郭玉宝,池天河,彭 玲,刘吉磊,杨丽娜
(1.中国科学院遥感与数字地球研究所,北京 100101; 2. 中国科学院大学,北京 100049)
利用随机森林的高分一号遥感数据进行城市用地分类
郭玉宝1,2,池天河1,彭玲1,刘吉磊1,2,杨丽娜1
(1.中国科学院遥感与数字地球研究所,北京 100101; 2. 中国科学院大学,北京 100049)
为了探究国产高分一号卫星遥感影像数据面向城市用地分类的实际应用方法和效果,本文以北京市某区域为例,基于高分一号PMS数据,使用随机森林、支持向量机、最大似然法3种分类器进行了城市用地分类对比研究。结果表明,随机森林和支持向量机的总体分类精度明显优于最大似然法;最大似然法在运算时间上明显优于随机森林和支持向量机。综合分析发现,随机森林算法表现更优。它既能保证分类精度,又能保持一定的时间效率,更适合高分辨率、大数据量、多特征参数的高分一号遥感影像分类的实际生产应用。
随机森林;城市用地;高分一号;图像分类
城市用地是城市各种经济活动的场所,是市民居住生活的空间,也是城市生态环境质量评估、城市规划建设的重要指标。城市用地类型多种多样,结构复杂是影响遥感影像分类精度的主要原因。高分辨率遥感影像具有丰富的空间结构和纹理信息,合理利用这些信息可有效提高分类精度[1]。在遥感影像分类中,由于影像类型特点不同,研究区类型种类复杂,各种分类器也各具优缺点,很难找到一个同时合适多种需求的分类器[2-3]。……