ArcGIS Pro中随机森林分类的实战指南：从数据准备到模型优化

1次阅读

共计 2153 个字符，预计需要花费 6 分钟才能阅读完成。

在遥感影像分类任务中，GIS 开发者常面临几个典型问题：

样本标注成本高：手工绘制训练样本耗时耗力，且难以保证空间分布的均衡性
特征维度爆炸：多光谱波段、纹理特征、指数（如 NDVI）组合后易导致维度灾难
传统方法瓶颈：最大似然法对数据分布假设严格，SVM 在大规模数据上计算效率低下

随机森林相较于其他算法在 GIS 场景的优势：

计算效率：
并行化训练天然适合多核 CPU
比 SVM 快 3 - 5 倍（实测 10 万像素点数据集）
抗噪能力：
自动特征选择降低冗余波段影响
对异常值不敏感（对比决策树）
输出丰富性：
提供特征重要性排序
支持概率输出而非硬分类

import arcpy
from sklearn.ensemble import RandomForestClassifier

# 计算 NDVI 并标准化到 0 - 1 范围
ndvi = arcpy.sa.Float((arcpy.sa.Raster("B4") - arcpy.sa.Raster("B3")) / 
    (arcpy.sa.Raster("B4") + arcpy.sa.Raster("B3"))
) * 0.5 + 0.5  # 归一化处理

# 构建特征堆栈
feature_rasters = [
    "B2", "B3", "B4", "B8",  # 原始波段
    ndvi,  # 植被指数
    arcpy.sa.FocalStatistics("B2", "Rectangle 3 3 CELL", "MEAN")  # 纹理特征
]

# 将训练样本转为 numpy 数组
samples = arcpy.da.FeatureClassToNumPyArray(
    "training_points", 
    [r.name for r in feature_rasters] + ["class_value"]
)

# 拆分特征和标签
X = samples[[r.name for r in feature_rasters]]
y = samples["class_value"]

# 初始化模型（注意设置 random_state 保证可复现性）model = RandomForestClassifier(
    n_estimators=100,
    max_depth=12,
    class_weight="balanced",
    random_state=42
)

# 训练与评估
model.fit(X, y)
print(f"OOB Score: {model.oob_score_:.3f}")

from sklearn.model_selection import GridSearchCV

param_grid = {'n_estimators': [50, 100, 200],
    'max_depth': [8, 12, None],
    'min_samples_leaf': [1, 3, 5]
}

grid_search = GridSearchCV(estimator=RandomForestClassifier(oob_score=True),
    param_grid=param_grid,
    cv=3,
    scoring='accuracy'
)
grid_search.fit(X, y)

print(f"最佳参数: {grid_search.best_params_}")
print(f"验证集准确率: {grid_search.best_score_:.3f}")

混淆矩阵：通过 arcpy 生成空间化误差分布图
Kappa 系数：>0.75 说明模型一致性良好
OA（总体精度）：需结合各类别生产者精度综合判断

当遇到 ERROR 999998: 无效的拓扑 错误时：

使用 arcpy.Project_management() 统一所有输入数据坐标系
检查像元大小是否一致
确保分析范围（Extent）覆盖所有样本点

# 获取各类样本数量
class_counts = arcpy.da.FeatureClassToNumPyArray(
    "training_points", 
    ["class_value"], 
    sql_clause=("GROUP BY class_value", "")
)

# 动态计算 class_weight
class_weights = {row[0]: sum(class_counts["class_value"])/(len(class_counts)*row[1]) 
    for row in class_counts
}