基于多源数据的南方丘陵山地土地利用随机森林分类

针对南方丘陵山地因地形破碎和山体阴影而导致的分类精度低问题,该研究以东江源地区为例,通过结合多源数据,以Sentinel-1、Sentinel-2A卫星影像和DEM作为数据源提取27个指标,构建了6种特征变量集,并设计了9种方案,探讨加入红边特征、雷达特征和地形特征对南方丘陵山地土地利用分类信息提取的作用.同时结合随机...     

基于网格搜索随机森林算法的工矿复垦区土地利用分类

为提高工矿复垦区遥感影像土地利用分类精度,为土地复垦监测工作提供数据支持,该文探讨了基于网格搜索(Grid-Search)的随机森林(random forest)复垦区土地利用分类方法。研究利用GF-1影像、DEM(digital elevation model)和野外调查等数据,以随机森林分类算法为框架,采用基于OOB(Out-of-Bag)误差的网格搜索法对算法进行参数寻优,结合影像光谱、地形、纹理、空间信息,计算选取了33个特征变量,构建了4种变量组合模型开展随机森林分类试验,4个组合模型的分类精度分别达到82.79%、84.91%、86.75%、88.16%。为去除33个特征变量中的冗余信息、降低影像波段变量维度、缩短分类执行时间并保证影像分类精度,试验分别利用变量重要性估计和Relief F方法进行特征选择后再次执行随机森林分类,将分类结果与不同组合模型、不同分类方法进行比较,结果表明:基于网格搜索参数寻优的随机森林算法在多特征变量的影像分类中可以达到88.16%的分类精度,在利用不同方法降维后依然可以将分类精度保持在85%以上,精度优于相同特征变量下的SVM(support vector machine)和MLC(maximum likelihood classification)分类方法;在效率方面,随机森林分类方法执行时间优于SVM,并且在处理多维特征变量时能力更强。由此可见,采用基于网格搜索的随机森林方法对工矿复垦区土地利用信息进行分类提取可以得到较高的精度,基于该方法开展遥感影像解译可为土地复垦监测工作提供技术支持和理论参考。     

基于随机森林特征优选的雪茄烟叶晾制过程含水率预测

针对雪茄烟叶晾制过程含水率人工判断主观性强、准确度低等不足,以及对影响雪茄烟叶晾制过程含水率预测的重要表观特征尚不明确等问题,该研究基于图像特征提取以及机器学习技术实现雪茄烟叶晾制过程含水率的预测。试验以雪茄烟品种“云雪2号”为试验材料,获取晾制过程的烟叶图像的颜色、轮廓、纹理以及部位四类特征并筛选出雪茄烟叶含水率预测的优选图像特征子集。在此基础上,构建了随机森林（random forest, RF）、支持向量机（support vector regression, SVR）与反向传播神经网络（back propagation neural network, BPNN）模型,并利用遗传算法（genetic algorithm, GA）对各模型超参数进行优化,将原始图像特征集与优选图像特征集输入3个机器学习模型,构建出6种模型-特征组合方案,依据晾制时期对原始数据集进行划分,并对测试集进行预测。最终结果显示：GA-SVR模型+优选图像特征子集的组合方案在测试集上表现最优,其决定系数（coefficient of determination,r²）与均方误差（mean square error,MSE）分别为0.980和0.001,且运行时间最短（运行时长=0.128 s）。研究结果可为雪茄烟叶晾制过程智能化控制提供理论依据。     

基于Sentinel-2影像的西南山区不同生长期水稻识别

山区水稻种植呈现破碎分散的特点,中低分辨率的遥感影像分类效果不甚理想,需要寻找适用于山区水稻提取的遥感数据源和监测方法;水稻在不同生长阶段有不同的形态特征,适用的分类特征与得出的分类结果显然不同。该研究以Sentinel-2影像为数据源,对不同生长阶段的水稻进行提取。选取波段特征、植被指数、红边指数、水体指数、地形特征、纹理特征等58个分类特征,运用SEaTH算法进行筛选后,采用随机森林分类法进行分类,并构建误差矩阵比较分类结果。结果表明,分类特征经过筛选后,数量分别为发育期16个、生长期13个、成熟期12个;分类结果进行精度验证后,用户精度分别为发育期0.93、生长期0.88、成熟期0.85,水稻发育期为提取水稻的最佳时期。Sentinel-2影像和随机森林方法可作为理想的数据源和监测方法用于山区水稻时空信息的提取。     

