Page 80 - 《武汉大学学报（信息科学版）》2025年第9期

1808 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 9 月

图 3 特征重要性分布
Fig. 3 Distribution of Characteristic Importance

出来，可能是因为碱蓬在影像上呈现深红色，与
其他植被有较大区别，因此颜色特征能够更好区
分出来。方案 4 会将非植被信息的滩涂区域与水
体边缘部分分为芦苇，可能因为在滩涂和水体边
缘处生长着部分芦苇，两者颜色相近，加入颜色
特征后却产生部分错分。方案 5 与方案 6 的分类
情况较好，但由于植被的混生特点，所有的方案
图 4 特征个数与 OOB 精度的关系
都 有 不 同 程 度 的 柽 柳 、芦 苇 与 互 花 米 草 错 分 的
Fig. 4 Relation Between Number of Characteristic
情况。
Variables and OOB Accuracy

图 5 不同方案分类结果
Fig. 5 Classification Results of Different Schemes
为了对所有方案进行定量分析，利用混淆矩 信息提取产生不同程度的影响。分别加入指数
阵的 4 个指标进行精度评价，结果见表 3。由表 3 特征、颜色特征的方案 2 和方案 4 以及所有特征
可 知 ，以 光 谱 特 征 为 基 础 的 方 案 1 总 体 精 度 为 都参与分类之后的方案 5，分类精度略有提升，分
82.00%，Kappa 系数为 0.76。在方案 1 的基础上 别 为 83.00%、84.00% 与 85.00%，Kappa 系 数 分
加入指数特征、纹理特征与颜色特征均会对植被 别为 0.79、0.80 与 0.81。但是加入纹理特 征 的 方