基于RF模型的高分辨率遥感影像分类评价.pdfVIP

第 39卷 第 1期 南京林业大学学报 (自然科学版) Vol|39．No．1 2015年 1月 JournalofNanjingForestryUniversity(NaturalSciencesEdition) Jan．，2015 doi：10．3969／j．issn．1000—2006．2015．01．001 基于 RF模型的高分辨率遥感影像分类评价 刘海娟 ，张 婷 ，侍 昊 ，徐雁南 ，吴文龙 ，余佩玲 (1．南京林业大学林学院，江苏 南京 210037；2．江苏省环境监测中心，江苏 南京 210036) 摘要：以QuickBird高分辨率遥感影像为主要数据源，采用多尺度影像分割方法提取地物对象的光谱、纹理和形 状特征；在此基础上，构建基于随机森林(RF)方法的遥感影像分类模型，分析和评价特征变量对模型重要性与 稳定性的影响。结果表明：① 研究区最优分割尺度参数为70、形状 因子0．2、色彩因子0．8，同时构建研究区乔 木、灌木和草地等8个景观类型的光谱、纹理和形状等32个特征变量信息；② 选择5000棵树和 1个节点变量 构建的RF分类模型的总体精度为0．94，Kappa系数为0．93，COB(OutofBag)数据泛化误差为6．01％；③ 通过分 析特征变量的重要性发现，Ratio—la一1和Ratio_la_2等光谱特征的重要性值明显比形状特征和纹理特征的高；④ 基 于平均下降精度，选择 16个变量构建RF模型时总体精度达到0．94，Kappa系数0．93；⑤ 基于基尼指数构建的RF 模型，在 19个变量时总体精度和Kappa系数达到峰值。相比较而言，基于平均下降精度构建的RF较稳定。 关键词：随机森林；遥感分类；面向对象；特征变量 中图分类号：TP75 文献标志码：A 文章编号：1000-2006(2015)01-0099—05 ClassificationevaluationonhighresolutionremotesensingimagebasedonRF LIUHaljuan，ZHANGTing，SHIHao，XUYannanh，WUWenlong，YuPeiling (1．CollegeofForestry，NanjingForestryUniversity，Nanjing210037，China；2．EnvironmentalMonitoring CenterofJiangsuProvince，Nanjing210036，China) Abstract：Withthesupportofmulti—scalesegmentationofobject—orientedclassificationmethod，featuresandcharacter— isticsvariableswereestablishedandextractedbytakingtheQuickBirdhigh—resolutionremotesensingimageasthemain datasource．HighresolutionremotesensingimageclassificationmodelwasbuiltbasedonRF(RandomForest)，theim— portanceandsensitivityofcharacteristicvariablestothemodelwereanalyzed．Theresearchresultsshowedthattheopti— malsegmentationparameterinthestudyareawasdetermined：segmentationscaleparameteris70，shapefactoris0．2， colorfactoris0．8，and32characteristicssuchasspectrum，textureandshapevariableinformationofeightl