隨機森林遙感信息提取研究進展及應用展望

于新洋，趙庚星，常春艷，袁秀杰，王卓然

(1. 土肥資源高效利用國家工程實驗室，山東 泰安 271028；2. 山東農業大學 資源與環境學院，山東 泰安 271028)

0 引言

遙感分類作為遙感技術應用最重要的組成部分，研究方法日漸多樣。典型的遙感監督分類法如分類回歸樹(classification and regression tree，CART)[1-2]、支持向量機(support vector machine，SVM)[3-4]及人工神經網絡(artificial neural network，ANN)[5-6]算法目前應用較多。然而，隨著土地利用范圍及程度的不斷拓展深化以及區域資源環境變化，陸表土地利用已趨于類型復雜化、格局破碎化，“物譜兩異”現象普遍存在[7]，單分類器已難以滿足更高的分類精度需求[8]。

隨機森林分類器(random forest classifier，RFC)[9]自2001年提出伊始便以處理流程穩健高效等優勢引起遙感領域的關注，相關研究逐漸增多[10-12]。RFC可在縮短處理時間[13]的前提下有效應對變量數量遠多于訓練樣本量引發的“維度詛咒”現象[14]。目前已有較多利用RFC用于遙感領域的相關研究[15]，但尚未見其應用及發展趨勢的系統綜述。本研究在對遙感集成分類器簡要概述、探討RFC基本原理的基礎上，綜述RFC的研究應用現狀與發展展望，旨在對RFC已有研究進行梳理，總結其在遙感中的應用成果，并討論其主要發展方向，為相關研究應用提供參考。

1 隨機森林分類器

為克服單分類器無法應對復雜土地利用覆被現狀的問題，集成分類器的概念進入遙感領域[16-17]。集成分類器可以是單分類器的組合，也可以是基于引導聚集算法(bootstrap aggregating，Bagging)[18]或提升算法(Boosting)[19-20]方法訓練生成的分類器。二者的不同在于Bagging選取訓練樣本集的隨機子集對每個分類器進行訓練；Boosting則使用樣本集中的全部樣本進行迭代訓練，并在此過程中增加錯誤分類樣本的權重。已有研究發現使用此2種方法均比單分類器分類準確性更高[21]。亦有研究提出Boosting可以減少分類偏差[13]，比Bagging結果準確性更高[22]。然而，Boosting方法需要進行大量迭代計算，訓練樣本量不足時易出現過度擬合，且其對訓練樣本異常值極為敏感[23]。Bagging在減少分類差異的情況下對分類結果影響極小[24]，為主流集成分類器所采用。

作為數據驅動的非參數分類方法，RFC使用CART集群進行預測分類[9]。其利用自助抽樣技術通過有放回地抽取訓練樣本集的一部分(Bagging)創建回歸樹集群，通過投票方式得到最終分類結果。約三分之二的訓練樣本(袋內樣本)會用于訓練回歸樹(圖1)，剩余三分之一樣本(袋外樣本)用于內部驗證，以估計RFC分類結果的誤差[25]，稱袋外(out of bag，OOB)誤差。隨機森林中的每棵決策樹都是獨立生長的，無需任何修剪，在每個節點使用隨機選擇的用戶定義特征變量參數(Mtry)進行分叉。通過將森林擴大到用戶定義的決策樹棵數(Ntree)，該算法會創建出具有高方差及低偏差的決策樹集群[9]。在分類階段，當新的待分類數據輸入時，所有集成決策樹會對其所屬類的分配概率進行估算，通過每棵樹的投票結果決定其歸屬(圖1)。目前RFC已集成于多個軟件，如eCognition、imageRFID、R以及Matlab等。

