基于ArcGIS和随机森林的土壤分类技术实战与优化

1次阅读

没有评论

共计 2409 个字符，预计需要花费 7 分钟才能阅读完成。

土壤分类是农业、生态等领域的基础工作。传统方法如 KNN 和 SVM 虽然简单易用，但在处理空间数据时存在明显不足：

KNN 算法 ：对噪声敏感，且无法有效捕捉空间自相关性。土壤属性在空间上往往呈现连续变化，KNN 的局部平均策略会导致边界模糊。
SVM 算法 ：核函数选择困难，当样本量较大时（如处理高分辨率遥感影像）计算复杂度呈指数增长。

与 XGBoost、CNN 等算法对比，随机森林在土壤分类任务中具有独特优势：

vs XGBoost：
随机森林默认采用 bagging 降低方差，而 XGBoost 通过 boosting 减少偏差。土壤数据常存在测量误差，bagging 更具鲁棒性
更少的超参数需要调优，默认参数往往就能取得不错效果
vs CNN：
不需要大量标注数据即可训练
可解释性强，通过特征重要性分析能了解主导因素
对硬件要求低，普通 PC 即可运行

使用 ArcPy 进行 NDVI 计算（假设已有红波段和近红外波段影像）：

import arcpy
from arcpy.sa import *

# 设置工作空间
arcpy.env.workspace = "./input_data"
arcpy.CheckOutExtension("Spatial")

# 计算 NDVI
red_band = Raster("B4.tif")  # 红波段
nir_band = Raster("B8.tif")  # 近红外波段
ndvi = (nir_band - red_band) / (nir_band + red_band)
ndvi.save("./output/ndvi.tif")

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
import pandas as pd
import numpy as np

# 读取特征数据和标签
data = pd.read_csv("soil_samples.csv")
X = data.drop('soil_type', axis=1)  # 特征列
y = data['soil_type']  # 标签列

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 初始化随机森林
# 关键参数说明：# n_estimators: 树的数量（建议 100-500）# max_depth: 控制过拟合
# class_weight: 处理样本不平衡
rf = RandomForestClassifier(
    n_estimators=200,
    max_depth=10,
    class_weight='balanced',
    n_jobs=-1  # 使用所有 CPU 核心
)

# 训练模型
rf.fit(X_train, y_train)

# 评估精度
print(f"训练集准确率: {rf.score(X_train, y_train):.2f}")
print(f"测试集准确率: {rf.score(X_test, y_test):.2f}")

import matplotlib.pyplot as plt

# 获取特征重要性
importances = rf.feature_importances_
features = X.columns

# 排序并可视化
indices = np.argsort(importances)[::-1]
plt.figure(figsize=(10,6))
plt.title("Feature Importance")
plt.bar(range(len(importances)), importances[indices])
plt.xticks(range(len(importances)), features[indices], rotation=90)
plt.tight_layout()
plt.savefig("./output/feature_importance.png")

当使用不同来源的数据时：

统一使用投影坐标系（如 UTM）而非地理坐标系
重采样时选择最邻近法（NEAREST）保持离散值特性
转换前后使用 ArcGIS 的『验证数据』工具检查几何一致性

除了设置 class_weight 参数，还可以：

使用 SMOTE 算法生成少数类样本
采用分层抽样确保每类都有代表
评估时关注 F1-score 而非单纯准确率

使用交叉验证评估泛化能力
限制 max_depth 等参数
增加 min_samples_leaf 参数值
监控训练集与测试集性能差距

# 使用 gdal 批量读取多波段影像
from osgeo import gdal

def extract_band_values(band_path, points):
    """提取采样点在各波段的 DN 值"""
    ds = gdal.Open(band_path)
    band = ds.GetRasterBand(1)
    return [band.ReadAsArray()[int(p[1]), int(p[0])] for p in points]