30、利用机器学习与可解释AI进行灌木地识别与植被产品解析

利用机器学习与可解释AI进行灌木地识别与植被产品解析

1. 稀有土地覆盖类型建模概述

在对纽约州某区域的灌木地进行识别建模的案例中，详细展示了构建稀有土地覆盖类型模型的步骤。由于该区域灌木地较为稀有，建模时着重关注了如何处理不平衡类别以及如何根据特定目标衡量模型性能。

虽然模型在识别灌木地方面比随机猜测更准确（精度是所有像素中灌木地“基础比率”1.5%的数倍），但由于该土地覆盖类型的稀有性，模型的绝对精度仍较低。不过，较高的灌木地预测概率更有可能代表实际的灌木地区域，因此调整分类阈值以要求更高的概率有助于提高模型性能。

更广泛地说，该建模过程聚焦于稀有事件建模的难点以及通用的解决方法。稀有事件和异常情况往往比基线情况更具科学研究价值，所以能够对这些情况进行建模和预测十分重要。通过合理分配类别权重并仔细考虑模型性能指标，大多数建模工具都可应用于这类常见问题。

2. 作业任务

• 调整神经网络架构 ：尝试移除网络层、改变节点数量、调整提前停止回调等，对模型形式进行修改，看是否能超越原模型的性能。
• 更换提前停止指标 ：使用不同的指标进行提前停止，观察是否能针对不同的性能指标进行优化。
• 改变类别权重 ：增强或减弱对灌木地的类别权重，分析哪些指标受影响最大。

3. 待探索问题

该模型未来还有一些明确的研究方向：
- 增加预测变量 ：源自Landsat影像或其他遥感数据源的额