《表7 岩溶湿地地物类型的混淆矩阵》

  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

《基于无人机影像和面向对象随机森林算法的岩溶湿地植被识别方法研究》

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

由表5可知，面向对象的随机森林算法对岩溶湿地产生了较高的总体分类精度，在95%的置信区间内总体分类精度为86.75%，Kappa系数为0.83。但结合表6发现，单一植被类型识别精度存在明显差异，在95%置信区间内，水稻、岩溶河流-岩溶湖泊和柑橘识别精度较高，其用户精度和生产者精度都在90%以上，并且柑橘和水稻分类的用户精度和生产者精度都达到了100%，论证了面向对象随机森林算法对纹理特征均一的植被或地物具有较高的识别能力；典型岩溶湿地植被群丛狗牙根-白茅-水龙识别精度也相对较高，在95%置信区间内，用户精度达到了92.86%，生产者精度为82.98%；受岩溶湿地水文环境变化影响较小且植被空间分布较为复杂的竹子-马甲子-桂花和菩提树分类精度较低，在95%的置信区间内，用户精度低于80%，特别是竹子-马甲子-桂花，用户精度仅为70.59%，远低于狗牙根-白茅-水龙和水稻等植被类型。进一步分析混淆矩阵（表7）可以发现：29个竹子-马甲子-桂花验证样本中，有4个样本被错分为菩提树，1个样本被错分为狗牙根-白茅-水龙。28个菩提树验证样本中，有4个错分为竹子-马甲子-桂花，1个错分为狗牙根-白茅-水龙。由此可以看出，构建的算法模型对菩提树和竹子-马甲子-桂花植被的识别和区分能力有待进一步提升。其中，造成岩溶湿地植被误分与漏分的原因主要有2个方面：（1）岩溶湿地植被类型复杂，存在光谱特征和纹理结构特征的相似性，例如马甲子-桂花和菩提树、部分低矮的马甲子和水龙植被；（2）岩溶湿地植被类型分布不均一，散碎斑块较多，竹子-马甲子-桂花、菩提树和狗牙根-白茅-水龙等湿地植被交错分布，影像分割初始化参数和步长参数设置还需要进一步细化和优化，采用不同分割尺度参数对岩溶湿地植被群丛进行继承性多层次分割。