基于随机森林算法的农耕区土地利用分类研究

被引：257

作者：

马玥 ^{[1
]}

姜琦刚 ^{[1
]}

孟治国 ^{[1
,2
]}

李远华 ^{[1
]}

王栋 ^{[3
]}

刘骅欣 ^{[1
]}

机构：

[1] 吉林大学地球探测科学与技术学院

[2] 中国科学院行星科学重点实验室

[3] 西南林业大学林学院

来源：

农业机械学报 | 2016年 / 47卷 / 01期

关键词：

土地利用分类; 农耕区; 随机森林算法; 多源信息; 特征选择;

D O I：

暂无

中图分类号：

F323.211 []; TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

基于随机森林算法,采用多季节、多时相光谱信息、纹理信息和地形信息进行分类研究,选出最佳分类方案对农耕区土地利用信息进行提取,并利用随机森林算法对所有特征变量进行降维,将降维后的变量分别用于随机森林、支持向量机和最大似然分类法,分析不同分类方法对农耕区土地利用类型提取的适用性。研究结果表明:基于随机森林算法的多源信息综合分类方案进行土地利用信息提取效果最佳,总体精度85.54%,Kappa系数0.835 9;利用随机森林算法进行特征选择可以在有效降低数据维度的同时保证分类精度;3种分类方法中,随机森林算法总体分类精度81.08%,分别较支持向量机和最大似然法高9.46%和5.27%。利用随机森林分类法结合多源信息能够有效对农耕区土地利用类型进行分类,为土地类型的划分提供了快捷可行的方法。

引用

页码：297 / 303

页数：7

共 14 条

[1]

随机森林及其在遥感影像处理中应用研究 [D].

雷震 .

上海交通大学,

2012

[2]

基于改进的最小二乘支持向量机的高光谱遥感图像分类 [J].

赵春晖 ;

乔蕾 .

应用科技, 2008, (01) :44-47+52

[3]

基于光谱相似尺度的支持向量机遥感土地利用分类 [J].

傅文杰 ;

洪金益 ;

林明森 .

遥感技术与应用, 2006, (01) :25-30

[4]

利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究 [J].

徐涵秋 .

遥感学报, 2005, (05) :589-595

[5]

高分辨率遥感卫星影像在土地利用分类及其变化监测的应用研究 [J].

孙丹峰 ;

杨冀红 ;

刘顺喜 .

农业工程学报, 2002, (02) :160-164

[6]

Random forest classification of salt marsh vegetation habitats using quad-polarimetric airborne SAR; elevation and optical RS data.[J].Sybrand van Beijma;Alexis Comber;Alistair Lamb.Remote Sensing of Environment.2014,

[7]

High- resolution landcover classification using Random Forest [J].

Hayes, Matthew M. ;

Miller, Scott N. ;

Murphy, Melanie A. .

REMOTE SENSING LETTERS, 2014, 5 (02) :112-121

[8]

Random Forest classification of Mediterranean land cover using multi-seasonal imagery and multi-seasonal texture.[J].V.F. Rodriguez-Galiano;M. Chica-Olmo;F. Abarca-Hernandez;P.M. Atkinson;C. Jeganathan.Remote Sensing of Environment.2011,

[9]

Incorporating Spatial Variability Measures in Land-cover Classification using Random Forest.[J].V.F. Rodríguez-Galiano;F. Abarca-Hernández;B. Ghimire;M. Chica-Olmo;P.M. Atkinson;C. Jeganathan.Procedia Environmental Sciences.2011,

[10]

Assessment of spectral; polarimetric; temporal; and spatial dimensions for urban and peri-urban land cover classification using Landsat and SAR data.[J].Zhe Zhu;Curtis E. Woodcock;John Rogan;Josef Kellndorfer.Remote Sensing of Environment.2011,

← 1 2 →