《表1 0 杂种落叶松人工幼龄林枯损模型不同阈值预测分类率Tab.10 Classification of the hybrid larch young plantation mortality mo

  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

《基于混合效应的杂种落叶松人工幼龄林单木枯损模型》

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

注:ACR（正确分类率）:正确预测枯损与存活株数占总株数比率；MCR（错误分类率）:假阳性率与假阴性率之和。Notes:ACR（accurateclassification rate）:correctly predicting the ratio of mortality and living trees to total trees；MCR（misclassification rate）:the sum of

表9为4个阈值点列联表分析具体结果:C=0.5时，灵敏度（TPR）为32.4%，特异度（TNR）为99.2%，此时表10中C点的预测存活树木分类正确率（ACR）为81.2%，仅有32.4%的枯损被正确分类，67.6%的枯损树木被预估成存活树木，阈值0.5明显不适用。阈值调整后，假阴性率（FNR）显著降低，二者相交于B点，此时阈值为0.06。由表9可以看出:枯损正确分类率（TPR）明显提高，82.3%的枯损树木被正确的分类，存活树木的分类率与之近似相等，此时正确分类率（ACR）为82.1%，B点优于C点的预估判断。错误分类率（MCR）在阈值为0.08时达到最小，此阈值点下模型的特异度（TNR）为83.6%，灵敏度（TPR）为82.6%，正确分类率（ACR）为82.9%，均高于阈值0.06，说明在该阈值点下枯损树木和存活树木都能被更好地进行预估分类，确定错误分类率最低时的点A（0.08）作为基础模型最佳阈值点。同理，对混合模型进行阈值分析，求得错误分类率最低点D=0.1，此时表10中错误分类率（MCR）为23.9%，正确分类率为88.9%，从中可以看出混合模型能够提高模型的预估精度。