《表6 随机森林算法条件下原始影像波段与特征波段分类精度对比》
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Sentinel-2A影像的县域冬小麦种植面积遥感监测》
由表6可知,未加入特征波段,采用原始影像波段作为随机森林分类器的输入数据,分类结果的总体精度为94.72%,Kappa系数为0.92;采用3项特征波段后,分类结果的总体精度增加了3.39百分点,Kappa系数增加了0.05,这与分类结果(图1)表现一致,说明综合主成分分析、红边归一化植被指数以及纹理特征后能提高遥感影像分类总体精度,同时冬小麦的分类用户精度由87.91%提升到92.22%,说明引入特征波段有助于提高冬小麦种植面积提取的可信度。
图表编号 | XD0057664900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.20 |
作者 | 王蓉、冯美臣、杨武德、张美俊 |
绘制单位 | 山西农业大学资源环境学院、山西农业大学农学院、山西农业大学农学院、山西农业大学农学院 |
更多格式 | 高清、无水印(增值服务) |