Yellow] 2636 points and MN [Cyan] 2065 points - 1.99114787 RTN [Green3] 3006 points and Bongmay [Blue] 110 points - 1.99245849 DNR [Yellow3] 1206 points and May [Red] 198 points - 1.99273189 RTN [Green3] 3006 points and DNR [Yellow3] 1206 points - 1.99324962 MN [Cyan] 2065 points and Bongmay [Blue] 110 points - 1.99566846 DNN [Yellow] 2636 points and DC [Magenta] 409 points - 1.99603923 RNDV [Green] 2450 points and MN [Cyan] 2065 points - 1.99955338 DC [Magenta] 409 points and May [Red] 198 points - 1.99967163 DNN [Yellow] 2636 points and Cat [Maroon2] 335 points - 1.99974084 TCCB [Sea Green] 380 points and DC [Magenta] 409 points - 1.99984838 DC [Magenta] 409 points and MN [Cyan] 2065 points - 1.99991071 RNDV [Green] 2450 points and Cat [Maroon2] 335 points - 1.99992303 RT [Chartreuse] 2339 points and Cat [Maroon2] 335 points - 1.99994376 RTN [Green3] 3006 points and MN [Cyan] 2065 points - 1.99996365 DNR [Yellow3] 1206 points and MN [Cyan] 2065 points - 1.99996452 DNR [Yellow3] 1206 points and Bongmay [Blue] 110 points - 1.99996930 RT [Chartreuse] 2339 points and MN [Cyan] 2065 points - 1.99997075 RTRN [Aquamarine] 487 points and MN [Cyan] 2065 points - 1.99997651 RNDV [Green] 2450 points and DC [Magenta] 409 points - 1.99998363 RT [Chartreuse] 2339 points and DC [Magenta] 409 points - 1.99998377 RTRN [Aquamarine] 487 points and DC [Magenta] 409 points - 1.99998839 RTN [Green3] 3006 points and Cat [Maroon2] 335 points - 1.99999020 TCCB [Sea Green] 380 points and Cat [Maroon2] 335 points - 1.99999743 RTRN [Aquamarine] 487 points and Bongmay [Blue] 110 points - 1.99999837 May [Red] 198 points and Bongmay [Blue] 110 points - 1.99999840
May [Red] 198 points and Cat [Maroon2] 335 points - 1.99999927 Bongmay [Blue] 110 points and Cat [Maroon2] 335 points - 1.99999941 MN [Cyan] 2065 points and May [Red] 198 points - 1.99999952
RTN [Green3] 3006 points and DC [Magenta] 409 points - 1.99999961 DC [Magenta] 409 points and Bongmay [Blue] 110 points - 1.99999989 RTRN [Aquamarine] 487 points and Cat [Maroorứ] 335 points - 1.99999996 MN [Cyan] 2065 points and Cat [Maroon2] 335 points - 1.99999999
TCCB [Sea Green] 380 points and MN [Cyan] 2065 points - 2.00000000 TCCB [Sea Green] 380 points and Bongmay [Blue] 110 points - 2.00000000
5. Tính toán thống kê các mẫu phân loại:
Thống kê mẫu- Hòa bình 2000
RTN: 244.162 Hectares DNR: 97.957 Hectares RTRN: 39.557 Hectares DNN: 214.109 Hectares RNDV: 199.001 Hectares DC: 33.221 Hectares RT: 189.985 Hectares MN: 167.730 Hectares TCCB: 30.866 Hectares Fi lename: c :\A_Pro_TayBac\Taybac\HoaBinh2000 ROI: DNN [Yellovv] 2636 points
Band 1 htst:D
Bond
B a n d .3 h ỉst:D
Band 6 híst:D
Hình 3.2. Histogram của mẫu phân loại DNN trên 6 kênh ảnh Landsat Hòa Bình
6. Tính toán các chỉ số thống kê:
Min Max Mean Stdev
Band 1 80 108 90.65 4.99 Band 2 58 85 68.92 4.62 Band 3 43 86 56.64 5.61 Band 4 56 117 75.57 10.77 Band 5 40 126 66.09 14.65 Band 6 22 86 35.34 7.85 44
K ẩ T Q U Ả P H Ả M l o ạ i l ó p p h ủ m ặ t O Ỉ T t ỉ n h h ò a b ì n h n ă m 2 0 0 0
Hình 3.3. Kết quả phân loại lớp phủ Tỉnh Hòa Bình năm 2000
RTN Ký hiệu RTRN RNDV TCCB M ã hóa Code
Đ ặc điểm m ẫu trê n ảnh vệ tinh - M âu đỏ, mịn.
