基于随机森林算法的城区土地覆盖分类研究

随机森林算法是一种高度灵活且易于使用的机器学习算法,目前在遥感影像分类中应用广泛。为了验证其在城市土地覆盖分类中的效果,本文对河南省洛阳市局部城区进行了土地覆盖分类实验,将Landsat 8(OLI)遥感影像的光谱波段、光谱指数和纹理特征相结合,构成多种特征组合进行随机森林算法分类比较,选择分类效果最佳方案,并与支持向量机方法进行比较。后利用随机森林算法对该组合特征变量高维数据进行降维处理,得到优化特征方案。实验结果表明:采用多源特征组合的随机森林算法的土地利用分类效果最佳,总体精度为90.54%,Kappa系数为0.890,比支持向量机方法的分类精度提高了3.1%;降维处理后的特征方案与随机森林结合在保证分类结果拥有高准确度的同时,减少了运算时间,实现了土地覆被类型信息的高效获取。表明随机森林算法在城区土地覆盖分类上有很好的适用性与稳定性。     

基于WorldView-Ⅱ影像的呼和浩特市片区绿地覆盖信息提取

高精度城市绿地覆盖信息的获取在园林城市建设中具有十分重要的意义。利用高空间分辨率WorldView-Ⅱ数据,通过阴影消除,用6种植被指数提取研究区绿地信息,计算绿地覆盖率,结果表明:未消除影像阴影,绿地面积将少提取0.807 km2;NDVI、EVI、ARI1、SAVI提取绿地的精度都达到100.00%,SRI、ARVI提取绿地的精度达到99.99%;研究区绿地覆盖率为23.322%。     

基于同名点RMS的城市建筑物高度反演研究

城市建筑物的高度信息在城市灾害评估、资源监测、规划、城市经济活动中具有重要的参考和使用价值。以Quick-Bird影像为基准校准谷歌影像的空间坐标,通过控制点RMS值与建筑物高度的关系建立模型来反演建筑物的高度。结合影像测高数据和实测建筑物高度数据对估测结果进行分析。结果表明建立的模型使用参数少、精度较高、普适性强、量测简单,在高度测算方面有较大的实用潜力。     

一种NDWI自约束遥感影像水体信息的快速检测方法

针对传统遥感影像水体信息检测环节多、过程复杂的问题,本文提出一种基于归一化水体指数(NDWI)自约束的水体判别方法,该方法直接从影像中检测水体,能减少操作环节、提高检测速度,为水体应急监测提供快速响应的方法。通过对本方法与阈值法、分类法在不同数据中进行测试,结果显示:本方法对World View-2、Landsat8和Sentinel-2A影像水体检测的总体精度介于83. 87%～91. 53%,阈值法检测的总体精度介于85. 07%～94. 07%,支持向量机分类法检测的总体精度介于91. 91%～97. 70%;该方法对水体的检测精度不及阈值法和分类法高,但在具有较高检测精度的同时能明显简化操作,在水体监测应急响应中具有实际应用价值。