[发明专利]一种基于随机森林和众源地理信息的土地利用变化驱动因子挖掘方法

权利要求书

1.一种基于随机森林和众源地理信息的土地利用变化驱动因子挖掘方法，其特征是：首先利用以POI点为主的众源地理数据构建影响土地利用变化的多元潜在驱动因子数据集，并进行数据空间化处理；然后，以多元潜在驱动因素为特征变量，土地利用专题图的用地类型作为预测变量，构建随机森林分类器模型，并进行模型训练；接着，利用训练好的模型，进行单一变量的K次随机置换，从而计算变量的重要性得分，根据得分进行驱动因子重要性排序；最后，利用递归特征消除原理，筛选影响土地利用变化的核心驱动力。

2.根据权利要求1所述的基于随机森林和众源地理信息的土地利用变化驱动因子挖掘方法，其特征在于，采用以下方法进行数据空间化处理：根据不同因子的数据类型特征，利用核密度估计、缓冲区创建、欧式距离计算、分区统计和坡度、坡向计算等多种方法，进行数据的空间化处理，生成分辨率一致、连续面状型的空间变量集。

3.根据权利要求1所述的基于随机森林和众源地理信息的土地利用变化驱动因子挖掘方法，其特征在于，采用以下方法消除空间变量集数据量纲的差异：利用Arcmap10.2软件中的Fuzzy工具将变量进行离差标准化处理，实现空间变量像元值的归一化，变量的数值范围映射到0至1之间。

4.根据权利要求1所述的基于随机森林和众源地理信息的土地利用变化驱动因子挖掘方法，其特征在于，采用以下方法构建随机森林分类器模型：以多元潜在驱动因素为特征变量，土地利用专题图的用地类型作为预测变量，构建二者之间的映射关系。

5.根据权利要求4所述的基于随机森林和众源地理信息的土地利用变化驱动因子挖掘方法，其特征在于，构建随机森林分类器模型采用以下方法进行随机森林模型训练样本的采集：

(1)将研究区两个不同年份的土地利用专题图导入ArcMap软件，数据空间分类率为30m，土地利用类型分为水域、林地和草地、耕地、未利用地、居住用地、工业用地、商业用地、公共管理用地和混合用地共九类，类别代码依次为1至9的数字；

(2)利用ArcMap软件中Raster calculator进行不同年份土地利用类型的变化检测，代数表达式为Con(landuse1.tif！＝landuse2.tif,1,0)，生成新的栅格数据集landuse_difference.tif，像元值为1代表土地利用类型发生变化的区域，像元值为0则代表未发生变化；

(3)针对土地利用发生变化的像元，根据像元的空间位置索引，采用随机遍历抽样法，对不同类型用地设置相应的遍历步长，进行全域搜索和采样，形成训练样本集D＝[(x₁，y₁)，，...，(x_n，y_n）]

6.根据权利要求4所述的基于随机森林和众源地理信息的土地利用变化驱动因子挖掘方法，其特征在于，构建随机森林分类器模型采用以下方法进行随机森林模型训练：将训练样本D输入随机森林模型进行模型训练，将最大特征数设置为潜在驱动因子个数N的平方根；通过决策树个数的迭代增长进行模型训练，模型训练效果的度量采用模型误差的平均间隔：

式中：MG_avg代表所有样本的平均间隔，n代表样本个数，mg(x_i，y_i)代表单一样本的间隔。如果mg(x_i，y_i)大于零，这时正确类别占据最多票数，在投票表决下最终分类结果正确；相反则最终分类结果错误。