一種基于集成學習的城市新增建設用地快速提取方法

摘要：城市新增建設用地是熱島效應調控、大氣污染和揚塵管控、生態(tài)服務變化的重要指示信息。為準確提取新增建設用地,提出一種運用多時相Sentinel遙感數(shù)據(jù)和集成學習算法的城市新增建設用地快速提取方法。基于多時相Sentinel-1和Sentinel-2遙感影像提取光譜特征、紋理特征和后向散射特征,進行面向對象分割、全域均值濾波和歸一化后得到組合特征集,運用隨機森林、旋轉森林、支持向量機和極限學習機多分類器集成學習進行分類來提取新增建設用地。提取了南京市2017年4月至10月間的新增建設用地并統(tǒng)計了各行政區(qū)分布的面積,提取整體精度達0.95,Kappa系數(shù)達0.88。相比與基于像素方法,面向對象技術可有效降低“椒鹽現(xiàn)象”,提高斑塊完整性;與分類后提取方法比較,直接變化提取方法可減少誤差產(chǎn)生環(huán)節(jié)及誤差累積,從而降低系統(tǒng)誤差,提高提取精度。