基于隨機森林方法的遙感影像分類方法

趙志國

(上海元易勘測設計有限公司, 上海 201203)

0 引言

植被是構成地球生態循環的重要組成部分,可以有效監測地球的生態變化。如今伴隨著衛星技術以及傳感器的發展,多光譜遙感影像的應用越來越廣泛。現在多光譜遙感影像經常用于植被分類,傳統的人工目視解譯法耗費時間,而且對于解譯者來說需要有十分專業的知識,花費大量的人力才能夠完成工作。深度學習被大量應用于各種不同的研究領域,原因是深度學習在計算機應用中顯示出的極高效率,遙感領域也是如此,以前超大數據量的運算和處理,人工無法勝任,深度學習到來之后就變得不再那么遙不可及。遙感領域中對數據的發掘以及利用都可以通過深度學習來實現。

在遙感影像植被分類中,中低分辨率的多光譜影像能夠用于較大尺度的植被群落級別的分類,我們通過使用Google Engine合成多個時段的中分辨率成像光譜儀(Moderate-resolution Imaging Spectroradiometer,MODIS)反射率數據構建新的偽高光譜數據,該數據具有時間特性,在一定程度上可以保留全年的相關信息,也可以降低云霧等信息造成的干擾。

1 研究區域與數據

1.1 研究區域

本研究所用的遙感影像數據為2016年1月1日至2016年12月31的MODIS數據，影像地區是上海、福建、陜西、遼寧。數據源選擇的是2016年目標區域全年MODIS數據,共366 d的樣本反射率數據。

1.2 訓練集數據

訓練集數據選取的是MODIS數據中的MOD09GA.006 Terra Surface Reflectance Daily Global 1 km和500 m影像集,其對大氣氣體以及氣溶膠的低水平數據進行了校正,MOD09GA提供了1～7個波段,訓練集所選取的是較為常見的紅光、藍光、綠光和近紅外光4個波段。

1.3 驗證集數據

驗證集數據采用的是MODIS Land Cover(MCD12Q1)土地覆蓋數據集,MCD12Q1產品數據中含有13套分類標準,選擇其中LC_Type3葉面積指數(Leaf Area Index,LAI),此套標準中含有11個分類類型,足夠500 m分辨率下進行分類研究[1]。

2 研究方法

2.1 數據預處理

在使用MODIS官網下載的影像過程中發現,找尋無云數據十分困難,而且有云數據在計算過程中有干擾作用,良好的無云數據會使試驗效果更真實。為此,我們選擇使用Google平臺上的MODIS數據。Google Earth Engine平臺上存儲著公開可用的2000年至今的MODIS數據。由于每個遙感影像數據并不是所有部分都被大量云霧所遮蓋,利用這個特點,找出不同影像上含云量稀少部分,進行裁剪,之后將所有裁剪下來的部分進行拼接,成為一幅“無云”的遙感影像。通過實驗發現每8個數據就能很好地拼接一個無云數據。于是使用8 d合成算法選出 8 d內云霧、觀測角度、太陽角度等干擾最小的反射率數據,根據所需數據量可合成相應數據[2]。

通過真實值數據中的分類點,進行隨機選點來制作測試集、驗證集和訓練集,其中訓練集隨機選取了1萬個點作為訓練數據,驗證集選取了總大小的20%的點,剩下的點作為測試集。在進行隨機選點的過程中確保三個數據集中沒有重合的部分,為了減少計算量,使用掩膜對矩陣進行處理,掩膜矩陣中的0和1分別代表是否選取該位置點。

本文為了驗證時序影像對分類精度的影響,從Google Earth Engine下載了1個月、3個月、6個月、9個月以及12個月數據量的影像,利用matlab對影像數據進行處理并將影像矩陣進行堆疊,提取出對應時間長度的紅綠藍(Red Green Blue,RGB)三色波段數據單獨作為一個輸入數據,圖1為預處理流程。

圖1 預處理流程

2.2 決策樹分類器——隨機森林

1995年,貝爾實驗室的Tin Kam Ho提出了隨機決策森林。隨機森林(Random Forest,RF)是以決策樹為基礎的一種高級算法。形似決策樹一般,隨機森林既可以用來回歸也可以用來分類。隨機構建一個森林,森林中由許多獨立的決策樹組成。實際上隨機森林從本質上來說是屬于機器學習中的一個重要分支,叫作集成學習。集成學習通過建立幾個模型的組合來集中解決單一的預測問題。它的工作原理是通過生成多個分類器,各自獨立學習特征并且做出預測[3]。