- Chất lượng rừng càng cao mầu đỏ càng
cao.
- Độ mịn càng cao rừng càng đồng nhất.
- Đôm đỏ hông (cây lá rộng thường xanh) xen lẫn đốm đỏ xẫm mầu (tre nứa)
- Đôm đỏ xẫm (phô phản xạ của thực vật) xen lẫn đốm đen (phổ phản xạ của đá)
- Những dải mầu đỏ xen lẫn với những mầu khác (do trồng không tập trung mà chỉ trong diện tích nhỏ và phân tán)
- Mầu phớt hồng xen lẫn với mầu xanh nhạt của nương rẫy.
ó.Đ ất n ư ơ n g rẫy *
D N R 6
- M ầu hồng nhạt do phổ p hản x ạ của các loài thực vật: L úa nương, ngô, sắn... - T hư ờng xen lẫn với đất trảng cỏ, cây bụi.
7. Đ ất n ông nghiệp
■
D N N 7 - M ầu xanh n hạt đặc trưng
8. Đ át ở
m 1
DC 8
- M âu hông lôm đôm , xung quanh thường là đất nông nghiệp hoặc đất nương rẫy.
9. M ặt nư ớc
ế Ê Ề ầ * m ấ
M N 9 - M ầu xanh lam đồng nhất
- Có khoanh vi thể hiện rõ ràng
H ình 3.4. M au sử d ụng để p h â n loại ảnh L andsat ( tô hợp RGB)
7. Phân lo ạ i:
Trong cac phân mêm viên thám đều có các chức năng phân loại bằng các thuật toán khác nhau: Box clasify ( hình hộp phổ song song ), Minimum distance (khoảng cách toi thieu ), Prioprobability, ( xác xuât tối ưu ), Maximum likelihood ( sự giống nhau tối đa )....Thông thường, thuật toán Maximum likelihood cho kết quả phân loại tốt nhất. Trong qúa trình thực hiện, Phân mêm ENVI với thuật toán Maximum likelihood đã được áp dụng cho việc phân loại các đối tượng lớp phủ. Là phân chia một cách có kiêm định các giá trị DN của các pixel ảnh theo từng nhóm đơn vị lóp phù mặt đất băng việc sử dụng máy tinh và các thuật toán. Đẻ thực hiện việc phân loại có kiểm tra, phải tạo được “chìa khoả phân tích phổ “ nghĩa là tìm được tính chất phổ đặc trưng cho từng đối tượng lớp phủ mặt đất và đặt tên cho chủng. Công việc xác định chìa khoá phân tích phổ được gọi là tạo các vùng mẫu ( hay vùng kiểm tra -trainning areas). Từ các vùng này, các pixel khác trong toàn ảnh sẽ được xem xét và sắp xếp theo nguyên tắc “giống nhất” (Look must like) để đưa về các nhóm đối tượng đã được đặt tên. Phân loại giám sát là phân loại được tuân thủ bởi sự đào tạo của người điều khiển dựa trên những hiểu biết ngoài thực địa để định các nhóm khi phân loại ( gọi là các tập mẫu- training sets ). Các mẫu phân loại được nhận biết qua vùng mẫu để thành lập các chìa khóa cho giải đoán ảnh. Mỗi pixel ảnh trong lóp dữ liệu sau đó được đối sánh về số với các chìa khóa giải đoán được đặt tên mà chúng có xác xuất thuộc về nhóm lớn nhất. Có rất nhiều cách thức để đối sánh giá trị của pixel chưa biết để xắp xếp thành lớp tương ứng với các chìa khóa được giải đoán trong phân loại.
Trong phân loại có giám sát cần phải trải qua các bước sau: thiết lập mẫu cho phân loại. Mục đích bước này là tìm các vùng có cùng giá trị phổ và gắn chúng vào lớp đối tượng mà chúng ta đã biết trên thực địa hoặc trên nguồn dữ liệu có trước. Quá trình này bẳt đầu từ việc hiển thị ảnh số trên màn hình ở mức độ phóng to để có thể khoanh các vùng có cùng giá trị sô (cùng mâu) vào một nhóm.
