《表3 特征因子(1)：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

（1）VNIRn:可见光及近红外短波谱段第n个波段n-th band of visible near-infrared；SWIRn:近红外长波谱段第n个波段n-th band of short wave infrared；HOM、CON、DIS、ENT、MEA、STD、COR和ASM分别为同质性、对比度、非相似性、熵、均值、标准差、相关性和角二阶矩，下标n-m指n波

由于树种的多样性和光谱信息获取的局限性，“同物异谱”和“同谱异物”现象难以避免。为了提高识别精度，对树种的光谱特征、纹理特征、植被指数特征和分布的地形特征进行提取整合。将GF-5数据去除水汽吸收和噪音干扰过大波段后的304个波段作为光谱特征，并基于这些波段提取26种植被指数作为植被指数特征；基于融合后2 m空间分辨率的GF-6数据，利用灰度共生矩阵（gray-level co-occurrence matrix，GLCM）提取9×9个像元窗口大小的4个波段4个方向（0°、45°、90°和135°）共128个纹理特征；将DEM和基于DEM计算出的坡度和坡向作为地形特征（表3）。需要说明的是，9×9纹理特征提取窗口的确定，是对比3×3至15×15窗口提取的纹理特征对各树种样本平均可分离性后得出的，各树种在特征窗口3～15时取得的平均可分离性分别是1.827、1.889、1.962、1.987、1.974、1.917和1.899，9×9窗口提取的纹理特征对树种的可分离性最好。这是因为9×9窗口对2 m分辨率数据进行纹理特征提取，能够在兼顾特征精度的同时有效避免林分冠层和阴影的影响（徐凯健等，2018）。