《表5 时间序列数据不同分类方法精度验证》

  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

《基于多时相双极化SAR数据的作物种植面积提取》

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

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。