《表1 不同尺度参数下的茶园提取精度评价表》

  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

《面向对象最优分割尺度下的茶园提取》

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

根据2.2节中所选的影像对象特征，采用随机森林分类器进行茶园提取。随机森林分类器由一组决策树进行预测的集成分类器，可以在少量训练样本情况下构建分类规则，泛化能力强且不容易过拟合，分类性能优异。根据3.1节所确定的茶园最优分割尺度为170，本文基于该尺度下的分割结果进行茶园提取，并选用生产者精度（Producer accuracy，PA）、用户精度（User accuracy，UA）、总体分类精度（Overall accuracy，OA）和Kappa系数作为精度评价指标进行茶园提取效果定量评价。同时，为比较轻微的欠分割与过分割对茶园提取精度的影响，对110和230尺度下的分割结果进行茶园提取，茶园提取的精度评价结果见表1，分割尺度下170茶园提取的PA、OA、Kappa系数最高，分别为96.76%、90.02%、0.80，表明良好的分割尺度是提高分类精度的前提；同时，分割尺度为110和230下的OA相比于170分割尺度下的OA小1%—2%，Kappa系数小0.1—0.3，表明轻微的欠分割与过分割对分类精度无明显影响，这与文献[4]得出的结论是一致的。茶园3种尺度下的茶园提取结果如图4所示，经与同时期Google Earth影像对照发现，茶园与水体、建筑及裸地能较好地区分，少数错分区域主要集中在林地，这是因为部分林地在光谱、颜色、亮度特征上与茶园较为接近，而且茶树生长发育情况不一样也会影响最终的分类结果。从总体的目视分析结果看，170分割尺度下茶园提取结果与真实茶园分布较为符合，表明本文所选取最优分割尺度下的茶园提取结果具有较高的准确度。