13、城市土地覆盖分类决策树模型解读

城市土地覆盖分类决策树模型解读

在城市土地覆盖分类的研究中，我们借助多种数据和模型来深入分析土地覆盖的特性与变化。以下将详细介绍土地覆盖类型、数据处理环境、探索性数据分析、决策树模型构建及精度评估等方面的内容。

1. 土地覆盖类型与数据处理环境

土地覆盖类型主要包括草地区域（Gr），涵盖草地、开阔草地、高尔夫球场和公园；以及水体（Wt），如河流、水库和湖泊。所有的数据分析工作都将在R环境中进行。为实现可解释的机器学习，我们使用DALEX包。它全称为“Descriptive mAchine Learning EXplanations”，旨在提升机器学习模型的可解释性。该包具有模型无关性，能跨多种预测模型运行，提供模型无关的探索性数据分析、模型预测解释、模型诊断和可视化等功能。同时，它还与iBreakDown、iml、fastshap和shapper等R包兼容，可通过不同方法计算Shapley值，增强解释能力。

2. 探索性数据分析

在这部分，我们运用密度图、箱线图和相关图表进行探索性数据分析。这些可视化工具是数据驱动方法的关键组成部分。
- Sentinel - 1极化数据密度图 ：图展示了Sentinel - 1极化数据在不同季节（雨季、雨后季和旱季）的密度图。不同土地覆盖类型呈现出不同的特征：
- 裸地在VH和VV极化中始终呈现低后向散射值，分布集中，表明其反射特性全年变化小。
- 建成区在VH极化后向散射值分布较宽，体现城市结构和材料的复杂性；而在VV极化中分布较窄。VH极化对表面物理结构和几何形状更敏感，VV极化则反映表面粗糙度和水分含量变化。
- 农田在VH极化有窄峰，显