基于随机森林和支持向量机的云南省土地利用分类

针对基于遥感进行大尺度空间上土地利用类型分类研究的精确性问题,对比提出适用于多样性高原山地地貌大尺度下精确高效的土地利用分类提取方法和土地分类模型。基于2019—2021年云南省sentinel-2卫星影像数据,分别采用随机森林（random forest,RF）和支持向量机（support vector machines,SVM）算法对云南省土地利用进行分类,通过目视解译随机抽样选取1 525个样本点进行精度验证。结果表明：应用RF和SVM分类算法对云南省土地利用分类精度均达80%以上,2019—2021年云南省土地利用中耕地主要呈现先增加后减少趋势;采用RF与SVM总体精度和Kappa系数均值能够更加有效进行土地利用分类比较分析;研究区内RF算法识别地物信息的准确度高于SVM,更适合云南省高原山地土地利用分类研究     

基于数据挖掘和高光谱数据的湿地植被精细分类

以大丰市沿海滩涂湿地区域为研究区,以机载高光谱影像为主要数据源,冠层高度模型(canopy height model,CHM)数据为辅助数据,采用数据挖掘的方法对高光谱数据进行特征规则提取,实现了湿地植被的精细分类.结果表明:3种湿地植被分类结果的总体精度为90.3%,说明数据挖掘技术在处理高维数据时不仅可以提取重要程度较高的数据,而且可以减少数据量,提高数据处理效率与分类精度;与传统的支持向量机分类法(SVM)分类结果进行对比,基于数据挖掘的湿地植被精细分类总体精度比SVM分类方法高10.8%,表明数据挖掘方法在湿地植被高光谱遥感分类问题上具有较大优势.     

机器学习算法在高分辨率遥感影像土地覆被分类中的对比分析

机器学习在面向对象的土地覆被分类中有着重要作用。针对不同机器学习分类器在最优超参数组合下对分类结果的影响并不明确的问题。在WEKA软件平台的基础上以中卫市的WordView3影像为研究数据,系统地讨论了随机森林(RF)、深度神经网络(DNN)、支持向量机(SVM)和决策树(DT)四种常用机器学习分类器的最优超参数组合,并在最优超参数组合下对四种机器学习分类器的分类结果进行了对比分析。研究结果表明:在相同的影像分割、训练样本集和特征提取条件下,使用不同的机器学习分类器均存在一些错分现象,且错分对象不完全一致;RF,DNN和SVM的分类精度明显高于DT,其中RF的分类精度最高,总体精度达到80.8%,卡帕系数达到0.78。     

基于Landsat-8影像的大通县土地覆盖分类方法对比研究

针对Landsat-8影像在土地覆盖分类中的应用研究,以青海省西宁市大通县为研究区,在对Landsat-8影像进行辐射定标、大气校正、影像裁切等基础上,利用最大似然分类和支持向量机(SVM)分类法,获得两种方法支持下的6种土地覆盖分类结果。经过精度评定和对比分析,结果表明:SVM分类法优于最大似然分类,总体分类精度分别为78.53%,85.64%。同时,Landsat-8 OLI数据相对于TM/ETM+数据,增加的波段新特性有利于土地覆盖分类精度的提高。文中方法适用于Landsat-8影像在土地覆盖分类研究与应用,能够满足大区域土地覆盖分类应用需求。     

基于多时相遥感数据的吉林盐碱区土地覆被信息提取方法对比—以镇赉为例

利用多时相的遥感数据制作的多维分类特征数据集,可以充分挖掘遥感影像中的植被信息提高地表覆被信息的分类精度。以世界三大盐碱土分布区之一的吉林省镇赉县为例,利用多时相Landsat8遥感数据制作的多维分类特征数据集,通过不同的分类方法提取了实验区11类地表覆被信息,并进行精度对比分析。结果表明:1支持向量机(SVM)法对苏打盐碱化土壤特殊生态环境的地表覆被信息提取具有较好的分类效果,总体分类精度87.77%,Kappa系数0.864 9;其中盐碱地的分类效果较好,生产精度达到98.34%。2不同方案分类精度从高到低依次为:支持向量机、最大似然分类、神经网络、最小距离、光谱角法。3镇赉县的土地利用类型以旱地、水田、盐碱地为主,镇赉西部以旱地为主要,中部地区盐碱地、碱泡、旱地交错分布,东部以水田为主。     

