《表1 不同抽样比例的训练样本数和测试样本数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于随机森林模型的城市不透水面提取研究——以呼和浩特市为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将不透水面与其他地物分离可以实现城市不透水面的精确分类，因此本研究将不透水面、绿地、水体以及裸土作为城市用地的主要分类对象。以2016年夏季Google Earth最新高分辨率影像作为目视判读参考，在Landsat 8影像上进行目视解译，在解译过程中，将屋顶、道路、广场等作为不透水面，居住区绿地、道路绿地、公园绿地、农田等作为绿地，河流、公园水体、湿地等作为水体，光秃的土地作为裸土。在每一种地物上均匀选取样本，每一个像元位置对应一个样本，最终选取的不透水面的样本数为521，绿地为616，水体为180，裸土为320。之后借助R语言的“raster”包提取每一个样本的光谱特征。训练样本的大小可能影响分类的精度，因此本研究按照4种抽样比例的训练样本分别提取不透水面，相应的测试样本用来验证提取的精度。样本抽样比例分别设置为8∶2、7∶3、6∶4、5∶5，不同抽样比例随机抽取的训练样本数和测试样本数见表1。