《表5 榆树的提取规则Tab.5 Extraction rules of elm》

  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

《浑善达克沙地榆树疏林的高分辨率遥感识别方法》

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） :Ratio G为绿光波段比值；Standard deviation NIR为近红外波段标准差；GLCM Entropy（90）为灰度共生矩阵熵特征；Ratio R为红光波段比值；HSI Transformation Intensity（R=r，G=g，B=b）为HSI变换强度。

SEaTH算法可根据统计的样本特征值，自动筛选出区分两两类别之间的最优特征及其对应的最佳特征阈值，然后根据筛选结果构建提取某地类的规则。本文主要目的是提取榆树的空间分布，不考虑其他地类，因此重点是构建提取榆树的规则。表5为榆树与其他地类区分的规则，其中，榆树与草地、人工杨树林、沙地之间的J-M距离值均大于1.75，尤其是与沙地间J-M距离值大于1.9，表示榆树与这些类别之间容易区分，特征阈值直接取阈值T。而榆树与灌木、草本湿地之间J-M距离值约1.6，表示榆树与灌木、草本湿地之间易混淆，此时，根据Marpu等[18]提出的阈值调整规则，特征阈值取（T+m2）/2。