科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了探寻更高效、更准确的土地利用分类方法，本文选取遥感光谱、影像纹理特征、植被指数、生物物理指数及地形特征信息，构建多特征随机森林土地利用分类方案。以山西省晋中市祁县为例，设计7种方案对研究区域Sentinel-2A影像数据进行分类，采用混淆矩阵进行精度评估。研究结果显示，合理地选取特征变量可以提高随机森林分类的精度，结合不同特征组合随机森林分类精度和袋外数据误差进行特征重要性比较：土壤反射性指数>生物物理指数>纹理指数>地形特征；在相同分类条件下与其他机器学习分类方法(支持向量机、神经网络)相比，基于多特征随机森林优选的方法总体精度达到91.96%,Kappa系数为0.902,提取效率更快、精度更高。
- 单位