Kết quả của việc khoanh vùng trên màn hình tạo ra các nhóm đối tượng phổ gọi là lớp phổ (signatures classes). Khi các lớp phổ đã được khoanh vi ta cần kiểm tra chúng
bang cach hien thị chung trên biêu đô thông kê phân bố chuẩn hoặc xem biểu đồ tán phổ (scatter diagram).
Bước tiêp theo là gộp các nhóm và loại bỏ nhóm phổ không chọn đúng để tạo nên các nhóm phổ đúng cho phân loại cuối cùng.
Phản loại tập dữ liệu vùng mẩu ( training sets ):
Một cách đánh giá sự phân cách phô được tiến hành là phân loại các pixel trong tập mâu. Băng cáeh này, những pixel được lấy mẫu phân loại sẽ được phân loại trước ( Hình 8.28 ) và chúng được thể hiện bằng ma trận sai số. Việc đo sự khác biệt về thống kê giữa các mẫu có thể được tính toán cho tất cả các cặp và thể hiện theo ma trận tương quan. Các thông số dùng để so sánh là sự khác biệt chuyển đồi, khoảng cách trọng số tương quan giữa các nhóm trung bình. Giá trị khác biệt chuyển đổi càng lớn thì khoảng cách thống kê giữa các lớp phân loại càng cao.
8. Lựa chọn p h ư o n g p h á p phân loại theo tập mẫu
Có nhiều phương pháp phân loại khác nhau sau đây: Có 4 phương pháp phân
loại :
- Phân loại theo khoảng cách gần nhất (nearest distance classiíìed). - Phân loại theo nguyên tắc ở gần nhất (Nearest neightbour classiíìed). - Phân loại theo nguyên tắc hình hộp phổ ( Box classiíìed ).
- Phân loại theo nguyên tắc xác suất giống nhau nhất(maximum likelihood classiíìed). Đi theo nguyên tắc xác suất giống nhau nhất (maximum likelihood classiíìed).
1) Phân loại hình hộp là phương pháp có kiểm định đơn giản nhất . Bản chất hình học của nó đựơc mô tả trên hình. Trong phương pháp này môi trục phủ được chia thành nhiều lớp dựa trên các giá trị tối thiểu của tệp mẫu. Các pixel năm trong không gian giới hạn bởi các miền xác định trên trục phủ như vậy sẽ được phân loại và nhóm tương ứng. Phương pháp này rất đơn giản và rất dễ hiểu, tốc độ thực hiện trên máy tính cũng rất cao nhưng độ chính xác và khả năng áp dụng nhiều khi còn bị hạn chế.
Phản loại khoảng cách ngắn nhát
Hình 3.5 . Nguyên lý phân loại theo khoảng cách ngắn nhất
Phân loại khoảng cách ngắn nhất (minimun distance classifer) được sừ dụng để phân loại các đối tượng trong không gian phổ đa chiều. Độ lớn của khoảng cách giữa các pixel được sử dụng như thước đo đánh giá sự thuộc về một lớp nào đó của pixel đang khảo sát.
Phõn loại khoảng cách ngăn nhât (minimun distance classifer) được sử dụng đê phân loại các đối tượng trong không gian phổ đa chiều. Độ lớn của khoảng cách giữa các pixel được sử dụng như thước đo đánh giá sự thuộc về một lóp nào đó cùa pixel đang khảo sát.
C H U G l A l
H iện trạ n g lo p p h o mậ> dmI
■ H11U5Ỉ III Iiliit-Ii
ỊH kimp li-qi ebi1 rir
I k im v IIÍII tm i . l i \I>|
ỆỊ kllllL' IHMI|Ỉ
ị I r»H(! r«v i-.tv hm
3 Un 1111.111: w>
K ấ T Q U À P H Ầ N L O Ạ I m ậ w TRẠNG LÓP PHU M À T D A T TÌNH SON LA N Á M 1995
H ình 3.6. Kết quả phân loại năm 1995 tỉnh Sơn La theo thuật toán Maximum lìkelihood
III.2. ĐÁNH GIÁ Đ ộ CHÍNH XÁC CỦA KÉT QUẢ PHÂN LOẠI
P h ư ơ n g pháp đánh giá độ chính xác của kết quả phân loại được sử dụng là sử dụng m a trận sai lẫn (C onfusion matrix).
