ArcGIS 10.6 随机森林分类实战：从数据准备到模型调优

1次阅读

没有评论

共计 3205 个字符，预计需要花费 9 分钟才能阅读完成。

对于 GIS 开发者来说，ArcGIS 提供了独特的地理空间数据处理能力，但在机器学习应用中也会遇到一些特殊挑战：

数据格式转换复杂：卫星影像、DEM 等栅格数据需要转换为适合机器学习算法输入的格式
训练效率瓶颈：大范围地理数据常导致内存不足，传统 Python 机器学习库难以直接处理
空间自相关性问题：地理数据特有的空间依赖性可能影响模型验证效果
可视化需求特殊：分类结果需要保持地理坐标信息并与底图叠加展示

在 ArcGIS 10.6 环境中，开发者有两种主要方式实现随机森林：

ArcPy.ml 模块方案
优势：
- 原生支持 ArcGIS 地理数据库
- 自动处理空间参考系统
- 结果可直接用于空间分析
劣势：
- 参数调整选项较少
- 缺乏高级评估指标
scikit-learn 方案
优势：
- 更丰富的模型参数
- 完整的模型评估体系
劣势：
- 需要额外处理空间数据转换
- 无法直接利用 ArcGIS 并行计算资源

选型建议：对于地理空间特征明显的分类任务，优先使用 ArcPy.ml；需要精细调参时，可导出数据到 scikit-learn 处理。

import arcpy
from arcpy.sa import *

# 设置工作空间
arcpy.env.workspace = "C:/data/landcover.gdb"
arcpy.env.overwriteOutput = True

# 多波段栅格转训练点
in_raster = "sentinel2_composite"
train_points = "training_samples"

# 使用分层随机采样保证各类别样本均衡
arcpy.ddd.StratifiedRandomPoints(
    in_raster, 
    "landcover_classes", 
    train_points, 
    "COUNT", 
    1000
)

# 提取波段值到点属性
arcpy.sa.ExtractMultiValuesToPoints(
    train_points, 
    [[in_raster, "Band1"], [in_raster, "Band2"]]
)

# 导入机器学习模块
from arcpy.ml import *

# 定义特征字段和标签字段
feature_fields = ["Band1", "Band2", "NDVI"]  # NDVI 需提前计算
class_field = "landcover"

# 创建随机森林分类器
rf_model = RandomForestClassifier(
    train_points,
    feature_fields,
    class_field,
    n_trees=100,         # 树的数量
    max_depth=10,        # 最大深度
    min_samples_leaf=5,  # 叶节点最小样本数
    seed=42              # 随机种子
)

# 训练模型
model_path = "C:/models/rf_landcover"
rf_model.save(model_path)

# 交叉验证
validation = rf_model.crossValidate(k_folds=5)
print(f"总体准确率: {validation.accuracy}")

# 应用模型到整个区域
out_classification = ClassifyRaster(
    in_raster, 
    rf_model, 
    "C:/output/landcover_2023"
)

# 后处理 - 去除小斑块
smoothed = arcpy.sa.RegionGroup(
    out_classification, 
    "FOUR", "WITHIN", "NO_LINK"
)
final_result = arcpy.sa.SetNull(
    smoothed, 
    smoothed, 
    "COUNT < 5"  # 过滤小于 5 像元的区域
)

使用 arcpy.env.compression = "LZ77" 减小临时文件体积
分块处理大范围数据：

# 设置处理瓦片大小
arcpy.env.tileSize = 2048  # 适合多数显卡的瓦片尺寸

# 手动分块处理
for xmin, ymin in tile_coordinates:
    extent = f"{xmin} {ymin} {xmin+10000} {ymin+10000}"
    arcpy.env.extent = extent
    # 在此范围内执行分类

在 ArcGIS Pro 中启用并行处理：
Geoprocessing > Environments > Parallel Processing Factor = 75%
Python 脚本控制：

import multiprocessing

# 获取可用核心数
cores = multiprocessing.cpu_count()
arcpy.env.parallelProcessingFactor = f"{cores-1}"

# 检查所有输入数据的坐标系
datasets = [in_raster, train_points, boundary]
for ds in datasets:
    sr = arcpy.Describe(ds).spatialReference
    if sr.name != "WGS_1984_UTM_Zone_50N":
        arcpy.Project_management(ds, ds+"_reprojected", target_sr)

类权重调整：

# 计算类别权重
class_counts = arcpy.da.Frequency(train_points, [class_field])
weights = {row[0]: sum(counts)/row[1] for row in class_counts}

rf_model.class_weights = weights

过采样少数类：

# 使用 SMOTE 算法（需安装 imbalanced-learn）from imblearn.over_sampling import SMOTE

# 提取特征矩阵和标签
X = [row[1:] for row in arcpy.da.SearchCursor(train_points, feature_fields)]
y = [row[0] for row in arcpy.da.SearchCursor(train_points, [class_field])]

X_res, y_res = SMOTE().fit_resample(X, y)

导出为 PMML 格式供 WebGIS 使用：

rf_model.exportToPMML("C:/models/rf_model.pmml")

发布为 GP 服务：

# 创建工具箱
arcpy.CreateToolbox("LandcoverTools")

# 将模型封装为脚本工具
tool_code = '''
import arcpy
model = arcpy.ml.LoadModel("C:/models/rf_landcover")
output = model.classify(arcpy.GetParameter(0))
arcpy.SetParameter(1, output)
'''

# 在 Portal 中发布服务

WebGIS 集成方案：
将 PMML 模型部署到 GeoServer 自定义函数
使用 ArcGIS API for JavaScript 调用 GP 服务
考虑 TensorFlow.js 实现客户端预测
时空序列预测可行性：
将时间维度作为额外特征输入
使用 LSTM 与随机森林的混合模型
注意处理时空自相关问题

通过 ArcGIS 10.6 实现随机森林分类，开发者既能利用专业 GIS 工具处理空间数据，又能获得机器学习算法的强大预测能力。本文介绍的方法已在多个土地覆盖分类项目中验证，关键是要处理好数据预处理、内存管理和模型评估三个环节。建议初次尝试时先用小范围测试数据验证流程，再逐步扩展到大规模生产环境。

正文完