基于机器学习算法的机载高光谱图像优势树种识别
|
于航, 谭炳香, 沈明潭, 贺晨瑞, 黄逸飞
|
Identifying predominant tree species based on airborne hyperspectral images using machine learning algorithms
|
YU Hang, TAN Bingxiang, SHEN Mingtan, HE Chenrui, HUANG Yifei
|
|
表3 优势树种的生产者与使用者精度
|
Tab.3 Accuracy of producers and users of dominant tree species
|
|
分类模型 | 空间分 辨率/m | 采样方式 | 白桦林 | 落叶松林 | 针阔混交林 | 灌木林 | 生产者 精度 | 使用者 精度 | 生产者 精度 | 使用者 精度 | 生产者 精度 | 使用者 精度 | 生产者 精度 | 使用者 精度 | NN | 1 | 样本点 | 0.98 | 1 | 0.96 | 0.99 | 0.98 | 0.91 | 0.95 | 0.93 | 样本面 | 0.69 | 0.58 | 0.81 | 0.91 | 0.64 | 0.37 | 0.74 | 0.91 | 3 | 样本点 | 0.64 | 0.70 | 0.81 | 0.93 | 0.58 | 0.23 | 0.82 | 0.81 | 样本面 | 0.69 | 0.50 | 0.78 | 0.93 | 0.45 | 0.07 | 0.67 | 0.87 | 3D CNN | 1 | 样本点 | 0.98 | 0.99 | 0.96 | 0.91 | 0.95 | 0.95 | 0.97 | 0.87 | 样本面 | 0.94 | 0.86 | 0.97 | 0.91 | 0.62 | 0.95 | 0.91 | 0.94 | 3 | 样本点 | 0.91 | 0.82 | 0.93 | 0.96 | 0.65 | 0.71 | 0.86 | 0.95 | 样本面 | 0.91 | 0.92 | 0.96 | 0.97 | 0.81 | 0.71 | 0.89 | 0.92 | SVM | 1 | 样本点 | 0.97 | 1 | 0.86 | 1 | 0.98 | 0.73 | 0.97 | 0.87 | 样本面 | 0.69 | 0.42 | 0.71 | 0.96 | 0 | 0 | 0.71 | 0.87 | 3 | 样本点 | 0.72 | 0.48 | 0.71 | 0.97 | 0 | 0 | 0.69 | 0.84 | 样本面 | 0.64 | 0.33 | 0.70 | 0.95 | 0 | 0 | 0.59 | 0.85 |
|
|
|