《表2 测试集精度:使用深度学习方法实现黄土滑坡自动识别》
在未检测出的滑坡中,新滑坡召回率相对较低(见表2),这是由于滑坡样本主要以与环境光谱一致的老滑坡为主,即滑坡训练新老滑坡样本数量不均衡,同时这类滑坡的尺寸也较小,难以充分识别。而在未检测出的老滑坡中,滑动距离较小,滑坡体未出现明显解体,滑坡内部与环境的光谱和纹理特征基本一致(见图9),边界更加模糊,识别难度更大。
图表编号 | XD00197223300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.05 |
作者 | 巨袁臻、许强、金时超、李为乐、董秀军、郭庆华 |
绘制单位 | 成都理工大学地质灾害防治与地质环境保护国家重点实验室、成都理工大学地质灾害防治与地质环境保护国家重点实验室、南京农业大学作物表型组学交叉研究中心、中国科学院大学、中国科学院植物研究所植被与环境变化重点实验室、成都理工大学地质灾害防治与地质环境保护国家重点实验室、成都理工大学地质灾害防治与地质环境保护国家重点实验室、中国科学院大学、中国科学院植物研究所植被与环境变化重点实验室 |
更多格式 | 高清、无水印(增值服务) |