《表3 分类精度统计：基于Sentinel遥感数据的红树林信息提取研究——以广西茅尾海为例》

  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Sentinel遥感数据的红树林信息提取研究——以广西茅尾海为例》

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

利用部分野外调查数据对各方案的分类结果进行精度评价（表3）。可以看出，随着不同类型特征变量的加入，总体精度和Kappa系数的走势相同：以光谱特征为基础（方案A），执行随机森林分类时，即可得到较为理想的分类精度（总体精度83.85%、Kappa系数0.8031）。随着纹理特征的加入（方案B），总体精度与Kappa系数分别提升为86.30%、0.8342。加入几何特征（方案C）后，总体精度与Kappa系数亦有所提升，分别达86.05%、0.8316，但低于方案B。加入自定义特征后（方案D），总体精度（85.20%）与Kappa系数（0.8214）有小幅提升，但比方案B、C低。加入后向散射系数（方案E）后，总体精度（87.23%）与Kappa系数（0.8458）大幅提升，较方案B更优。当所有种类的特征参与分类时（方案F），总体精度与Kappa系数分别为85.19%、0.8219，分类精度基本与方案D持平，说明特征变量数量过多造成特征冗余，在一定程度上降低了提取精度。当采用优选特征执行分类时（方案G），总体精度与Kappa系数达到最大值，分别为89.60%、0.8756，比提取效果最好的方案B分别提高了3.3%、0.0414。综上，各分类方案按精度由高到低排序为：G>E>B>C>D>F>A。