圖1 隨機森林分類流程圖

為保證隨機森林的生成，需設置兩個關鍵參數：決策樹的棵數(Ntree)和完成分類所需的變量參數(Mtry)[26]。由于RFC計算效率高且不會過度擬合，Ntree的取值可以大一些[27]。已有研究多將Ntree值設置為500，因為有研究提出在達到這種數量的分類樹之前，分類誤差便已趨于穩定[28]。R語言包中RFC處理程序“randomForest”中Ntree默認值也為500[29]。另有研究探索了Ntree其他取值如5 000[30-32]、1 000[33-34]、200[25]或100[27]，均發現RFC決策樹棵數對分類結果沒有影響[10]。總體而言，基于RFC處理遙感數據Ntree取值500是可行的。另一個重要參數Mtry取值的研究則結論各異，目前通常設置為輸入變量數量的平方根的倍數[13]。此外，有研究認為取值為1即可獲得較好的精度[35]。另有學者發現隨著取值的增大，預測結果精度會更高[36]；Ghosh等[14]嘗試將Mtry設置為輸入變量的總數，考慮到RFC須計算所有分叉節點變量的信息增益，這就增加了模型的運算時間。

2 隨機森林的遙感應用

2.1 多光譜影像

目前RFC已成功用于多光譜影像的土地利用分類[37-40]、城市信息提取[41]、病蟲害監測[42]及植被生物量計算[43]等多個方面。在土地利用分類方面，如田紹鴻、張顯峰基于天繪一號衛星多光譜數據及RFC對新疆北屯市及周邊區域的土地覆蓋進行了分類研究[44]；劉毅、杜培軍等基于RFC對環境一號小衛星和北京一號小衛星數據進行了分類，發現結果較最大似然法和SVM分類結果有更好的穩定性和分類精度以及更快的運算速度[45]；杜政、方耀將高分一號PMS多光譜影像與多種指數及共生矩陣紋理疊加，利用RFC對該組合進行了土地利用分類，發現分類精度比傳統方法提高顯著[46]。城市信息提取方面，顧海燕、閆利等以西安臨潼的WorldView-2影像為例，構建了基于RFC的地理要素面向對象解譯方法[25]；Deng等利用RFC基于MODIS數據對城市不透水面進行分類嘗試[47]。病蟲害監測方面，R?s?nen等利用WorldView-2影像對北方森林棲息地進行繪圖[42]；Wang等利用IKONOS數據及RFC識別樹種的健康狀況[48]。在植被生物量計算方面，岳繼博等利用RFC對覆蓋陜西省楊凌區的GF1-WFV多光譜數據進行了分類，并對比分析了冬小麥生物量的遙感估算模型[49]；吳超凡結合多時相Landsat影像及RFC估算了浙江省杭州市中部地區的森林地上生物量[50]；Karlson等利用多時相Landsat影像和RFC準確繪制了研究區樹冠覆蓋度和生物量圖[43]。

2.2 高光譜影像

高光譜影像維度較高，可用訓練數據相對較少，誤分類情況較多[51-52]。RFC作為一種特征空間優化技術，可自動選擇和排序主要的分類變量，克服高維遙感影像導致的變量選擇困難及存在的主觀性問題[12]。韓兆迎等基于RFC進行了山東省棲霞市的蘋果樹冠層葉面積的高光譜估算，結果精度較SVM對照模型有顯著提高[53]；程立真等選取山東省棲霞市25個果園100株新梢旺長期蘋果樹，基于RFC進行了葉片磷元素含量的監測[54]；郭澎濤等分析了橡膠小苗葉片磷元素含量監測，以指導橡膠苗施肥管理[55]。此外，將RFC及高光譜影像相結合在樹草種制圖與區分[56-58]、土地利用分類[59-60]、植被入侵監測[61-62]以及病蟲害監測[63]等方面均取得了更為精確的結果，應用廣泛。

2.3 雷達、激光測距儀等影像

RFC在雷達(SAR)數據的應用層面除與多光譜影像處理相似的基于多時相SAR數據[64]和全極化雷達(Pol-SAR)數據[65-66]的土地利用分類，亦有利用RFC與SAR數據進行溢油區制圖的案例[67]。已有研究表明機載激光測距儀(LiDAR)數據與星載遙感影像各有優勢，RFC可用于LiDAR數據特征選擇與海岸帶地物分類[68]。LiDAR數據與RFC相結合在城市信息提取[69-70]、林分平均樹高估算[71]、森林丘陵地形誤差分析[72]及像元尺度的森林滑坡體地圖繪制[73]等方面均有研究。此外，亦有研究探討了RFC在無人機數據分類[74-75]以及熱紅外遙感信息提取方面的應用[76]。

