最优尺度和随机森林算法下盘锦海岸带遥感监测北大核心CSCD

针对海岸带遥感监测中岸线和地类提取单纯采用光谱信息而忽略其纹理和几何特征所导致的分类精度不高,以及产生“椒盐”及错分现象的问题,提出了面向对象的多尺度分割技术。通过局部方差变化率峰值确定对象提取的最优分割尺度,使用随机森林算法对基于最优尺度的盘锦市1990、2002、2013、2018年共4个时相海岸带土地利用类别进行分类。对多维特征重要性程度进行度量,依据特征贡献率对高维特征空间进行降维,构造最优特征空间。在袋外分类误差趋于收敛的前提下,寻找最适决策树数量使分类精度最高。定量分析与实验结果表明,与传统的光谱自动分类算法相比,该分类算法具有更高的准确性和稳健性,其总体精度达到81.32%以上,Kappa系数高于0.7531,明显优于传统算法,能够有效提高海岸带遥感监测的精度。