然后將這些預測合成為單一預測,所以比任何一個單分類的方法做出的預測都要準確。隨機森林在分類中的精度要優于單棵決策樹,隨機森林較之于決策樹引入了隨機變量來控制每一棵樹的生長。對于第i棵樹引進的隨機變量θi,它和前面的i-1隨機變量θ1,θ2,…,θi-1是獨立分布的[4]。

目前,隨機森林方法相較于其他神經網絡計算方法,其計算量要小很多且結果精度有一定保證,因此,常用于大面積農業遙感影像分類、森林火災預警、森林資源調查等方面,對于地理國情監測和土地分類覆蓋方面有著較為重要的作用。

2.3 實驗設計

對MCD12Q1中的圖表數據對應的遙感影像做好標記得到真實值數據,反射率數據預處理后將目標的區域作為訓練的數據,然后將這其中的20%作為驗證組,將數據輸入訓練方法中進行訓練,得到結果后對真實值數據進行精度對比,之后再將數據作為初始數據代入之前的方法中進行訓練。設定隨機森林生成樹木最大為500,挑選出其中精度最高的一組作為植被分類圖,使用python將矩陣數據進行上色,得到可視化的植被分類圖。

3 實驗結果

3.1 影像時序結果對比

在完成隨機森林模型建立后,將1個月、3個月、6個月、9個月以及12個月的數據依次帶入模型中進行計算,得到的數據如表1所示。

表1 識別準確率表 單位：%

分析以上結果可以得出：影像時序豐度越大,得到的分類精度越高,但隨著時序豐度的增加,準確率曲線對于其敏感度會下降,最終準確率會在一年準確率的范圍內進行微小波動,不再大幅度提升。其原因在于,在一年時間內,由于選用驗證數據標準為葉面積指數(Leaf Area Inde,LAI),針對植被變化會較為敏感,而且影像分辨率為500 m,對于小范圍變化同樣不敏感,所以當時序數據量達到12個月時該地區的目前狀況下的特征提取已經比較完備,所以準確率會進行波動,不再增長。

3.2 地區分類結果對比

本次試驗針對四個目標區域進行了對比,分類結果如表2所示。

表2 隨機森林分類結果的橫向對比

表2中左側GT為MCD12Q1中真實值數據影像，之后依次為本地區1個月、3個月、6個月、9個月以及12個月的數據帶入模型中進行計算得到的識別結果，圖中的空白區域為水體。根據表2的分類結果,可以看到,隨機森林分類方法精度效果受水體限制較大,在上海區域內擁有較多水體,在進行隨機森林決策樹訓練的時候較多參數分配給了水體的識別,而且在圖中可以發現分類精度較高的地區分類種類相較于低精度地區都較少，分類種類較少時隨機森林的分類精度更高。

4 結束語

本文使用MOD09GA數據并且用其中LAI層植被反射率數據作為輸入矩陣,運用GEE通過8 d合成算法對數據進行處理,得到云量最低反射角度最好的數據,通過RGB三波段輔助判斷,先對植被邊緣進行篩選。針對上海、遼寧、陜西、福建四個地區的MODIS影像數據,建立每個地區5個時間序列的訓練集,通過隨機森林機器學習方法,學習一年內目標區域的時序變化規律,從而獲取更為精確的分類效果,根據區域特點對比研究該算法對于上述四個地區識別方法的優劣。實驗結果顯示:隨機森林分類法在沒有海部的地區識別效果能夠達到90%以上,使用訓練集數據量越大,識別率越高,數據量達到一年左右后,識別率只有微小波動。

隨機森林分類法已經證明是同類分類法中效果最好的一種,其運算速度較為迅速而且分類精度也有一定的保障;在我們以往的工作過程中發現,隨機森林分類方法的穩定性超過了神經元網絡分類法,受工作時間及硬件的限制,本次試驗并沒有將現有數據進行神經元網絡分類識別,在以后的試驗中我們會增加分類識別的方法以獲得更完善的結論。

去云處理將產生影像部分不連續,這在一定程度上會導致識別率下降,增加時序影像的數量一定程度上能夠彌補這種不足,使隨機森林分類法得到更高的準確率。比較遺憾的是本次試驗只用了反射率數據作為輸入數據,并沒有比較EVI和NDVI的時間序列數據,理論上,通過增加時間序列數據的輸入應該可以對訓練數據的準確性進行二次修正,會進一步提升隨機森林分類法的精度。