基于非参数分类算法和多源遥感数据的单木树种分类

【目的】通过研究随机森林(random forest, RF)特征筛选对单木树种分类精度的影响,以及多源遥感数据协同下单木树种分类的有效性,分析不同特征对单木树种分类的影响程度。【方法】以东北林业大学帽儿山实验林场中林施业区的两块100 m×100 m样地为研究对象,首先,以机载激光雷达(LiDAR,light detection and ranging)和多光谱遥感CCD(charge coupled device)影像为数据源,分别基于机载LiDAR数据提取高度、强度和树冠大小等共37个特征,基于CCD影像提取光谱和纹理共21个特征;其次,以随机森林方法进行特征筛选,之后以随机森林和支持向量机(support vector machine, SVM)两种非参数分类器,结合不同数据源和特征,采用12种分类方案,利用总体精度(overall accuracy, OA)、用户精度(user’s accuracy, UA)和生产者精度(producer’s accuracy, PA)对分类结果进行对比与精度评价。【结果】经随机森林特征筛选后,分类结果优于未进行特征筛选的结果,总体精度可以平均提高3.47%,使用机载LiDAR和CCD影像协同分类相较于仅使用CCD影像总体精度平均提高6.07%。【结论】随机森林特征筛选可以优化特征,减少特征冗余,提高分类精度;多源数据结合也可以提高分类精度;在多源数据结合时,光谱特征最重要,LiDAR提取的强度特征相较于高度特征更稳定。     

基于最大似然和支持向量机方法的遥感影像地物分类精度评估与比较研究

遥感影像的监督分类算法在环境监测、地质调查等领域均有重要应用。本文利用最大似然(ML)分类器和支持向量机(SVM)分类器对土地利用和地表覆盖问题中地物类型的提取和识别进行研究,系统分析两种不同分类方法对地物分类结果的影响。通过选取Landsat LT5和LE7卫星遥感影像数据及定义训练样本,对比分析利用ML和SVM分类器的分类成果精度,其中Landsat LT5和ML、SVM组合的分类精度分别达94.64%和94.98%,而Landsat LE7和ML、SVM组合的分类精度则分别达97.63%和99.29%。研究表明,对于LT5影像,ML和SVM两种分类器的精度相当,而对于LE7影像,SVM分类器的精度明显高于ML分类器。     

基于单个特征分类准确率的特征选择方法研究

【目的】随着遥感技术迅猛发展,在影像解译过程中提取的信息越来越繁杂多样。为提高地物分类准确率,常加入更多的特征信息,而由此往往造成一定的信息冗余,导致分类效率甚至准确率降低。笔者利用随机森林(RF)和支持向量机(SVM)分类器,探索在遥感分类过程中保证分类精度的同时又能降低特征维度的方法。【方法】以吉林省安图县福兴林场部分区域为研究对象,利用2015年Landsat-8影像为数据源,提取光谱信息(红、绿、蓝、近红外和短波红外波段)、植被指数(NDVI、增强型植被指数、比值植被指数和裸土植被指数)、纹理(同质性、均值、二阶矩、方差、差异性、对比度、熵和相关性)和地形信息(坡度和坡向)共19个指标作为分类特征变量。以RF分类器估测的特征重要性进行特征选择为对照,分别以单个特征在RF和SVM两分类器中的分类准确率为依据进行特征选择,并对选取的特征进行主成分分析,与未做主成分分析的进行区分,再分别用RF和SVM分类器进行分类,评价分类精度,确定最优特征和分类器组合。【结果】①基于SVM单个特征分类准确率选取特征,对选取的特征进行主成分分析,再用RF进行分类,该方法与其他方法相比分类性能最好,当特征维度为5时,总体精度为0.86,Kappa系数为0.83; 与输入全部特征进行分类相比,不仅提高了分类精度,而且降低了特征维度,使分类效率得以提升。基于RF特征重要性选取特征的RF分类取得了较高的分类准确率,但特征维数小于7时,分类准确率波动较大; 在特征维数为4时分类准确率增至最大值(0.88),随后骤降为0.83,之后基本保持在此水平。而基于单个特征分类准确率选取特征,分类准确率变化较为平缓,如上所提最优分类性能方法的分类准确率波动范围基本在0.02。②基于单个特征在RF和SVM分类器中的分类准确率进行特征选择,在随后的分类过程中,SVM分类器分类精度总体高于RF。基于RF单个特征分类准确率选取特征的SVM分类,及基于SVM单个特征分类准确率选取特征并对选取特征进行主成分分析的RF分类,较仅利用SVM或RF单个分类器选取特征并分类的分类准确率更高。【结论】①基于单个特征分类准确率的特征选择方法,可在保证分类精度的同时降低特征维度,且在较低维度时,基于该方法选取特征的分类精度较基于特征重要性选取特征的分类精度更稳定。②基于单个特征分类准确率进行特征选择,不同分类器选取的特征有所差异,分类准确率也不同,利用多个分类器较单个分类器选取特征并分类的性能更好。③在中低维度时,RF分类器的分类准确率可能与特征输入顺序有关,对输入特征进行主成分分析有利于提高分类器的分类精度及稳定性。     

