融入辅助数据集的面向对象土地利用分类研究

作     者：李坤玉 王雪梅 李锐 李顿 LI Kunyu;WANG Xuemei;LI Rui;LI Dun

作者机构：新疆师范大学地理科学与旅游学院/新疆干旱区湖泊环境与资源实验室新疆乌鲁木齐830054 

出 版 物：《中山大学学报（自然科学版）（中英文）》 (Acta Scientiarum Naturalium Universitatis Sunyatseni)

年 卷 期：2024年第63卷第1期

页      面：34-44页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：新疆维吾尔自治区自然科学基金(2020D01A79) 国家自然科学基金(41561051) 

主　　题：土地利用分类 辅助数据集 SNIC分割 面向对象 随机森林 Sentinel-2A影像 

摘      要：土地利用分类结果对国土空间的管理至关重要。为提高土地利用分类结果的准确性,本文以博湖县为研究区,使用Sentinel-2A影像提取光谱特征,并结合雷达、光谱指数、土壤和地形特征构建6个面向对象的土地利用分类模型,使用简单非迭代聚类(SNIC)算法和随机森林(RF)算法对影像进行分割和分类,得出模型的分类精度以及特征重要性排序,最后使用分类回归树(CART)算法验证辅助数据集对提高分类精度的影响。结果表明:使用SNIC算法分割影像时,分别设置种子大小为17、紧凑度为0时,该研究区影像分割效果最好。基于RF分类算法,在只使用光谱信息进行分类时分类精度最低,加入雷达、光谱指数、土壤和地形特征中任何一个辅助数据集均可提高土地利用的分类精度,其中地形特征对提高分类精度的效果更显著,加入所有辅助数据集时分类精度达到最高,OA=92.34%,Kappa系数=0.91。使用CART算法进行分类有效性验证得出,基于RF算法的分类效果优于CART算法。基于遥感云平台的SNIC分割算法,融入辅助数据集进行面向对象分类,为提高土地利用分类精度提供参考。