ArcGIS中实现高效随机森林分类：从数据预处理到模型调优实战

1次阅读

共计 2621 个字符，预计需要花费 7 分钟才能阅读完成。

在 ArcGIS 中进行遥感影像分类时，最大似然法等传统方法存在明显局限性：

光谱混淆问题：城区建筑与裸土的光谱特征相似性导致误分类（混淆矩阵显示错分率达 25%-40%）
特征利用不足：仅依赖原始波段值，无法有效利用纹理、指数等衍生特征
参数敏感：阈值设置对结果影响显著，需反复试验（生产环境中调整周期约 2 - 3 人日）

基于 Landsat-8 SR 数据（来源：USGS EarthExplorer）的测试表明：

决策树：
训练速度快（单景影像 <30 秒）
但过拟合严重（测试集准确率比训练集低 15%）
SVM：
线性核在简单场景表现良好（农田 / 水体分类精度 89%）
RBF 核参数调优困难（网格搜索耗时 4 小时以上）
随机森林：
综合精度最优（OA=92.3%，Kappa=0.89）
特征重要性自动评估（省去人工筛选步骤）

# 计算 NDVI 并处理异常值（基于 ArcPy）import arcpy
from arcpy.sa import *

def calculate_ndvi(red_band, nir_band, output_raster):
    """
    参数说明:
        red_band: 红波段路径（如 Landsat B4）nir_band: 近红外波段路径（如 Landsat B5）output_raster: 输出栅格路径
    返回: NDVI 栅格对象
    """
    try:
        # 检查输入波段是否存在
        if not arcpy.Exists(red_band) or not arcpy.Exists(nir_band):
            raise FileNotFoundError("输入波段文件不存在")

        # 执行波段运算
        red = Raster(red_band)
        nir = Raster(nir_band)
        ndvi = (nir - red) / (nir + red + 0.0001)  # 避免除零

        # 处理异常值
        ndvi = Con(IsNull(ndvi), 0, ndvi)  # 空值填充
        ndvi = Con(ndvi > 1, 1, Con(ndvi < -1, -1, ndvi))  # 数值截断

        ndvi.save(output_raster)
        return ndvi
    except Exception as e:
        arcpy.AddError(f"NDVI 计算失败: {str(e)}")
        return None

# 使用 scikit-learn 与 ArcGIS 集成（注意 GIL 锁问题）from sklearn.ensemble import RandomForestClassifier
import pandas as pd
import numpy as np
from multiprocessing import Pool

def train_rf(features_csv, n_estimators=100):
    """
    参数说明:
        features_csv: 特征表格路径（含训练样本）n_estimators: 决策树数量
    返回: 训练好的模型
    """
    # 读取特征数据
    data = pd.read_csv(features_csv)
    X = data.iloc[:, :-1].values  # 特征列
    y = data.iloc[:, -1].values   # 标签列

    # 使用多进程加速（建议核心数 =CPU 逻辑核心 -2）with Pool(processes=max(1, os.cpu_count()-2)) as pool:
        model = RandomForestClassifier(
            n_estimators=n_estimators,
            n_jobs=-1,  # 使用所有可用核心
            class_weight='balanced'
        )
        model.fit(X, y)
    return model

# 使用 matplotlib 绘制特征重要性
import matplotlib.pyplot as plt

def plot_feature_importance(model, feature_names):
    """
    参数说明:
        model: 训练好的随机森林模型
        feature_names: 特征名称列表
    """
    importance = model.feature_importances_
    indices = np.argsort(importance)[::-1]

    plt.figure(figsize=(10, 6))
    plt.title("Feature Importance")
    plt.bar(range(len(indices)), importance[indices], align='center')
    plt.xticks(range(len(indices)), [feature_names[i] for i in indices], rotation=90)
    plt.tight_layout()
    plt.savefig('feature_importance.png', dpi=300)
    plt.close()

CPU 核心分配：
16 核服务器推荐设置n_jobs=14（保留 2 核给系统）
注意 ArcGIS Pro 后台进程会占用 1 - 2 核
内存管理：
单景影像建议预留 样本数×特征数×4 字节×2的内存
万级以上样本需启用 partial_fit 分批训练

# 使用 SMOTE 过采样（需 imbalanced-learn 库）from imblearn.over_sampling import SMOTE

def balance_samples(X, y):
    """
    参数说明:
        X: 特征矩阵
        y: 标签数组
    返回: 平衡后的样本
    """
    sm = SMOTE(random_state=42, k_neighbors=3)
    X_res, y_res = sm.fit_resample(X, y)
    return X_res, y_res