ArcGIS Pro随机森林模型入门指南：从数据准备到模型评估全流程解析

1次阅读

共计 1910 个字符，预计需要花费 5 分钟才能阅读完成。

随机森林（Random Forest）在空间数据分析中展现出独特优势，尤其适合处理 GIS 领域的复杂问题。从 GIS 视角来看：

处理非线性关系：地理现象常呈现复杂空间模式（如：土壤污染扩散 / 污染扩散模型），传统线性模型难以捕捉
抗过拟合能力：通过 bootstrap 采样和特征随机选择，有效缓解小样本空间数据的过拟合问题
多源数据融合：天然支持数值型、类别型特征混合输入（如：DEM 高程 + 土地利用类型 + 气象站观测）
并行计算友好：与 ArcGIS Pro 的分布式处理架构高度契合

坐标系冲突：训练数据与预测区域使用不同投影（如：WGS84 与 UTM）
空间自相关：传统交叉验证会高估模型精度（如：相邻像素高度相似）
栅格 - 矢量转换：特征提取时的分辨率匹配问题

# 典型困惑场景：Scikit-learn 与 ArcPy 参数对应
from sklearn.ensemble import RandomForestClassifier
# n_estimators → num_trees
# max_depth → max_depth
# 注意：ArcPy 不支持 oob_score 直接计算

CRS-aware 数据处理

import pandas as pd
from arcgis.features import GeoAccessor

# 确保所有数据统一到相同坐标系
gdf = pd.DataFrame.spatial.from_featureclass('input.shp')
gdf = gdf.spatial.project_as(54009)  # 转换为 World Mollweide 投影

特征工程技巧
使用移动窗口统计生成空间特征（如：500m 半径内道路密度）
通过 NDVI 等指数增强光谱特征
对类别变量执行频率编码而非 one-hot

import arcpy

# 必须设置的三个核心参数
train_params = {
    'num_trees': 100,       # 树的数量
    'max_depth': 12,        # 控制模型复杂度
    'seed': 42,             # 保证结果可复现
    'min_samples_leaf': 5   # 防止过拟合
}

model = arcpy.ia.TrainRandomForestClassifier(
    input_features=gdf,
    target_field='class',
    **train_params
)

采用分块处理策略：

使用 arcpy.BuildPyramids_management 建立金字塔
按空间网格分块预测
通过 arcpy.ia.Mosaic 拼接结果

# 计算类别权重
class_weights = {
    'forest': 1.2,
    'urban': 0.8,
    'water': 1.0
}

# 在训练时传入
arcpy.ia.TrainRandomForestClassifier(
    class_weight=class_weights,
    ...
)

使用 arcpy.CreateSpatialPartitions 生成空间分区
按分区进行 k -fold 验证
比较传统 CV 与空间 CV 的 AUC 差异

总体精度（Overall Accuracy）
Kappa 系数（尤其关注类别间混淆）
空间自相关残差检验（Moran’s I）

# 空间分层抽样实现
import numpy as np
from arcgis.features import GeoAccessor

# 按土地利用类型分层抽样
gdf = pd.DataFrame.spatial.from_featureclass('landuse.shp')
strata = gdf.groupby('landcover').apply(lambda x: x.sample(frac=0.7))

train_data = strata.spatial.to_featureclass('train_samples.shp')