随机森林方法支持的复杂地形区土地利用/土地覆被分类研究

马慧娟, 高小红, 谷晓天

Random Forest Classification of Landsat 8 Imagery for the Complex Terrain Area based on the Combination of Spectral, Topographic and Texture Information

Huijuan MA, Xiaohong GAO, Xiaotian GU

表3 特征参数特点及分类意义

Tab. 3 Characteristic parameter characteristics and classification significance

特征参数 特征参数特点及意义 Landsat8OLI 多光谱2~7 波段 2-蓝波段 对水体穿透强,可获得更多水下信息;能够区分土壤和植被、分析土地利用结构变化。 3-绿波段 主要观测植被在绿波段中的反射峰值,这一波段位于叶绿素的两个吸收带之间,利用这一波段增强鉴别植被的能力 4-红波段 该波段为叶绿素的主要吸收波段,能增强植被覆盖与无植被覆盖之间的反差,亦能增强同类植被的反差,反映不同植物叶绿素吸收,植物健康状况,用于区分植物种类与植物覆盖率 5-近红外波段 对植被类别差异最敏感,可以区别植被类型;由于处于水体强吸收区,因此呈现的水体轮廓清晰,便于与其他地物的区分 7-短波红外2 反映植物和土壤水分含量敏感,可以区别雪和云 8-短波红外2 可用于区分主要岩石类型;处于水的强吸收带,在影像上该波段的水体呈黑色;对植物水分敏感 指数信息 NDVI 归一化差值植被指数,也称为生物量指标变化,可使植被从水和土中分离出来,是植被生长及植被覆盖度最佳指示因子 NDBI 归一化建筑物指数,利用了不透水面的中红外波段反射率高于近红外反射率的规律,该指数有助于城乡、工矿与居住建设用地的提取 MNDWI 改进归一化差值水体指数,用遥感影像特定的波段进行改进的归一化差值处理,以突显影像中的水体信息 地形信息 DEM 数字高程模型,可以提取坡度与坡向,影响研究区土地利用/土地覆被类型分布格局 纹理信息 纹理特征 纹理信息以灰度共生矩阵为主,是一种通过研究灰度的空间相关特性来描述纹理的常用方法;可以反映图像灰度分布均匀程度和纹理粗细程度