基于特征优选的北疆典型区域非农化遥感监测

该研究旨在准确把握耕地“非农化”的时空格局,为制定合理的土地利用和耕地保护政策提供重要依据。随着特征提取技术和分类算法的进步,利用遥感影像进行大规模耕地动态监测变得更加准确和高效。该研究选用Sentinel-2卫星影像,探讨了不同算法和特征变量在耕地非农化监测中的优势。研究首先提取了4类特征共计31个指标,并通过主成分分析(principipal component analysis, PCA)和相关系数矩阵进行特征优选,获得了12个关键指标,并设计了5种特征组合方案。随后,采用7种基础算法执行影像分类,并通过“单阶段”和“二阶段”两种分类策略,提取耕地“非农化”信息。研究结果表明,有效选择多种特征变量和算法对于提高监测精度至关重要。在所有测试的模型中,采用Softmax构建的二阶段模型精度最高,最优特征组合为光谱特征+光谱指数特征+纹理特征,特征变量维度减少至12个。总体精度、平均用户精度、平均生产者精度和Kappa系数分别达到94.92%、95.16%、93.15%和0.88。对比2020年和2022年研究区数据,发现耕地转变为非农化用地的面积为146.153 km2,而非农化用地转变为耕地的面积为123.074 km2,导致耕地净减少23.079 km2。综上所述,该研究提出的耕地“非农化”监测方法可以为相关的地物信息提取和耕地资源保护与可持续利用等研究提供技术支持和方法参考。     

基于混沌免疫算法和遥感影像的土地利用分类

为提高利用遥感影像进行土地利用分类的精度，采用了基于混沌免疫算法(Chaos Immune Algorithm)的多光谱遥感影像分类方法。首先应用混沌免疫算法对样本进行自学习得到全局最优的聚类中心，然后通过得到的聚类中心对整幅影像进行分类。该方法利用混沌变量的遍历性，进行粗粒搜索，优化免疫算法的初始抗体群；通过克隆选择算子、变异算子、抗体的循环补充操作，避免陷入局部最优解，得到全局最优的聚类中心。在对淮南矿区采用TM影像进行的土地利用分类中，试验结果表明该方法分类总精度为89.9％，Kappa系数为0.8     

基于GF-6卫星影像多特征优选的酿酒葡萄精准识别

多源遥感信息和特征优选是提高农作物识别精度的重要支撑,高分六号(GF-6)卫星作为首次引入红边波段的国产卫星,其丰富的光谱信息为作物识别提供了新的思路和解决途径。该研究基于宁夏回族自治区银川市永宁县2018年6月—2019年3月的GF-6数据,充分利用红边优势提取光谱特征、纹理特征和植被指数特征,构建多种特征组合方案,并根据随机森林算法对特征重要性进行度量,选取最优特征组合对酿酒葡萄进行精准识别。结果表明,与单一特征相比,多源遥感特征的增加显著改善了酿酒葡萄分类效果,其中,植被指数贡献程度最大,光谱特征次之;基于随机森林的优选特征组合分类效果最佳,其中,总体分类精度为94.15%,酿酒葡萄用户精度为94.23%,制图精度为92.59%;以实地调查的4个酒庄为验证区,将酿酒葡萄提取结果与统计数据进行对比,面积相对精度均在70%以上,其中优选特征结果相对精度在90%以上,研究结果将为国产卫星红边波段在植被分类和识别方面的应用提供数据参考。     

基于HJ-CCD数据和随机森林算法的小麦叶面积指数反演

为给小麦长势的遥感监测提供技术支持,该文运用随机森林回归(RF,random forest)算法建立小麦叶面积指数(LAI)遥感反演模型。首先基于2010-2013年江苏地区小麦环境减灾卫星HJ-CCD的影像数据,提取拔节、孕穗和开花3个生育期的卫星植被指数,进而根据各生育期植被指数和相应实测LAI数据,利用RF算法构建各期小麦LAI反演模型,并以人工神经网络(ANN,artificial neural network)模型为参比模型进行预测精度的比较。结果表明:RF算法模型在3个生育期的预测结果均好于同期的ANN模型。拔节、孕穗和开花3个生育期RF模型预测值与地面实测值的R2分别为0.79,0.67和0.59,对应的RMSE分别为0.57,0.90和0.78;ANN模型的R2分别为0.67,0.31和0.30,对应的RMSE分别为0.82,1.94和1.43。该研究结果为提高大田尺度下的小麦LAI遥感预测精度提供了技术和方法。     

