随机森林算法在干旱区土地利用遥感分类中的应用研究

韩燕，王玲，罗冲

（石河子大学理学院地理系，新疆 石河子 832003）

随机森林算法在干旱区土地利用遥感分类中的应用研究

韩燕，王玲*，罗冲

（石河子大学理学院地理系，新疆 石河子 832003）

为了验证随机森林算法在干旱区土地利用遥感分类中的效果，本文采用随机森林算法，结合Landsat8遥感影像以及DEM、NDVI等辅助数据，解译了干旱区典型流域玛纳斯河流域的土地利用图。分析结果表明：（1）分析决策树数量（k）和分类变量数量（m）对分类精度具有很大影响。通过优化2个参数得到最优随机森林模型，当k取103、m取6时，模型分类精度可达95%；（2）通过土地利用分类精度的影响因子分析发现，海拔高程和归一化植被指数对土地利用分类的影响程度比坡向的影响更大。（3）通过分类结果对比分析发现，应用随机森林算法分类的精度比用最大似然法的分类精度高9%，利用变量重要性筛选出的遥感波段构建优化随机森林模型，能有效降低遥感数据源数据量，而Kappa系数保持在0.97不变。随机森林算法可以在干旱区土地利用分类中广泛应用。

遥感，土地利用分类，随机森林，干旱区

土地利用遥感分类是目前进行土地利用变化成因、现状、趋势以及相关研究的主要技术手段[1]。利用遥感影像解译出的土地利用资料克服了传统的土地调查需要大量的人力和财力投入和不能胜任区域土地变更的实时快速更新等诸多问题[2,3]。遥感数据分类与其他学科的分类研究相比具有数据量大、变量多、地表环境复杂等特点。……