《表1 皇甫山高分影像树种分类精度评价》
模型训练完成后对整幅遥感影像进行分类,利用二类调查成果与野外调查成果验证分类精度。为了验证本文方法的有效性,本文分别用支持向量机、随机森林及本文方法对树种进行分类,利用混淆矩阵、总体精度和Kappa系数进行精度评价,结果见表1,制图结果如图4所示。本文方法树种分类总体精度和Kappa系数分别为78.98%和0.685 0,比支持向量机高15.63%和23.85%,比随机森林高6.82%和13.01%,其中柳树、麻栎、杉木、杨树、毛竹的分类精度都高于传统浅层机器学习方法支持向量机和随机森林,松树和枫香树的分类精度相比传统方法精度相对较低,但都很接近。总体来看,由于深层结构模型包含多层非线性变换,具有更强的表达与建模能力,能够从树种影像中自动学习有效的特征表示,因此分类精度优于传统浅层机器学习方法。综上所述,本文方法能够有效提高高分影像树种分类精度,而且自动化程度更高,更具有稳健性,是一种有效的树种分类方法。
图表编号 | XD0028859900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.25 |
作者 | 滕文秀、王妮、施慧慧、许振宇 |
绘制单位 | 南京林业大学林学院、滁州学院地理信息与旅游学院、安徽省地理信息智能感知与服务工程实验室、滁州学院地理信息与旅游学院、南京林业大学林学院 |
更多格式 | 高清、无水印(增值服务) |