基于Landsat-8影像和随机森林方法的土地分类研究

• 作者: 周玉科 温日红 王笑影
• 来源期刊: 测绘与空间地理信息
• 学科: 地球科学
• 关键词: Landsat-8 土地分类 随机森林 R语言 遥感
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 博士园地
• 页码范围: 1-3
• 页数: 3页
• 分类号: P237
• 语种: 中文

摘要

随着对地观测数据获取能力的飞速发展,遥感应用已经进入大数据时代,土地利用分类是海量遥感数据的重要应用方向,有必要研发简单快速的分类流程.本文利用USGS云平台自身存储的遥感数据,选取最新的Landsat-8 OLI光学遥感影像,基于R语言和随机森林方法进行土地覆盖的监督分类研究.首先利用Google Map高分辨率遥感影像选取样本点,存储为KML格式,然后利用R语言的random forest包将影像分为森林、农田、城市、水体4类.分类混淆矩阵表明分类误差均小于0.2,其中森林分类精度最高,农田分类精度最低.该方法简单实用、适用性强,可以用于中小区域的快速土地分类的情景.