- M a trận sai lẫn đánh giá dựa trên hệ số K appa (K)
- Ế u i < * * . i ) i I i I C ô n g thức: Trong đó: N: tổ n g số Pixel K — \ 2 - í ( * i . * ' l i ) 51
Xjj : S ố pixel n ằ m trên hàng chéo của m a trận (pixel phân loại đúng)
x,+ : Sô pixel ở các hàng còn lại (pixel phân loại sai) - Độ chính xác tổng thể ( Overall Accuracy)
Được tính theo công thức: số lượng pixel được phân loại đúng
OA = X 100 %
Tổng số pixel trong mẫu phân loại
C o n íu s io n M a trix : C :\A _ P ro _ T a y B a c \T a y b a c \L S _ 1 9 9 5 O v e ra ll A c c u ra c y = (10546/12063) 8 7.4244% K a p p a C o e ffic ie n t = 0.8486 RTN R.NDV RTRN TCCB DNR DNN DC MN N o d a ta RT RTN [Green3] 75.00 4.95 0.00 0.44 0.00 0.00 0.00 0.00 0.00 1.70 RNDV ỊGreen] 23.30 95.05 0.00 0.00 0.00 0.00 0.00 0.00 0.00 6.46 RTRN ỊBlueỊ 4 0.00 0.00 98.32 0.00 0.00 0.00 0.00 0.00 0.00 0.00 TCC B ỊCyan] 2 0.28 0.00 1.68 96.90 2.57 0.29 0.00 0.00 0.00 0.00 DNR [M agenta 0.00 0.00 0.00 0.00 96.41 9.97 0.00 0.00 0.00 0.00 DNN [Maroon] 0.00 0.00 0.00 0.00 0.86 70.30 0.85 0.11 0.00 0.00 DC [Sea Green 0.00 0.00 0.00 0.00 0.00 19.44 99.15 2.11 0.00 0.00 MN [Purple] 1 0.00 0.00 0.00 0.00 0.00 0.00 0.00 97.78 0.00 0.00 No d ata ỊCora 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 100.00 0.00 RT Ị Red] 294 1.42 0.00 0.00 2.65 0.17 0.00 0.00 0.00 0.00 91.84 Total 100 100 100 100 100 100 100 100 100 100
K ết q u ả tín h toán m a trận sai lẫn đánlt g iá độ ch ín h x á c của p h ư ơ n g p h á p p h â n loại: Bàng 1 : Ma trận sai lân kết quả phân loại năm 1995 tỉnh Điện biên
C ontusion M atrix: C :\A _Pro_TayB ac\Taybac\D ienbien\pl_db2000 O verall A ccuracy = (4605/4679) 98.4185% K appa CoeiTicient = 0.9812 RTN R T R N R T T C C B D N R DNN DC MN M A Y B O N G M A Y R TN (Red] 137 97.53 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 R T R N |G re e n | 0.58 100.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 53
R T [Y ellow j 4 0.80 0.00 99.33 0.00 0.00 0.00 0.00 0.00 0.00 0.00 T C C B [C yan] 8 0.00 0.00 0.67 100.00 0.00 0.00 0.00 0.00 0.00 0.00 D N R [M ag en ta] 0.00 0.00 0.00 0.00 100.00 0.00 0.00 0.00 0.00 0.00 D N N [M aro o n ] 0.00 0.00 0.00 0.00 0.00 99.74 30.17 0.00 0.00 0.00 D C ỊSea G re e n 0.00 0.00 0.00 0.00 0.00 0.26 69.83 0.00 0.00 0.00 M N ỊP u rp le Ị 5 0.00 0.00 0.00 0.00 0.00 0.00 0.00 99.80 0.00 0.00 M A Y ỊC o ral] 5 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 100.00 0.00 B O N G M A Y ỊA qua 1.09 0.00 0.00 0.00 0.00 0.00 0.00 0.20 0.00 100.00 T o ta l 100 100 100 100 100 100 100 100 100 100
Bảng 2 : Ma trận sai lân kêt quả phân loại năm 2000 tỉnh Điện biên
C o n ĩu sio n M atrix: CAA Pro T ay B ac\T ay b ac\S o n la\P lo ai Sonla2000 O v erall A ccu racy = (3 4 4 6 /4 1 7 6 ) 82.5192%
