隨機(jī)森林算法在高分辨遙感影像土地覆被分類中的實(shí)現(xiàn)和應(yīng)用.pdf

1、研究土地覆被變化已經(jīng)成為研究全球變化以及研究現(xiàn)代地學(xué)的核心和熱點(diǎn)，在土地覆被變化的研究中，土地覆被分類是最為基礎(chǔ)和關(guān)鍵的一個(gè)環(huán)節(jié)。土地覆被分類需要強(qiáng)大的分類方法，隨機(jī)森林是一個(gè)功能強(qiáng)大的機(jī)器學(xué)習(xí)分類器，是一種與傳統(tǒng)的決策樹相比基于非參數(shù)回歸算法的集成學(xué)習(xí)方法。目前，隨著眾多高分辨率衛(wèi)星陸續(xù)發(fā)射，高分影像數(shù)據(jù)量大，混合像元減少、地物信息增多，然而空間分辨率的提高并沒有使得分類精度的提高，相反，會(huì)出現(xiàn)分類精度的降低。傳統(tǒng)基于像元光譜信息分類

2、的方法應(yīng)用在這些高分影像分類時(shí)所得到的精確度遠(yuǎn)遠(yuǎn)達(dá)不到生產(chǎn)所需的要求。影像中地物信息增多體現(xiàn)在地物的紋理結(jié)構(gòu)隨著空間分辨率的提高而變得非常清晰，提取穩(wěn)定的鑒別性強(qiáng)的紋理特征對(duì)提高影像分類精度有十分重要的意義。
　　本文以石臺(tái)縣的兩個(gè)鄉(xiāng)鎮(zhèn)為研究區(qū)域，選用 Rapideye高分影像作為數(shù)據(jù)源。研究區(qū)景觀空間異質(zhì)性程度高，陰影覆蓋區(qū)域面積大，實(shí)地調(diào)查中部分類別在影像上顯示的顏色可分性不強(qiáng)。為此，本研究采用已廣泛地應(yīng)用于遙感影像的紋理提取

3、的地質(zhì)統(tǒng)計(jì)學(xué)方法提取紋理特征，對(duì)原始波段進(jìn)行Band Math運(yùn)算提取植被指數(shù)，應(yīng)用隨機(jī)森林計(jì)算特征重要性篩選特征，對(duì)改變樹的數(shù)量、特征組合與分類精度間的關(guān)系進(jìn)行試驗(yàn)，并與最大似然法分類結(jié)果進(jìn)行比較。結(jié)果表明：
　　（1）隨機(jī)森林泛化誤差隨著樹的數(shù)量（N）增加而收斂于定值，分類精度隨著N值增大而無顯著增加，并且計(jì)算機(jī)運(yùn)算效率降低。本研究中最終選取N=500，既能滿足分類精度要又能保證運(yùn)算效率；
　?。?）應(yīng)用隨機(jī)森林和最大似

4、然法對(duì)加入紋理特征組合進(jìn)行分類精度評(píng)價(jià)，Kappa系數(shù)分別為0.7134和0.6315，高于加入植被指數(shù)特征組合和對(duì)紋理和植被指數(shù)特征組合。應(yīng)用隨機(jī)森林算法分類精度明顯高于應(yīng)用最大似然法所得的分類精度。此外，紋理信息可以在一定程度上提高分類的精度，對(duì)于耕地、建筑等幾何形狀明顯且規(guī)律性強(qiáng)的地類分類精度有顯著提高，對(duì)光譜值接近的不同地類之間的區(qū)分提供了有效的依據(jù)。
　　隨機(jī)森林算法綜合表現(xiàn)更優(yōu)，它在保證分類精度的前提下，也能保證運(yùn)算的