前言

假设有两期用地数据2012年和2017年，分成三种用地类型，首先得到这两期数据的栅格图像，每个栅格单元存储的值代表一种用地类型，然后以矩阵的方式读入内存中，再用numpy的flatten的方法将其一维化，最后调用python机器学习库sklearn.metrics中的confusion_metrix方法进行计算。

from sklearn.metrics import confusion_matrix
import numpy as npa = np.array([[1, 2], [3, 1]])  # 代表2012用地数据
b = np.array([[1, 3], [1, 2]])  # 代表2017
a = a.flatten()
b = b.flatten()
res = confusion_matrix(a, b)
print(res)#  输出结果：
#  [[1 1 0]
#  [0 0 1]
#  [1 0 0]]

取结果第一行第一列的值（1，1）= 1，表示2012年为1的用地类型在2017年也为1的用地类型有1个。（1， 2） = 1 表示2012年为1的用地类型在2017年也为2的有1个地块。

实际案例

以四川2000年和2010年土地利用变化数据为例，首先将两份数据保存为png格式的栅格图片，然后读入Python中，构建混淆矩阵，即可计算出土地利用面积转移矩阵：

import numpy as np
import sys, os
sys.path.append(os.pardir)
from PIL import Image
from sklearn.metrics import confusion_matrixsc_lucc_2000_img = Image.open('F:\\Temp\\SCLUCC2000.png')
sc_lucc_2010_img = Image.open('F:\\Temp\\SCLUCC2010.png')
sc_lucc_2000_array = np.asarray(sc_lucc_2000_img).flatten()
sc_lucc_2010_array = np.asarray(sc_lucc_2010_img).flatten()
transition_area = confusion_matrix(sc_lucc_2000_array, sc_lucc_2010_array)
print(transition_area)

计算结果：

与另一博主（数据由他提供）计算结果完全一致：https://blog.csdn.net/XiaoQingwaShine/article/details/95501091?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromBaidu-1.control&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromBaidu-1.control

但计算和操作过程简便了许多。

微信

欢迎关注我的微信鼓励我继续写文章分享知识~

利用两期土地利用数据构造混淆矩阵（土地利用面积转移矩阵）相关推荐

利用matlab画混淆矩阵（confusion matrix）
写论文的过程中经常需要画一个混淆矩阵(confusion matrix)来验证分类结果的有效性.通常只需要两个步骤: - 保存混淆矩阵文本文件 - matlab中使用imagesc命令例如: > ...
机器学习中的混淆矩阵
在我们的机器学习教程(前面的章节Python和NumPy的神经网络和神经网络从头开始),我们实现的各种算法,但是我们没有正确地测量输出的质量.主要原因是我们使用非常简单的小数据集来学习和测试.在Neu ...
混淆矩阵评价指标_分类效果评价指标一混淆矩阵
1.混淆矩阵:判断分类模型好坏 (摘自:版权声明:本文为CSDN博主「Orange_Spotty_Cat」的原创文章.原文链接:https://blog.csdn.net/Orange_Spotty_ ...
混淆矩阵与miou代码
一.混淆矩阵 # 计算混淆矩阵 def generate_matrix(num_class,gt_image, pre_image):#正确的gt_maskmask = (gt_image >= ...
人工智能学习07--pytorch11--分类网络：使用pytorch和tensorflow计算分类模型的混淆矩阵
师兄说学目标检测之前先学分类坏了,内容好多!学学学感谢up主,好人一生平安混淆矩阵什么是混淆矩阵: 横坐标:每一列属于该类的所有验证样本.每一列所有元素对应真实类别. 纵坐标:网络的预测类别. ...
混淆矩阵及其评价指标
1.混淆矩阵混淆矩阵也称误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示.在人工智能中,混淆矩阵是可视化工具,特别用于监督学习. 混淆矩阵的每一列代表了预测类别,每一列的总数表示预 ...
模型效果评价—混淆矩阵（原理及Python实现）
对于分类模型,在建立好模型后,我们想对模型进行评价,常见的指标有混淆矩阵.KS曲线.ROC曲线.AUC面积等.也可以自己定义函数,把模型结果分割成n(100)份,计算top1的准确率.覆盖率. ...
全国各省10米分辨率的土地利用数据的制作与分享
1.简介该数据来源是清华大学的宫鹏老师团队做的全球土地利用数据,但该数据只能分影像块进行下载,没有制作按区划数据进行归纳,本人使用python爬虫下载了全球共计7000景影像,并利用2021年的区划 ...
WRF替换静态地理数据中的土地利用数据（WRF替换下垫面数据）
在进行自己的WRF项目模拟的时候,因为需要用中国土地利用数据替换WRF内嵌老旧的土地利用数据,故需要将土地利用进行替换.我使用的中国的土地利用数据是来自中国土地利用数据(1980-2015).其 ...

利用两期土地利用数据构造混淆矩阵（土地利用面积转移矩阵）

前言

实际案例

微信

利用两期土地利用数据构造混淆矩阵（土地利用面积转移矩阵）相关推荐

最新文章

热门文章