K ap p a C o e ffic ie n t = 0.7796 Class R T N RTRN TCCB D N R RNDV R T D C M N D NN R T N [G re e n 3 Ị 81.91 5.24 0 0 3.46 5.81 3.51 0 0 RTRN IGreen] 0 86.19 1.08 0 0 0 8.77 0 0 TCCB [Aquam 0 0 96.24 51.15 0 0.58 0 0 0 D N R 0 1.43 0 44.65 0 0 0 0 11.98 RNDV ỊGreen 17.58 0 0 0 92.17 3.2 0 0 0 R T ỊC hartreus 0.51 5.24 0 0.21 4.37 8 9 .2 4 0 0 0 I)C ỊM a g e n ta ] 0 1.9 2.69 3.56 0 0 87.72 0 0 MN |C yan| 384 0 0 0 0.42 0 0 0 100 0 D N N |Y e llo \v | 0 0 0 0 0 1.16 0 0 88.02 54
Total 100 100 100 100 100 100 100 100 100
Bảng 3: Ma trận sai lẫn kết quả phản loại năm 2000 tỉnh Sorì La
C onfusion M atrix: C :\A _Pro_T ayB ac\T aybac\L S 1995 O verall A ccuracy = (10546/12063) 87.4244% K appa C oefficient = 0.8486 TN R N D V R T R N T C C B D N R DNN D C M N No_data R T R T N [G reen 3 ] 75.00 4.95 0 .0 0 0.44 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 1.70 R N D V [G reenỊ 23.30 95.05 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 6.46 R T R N [BlueỊ 4 0 .0 0 0 .0 0 98.32 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 T C C B [C yan] 2 0.28 0 .0 0 1.68 96.90 2.57 0.29 0 .0 0 0 .0 0 0.00 0.00 D N R ỊM a g e n ta 0.00 0.00 0.00 0.00 96.41 9.97 0.00 0.00 0.00 0.00 DNN ỊM aro o n ] 0.00 0.00 0.00 0.00 0.86 70.30 0.85 0.11 0.00 0.00 DC ỊSea Green 0.00 0.00 0.00 0.00 0.00 19.44 99.15 2.11 0.00 0.00 M N [P u rp le ] 1 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 97.78 0 .0 0 0 .0 0 No d a ta ỊC o ra 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 0 .0 0 100.00 0 .0 0 R T ỊRedỊ 294 1.42 0 .0 0 0 .0 0 2.65 0.17 0 .0 0 0 .0 0 0 .0 0 0 .0 0 91.84 Total 100 100 100 1 0 0 100 100 100 100 100 100
Bảng 4: Ma trận sai lẫn kết quá phân loại năm 1995 tỉnh Hòa Bình
C ontusion M atrix: C:\A _Pro_TayB ac\Taybac\H oaB inh\Ploai_H B 2000
O verall A ccuracy = (12734/15621) 81.5185%
K appa CoetTicienl = 0.7873
R T N R T R N R N D V R T T C C B D N R DNN D C M N M ay B o n g m ay C a t R T N ỊG reen 3 ] 67.00 0.00 5.67 7.40 0.00 0.00 0.08 0.00 0.00 0.00 0.00 0 .0 0 R T R N [A q u a m a 0.13 99.59 0 .0 0 0.09 0 .0 0 0 .0 0 2.28 0 .0 0 0 .0 0 0.00 0.00 0.00 R N D V [G reen ] 24.52 0.00 87.51 22.27 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 R T 4.99 0.00 5.22 47.46 2.63 0.00 8.08 0.00 0.00 0.00 0 .0 0 0.00 T C C B [Sea G re 3.36 0.00 0.00 22.19 96.58 0.75 0.64 0.00 0.00 0.00 0 .0 0 0 .0 0 D N R ỊYellow3] 0 .0 0 0 .0 0 0.57 0.09 0 .0 0 99.25 0.95 0.98 0 .0 0 0 .0 0 0 .0 0 0.30 D NN |Y ellow ] 0 .0 0 0.41 0.41 0.51 0.79 0 .0 0 87.90 0 .0 0 0.24 0 .0 0 0 .0 0 0 .0 0 DC ỊM ag e n taỊ 0 .0 0 0 .0 0 0.00 0.00 0.00 0.00 0.00 99.02 0 .0 0 0 .0 0 0 .0 0 2.09