基于特征优选决策树模型的河套灌区土地利用分类

为了提高土地利用遥感识别精度,探索不同识别期及不同特征变量对土地利用类型遥感识别精度的影响.该研究采用Landsat时间序列影像数据,考虑不同月份和不同特征变量(波段、光谱指数及纹理特征)组合方式建立土地利用决策树分类模型,并利用河套灌区永济灌域实测数据和Google earth影像对不同组合方式的土地利用模型进行数量...     

基于超高空间分辩率无人机影像的面向对象土地利用分类方法

为明确基于无人机超高空间分辨率影像的土地利用分类方法,尤其是有效特征和算法的选择,该研究获取吉林省德惠市一农耕区超高分无人机影像,获取区域正射影像图和数字表面模型,计算地形指标,采用面向对象方法进行土地利用分类研究。首先,采用随机森林算法,以光谱特征为基础,依次引入指数、形态、地形、纹理特征,建立5种特征选择方案,分析各类特征对分类效果的影响。其次,以Boruta特征选择算法获取的优化特征集为基础,采用随机森林算法、朴素贝叶斯算法、逻辑回归算法和支持向量机算法分类,分析不同算法的分类效果。结果表明:采用5种特征选择方案分类,引入形态特征时总体精度降低,引入其他特征时总体精度逐渐提高。5种特征共同参与的分类效果最佳,总体精度为98.04%,Kappa系数为0.980。错分主要发生在裸地和宅基地,漏分主要发生在草地、裸地、水渠和道路。错分和漏分主要是因为这几种类型对象具有相似的光谱、形态、纹理特征或相似的分布位置。采用优化特征集分类时,相比其他算法,随机森林算法更擅长处理高维特征集,获得最高的总体精度98.19%,最低的错分和漏分误差,分类效果最佳。借助无人机超高空间分辨率影像提取地形信息、形态信息,可以有效辅助土地利用分类,并能提高传统分类方法精度。     

基于耕作半径分析的山区农村居民点布局优化

该文以四川省西昌市为例,探讨了基于耕作半径分析的山区农村居民点布局优化方法。首先对西昌市高山陡坡区、低山缓坡区、河谷平原区农村居民点特征进行分析,而后借助GIS欧氏距离分析工具及网络分析模块来分析3个区域适宜的耕作半径,以及西昌市农村居民点向"0.5、1、2、3、4、5 hm~2"农村居民点聚集后耕作半径的变化,最后提出西昌市不同区域"合村并居"策略。研究结果表明:西昌市农村居民点破碎化程度高,微型与小型农村居民点数量占总数量的94.8%。河谷平原区、低山缓坡区、高山陡坡区适宜的耕作半径分别为3000~4000、750~950、550~750m。河谷平原区农村居民点向大于3 hm~2农村居民点聚集后,可形成具有一定规模的村庄,并满足耕作半径要求;低山缓坡区部分农村居民点可向大于1 hm~2,且交通便捷的农村居民点集中,从而形成具有一定规模的农村居民点;高山陡坡区农村居民点就地迁并价值不高,除部分少数民族聚居点以外,其他农村居民点迁并工程应与退耕还林还草、异地扶贫搬迁、山地保护与修复等工程协同推进,逐渐向低山缓坡区与河谷平原区迁移。该方法可用于计算不同区域适宜的耕作半径,及不同合村并居情景对耕作半径的影响,从而提高合村并居规划的合理性。     

