《表5 时间序列数据不同分类方法精度验证》
以232个样点数据作为验证样本,对6、8和9月波段组合的影像计算人工神经网络、支持向量机和随机森林分类斱法的混淆矩阵得出制图精度(Prod.Acc)和用户精度(User.Acc),幵且计算出各种分类结果的总体精度和Kappa系数,其值越大,表明分类准确度越高。由表5可看出,1)与Gamma的分类结果相比,Sigma数据的分类效果更好。Sigma数据的人工神经网络、支持向量机和随机森林分类的总体精度分别高出1.43、3.06和6.40个百分点,Kappa系数也有明显的提升。2)与随机森林分类斱法相比,人工神经网络和支持向量机分类斱法在不同类型农作物信息的提取中处在较劣势的地位。随机森林分类总体精度(Overall.Acc)达到88.97%,其中棉花的精度达到90.88%。以上描述表明利用随机森林对时间序列Sigma数据迚行作物的识别及面积提取可达到比较理想的效果,其原因分析如下。
图表编号 | XD00174476700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.12 |
作者 | 古丽努尔·依沙克、买买提·沙吾提、马春玥 |
绘制单位 | 新疆大学资源与环境科学学院、新疆大学绿洲生态教育部重点实验室、新疆智慧城市与环境建模普通高校重点实验室、新疆大学资源与环境科学学院、新疆大学绿洲生态教育部重点实验室、新疆智慧城市与环境建模普通高校重点实验室、新疆大学资源与环境科学学院、新疆大学绿洲生态教育部重点实验室、新疆智慧城市与环境建模普通高校重点实验室 |
更多格式 | 高清、无水印(增值服务) |