基于SVM的遥感影像土地利用变化检测方法

利用遥感影像的直方图统计量作为基本检测特征,采用支持向量机(Support Vector Machine,SVM)理论对淄博某地区的土地利用变化情况进行检测。为验证SVM方法的检测精度,分别使用Fisher判别准则、类别可分离判据等方法进行对比分析。遥感数据来自两个时相分辨率为0.6 m的Quickbird影像,相对于传统TM、SPOT影像,该方法能够提取出小范围内的土地利用变化情况,适合区县级范围内的土地变更调查。     

基于光谱与纹理信息的Worldview-2影像地物分类

高分辨率遥感影像分类是遥感影像处理领域中的一个重要的研究方向.选取Worldview-2影像,分别以光谱信息和光谱结合纹理信息为分类数据,采用最大似然法(MLC)和支持向量机法(SVM)进行监督分类,用混淆矩阵对分类结果进行评价.结果表明,9×9为最佳纹理窗口;SVM法分类精度明显优于MLC法;基于光谱结合纹理信息的分类精度明显优于单纯基于光谱信息的分类结果.辅以影像纹理特征,采用SVM法可以较为有效提取Worldview-2地物信息.     

基于光谱与纹理信息的Worldview-2影像地物分类

高分辨率遥感影像分类是遥感影像处理领域中的一个重要的研究方向.选取Worldview-2影像,分别以光谱信息和光谱结合纹理信息为分类数据,采用最大似然法(MLC)和支持向量机法(SVM)进行监督分类,用混淆矩阵对分类结果进行评价.结果表明,9×9为最佳纹理窗口;SVM法分类精度明显优于MLC法;基于光谱结合纹理信息的分类精度明显优于单纯基于光谱信息的分类结果.辅以影像纹理特征,采用SVM法可以较为有效提取Worldview-2地物信息.     

鄱阳湖滨湖区多季相Landsat 8 OLI数据遴选及其土地利用/覆被遥感分类提取

鄱阳湖滨湖地区是中国南方内陆浅水型湖泊滨岸带与红壤丘陵交错的典型区域。研究以江西省上饶市鄱阳县为例,在ENVI遥感平台的支持下,利用2014年多季相Landsat 8 OLI遥感影像数据资料,通过实地土地利用/覆被调查与地物光谱分离度分析进行遥感数据遴选,对优选数据采用马氏距离(MD)法、最大似然(ML)分类器、人工神经网络(ANN)分类器、支持向量机(SVM)分类器、光谱信息散度(SID)分类器、波谱角分类器(SAM)等8种监督分类方法进行监督分类。在先验知识和野外调查数据的基础上,对分类结果进行分析;然后通过总体分类精度、混淆矩阵和Kappa系数对几种分类器的精度进行评价和比较。并针对鄱阳湖滨湖地区土地利用/覆盖分类问题探究几种遥感分类方法的优劣,挑选最适用遥感分类方法。结果表明:在鄱阳湖滨湖地区,各季节影像中地表光谱可分性在8月达到最佳值,期间所获取是优选数据,有利于遥感分类识别;人工神经网络法、支持向量机法(SVM)具有较好的的分类效果和分类精度,总体分类精度96%,Kappa系数0.94。总体上讲,SVM分类器的分类精度和Kappa系数都要优于其他分类器,相比之下7-10月获取的影像更适合于鄱阳湖滨湖地区土地利用/覆被的遥感识别和提取。通过遥感数据最优遴选,并结合优选遥感分类器,可以显著提高鄱阳湖滨湖区土地利用/覆盖信息提取效率和遥感高精度分类的总体精度,有助于提升该地区大范围土地利用/覆盖遥感宏观监测的可靠性和精准度。     

城市绿地提取及动态变化监测方法

选择西安市城区三环以内作为研究区域,使用多时相LANDSAT TM影像,分别采用基于简单规则的决策树分类和支持向量机(SVM)分类法提取城市绿地信息并对其精度进行评价。针对TM影像绿地信息提取中存在的混合像元问题,将模糊C均值法(FCM)引入到绿地提取中。研究结果表明:SVM分类法相比于简单规则的决策树分类法,平均分类精度提高了15%,更有利于城市绿地信息的提取,然而对城区中心的绿化带、行道树等小面积绿地信息提取仍然不全面;引入FCM算法后,可根据像元中各类别的不同隶属度,进行更加精细和准确的分类,城市中面积较小的绿地信息都能被很好地提取出来,分类精度得到进一步提高,该算法很好地解决了绿地信息提取中的混合像元问题。     

