基于FSO算法的洱海流域土地利用分类适用性研究

【目的】精确提取土地利用类型是治理流域生态环境的重要途径,而分类算法繁多,针对分类的对象效果不一,洱海流域作为高原断陷湖泊具有其独有的特征,开展分类方法适用性研究具有重要意义。【方法】以洱海流域作为研究区,基于 Sentinel-2影像数据,创新地融合了地物的光谱特征、几何结构和纹理特征,筛选出34个最优分类特征值,运用特征空间优化算法,对比分析支持向量机、随机森林和决策树三种分类方法在洱海流域的适用性。【结果】结果表明：（1）在特征重要性排名中,红边指数NDREI相对于归一化植被指数NDVI和比值植被指数RVI表现出更为显著的优势,在所有特征中贡献率排名居首位。（2）在优化特征空间后,支持向量机的分类总体精度和Kappa系数效果最好,提高了3.75%和5.06%,决策树效果最差,仅提高了1.00%和1.17%。（3）相对于其他两种分类方法,优化特征空间的随机森林的分类总体精度和Kappa系数最高,达到了90.63%和88.87%,且在细节上更符合真实地物的分布,如在地物分布的细碎区域,区分湿地、水体和建设用地的效果明显。【结论】利用特征空间优化算法提高了分类方法的精度,随机森林对洱海流域的土地利用分类具有最强的适用性。