基于影像特征随机森林的自然保护区矿区动态监测

张凯选，李修会，余卓渊

(1.辽宁工程技术大学，辽宁 阜新 123000；2.中国科学院 地理科学与资源研究所，北京 100101；3.中国科学院大学，北京 100049)

贺兰山国家自然保护区跨温带草原与荒漠两大植被区域，其特殊的地理位置形成西北干旱地区生物多样性中心和生物资源宝库[1]，并蕴含丰富的矿产资源。近年来，自然保护区内非法开采现象严重[2]，造成土地侵占损毁和水体污染等现象[3]，导致贺兰山生态脆弱性明显降低[4]，生态环境恶化，生物多样性降低。鉴于以上问题，2017年内蒙古人民自治区政府和宁夏回族自治区人民政府分别出台“自然保护区内工矿企业退出方案通知”和“贺兰山国家级自然保护区生态环境综合整治推进工作方案”，使合法矿山企业有序退出自然保护区，取缔非法开采点，并进行矿山生态修复，从而尽可能恢复矿山原有状态。针对如何有效监测自然保护区内非法开采活动和矿业权是否有序退出的问题，遥感技术的应用，弥补了以往人工调查方式的不足，为矿产资源监测与调查提供了便利。基于传统的目视解译和监督分类的多光谱影像数据对矿山识别与监测时，存在以下问题：分类精度不高，效率低下，人力物力成本高，导致应用效果不佳[5-6]。随机森林不仅可以结合多个有效特征信息解决“同物异谱”、“异物同谱”的问题，提高影像解译精度，还能经过同质分类器投票决定最优分类结果，该方法具有原理简单、易于实现等优点。

近年来，大量学者采用随机森林对不同的地物覆盖信息进行提取。……