2.4 分類參量遴選

RFC可用于評估多源傳感器影像與多種輔助數據(如DEM、土壤類型數據)對分類結果的貢獻[77-80]，遴選與分類聯系最為密切的數據集。如Gislason等使用RFC辨別Landsat MSS影像、高程(10 m間隔)、坡度和坡向數據集中對于分類最重要的變量，結果發現海拔是確定土地利用類別唯一重要的地形變量[13]。Corcoran等評估了Landsat TM影像、雷達數據、地形變量(曲率和高程)以及土壤參數等多源多時相遙感及輔助數據對明尼蘇達州北部濕地RFC制圖精度的影響，發現由海拔、曲率、土壤參數和春季影像組成的分類模型精度最高[81]。

3 發展趨勢與研究展望

3.1 分類精度檢驗、可移植性及耦合性

遙感分類方法的準確性評估需要另外采集地物類型估算樣本，費事費力。有研究提出RFC的袋外誤差可作為分類精度加以對待[6，82]，以簡化和節約時間精力。這一倡議是否可行需大量的應用研究加以評估。此外，有研究發現對不同研究區進行訓練時，RFC的整體分類精度會有降低[83]；Juel等[84]發現航空影像和DEM數據組成的植被監測RFC不能適用于新的研究區域。如何克服RFC的不可移植性，使其具有更為普適的功能是未來值得研究的問題。另一方面，目前已有研究主要關注RFC的像元尺度分類，對RFC與面向對象的影像分析技術(OBIA)耦合研究相對較少。通過影像分割生成的變量數量越來越多，使得OBIA具有高度的主觀性和時間成本[85-86]。通過與RFC相結合，OBIA可以借助RFC計算特征變量的重要性來優化特征空間，進行更多領域層面的應用。

3.2 樣本異常值與變量重要性檢測

RFC中的樣本臨近度計算可用于訓練樣本的異常值檢測。2個樣本之間的臨近度是通過相同終端節點樹的數量與全體樹總數的比值來表示的[13]。未來可以將臨近度檢測和其他監督分類器(如SVM或ANN)相結合。另一方面，有關訓練樣本的數量增加或減少[87]以及特征變量中存在噪聲時重要性檢測的穩健性問題，需加以深入研究[88]。

3.3 隨機森林分類器的改進

為進一步減少錯誤分類，可考慮對RFC從方法上加以改進。例如針對遙感信息處理的目標檢測、土地覆蓋分類和變化檢測3個方面提出顏色增強的旋轉不變霍夫森林、條件紋元森林及四叉樹雙模態紋元森林等改進進行研究[89]。也可從隨機森林樣本相似度計算的角度進行改進[90]。另有Zhang、Suganthan提出旋轉RFC，在訓練階段通過鏈接每棵樹在根節點處的旋轉空間生成更高空間以提高樹的多樣性[91]。Xia等將主成分分析(PCA)等特征空間轉換方法與旋轉RFC相結合，發現結果優于RFC、SVM、AdaBoost及“變量分解和增強拉格朗日邏輯回歸”(LORSA)分類器[51]。Du等基于SVM、RFC和旋轉RFC使用極化Pol-SAR數據和空間特征進行分類，發現旋轉RFC結果優于RFC和SVM分類，但需增加計算量[10]。

4 結束語

本研究介紹了RFC的基本原理及參數設置，綜述了其作為分類器及遴選器在多源影像分類和參量選取方面的應用研究進展。與其他機器學習分類器相比，RFC對訓練樣本的質量和過度擬合問題包容性更強。未來可從RFC分類精度檢驗、樣本異常檢測及算法改進等方面促進其在遙感領域的更佳應用和深入發展。

構建廬山市溫泉鎮的過程中，我們要盡可能地深入挖掘當地特點，行業特征、文化特征、管理、服務特色、民族特色，等等，打造旅游主題小鎮，突出特色。廬山市溫泉鎮擁有眾多的溫泉資源，可以說溫泉產業是廬山市溫泉鎮實現收入的主要產業。根據《健康中國2030年規劃綱要》，等一系列強民性質的政府性文件，廬山市溫泉鎮可以以溫泉療養為主題，從這一主題上進行產業鏈的延伸。