随机森林用于影像分类。

简介：
城市发展中国家的城市快速扩张正对城市规划面临的问题产生深远的影响。为了有效控制和评估这种增长趋势，需要更先进的方法来执行城市土地利用测绘，并提供更优的解决方案。本文提出了一种新型的城市土地利用映射方法，该方法巧妙地融合了空间度量和纹理分析，构建了一个基于对象的图像分析分类系统。利用高分辨率卫星图像，我们提取了空间特征和纹理特征，并借助Random Forest机器学习算法进行土地覆盖分类。通过对各种空间指数进行视觉检查和筛选，并将其与图像中的纹理值相结合，最终生成了精细的分类结果。为了确保方法的可靠性，我们建议采用10倍交叉验证技术来验证方案，从而实现高达92.3%的总体准确性和0.896的Kappa系数。这些步骤共同构建了一个精确的城市土地利用模式，并且无需依赖人口普查数据或其他辅助资料。我们进一步建议将空间度量与纹理分析相结合作为城市土地利用测绘在发展中国家的一个有前景的发展方向。生成的地图能够为城市规划人员提供必要的数据支持，从而促进有效且可持续的发展规划。