Page 74 - 《武汉大学学报（信息科学版）》2025年第9期

第 50 卷 第 9 期 武 汉 大 学 学 报（ 信 息 科 学 版 ） Vol.50 No.9
2025 年 9 月 Geomatics and Information Science of Wuhan University Sept. 2025

引文格式：刘逸娴,刘庆生,张新，等 . 融合颜色特征的随机森林特征优选的黄河三角洲植被信息分类[J]. 武汉大学学报（信息
科学版）,2025,50(9):1802-1811.DOI:10.13203/j.whugis20240203
Citation：LIU Yixian,LIU Qingsheng,ZHANG Xin,et al.Classification of Vegetation Information by Integrating Color Features
with Multi-feature Optimization of Random Forest in the Yellow River Delta[J]. Geomatics and Information Science of Wuhan
University,2025,50(9):1802-1811.DOI:10.13203/j.whugis20240203

融合颜色特征的随机森林特征优选的

黄河三角洲植被信息分类

刘逸娴 1,2 刘庆生 1,3,4 张 新 黄 翀 李 贺
5
1
1
车纯广 陈 一 7
6
1 中国科学院地理科学与资源研究所地理信息科学与技术全国重点实验室,北京,100101
2 中国科学院大学,北京,100049
3 自然资源部自然资源要素耦合过程与效应重点实验室,北京,100055
4 江苏省地理信息资源开发与利用协同创新中心,江苏 南京,210023
5 中国科学院空天信息创新研究院遥感与数字地球全国重点实验室,北京,100094
6 黄河三角洲国家级自然保护区黄河口管理站,山东 东营,257500
7 北京市测绘设计研究院,北京,100038

摘 要：湿地盐沼植被的监测是黄河三角洲湿地生态功能保护与恢复的基础。以黄河三角洲湿地部分区域为研究区，以
高分辨率航空影像为数据源，生成了光谱特征、颜色特征、指数特征和纹理特征 4 种特征变量并构建了不同的分类方案。
利用随机森林方法对每种提取方案进行植被分类并验证其精度，旨在探求不同特征变量对分类的影响及原因，选取最佳
的优选特征改善植被分类的效果。结果表明，指数特征对碱蓬提取有积极作用，纹理特征会降低植被分类的精度，融合
颜色特征进行分类是提高总体精度的关键；基于随机森林特征优选提取效果最佳，总体精度为 88%，Kappa 系数为 0.85。
所提方法能有效区分植被与非植被，同时将各植被类型提取出来。该研究为黄河三角洲植被信息提取在特征选取与方
法上提供了一种有效的技术路线。
关键词：黄河三角洲；航空影像；随机森林；植被信息提取；颜色特征
中图分类号：P208 文献标识码：A 收稿日期：2024⁃09⁃25
DOI：10.13203/j.whugis20240203 文章编号：1671⁃8860（2025）09⁃1802⁃10
Classification of Vegetation Information by Integrating Color Features with

Multi-feature Optimization of Random Forest in the Yellow River Delta

5
1
LIU Yixian LIU Qingsheng 1，3，4 ZHANG Xin HUANG Chong LI He
1，2
1
6
CHE Chunguang CHEN Yi 7
1 State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources
Research, Chinese Academy of Sciences, Beijing, 100101, China
2 University of Chinese Academy of Sciences, Beijing, 100049, China
3 Key Laboratory of Natural Resource Coupling Process and Effects, Ministry of Natural Resources, Beijing 100055, China
4 Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
5 State Key Laboratory of Remote Sensing and Digital Earth, Aerospace Information Research Institute, Chinese Academy of Sciences,
Beijing 100094, China
6 Yellow River Mouth Management Station of Yellow River Delta National Nature Reserve, Dongying 257500, China
7 Beijing Institute of Surveying and Mapping, Beijing 100038, China

Abstract： Objectives: The monitoring of salt marsh vegetation is the basis for protection and restoration of
ecological functions in the Yellow River Delta (YRD) wetland. Due to the complexity of vegetation growth

基金项目：国家重点研发计划（2021YFB3901300）；自然资源部自然资源要素耦合过程与效应重点实验室开放基金（2023KFKTB003）。
第一作者：刘逸娴，博士生，研究方向为植被生态遥感。liuyixian1420@igsnrr.ac.cn
通信作者：张新，博士，研究员。zhangxin@radi.ac.cn