论文推荐 || 浙江省森林资源监测中心高级工程师张小伟团队开展基于多分类器集成的土地覆盖分类及预测研究

研究采用地理空间数据云（http：//www.gscloud.cn）提供的Landsat TM/OLI遥感影像，轨道号为120/038。选取了3个时期(2000、2010和2020年)的图像，分类所用的波段为7个多光谱波段但不包括热红外波段，空间分辨率为30 m。3期图像的云覆盖率分别为0%、0.09%、1.81%。图像采集时间为夏秋季，该时期植被茂盛，能够降低落叶植被对土地覆盖变化监测的影响，更有利于地类解译。此外，采用对应年份的Google Earth Pro的高分辨率历史影像，结合已有的先验知识进行目视解译，以此获取训练数据和验证数据集。分类前，利用软件ENVI 5.3对TM/OLI影像进行预处理，包括辐射定标、大气校正和图像裁剪等。

 利用ENVI 5.3对TM/OLI影像进行特征提取，包括归一化植被指数（NDVI）、归一化水体指数（NDWI），利用灰度共生矩阵GLCM提取纹理特征，以及根据原始影像中热红外波段导出的地表温度数据（重采样为30 m分辨率）。此外，结合30 m分辨率的数字高程模型（DEM）及其导出的坡度（slope）和坡向（aspect）信息，它们共同构成了该研究区土地覆盖分类的潜在特征变量集。

 根据全国遥感监测土地覆盖分类体系(一级分类体系)标准，结合江宁区土地覆盖特点及研究目的，将研究区土地覆盖类型划分为水体、建设用地、林地、草地、未利用地和耕地共6种。

 使用人工判读的方式，结合谷歌地球（Google Earth Pro）高分辨率影像，采用随机采样并尽量保证样本的空间分布均匀的方法对研究区内水体、建设用地、林地、草地、未利用地和耕地6种地类进行训练样本点选择，共选取1 727个样本。其中水体380个、建设用地474个、林地368个、草地79个、未利用地86个及耕地340个。另外，随机确定一套独立的验证样本集用于评价分类器的性能，随机验证点分布图见图2。

1.3.1 单分类器的选择

在集成分类中，每个单分类器都具有不同的重要性，其表现将直接影响到集成分类的最终分类结果。因此选择适当的单分类器是影响组合分类结果的关键。选择单分类器的标准并非一成不变，可以任意选取，也可以根据总体分类精度，在选用时应注意到每个单分类器的特性。考虑到单分类器应该具有多样性、独立性及鲁棒性等特点，本研究选取如下5种基分类器：支持向量机(SVM)、神经网络（NN）、最小距离法（MinDC）、最大似然法（MLC）和马氏距离法（MahDC）作为集成算法的单分类器。这些基分类器的执行均在软件ENVI5.3中实现。

 1.3.2 多分类器集成

多分类器集成是通过某种方式将多个个体学习器的分类结果集成得出最终的分类决策。每个单分类器都独立进行决策，从而实现并行集成。

 1)随机森林。随机森林（random forests，RF）基于决策树算法与集成学习，通过自主重采样方法，对训练样本进行多个样本集分类，以构建决策树模型。该方法能有效抑制过拟合，提高模型的泛化能力、预测精度与可解释性。

 随机森林集成分类的实现：基于R软件平台及Weka软件中的决策树模块实现随机森林集成学习算法。在该分类算法中，当N≥400时，各分类器误差趋于稳定，因此不对其进行剪枝。

 2）D-S证据理论。Dempster-Shafer（D-S）证据理论起源于20世纪60年代，由Dempster与Shafer创立，它可以有效解决各种不确定、不完全及推理问题。

 D-S证据理论概率的计算过程。①构建辨识框架，即确定焦元：水体、建设用地、林地、草地、未利用地和耕地。②计算证据源的信任支持度：由每个分类器的分类结果，计算每一类出现的概率，即计算每个单分类器的基本概率矢量。（3）证据源组合计算（计算像元概率矩阵特征值）：使用Python计算出每个分类器的特征值。④选择概率最大者为像元所属类别。

 算法实现。基于Python软件平台，通过gdal库读取和写入遥感影像数据，利用numpy数组进行计算，使用ds_fusion融合数组，将其转为tif格式，再分别计算像元的概率矩阵，运用ds_evident_theroy实现对像元归属类别的判断，最后将结果保存为tif格式。

