ArcGIS Pro 3.5 中随机森林算法的实战应用与性能优化

1次阅读

共计 2348 个字符，预计需要花费 6 分钟才能阅读完成。

传统遥感影像分类方法（如最大似然法、ISODATA 聚类）常面临三个核心问题：

精度天花板低：当遇到复杂地物边界（如城市林地混合区域）时，基于像素的统计方法难以突破 85% 的 OA（Overall Accuracy）
特征利用不足：多光谱波段间的关系挖掘依赖人工设计指数（如 NDVI），无法自动学习高阶特征组合
过拟合风险：特别是在小样本训练时，决策树等简单模型极易生成 ” 锯齿状 ” 分类边界

指标	随机森林	SVM	单决策树
训练速度(10 万样本)	2 分 18 秒	4 分 52 秒	38 秒
内存占用(1GB 影像)	峰值 6.2GB	峰值 8.7GB	1.9GB
抗过拟合能力	★★★★★	★★★★☆	★★☆☆☆
默认 OA(%)	92.4	89.1	86.7

测试环境：ArcGIS Pro 3.5 + 16GB 内存，LandSat 8 七波段合成影像

# 计算 NDVI 并添加到特征集
ndvi = RasterCalculator([b4, b5], ['b4','b5'], '(b5 - b4)/(b5 + b4 + 0.0001)')
CompositeBand([b2, b3, b4, ndvi], 'feature_stack.tif')

# 样本点生成技巧：使用分层随机采样
arcpy.ia.CreateAccuracyAssessmentPoints(
    in_class_data="ground_truth.shp",
    out_points="samples.shp",
    sampling_strategy="STRATIFIED_RANDOM",
    strata_field="class_type"
)

from arcpy.ia import TrainRandomForestClassifier

# 推荐参数组合（针对中等规模数据集）model = TrainRandomForestClassifier(
    in_features="samples.shp",
    label_field="class_code",
    explanatory_rasters="feature_stack.tif",
    n_estimators=100,      # 树的数量
    max_depth=10,          # 控制模型复杂度
    min_samples_leaf=5,    # 防止过拟合
    max_features='sqrt',   # 特征子集选择方式
    n_jobs=-1              # 使用所有 CPU 核心
)

# 保存模型供后续使用
model.save("rf_model.rf")

# 使用空间分块验证（避免空间自相关影响）validation = arcpy.ia.ValidateAccuracyAssessment(
    in_classification_model=model,
    in_accuracy_assessment_points="validation_samples.shp",
    assessment_type="SPATIAL_BLOCK"
)

# 输出混淆矩阵
print(validation.confusionMatrix)

分块处理 ：对大于 500MB 的影像启用arcpy.env.compression = "LZW" 压缩
特征降维 ：使用arcpy.ia.BandCollectionStats 剔除高相关波段（相关系数 >0.9）
样本精简 ：通过arcpy.ia.SubsetFeatures 保留各类别最具代表性样本

# 在 ArcGIS Pro 后台设置（需重启生效）arcpy.env.parallelProcessingFactor = "75%"  # 预留 25% 内存给系统

# Python 脚本中显式控制
with mp.Pool(processes=4) as pool:
    results = pool.map(process_chunk, split_tiles)

典型报错 1 ：”ERROR 999999: 内存不足 ”
– 解决方案：
1. 检查 arcpy.env.workspace 是否指向本地路径（网络路径会显著增加内存消耗）
2. 将 n_estimators 从 200+ 降至 50-100 范围

类别不平衡处理：

# 使用代价敏感学习
model = TrainRandomForestClassifier(
    class_weight="balanced",  # 自动按类别频率调整权重
    ... 其他参数...
)

import matplotlib.pyplot as plt

# 获取特征重要性
importance = model.featureImportances()

# 绘制水平条形图
plt.barh(feature_names, importance)
plt.title('Feature Importance')
plt.savefig('importance.png', dpi=300, bbox_inches='tight')