利用随机森林的高分一号遥感数据进行城市用地分类  

Classification of GF-1 Remote Sensing Image Based on Random Forests for Urban Land-use

作　　者：郭玉宝[1,2] 池天河[1] 彭玲[1] 刘吉磊[1,2] 杨丽娜[1] 

机构地区：[1]中国科学院遥感与数字地球研究所,北京100101 [2]中国科学院大学,北京100049

出　　处：《测绘通报》2016年第5期73-76,共4页Bulletin of Surveying and Mapping

基　　金：国家自然科学基金青年科学基金(41201397)

摘　　要：为了探究国产高分一号卫星遥感影像数据面向城市用地分类的实际应用方法和效果,本文以北京市某区域为例,基于高分一号PMS数据,使用随机森林、支持向量机、最大似然法3种分类器进行了城市用地分类对比研究。结果表明,随机森林和支持向量机的总体分类精度明显优于最大似然法;最大似然法在运算时间上明显优于随机森林和支持向量机。综合分析发现,随机森林算法表现更优。它既能保证分类精度,又能保持一定的时间效率,更适合高分辨率、大数据量、多特征参数的高分一号遥感影像分类的实际生产应用。

关 键 词：随机森林 城市用地 高分一号 图像分类 

分 类 号：P23[天文地球—摄影测量与遥感]