基于随机森林的土地利用与土地覆盖分类

摘要

利用遥感影像进行城市土地利用与土地覆被分类(LULCC)是遥感的主要应用之一,但由于城市景观的不均匀性和光谱响应的混杂性,对土地利用分类提出了挑战.随着人工智能的惊人创新进展,机器学习在遥感图像开发中越来越受欢迎.使用目视判读和经过修改的美国地质调查局(USGS)土地利用与土地覆被1级分类方案选择训练区域;输入数据包括10波段10m或20m可见光,近红外和SWIR SMI波段图像,导出NDVI和纹理层;基于随机森林算法创建模型并生成土地利用类别预测.根据时间匹配的高分辨率谷歌地球Pro历史图像,评估得到的LULCC栅格地图的准确性.结果发现,基于随机森林的土地利用及土地覆被分类表现较好.