《表3 分类组合模型与不分类模型的SOM建模与预测结果》

  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FOD和SVMDA-RF的土壤有机质含量高光谱预测》

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SS-1.2-NDI与CLS-0.6-NDI组合，建立SVMDA-RF模型，并计算其模型评价参数，结果见表3。为便于比较，建立将SS-FS、CLS-FS组合的SVMDA-RF模型，以及不区分土质（Unclassified samples，US）的全波段RF模型。从表3可以看出，SVMDA-RF（SS-1.2-NDI、CLS-0.6-NDI）效果最好，SVMDA-RF（SS-FS、CLS-FS）次之，RF（US）效果最差。且SVMDA-RF（SS-1.2-NDI、CLS-0.6-NDI）其RPD可达7.004，能精确预测SOM。而RF（US）的RPD只有2.228，只具有一定的预测能力。这表明区分土质分别建模并二次组合可以提高建模效果，结合敏感指数，能使模型具有较高精度，实现精确预测SOM。