摘要：探讨了基于多端元混合像元分解（Multiple endmember spectral mixture analysis,MESMA）和随机森林（Random forest,RF）相结合的土地利用信息分类提取方法。以Landsat-8 OLI卫星遥感影像为主要数据,基于植被-不透水面-裸土（Vegetation-impervious surface-soil,VIS）模型,利用MESMA将影像分解为植被、不透水面和裸土3类组分,将生成的3类组分变量和基于光谱、纹理信息计算选取的20个特征变量组合后开展RF分类实验,将分类结果与相同特征变量下的支持向量机（Support vector machine,SVM）、最大似然（Maximum likelihood classification,MLC）分类结果进行比较分析。结果表明：MESMA可以获得较为精确的组分丰度信息;RF分类结果优于相同特征变量下的SVM和MLC分类结果;在MESMA生成的组分信息变量参与分类后,3种方法的分类精度均有所改善,分别达90.50%、88.85%、86.35%,其中RF的分类精度改善最为显著;MESMA与线性混合分解（Linear spectral mixture analysis,LSMA）生成的组分信息变量相比,前者对于改善分类精度效果更为明显。MESMA对于提高影像分类精度起到一定积极作用,基于MESMA和RF的方法对中等空间分辨率影像山丘区土地利用信息分类提取精度较高,利用该方法开展遥感影像解译可为大尺度的土地利用监测和管理工作提供技术支持和理论参考。

关键词：土地利用分类 中等空间分辨率 多端元混合像元分解 随机森林 山丘区 

单位：中国地质大学(北京)土地科学技术学院; 北京100083; 国土资源部土地整治中心; 北京100035