基于遥感的昆明市城市土地利用变化情况对比研究

利用昆明地区1992年、2005年两个时相TM数据,在ERDAS IMAGINGE8.5专业遥感图像处理软件的支持下,进行土地利用分类和昆明市区13年来土地利用化的对比研究.将分波段分层分类法与基于监督分类的分层提取法相结合,利用TM影像多光谱数据间的有效重组利用,在TM145波段组合影像上提取建设用地和水体,在TM345组合上提取剩余地类.在单纯运用监督分类法对掩膜后的2005年影像分类难以达到精度要求时,用基于监督分类的分层分类法,分出一类掩膜掉一层,最终将所有层叠加得到研究区土地利用/土地覆盖分类图,分类精度达到要求.并根据分类结果进行研究区13年来土地利用数量结构变化分析和土地利用转型分析.     

一种提高喀斯特地区植被分类精度的方法——以贵州省关岭县为例

探寻提高喀斯特地区植被分类精度的方法,获取精准细致的植被覆盖变化信息,对喀斯特地区植被恢复以及石漠化综合治理成效评估有重要意义。以关岭县2015年Landsat 8影像为基础研究数据,根据光谱、形状、空间等特征,采用多尺度分割方法,逐层提取不同植被信息,并与传统最大似然法对比,结果表明:1)关岭县森林覆盖率为51.59%,灌丛占全县土地面积的35.62%;2)面向对象方法总体分类精度为85.75%,Kappa系数为0.798,比传统最大似然法分类结果总体精度提高17.21%,表明运用面向对象方法对喀斯特地区植被分类更具可行性;3)面向对象分类法根据地物光谱信息、植被指数和空间信息,能有效克服"椒盐现象",减少阔叶林被错分为针叶林、针阔叶混交林被误判为阔叶林的概率,结合坡度和亮度信息能减少灌草丛、耕地、建设用地之间的混分现象。     

应用RF和SVM的城镇土地利用面向对象分类

中尺度城镇土地资源空间信息提取是资源环境监测的重要内容。以鄂州、黄冈区域城镇为案例,基于Landsat 8数据,使用面向对象方法提取地类光谱、纹理、几何和地形特征,并应用RF和SVM算法实施城镇土地利用分类。结果表明,合理尺度分割能够增强用地类型可识别性,提升解译效率; RF和SVM算法很好地模拟了地类对象属性特征地物类别间的模式规则,RF分类模型总体精度达89. 18%,Kappa系数为86. 33%,SVM模型总体精度为88. 03%,Kappa系数为81. 60%,整体而言RF分类结果优于SVM。该方案兼具可操作性、准确性,对大中尺度的土地资源信息提取适用性良好。     

植被指数空间数据库的建立及应用

借助GIS对图形(影像)、属性、时态数据存储、查询、分析以及管理的强大功能,对利用陕西省2003年全年的MODIS数据生成的不同时相的归一化植被指数(NDVI)、比值植被指数(RVI)、差值\环境植被指数(DVI\EVI)等多种植被指数,及其对应的MOIDS影像和空间位置(地图)数据进行存储,将必要的植被指数分析方法和分析模型整合到该GIS空间数据库之中,达到数据、方法、模型在基于GIS植被指数空间数据库中的集成与统一,以实现基于时相和波谱信息MO-DIS、ETM影像数据的显示、查询、分析、管理等功能。实践证明,在GIS空间数据库中将时相、波谱和空间位置信息应用到遥感影像植被信息的提取中,从分析遥感影像的植被指数空间信息出发,能够较好地实现对植被指数信息的认识,为研究不同地区的植被分类、农作物长势监测及地表植被变化等方面提供分析依据。     

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。     

面向对象方法的复杂地形区地表覆盖信息提取

探讨在复杂地形区基于面向对象分类方法与中等分辨率的Landsat 8 OLI影像相结合能否获得较好的信息提取精度.结果表明:单波段标准差、多波段相关系数和最佳指数因子是选择波段的较优方案,可有效减少各波段间的信息冗余量.通过对研究区进行地理分区的方式建立每一地理子区的分类层次、设定分割参数及规则,根据地物类别的分布特征引入归一化植被指数、归一化建筑物指数、改进归一化差异水体指数、数字高程模型数据、坡度等与地类相关的专题数据,以提高复杂地形区分类精度;整个流域脑山区总分类精度最高,达88.33%,Kappa系数0.86.     

基于RF模型的高分辨率遥感影像分类评价

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5 000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,OOB（Out of Bag）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_la₁和Ratio_la₂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。