ArcGIS Pro上实现随机森林分类的技术实践与性能优化

1次阅读

共计 2023 个字符，预计需要花费 6 分钟才能阅读完成。

ArcGIS Pro 虽然提供了基础的机器学习工具（如影像分类向导），但在实际应用中存在明显短板：

分类器选择有限，仅支持最大似然、ISO 聚类等传统方法
参数调整界面封闭，无法精细控制如树深度、特征采样比例等核心参数
缺乏模型诊断工具（如特征重要性分析、学习曲线）
处理大型栅格时内存管理效率低

对比常见分类算法在空间数据中的表现：

决策树：
优点：解释性强、训练速度快
缺点：容易过拟合，对噪声敏感
SVM：
优点：高维空间表现好
缺点：核函数选择依赖经验，计算复杂度高
随机森林：
内置 OOB（Out-of-Bag）误差估计，无需额外验证集
特征重要性排序直观展示各波段贡献度
通过 bootstrap 采样天然抗过拟合

import arcpy
from sklearn.ensemble import RandomForestClassifier

# 从地理数据库读取训练样本
train_points = arcpy.FeatureClassToNumPyArray(
    input_features='sample_points',
    field_names=['NDVI', 'NDWI', 'Elevation', 'Class'],
    spatial_reference=arcpy.SpatialReference(4326)
)

# 分离特征与标签
X = train_points[['NDVI', 'NDWI', 'Elevation']]
y = train_points['Class']

# 初始化模型（关键参数说明）model = RandomForestClassifier(
    n_estimators=100,   # 树的数量
    max_depth=15,       # 控制模型复杂度
    min_samples_split=5, # 防止过拟合
    class_weight='balanced',  # 处理类别不平衡
    n_jobs=-1,          # 使用所有 CPU 核心
    oob_score=True      # 启用 OOB 评估
)

# 训练与评估
model.fit(X, y)
print(f"OOB 准确率: {model.oob_score_:.2%}")

# 特征重要性可视化
import matplotlib.pyplot as plt
plt.barh(X.columns, model.feature_importances_)
plt.title('特征重要性排序')

# 对整幅影像进行预测
input_raster = arcpy.Raster('landsat.tif')
blocks = arcpy.BlockRaster(input_raster)  # 分块处理大影像

# 创建输出栅格
output_raster = arcpy.NumPyArrayToRaster(model.predict(blocks),
    lower_left_corner=input_raster.extent.lowerLeft,
    x_cell_size=input_raster.meanCellWidth,
    y_cell_size=input_raster.meanCellHeight
)
output_raster.save('classification_result.tif')

设置 n_jobs=-1 启用全部 CPU 核心
对于超大型数据，建议使用 dask-ml 替代 sklearn

# 自定义分块大小（单位：像素）block_size = 1024  

with arcpy.EnvManager(
    rasterStatistics='STATISTICS',
    compression='LZ77'
):
    # 分块读取栅格
    for x in range(0, input_raster.width, block_size):
        for y in range(0, input_raster.height, block_size):
            block = input_raster.read(origin=(x, y),
                window=((x, x+block_size), (y, y+block_size))
            )
            # 预测并拼接结果...