基于特征优选的随机森林算法在湿地信息提取中的应用——以湖北洪湖湿地自然保护区为例

以湖北洪湖湿地自然保护区为研究区，采用随机森林算法对研究区内湿地信息提取.以Sentinel-2A遥感影像为数据源提取光谱特征、植被指数、水体指数、红边指数、纹理特征等特征变量，在随机森林算法框架下，对不同特征变量进行特征重要性评估，比较分类后精度并对特征组合进行优选.将基于随机森林算法的分类精度与传统的基于像元的支持向量机分类方法和最大似然分类方法的分类精度相比较，并通过双比例Z检验比较各算法中正确分类像元的比例统计各分类算法之间的分布差异.结果表明： 1) 特征个数为13时，分类精度达到最大，随着特征个数的增多，分类精度呈现波动减小的趋势； 2) 特征变量中蓝光波段重要性得分最高，达到2.85，可见光(B2、B3)与红边指数(IRECI、MCARI)重要性排名靠前，对于提取湖泊湿地信息具有重要意义； 3) 基于特征优选的随机森林方法分类精度优于支持向量机和最大似然法分类后的精度，其总体精度分别高出6.02%和7.57%；经检验， χ2分别达到25.891和38.895，具有显著差异，表明基于特征优选的随机森林算法分类对湿地信息提取发挥重要作用。