《表3 RF和SVM分类混淆矩阵Table 3Confusion matrix of RF and SVM classification》

  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

选取总体精度相差最大的模型（抽样比例为7∶3）的分类结果计算混淆矩阵（表3），比较这两种方法对于具体不同地物类型的分类精度的差异。总体上，SVM模型和RF模型对于绿地的辨识性最高，用户精度达到了97%，其次是不透水面。RF模型相较于SVM对于水体的辨识性最好，其次是对于裸土的识别。在城市不透水面的提取中，低反照率的不透水面易于和裸土混淆一直都是困扰学者们的一大难题[31]。因此减少裸土和不透水面的误分是研究者们关注的重点。在本研究中，RF模型对于裸土和不透水面之间的误判均低于SVM模型。宋军伟等[32]研究结果表明，利用支持向量机对Landsat 8影像进行土地覆盖分类后，裸土分类的用户精度达到了84.8%。而本研究中采用RF模型对于裸土分类的用户精度达到了87.63%，从而说明了RF模型分类的优越性。