关键词:
泥石流区提取
特征优选
J-M距离
Google Earth Engine
Sentinel-2数据
随机森林
特征变量重要性
摘要:
快速、准确、详尽调研泥石流孕灾区域的分布信息能够帮助了解、深刻认识泥石流分布范围、分布规律及成因,并进一步根据具体情况找到科学的监测、预测、预防和治理的技术手段,从而减少泥石流灾害带来的问题与损失。为寻求高效、高精度的泥石流空间分布提取方法,以云南省小江流域作为研究区,利用谷歌地球引擎(Google Earth Engine,GEE)平台和随机森林算法,有效地提取了泥石流迹地的空间分布。首先利用2022年Sentinel-2影像及地形数据构建4类特征变量(光谱特征、指数特征、地形特征、纹理特征)作为特征集合,接着将随机森林特征变量重要性评分和J-M距离结合进行特征优选研究与分析,探讨了各个特征变量对泥石流迹地提取的重要性;最后设置不同特征组合形成6种不同的提取方案,对比分析6种试验方案提取泥石流迹地的精度,确定最优方案以提高识别精度。研究表明:(1)无论是否进行特征优选,加入地形特征变量的泥石流迹地提取精度均优于仅使用光学影像数据的精度,可见地形数据有利于泥石流迹地信息提取;(2)不同类型的特征变量对分类精度的影响不同,特征重要性评分由高到低的特征类型为地形特征、指数特征、纹理特征、光谱特征;(3)基于Sentinel-2光学影像和地形数据的多源数据构建多维特征变量并进行特征优选的试验方案6,提取到的2022年云南省小江流域泥石流迹地空间分布图最优,总体精度为94.95%,Kappa系数为0.94,泥石流迹地的制图精度为91.01%,用户精度为95.29%,该方案不仅提高了分类精度还有效降低了数据冗余。利用Google Earth Engine平台,光学遥感影像和地形数据相结合的多源数据以及随机森林算法,能够快速、准确、高效地制作较大范围地物覆盖复杂地区的泥石流迹地空间分布图,具有较大的应用潜力。