《表8 特征重要性得分：基于GEE和Landsat时间序列数据的香格里拉森林类型分类研究》

  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GEE和Landsat时间序列数据的香格里拉森林类型分类研究》

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

使用RF计算得出的特征重要性得分结果见表8，基于特征重要性排序结果，不同特征数量的分类精度统计见图6。由图6可以看出，当使用前8个特征时，OA和Kappa系数随特征维数增加而增加，提升幅度较大，之后OA和Kappa系数则趋于稳定。使用前8个特征时，OA为87.78%，使用前36个特征时，OA最大，为89.23%。特征数量大于8个时，分类精度提高不明显，且会增加实验计算量，因此实验选取前8个特征进行森林类型分类。前8个特征分别为S3＿NDVI、S4＿NDVI和S1＿NDVI、DEM、Std＿NDVI、S1＿EVI、Fea1＿EVI和S3＿SWIR1，不同季节的NDVI和EVI对分类贡献最大，海拔特征和秋季的短波红外波段在森林类型分类中也比较重要。EVI和NDVI时间序列曲线见图7。由图7可知，常绿阔叶林的EVI和NDVI值要高于常绿针叶林，大部分时间中落叶阔叶林的EVI值和NDVI值高于落叶针叶林。4种森林类型的植被指数在12月至次年3月差异较明显，6—9月间比较接近。因此，不同森林类型的植被指数时间序列曲线具有明显季相差异，尤其是秋季和冬季，加入EVI和NDVI指数能有效地辅助森林类型分类。