 1.3.3 分类精度评价

影像分类的精度评价是将分类结果与标准参考图像或参考数据分类样本进行比较，并作出定量估计的过程。为保证准确性，常采用误差矩阵(混淆矩阵)来计算各种精度统计参数。笔者从混淆矩阵中选取总体分类精度和Kappa系数，对不同分类方法的分类结果进行评价。

 1.3.4 土地覆盖变化预测

1）CA-Markov模型。CA模型是一种基于离散空间和离散时间的模拟方法，用于描述和分析复杂系统的动态行为。Markov模型是一个经典的定量预测模型，是建立在“无后效性”基础上的一种特殊的随机过程，具有稳健性的特点。CA-Markov模型结合元胞自动机的局部更新规则和马尔可夫链的状态转移概率，兼具灵活性和可解释性。

 2）PLUS模型。PLUS模型主要由用地扩张分析策略模块（LEAS）和基于多类随机斑块种子的元胞自动机模型（CARS）两部分构成。与其他模型相比，该模型具有较好的解释性和较高的模拟精度。用地扩张分析策略模块（LEAS）可获取各用地类型的扩张部分和发展概率。多类随机斑块种子的元胞自动机模型(CARS)，考虑发展概率和各土地利用数量的限制，以时空动态模拟的方式自动生成斑块。

 3）ANN-CA模型。结合ANN的学习能力和CA的空间以及时间演化能力，为复杂的动态系统建模提供了一种灵活而有效的方法。具有适应性、预测能力和组合学习的优势。具体参数设置：选择建筑作为城市用地；训练数据70%，验证数据30%；迭代总次数为300次；隐藏层元胞数量为10；学习速率为0.05；阿尔法值默认为1，转换阈值为0.7。

1.3.5 预测结果的精度评价

将参考的实际土地覆盖分类数据与预测的土地覆盖分类数据进行逐像元的比较，统计后计算两个数据间的空间一致性。将数据导入Arcgis软件中，运用Spatial Analyst工具箱中的“等于”工具来计算结果的一致性：如果两个栅格数据类码相同，输出结果则为1，否则为0。再使用栅格计算器计算出所有1占总像元数的比率即为空间一致性。

各年份的各单分类器的分类结果如图3—图5所示，每年份的精度评价结果如表1所示。

从土地覆盖分类结果图来看，耕地在江宁区土地覆盖分类中占主体地位，是江宁区面积占比最大的地类。在2000—2020年，耕地面积呈现下降趋势，至2020年(图5)，耕地主要分布在汤山、淳化、湖熟及横溪等重点发展农业的街道。2000年(图3)，林地面积占江宁区土地覆盖面积的第2位，截至2020年其面积变化不大，主要集中在汤山、牛首山、方山等地，但由于建设用地扩张，林地面积占比下降到第3位。从图4可以看出，2010年江宁区建设用地面积相比2000年有所增长，由区中心向四周扩散，但因区内山脉阻隔，分布相对较为分散。至2020年(图5)，建设用地面积已经跃居江宁区土地覆盖类型的第2位，主要分布在东山、淳化、秣陵、江宁及禄口等街道。草地和未利用地是面积占比最小的2种土地覆盖类型。水体主要以长江过境水、秦淮河及其支流为主，面积变化不大。

 从土地覆盖分类精度表（表1）来看，在单分类器算法中，各个年份的精度各有不同，其中在2000年和2010年，SVM和NN的分类精度最高，总体精度达到了87%以上，Kappa系数也达到了0.77及以上；在2000年，MinDC的总体精度只有68.25%，Kappa系数也只有0.53；在2010年，总体分类精度最低的是MLC，只有71.25%，Kappa系数为0.60；而在2020年，MLC和NN两种分类算法对研究区的土地覆盖分类效果比其他几种算法更好。MLC的总体分类精度最高，为82.75%，Kappa系数为0.74；NN分类精度次之，总体精度和Kappa系数分别为80.50%和0.71。不同年份分类器的分类精度有所差别，可能是因为所使用的3个年份的Landsat图像在获取月份上存在差异，这可能带来一定程度的季相节律差异所引起的地物光谱偏移，从而使得同一分类器在不同图像上应用时产生性能差别。另外，在不同年份图像分类时，分类模型的参数设定并未完全统一，这也会导致不同的分类模型在不同图像间应用时产生性能差别。

