[发明专利]结合随机森林算法的高植被台风暴雨型滑坡识别方法

说明书

本发明提出一种结合随机森林算法的高植被台风暴雨型滑坡识别方法，通过获取研究区多时相高精度光学遥感数据、坡度图、地形起伏度图及NDVI数据；以光学遥感数据、坡度、地形起伏度和归一化植被指数构建分类特征集，选取合适的训练样本和测试样本；依托ENVI中的随机森林算法构建工具构建随机森林模型，设置相关参数进行模型训练与地物识别；获得研究区光学遥感影像、坡度、地形起伏度和归一化植被指数识别分类后栅格图像，以光学遥感图像识别出的滑坡矢量数据为底图，再分别以坡度图、地形起伏度图和归一化植被指数数据图提取出的滑坡矢量数据为掩膜执行裁剪操作，得到多源数据识别的高精度滑坡点位图。提升了滑坡遥感识别的精度，实现更高效地提取滑坡信息。

技术领域

本发明属于遥感技术、机器学习和灾害防治工程等技术领域，尤其涉及一种结合随机森林算法的高植被台风暴雨型滑坡识别方法。

背景技术

高植被覆盖区在台风暴雨条件下同样易产生滑坡、泥石流等地质灾害，比如闽台两地滑坡灾害的地质载体多属于植被发育斜坡。距不完全统计，闽台两地超过80％以上的滑坡灾害发生在每年5-9月份的雨季，而台风诱发的暴雨型滑坡则占总滑坡灾害的90％以上，并表现为群发性、规模小、即雨即滑且爆发性强的特点。台风暴雨过后，滑坡多呈星点状点缀于高植被覆盖斜坡上。

台风暴雨型滑坡的频繁发生及其造成的危害早已引起世界政府部门、国际组织及工程界的高度重视，并相继开展了台风暴雨型滑坡的调查评价、监测预警与示范点建设以及防治应急等工作。但高植被覆盖区台风暴雨型滑坡是地质-植被-气象多要素共同作用的结果，其孕灾环境与成灾机制复杂，在监测预警、应急响应方面仍缺乏实用、先进的技术支撑。与此同时，在全球气候变暖的大背景下，台风频次和强度有增加增强趋势，可以预见，未来台风暴雨诱发的高植被覆盖区的滑坡灾害无论在数量和规模上都有扩大化的态势。如何合理高效的应对地质-植被-气象强耦合所触发的滑坡灾害已成为地灾防治科技人员面临的重大难题。

而治理与研究高植被覆盖区台风暴雨型滑坡的首要条件正是及时的发现滑坡，而目前遥感识别滑坡技术大部分仍依靠人机交互识别，即研究人员使用目视解译的方法进行灾害信息的提取工作，该方法需要研究人员拥有丰富的经验知识储备，依靠工作人员的专业知识对滑坡区域的地物信息，如形状、纹理、阴影、位置等进行系统的分析研究，结合周围地形以及灾害区域地质类型最终确定滑坡受灾区域。且存在面对大尺度区域时识别效率低，历时长，针对性不强，容易缺漏等诸多缺点。

在高植被覆盖区，受一些因素的影响，滑坡与非滑坡的可分性较低，且目前遥感识别滑坡技术大部分仍依靠人机交互识别，即研究人员使用目视解译的方法进行灾害信息的提取工作，该方法需要研究人员拥有丰富的经验知识储备，依靠工作人员的专业知识对滑坡区域的地物信息，如形状、纹理、阴影、位置等进行系统的分析研究，结合周围地形以及灾害区域地质类型最终确定滑坡受灾区域。且存在面对大尺度区域时识别效率低，历时长，针对性不强，容易缺漏等诸多缺点。所以需要一种面对高植被覆盖区台风暴雨型滑坡的遥感高效识别方法。

作为新兴起的、高度灵活的一种机器学习算法，随机森林(Random Forest，RF)拥有广泛的应用前景。随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，而它的本质属于机器学习的一大分支—集成学习(Ensemble Learning)方法。从直观角度来解释，每棵决策树都是一个分类器，那么对于一个输入样本，N棵树会有N个分类结果。而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出。

随机森林是一种很灵活实用的方法，具有如下几个特点：(1)在当前所有算法中，具有极好的准确率；(2)能够有效地运行在大数据集上；(3)能够处理具有高维特征的输入样本，而且不需要降维；(4)能够评估各个特征在分类问题上的重要性；(5)在生成过程中，能够获取到内部生成误差的一种无偏估计；(6)对于缺省值问题也能够获得很好得结果；实际上，随机森林的特点不只有这六点，它就相当于机器学习领域的Leatherman(多面手)，可兼容多源数据的使用和调整。在估计推断映射方面具有极高的精度，以致不需要像SVM那样做很多参数的调试。