无人机影像的分类精度，不看分辨率看什么
有人问无人机影像分类能做到多少精度，2 厘米的分辨率是不是就够了。
分辨率是必要条件，不是充分条件。真正决定你能分对什么的，是你要识别的东西有多大，以及你要的是一个像素级的结果还是一个面积级的结果。
2 厘米说的是一件事
GSD 2 厘米，意思是一个像素代表地面上 2 厘米见方。这句话只描述影像，不描述精度。
拿它去分辨地块边界，够用——田埂一般 30 到 50 厘米宽，2 厘米的影像上占十几个像素，边界画得出来。
但你要识别单株作物、数苗、看病株，那就另一回事。2 厘米能看到叶片形状，但叶片互相遮挡、行间有阴影、品种之间形态差异很小，这个尺度上"看清楚"和"判得对"之间还差着很远。
同一张影像，做地块提取可能做到 95%，做病害识别可能连 70% 都费劲。分辨率没变，任务变了。
像素级对，面积不一定对
这是最容易出问题的地方。
无人机影像做分类，逐像元算出来的 OA 可以很漂亮。但把分类结果转成矢量、算面积，数字经常对不上实测。
原因有几个，都跟分辨率有关：
混合像元。 地块边缘那一圈，一个像素里一半是玉米一半是田埂或者沟渠。分类器只能给它一个标签，判成玉米就多算了，判成其他就少算了。地块越小，边缘占比越大，误差越明显。
田埂被吃掉。 相邻两块地中间那道埂，宽度可能只有几十厘米。分类时它跟作物光谱接近，很容易被判成作物，两块地的面积一起虚高。一百块地累积起来，几个百分点就出去了。
拼接误差。 无人机影像要拼接，拼接靠控制点。控制点少、分布不均，整幅图会有轻微的几何变形。这种变形在图上肉眼看不出，但量面积的时候会系统性地偏——有的地方拉伸，有的地方压缩。
所以做面积任务的时候，我不看像素级 OA，我看图斑叠合度和总面积差。这两个才是甲方要的。
重投影这一步会再错一次
无人机原始成果常见的是 WGS84 或者某个本地坐标，要算面积必须先投影。
这一步有两个坑：
用了不适合算面积的投影。 Web Mercator 最典型，它在高纬度会把面积放大，北纬四十度一带大约放大 1.76 倍。数字出来大得离谱，但很多人第一反应是怀疑数据源，不是怀疑坐标系。
坐标值没跟着转。 有的数据文件头写着高斯-克吕格的 EPSG 号，打开一看坐标数值还是经纬度或者 Web Mercator 的。只改了元数据没改坐标，软件按新投影去解释旧数值，算出来的面积毫无意义。
判断办法只有一个：拿一个已知面积的地块（比如一个标准足球场，或者一块量过的试验田）双算一遍，两个结果对得上才算数。别信文件头。
控制点比算法重要
如果只能在一件事上多花时间，我建议花在控制点上。
无人机没有 RTK 的时候，靠地面控制点做几何校正。控制点数量够、分布均匀，整幅图的几何精度才稳；控制点集中在一边，另一边的变形会很明显。
实际做法：飞之前先想好控制点布在哪，边缘和四角必须有，中间均匀撒几个。别等飞完了在地上随便找几个点凑数——那种点往往精度不够，还会把误差带进整幅图。
还有一件事常被忽略：飞行高度和重叠度决定了几何质量，不是像素大小。 飞得低能拿到更小的 GSD，但如果重叠度不够，拼接就会出问题。为了 GSD 好看而牺牲重叠度，是拿几何精度换一个数字。
该看什么数
如果任务是地块提取和面积统计，我建议看这几个，而不是 OA：
图斑叠合度，跟参考图斑的交并比；总面积相对误差，跟实测或承保面积比；地块数量对不对，有没有把一块地拆成两块或者把两块并成一块。
这几个数直接对应最后要交付的东西。像素级 OA 只能说明分类器在样本上表现如何，说明不了交付物能不能用。
一句话：2 厘米是影像的属性，不是成果的精度。精度是任务、分辨率和几何质量三者共同决定的，缺一个都不成立。