《表4 样地：联合GF-5与GF-6卫星数据的多分类器组合亚热带树种识别》

  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

《联合GF-5与GF-6卫星数据的多分类器组合亚热带树种识别》

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

为了提高分类精度，减少其他地物对树种识别的影响，本研究按照构建的分类系统进行二级分类。首先，在影像分割结果基础上，结合二类调查数据进行样本选择，选择林地、耕地、水域、建筑用地和未利用地各200个样本，采用随机抽取方式从各地物提取120个样本用于训练分类，剩余样本用于精度验证，进行一级分类，将林地单独提取出来。然后，利用外业调查数据和一类清查数据对分割结果进行树种对象样本选择，提取朴树样本53个、麻栎样本42个、黄檀样本60个、马尾松样本49个、湿地松样本71个、杉木样本69个、其他树种样本47个。受限于地形和工作量，外业调查数据的样本数量有限，为保证分类精度，需对样本进行扩展（王怀警等，2018）。将上述提取的光谱特征、纹理特征和植被指数特征在对象层面进行融合，结合已有对象样本提取特征曲线，并与未确定属性的分割对象进行光谱曲线匹配。采用光谱特征拟合、二进制编码和光谱角分类3种方法进行评价，将3种方法评分均大于0.8的对象拓展为样本。同时，为了保证训练和验证结果的一致性和可比性，将6类树种样本都拓展至100个，其他树种样本扩展至60个，同样随机分为2份，60%用于训练，40%用于验证，进行二级分类（表4）。