QGIS中如何比较两个分类结果的精度？

Question

在使用QGIS进行遥感影像分类后，如何定量比较两个分类结果（如不同算法或参数生成的分类图）的精度是常见技术难题。用户常困惑于缺乏内置工具直接执行精度对比分析，例如计算混淆矩阵、Kappa系数或总体精度。虽然QGIS可通过“交叉验证”或“采样工具”结合外部统计软件实现，但如何正确导入参考数据、对齐像元网格、匹配分类体系并可视化差异仍具挑战。此外，如何利用插件（如Semi-Automatic Classification Plugin）内置的精度评估功能高效完成两幅分类图的逐像元对比，也是实际操作中的高频问题。

Answer 1

使用QGIS定量比较遥感影像分类结果的精度：从基础到高级策略

1. 问题背景与挑战概述

在遥感影像处理中，分类算法（如最大似然法、支持向量机、随机森林等）常用于土地覆盖/利用制图。然而，当生成多个分类结果（例如不同参数或算法输出）后，如何科学地评估其相对精度成为关键问题。

QGIS作为开源GIS平台，虽具备强大的空间分析能力，但其核心功能并未直接提供“两幅分类图逐像元对比”的内置工具。用户需依赖插件或外部流程实现混淆矩阵、Kappa系数、总体精度等指标计算。

主要技术难点包括：

• 分类体系不一致导致类别无法对齐
• 栅格像元空间分辨率或投影未统一
• 缺乏地面真实参考数据或验证样本分布不均
• 手动统计效率低且易出错
• 结果可视化表达不够直观

2. 基础步骤：数据准备与预处理

为确保可比性，必须对参与比较的两幅分类图进行严格预处理：

1. 统一空间参考系统：使用“项目属性”或“重投影栅格”工具将所有图像转换至相同坐标系（如WGS84 UTM Zone 49N）。
2. 像元对齐与重采样：通过Raster > Projections > Warp (Reproject)设置目标分辨率和对齐方式，确保像元网格完全匹配。
3. 分类编码标准化：若分类体系不同（如A图为[1,2,3]对应林地/耕地/水体，B图为[10,20,30]），需使用“栅格计算器”或“重分类”工具映射到统一编码方案。
4. 掩膜无效区域：利用掩膜去除云区、边界外或NoData区域，避免干扰统计结果。

3. 核心方法一：基于采样点的精度验证流程

该方法适用于已有参考样本或可通过目视解译构建验证集的情况。

步骤	操作路径	说明
1	Vector > Research Tools > Random Points	生成随机验证点（建议每类≥50个）
2	Sampling > Point Sampling Tool	提取各点位置在两个分类图中的像元值
3	导出CSV并用Python/R分析	构建混淆矩阵，计算OA、Kappa等
4	加入权重（可选）	考虑类别面积不平衡问题

4. 核心方法二：利用SCP插件实现自动化精度评估

Semi-Automatic Classification Plugin (SCP) 提供了完整的分类后处理链条，包含内置精度评估模块。

# 示例：使用SCP进行交叉验证
1. 打开SCP面板 → Accuracy Assessment
2. 加载参考栅格（Ground Truth）与预测分类图
3. 插件自动计算：
   - 混淆矩阵（Confusion Matrix）
   - 总体精度（Overall Accuracy）
   - 用户精度（User's Accuracy）
   - 生产者精度（Producer's Accuracy）
   - Kappa系数（Khat）
4. 支持导出PDF报告与图表

5. 高级技巧：全像元逐一对比与差异图生成

对于高分辨率匹配的数据，可执行像素级直接比较：

graph TD
    A[加载分类图A与B] --> B{是否同CRS?}
    B -- 否 --> C[重投影]
    B -- 是 --> D[是否同分辨率?]
    D -- 否 --> E[重采样]
    D -- 是 --> F[使用栅格计算器]
    F --> G["('Class_A@1' = 'Class_B@1') ? 1 : 0"]
    G --> H[生成一致性图层]
    H --> I[统计值=1的比例即为OA]
    I --> J[进一步分类差异类型]

6. 差异可视化与空间模式分析

除数值指标外，空间分布差异同样重要。推荐以下可视化策略：

• 差异图（Difference Map）：使用栅格计算器表达式：(A - B)，正值表示A类偏移，负值表示B类偏移。
• 转移矩阵热力图：结合Python脚本绘制Matplotlib热图，展示类别间误分趋势。
• 叠加矢量化边界：将分类图转为多边形，叠加显示分歧区域。

示例代码片段（Python控制台中运行）：

import processing
# 将分类栅格转为矢量以进行空间查询
processing.run("native:pixelstopolygons", {
    'INPUT_RASTER': 'classification_A.tif',
    'RASTER_BAND':1,
    'FIELD_NAME':'class_id',
    'OUTPUT':'memory:'})