Page 81 - 《武汉大学学报（信息科学版）》2025年第9期

第 50 卷第 9 期 刘逸娴等：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 1809

表 3 分类精度统计
Table 3 Statistics of Classification Accuracy
互花米草 碱蓬 柽柳 芦苇 非植被 Kappa
方案 OA/%
UA/% PA/% UA/% PA/% UA/% PA/% UA/% PA/% UA/% PA/% 系数
1 82.61 95.00 92.86 65.00 93.33 70.00 60.71 85.00 95.00 95.00 82.00 0.76
2 84.21 80.00 94.44 85.00 81.25 65.00 58.62 85.00 73.91 85.00 83.00 0.79
3 82.61 95.00 100.00 65.00 90.00 45.00 52.94 90.00 95.00 95.00 78.00 0.73
4 82.61 95.00 100.00 65.00 100.00 70.00 81.82 90.00 71.43 100.00 84.00 0.80
5 86.36 95.00 100.00 65.00 100.00 70.00 67.86 95.00 86.96 100.00 85.00 0.81
6 86.36 95.00 94.44 85.00 100.00 65.00 82.61 95.00 83.33 100.00 88.00 0.85

案 4 分类精度却在一定程度上有所降低，其总体 面积广的特点。本研究结合航空影像的 4 个原始
精度为 78.00%，Kappa 系数为 0.73。这说明指数 波段，提取了指数特征与纹理特征，同时融合颜
特征和颜色特征会提高植被信息的提取精度，但 色特征，构建了 6 种不同的提取方案，对典型黄河
是纹理特征却会导致分类精度的降低，这也能在 三角洲植被信息进行分类提取，并验证对比不同
一定程度上解释在特征优选时指数特征与颜色 方案的提取精度，探求不同特征变量对分类的影
特征重要性得分较高，位于前列，而纹理特征的 响及原因，选取最佳的优选特征改善植被精细分
重要性得分较低的原因。在随机森林优选特征 类的效果。主要得到以下结论：
后生成的方案 6 的总体精度与 Kappa 系数有较大 1）以可见光谱与近红外光谱为基础，仅加入
提升，总体精度为 88.00%，Kappa 系数为 0.85，相 不同特征进行实验对植被分类的精度影响有所
比 较 原 光 谱 特 征 的 基 础 方 案 ，总 体 精 度 提 升 了 区别。指数特征会提高碱蓬的分类精度，颜色特
6.00%，Kappa 系数增长了 0.09。 征会整体提高所有植被类型的分类精度，然而纹
仅关注植被类型的用户精度与生产者精度 理特征会对黄河三角洲植被精细分类产生负面
可以发现，仅加入指数特征对碱蓬的提取精度较 影响。这说明融合了颜色特征进行分类是提高
好，可能与碱蓬相比其他植被生长在高盐环境中 精度的关键。
且呈密集大片形状，而指数特征对植被生长环境 2）进行随机森林优选之后的分类结果有了
与状况十分敏感有关。仅加入纹理特征反而降 很好的改善，不仅能降低分类维数，加快分类速
低了各类植被的提取精度，可能是因为各盐沼植 度，同时也能提高分类精度和效率。融合了颜色
被，尤其是柽柳与芦苇，并没有固定的纹理，分布
特征的随机森林特征优选的分类方法在黄河三
不均。仅加入颜色特征的方案 4 与加入所有特征
角洲植被分类中具有较高的分类精度，总体精度
的方案 5 对各植被类型的分类提取均有一定程度
为 88.00%，Kappa 系数为 0.85。该方法能有效区
的保持或提升作用，这说明融合了颜色特征的方
分植被与非植被，同时将各植被类型提取出来。
案是提高精度的主要原因。基于特征优选随机
本研究主要优势在于新数据源的获取、多种
森林分类结果中，所有类别的用户精度均在 80%
特征变量的引入，以及对不同特征变量进行实验
以上，除柽柳以外类别的生产者精度均在 85% 以
评价与分类精度分析，验证了颜色特征的重要性
上。这是因为柽柳容易与芦苇混淆，被分类器分
与融合了颜色特征的随机森林特征优选分类方
为芦苇。由于柽柳与芦苇通常是混生在一起，交
法的可行性。但仍然存在一些不足：（1）本文只
错分布，在影像中容易混淆，导致分类精度不高。
研究了单一时相的特征变量的影响，没有考虑到
总体而言，方案 6 的分类效果比较前 5 个方案均
不同时相的特征变量分类产生的影响。后续将
有提升，融合颜色特征的随机森林多特征优选对
对不同月份分类情况进行研究，利用时间变化特
黄河三角洲植被精细分类具有较好的实用性。
征区分光谱类似的植被类型，以提高分类精度。
4 结 语 （2）本文只探讨了 4 种黄河三角洲典型植被区域，
在不同的航空影像上植被类型或有减少与增加，
基于航空民用飞机的遥感信息获取技术逐 为了实现植被类型分类提取的精细化，应该深入
渐应用于农业领域，航空遥感平台获取植被信息 探讨特征变量对每类植被类型与几种植被类型
具有高分辨率、高时效、获取影像迅速、获取区域 组合的贡献与影响。