所有集成分类结果如图6所示，对应的独立验证精度统计数字（表2）。

由表2可知，随机森林和证据理论都在不同程度上提高了分类的精度。其中，2000年，随机森林取得了最佳的分类精度，总体精度为91.25%，Kappa系数为0.85，比单分类算法中分类精度最高的SVM提高了2.50个百分点，Kappa系数提高了0.08；在2010年，证据理论的总体精度最高，为90.80%，Kappa系数为0.86，比单分类算法中分类精度最高的NN算法提高了2.05个百分点，Kappa系数提高了0.03；在2020年，随机森林算法的总体精度最高，为93.75%，比单分类算法中分类精度最高的MLC算法提高了11.00个百分点，Kappa系数提升至0.91，提高了0.17。

 从表2可以发现，不同年份的集成结果精度有所不同，可能是由于不同年份的土地覆盖数据集对不同的分类器具有不同的适应性，也有可能是因为不同的集成分类器的鲁棒性和适应性各不相同，导致不同年份集成结果的精度各不相同。比如，证据理论集成时证据冲突、证据权重计算等结果不同从而导致其精度发生变化。但是，多分类器集成能够表现出比单分类器更好的性能，多分类器集成将各单分类器的优缺点进行融合，取长补短，从而达到更高的分类精确率。

以研究区域的2000和2010年土地覆盖集成分类结果为基础，采用CA-Markov模型、PLUS模型和ANN-CA模型分别预测研究区2020年土地覆盖分类，将其与2020年真实分类图（最优集成分类结果）进行空间一致性分析，从而确定最优的土地覆盖变化预测模型。2020年真实的土地覆盖分类结果（图7a）及3种预测模型所生成的2020年土地覆盖分布模式见图7b—7d。

 2020年3种模型预测与真实分类空间一致性对比见图8。其中图8a可见，CA-Markov模型具有69.83%的空间一致性；图8c可见ANN-CA模型的空间一致性为69.37%；图8b可见，PLUS模型的空间一致性为98.54%，是3种模型中预测精度最高的。因此，后续采用此模型对研究区未来土地覆盖分类结果进行预测。

 3种模型预测的精度相差较大，PLUS模型的预测精度最高，原因可能是：①PLUS模型的统计方阵和参数估计能够更好地捕捉历史土地覆盖转移概率模式，从而实现更准确的预测；②PLUS模型的参数设置和调整可能更加准确和合理，能够更好地适应江宁区土地覆盖的特点，从而提高预测精度。

利用PLUS模型，预测江宁区2030年土地覆盖变化模式见图9，对应的统计结果见表3。

由图9和表3可以发现，在空间分布格局变化方面，随时间推移各土地覆盖类型并未有明显变化，其中建设用地稍有扩张，耕地面积稍有减少，从江宁区经济发展角度来看，减少的耕地量在可控范围内。林地、草地和未利用地变化相对较小，水体面积相对减小。

多分类器集成是提高遥感影像分类精度的方法之一。其原因主要在于多分类器集成策略综合子分类器优势，使其优势互补，从而增强了分类器对地物的识别能力。由于各个分类器使用的特征、原理和方法都不相同，使各分类器的识别效果略有不同，分类精度也各不相同。张晓羽等研究表明，结合光谱特征和DEM辅助特征构建的随机森林模型比最大似然法分类精度更高。张卫春等研究表明，基于随机森林的遥感数据和地形因子的组合方法可以有效地提高分类精度。有研究表明，在多特征组合遥感影像分类中，特征数量与分类精度不成正比，不同的特征组合产生的分类精度并不相同。本研究在植被指数和地形特征的基础上，加入纹理特征和地表温度两种特征，通过各单分类器的分类精度可以发现，不同分类器的分类精度各不相同，对于同一研究区域、相同分类器，不同的训练样本对分类结果也有着较大影响。研究普遍认为，选择的样本数量越多，训练区的土地覆盖类型就越有代表性。对于不同研究区域的不同地物，选择相同的分类器，分类结果也是不同的。而不同分类器结果的输出方式对集成结果也有着较大的影响，柏延臣等通过对测量级和抽象级的结合方式做对比，发现抽象级的结合方法精度更高，可能是由于在抽象级多分类器结合方法中，对于参与结合分类器的特性没有特殊要求，但必须选择奇数个分类器来参与分类器的结合。研究发现，在多分类器集成中，子分类器的选择对分类精度有很大的影响。郑文武等、张辉、Liu等从传统分类中选择分类性能较好的分类器作为单分类器，这些分类方法具有一定的独立性以及多样性，在遥感影像分类中具有各自的优势。考虑到单分类器本身的特性以及对组合分类精度的影响，选择传统监督分类中应用广泛且分类精度高的单分类器作为子分类器，从本研究中基于随机森林算法和证据理论实现的多组合分类精度可以看出，多分类器集成可以明显提高分类精度，证明了多组合分类器的可行性和有效性，达到了预期的效果。