基于混合蛙跳算法的土地利用格局优化

针对传统的土地优化模型,如线性规划、非线性规划、灰色系统和景观生态学等不能实现土地数量结构和空间结构有效统一的问题,在研究现有智能优化模型,如粒子群算法、遗传算法的基础上,建立基于混合蛙跳算法的土地利用优化模型。该模型以30 m×30 m的地理栅格单元作为基本操作对象,实现土地利用的空间格局优化。以兰州市2014年土地利用格局为基础数据验证优化模型的有效性。在优化前各种地类所产生的生态系统服务价值为5.701×109元,优化后的生态系统服务价值为5.802×109元,优化前土地格局标准紧凑度为0.37,优化后为0.47。优化后牧草地面积增长了8 431 hm2,所提供的生态系统服务价值增长了1.71×108元,林地面积增加了1.453×105 hm2,提供的生态系统服务价值增加了2.49×108元。试验结果表明,该模型能利用青蛙的群体空间分布模拟土地利用空间格局,并能在多目标控制下找到问题的最优解,实现土地利用数量结构和空间结构的有效统一,模型具有较强的全局优化能力以及较快的收敛速度。     

论耕地利用可持续集约化与农户生计转型

借鉴国际可持续集约化思想理念,从思想缘起、概念内涵、目标设定和理论推演等4个方面厘清耕地利用可持续集约化的科学问题;基于农户微观视角,从生计环境、生计资本、生计策略和结果演替等4个方面解构生计转型的客观规律;进而探究耕地利用可持续集约化与农户生计转型之间的互馈关系。研究发现：1）耕地利用可持续集约化具有经营集约化、产出高效化、资源节约化、生态环境不退化和社会可持续五方面内涵,彼此之间存在制衡与协同;通过追求生态、经济和社会效益之间的最优解,使耕地利用的复合效益达到最佳状态。2）农户生计转型是生计环境、生计资本和生计策略共同作用,渐次演变的结果,生计环境影响早期生计资本的积累,生计资本影响生计策略的选择,生计策略决定生计转型的方向。3）耕地利用可持续集约化与农户生计转型在耕地依存关系和土地意识、耕地利用水平和行为响应等方面存在互馈关系。     

基于多时相Sentinel-1A的丘陵山区耕地非粮化特征识别及驱动机制

为更加科学地识别丘陵山区耕地非粮化水平特征,探究耕地非粮化驱动机制,该研究采用多时相Sentinel-1A后向散色系数分析、监督分类、空间特征分析、地理探测器等方法,选取江西省典型丘陵山区修水县开展实证研究,探究了丘陵山区耕地非粮化的技术识别、空间特征及影响机制。结果表明：1）修水县耕地非粮化面积17899.59 hm²,耕地非粮化率为57.47%,并呈现东南及西北集聚的特征,且呈现空间正相关性,包括了“低-低”、“高-高”、“低-高”集聚等不同形式。2）在社会经济特征上,修水县耕地非粮化主要呈环工业中心镇分布的特征,分布密度西高东低,逐渐向东北倾斜,且经济作物主导的乡镇非粮化水平显著高于其他地区。3）修水县耕地非粮化受多个因子综合影响,包括到农村道路的距离、坡度、粮食生产功能区、高程、水土流失强度、到城镇中心的距离、到城市公路的距离、到水源的距离。各因子对耕地非粮化的影响呈非线性增强的相互作用关系,其中尤以到农村道路的距离、到城镇中心的距离、粮食功能主产区等3个因素与其他因子的相互作用特征明显。该研究成果可为新形势下推进耕地资源保护利用提供参考,为科学诊断区域耕地非粮化问题提供依据。     

基于多目标微粒群优化算法的土地利用分区模型

土地利用分区实质上是一个多目标的土地利用空间优化问题,将传统分区方法用于解决多目标优化问题明显不足。该文提出了一种基于多目标微粒群优化的土地利用分区模型,构建了土地利用分区的属性约束指标,提取4个能够体现土地利用分区目的及意义的目标函数,即分区间差异性最大区内相似性最强、空间分区集中连片、土地利用效益最大化、土地适宜性评价指数最高,同时考虑了土地利用分区图上最小图斑面积、用途区面积、用途转换规则3类约束条件,并详细阐述了算法的核心思想、编码策略、状态更新机制及其算子等内容,最后以湖北省宜城市为例,对模型的可行性和有效性进行验证,结果表明通过对目标的权重调控可以得到不同目标偏好的土地利用分区方案,该文所构建模型在土地利用规划实践中具有可操作性。