基于随机森林模型的陆地卫星-8遥感影像森林植被分类

摘要

以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性.结果表明:随机森林分类方法的总体分类精度为81.65％、卡帕(Kappa)系数为0.812.与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多.通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响.说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段.