《表4 SVM和RF分类差异面积比例统计Table 4Different area ratio statistics of SVM and RF classifications》

  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

为了对比RF和SVM模型对于提取城市不透水面的分类效果，利用70%的训练样本构建的最优模型对研究区地物类型进行预测，预测的分类结果见图3。从图3可以看出，两种分类方法预测的不透水面均集中分布于研究区的西部，呈集中组团式布局，基本符合本地的实际情况，受地形、水文等条件的影响，该区域成为了市区建设核心区。对比图3（a）、3（b），SVM模型对于裸土的分类面积大于RF模型。为了进一步对比RF模型和SVM模型对于不透水面提取的分类差异，将两方法分类差异的面积比例进行统计。表4统计结果显示:RF和SVM分类的结果有46.37%的面积不一致。绿地和裸土的混分比例最高，达35.04%，其中有34.22%的面积RF将其划分为绿地，而SVM模型则划分为裸土。其次二者对于不透水面的分类面积存在较大差异，不透水面和裸土的混分比例较高。3.17%的面积RF分类为不透水面，而SVM分类为绿地和裸土。造成这一较大差异的原因可能是混合像元引起的错分、漏分。