 当有多个单分类器参与集成时，可能因为它们之间的结合能力不强，或是因为它们之间分类性能效果比较接近，也可能是因为来自不同层的信息在分类过程中被集成分类方法“稀释”，导致集成分类的效果不太明显。在本研究中，单分类器SVM和NN有着较高的分类精度，但是相对于其他分类器来说，SVM受训练样本的影响较大，对组合结果造成了一定的影响，而NN受训练样本的分布影响较小，稳定性更高，两者的差异性较小。由此，选择差异大且具有多样性的分类器，可以改善最终分类器的分类性能。

模型预测是理解土地利用变化机制，清晰描述土地利用变化过程，确定土地利用变化驱动因素和预测未来土地利用变化格局的重要工具。而且土地利用覆盖变化时空预测是一个非常复杂的过程，模型通常受到社会经济、人为因素和政府政策等多种因素的影响，其中还包含着定量以及非定量两个方面。在现实中，土地覆盖类型多种多样。由于数据量、数据的可获取性和工作量等因素的制约，无法将所有的土地覆盖类型包括在内，仅能对该研究区内的主要土地覆盖类型进行研究。在实际应用中，不同的土地覆盖类型有其独特的发展模式，一旦将土地覆被类型结合起来，其局限性就在于所选驱动因子的作用。同时，在模型预测过程中，主要针对大面积土地覆盖类型开展预测研究，在一定程度上会对模型的准确性产生一定的影响，还会影响固定步长预测的转换规则和模型参数的设定。

 本研究使用PLUS模型对江宁区土地覆盖分类进行预测，模型预测精度较高，与其他研究人员结果一致，如Liang等利用3种不同模型预测武汉市2013年土地利用格局，对比结果发现PLUS模型的预测精度排名第2，但其预测的土地利用模式与实际最为相似；谢向东等利用PLUS模型模拟重庆市南川区土地利用分布，预测结果较好。本研究所使用的数据是通过对遥感影像分类后集成得到的，集成结果与土地覆盖现状存在一些差别，因此，研究区未来2030年的预测结果与实际的土地覆盖空间格局存在一定的误差。

 本研究基于Landsat TM/OLI影像，采用MLC、MahDC、MinDC、SVM和NN共5种常用的监督分类器对南京市江宁区进行土地覆盖分类，对比单分类结果发现，采用随机森林算法和证据理论算法作为集成方法，能够有效提高土地覆盖分类的准确性，为精确评估土地覆盖状况提供了有力支持。

 分别运用CA-Markov模型、PLUS模型和ANN-CA模型对2020年的土地覆盖分类进行预测，结果表明PLUS模型预测的精度最高。进而利用PLUS模型对2030年土地覆盖分类进行预测，以期能够科学揭示江宁区土地覆盖变化趋势，并为未来土地利用规划和环境管理提供理论依据。模型预测有助于判断土地覆盖变化的潜在趋势，帮助政府和决策者制定可持续发展的土地利用策略和保护措施，对于推动可持续城市发展、合理规划土地利用、保护生态环境等具有一定的应用价值。

 现有评价体系有待完善。混淆矩阵虽可测分类精度，但较单一，后续可加入熵值、Q统计法、相关系数等指标，深化对分类器差异性的研究。本模型参数基于前人研究并经多次调试而得，具主观性易致误差，今后将深入探索模型因子选取与参数设置。