宗 影,李玉凤,刘红玉

(南京师范大学海洋科学与工程学院,江苏 南京 210023)

遥感因其数据获取方便、监测范围广被逐渐应用到农田湿地的分类研究中. 目前,利用遥感进行分类的方式包括基于像素和对象两种[1]. 基于像素的分类以单个像素为最小单元,分类时只考虑到地物的光谱、大小与位置信息[2],但这种分类方式会产生椒盐现象从而制约分类的精度. 而面向对象分类以合并之后的对象为基本处理单元,减少了分类破碎的现象,可以同时考虑地物的光谱、纹理等信息,分类精度更高、提取效果更好[3-5],目前被广泛应用于植被的分类中. 如邵亚婷等[6]使用面向对象的分类方法对盐城滨海湿地的植被进行分类,6个时期的影像分类精度均达到90%以上. 张蓉等[7]以Landsat多时相影像为数据源,用面向对象的分类方法对大珠江三角洲的红树林进行分类,分类精度均保持在85%以上. 随着大量遥感卫星的发射和计算机技术的发展,神经网络、决策树与随机森林等方法逐渐运用到地物分类中,并得到较高的分类精度[8-9]. 其中随机森林分类方法能够利用样本之间存在的差异,并且可以更好的处理高维数据[10-11]. 随机森林方法对农田、湿地植被的分类,都取得了较好的分类结果. 如张磊等[12]基于 Sentinel-2 数据利用不同的特征组合对黄河三角洲的植被进行提取,并用随机森林模型进行分类,总体精度高达90.93%. 刘家福等[13]利用融合后的Landsat OLI影像在特征优选的基础上构建随机森……