面向对象的随机森林模型参数优化及其在农作物分类中的精度对比研究

李明新

doi:10.12184/wspcyycx2WSP2516-415507.20261006

PDF
Export
Share
Collection
Album

Volume 10, Issue 6

Views: 0 Downloads: 0

面向对象的随机森林模型参数优化及其在农作物分类中的精度对比研究
面向对象的随机森林模型参数优化及其在农作物分类中的精度对比研究
长春大学旅游学院，吉林长春 130607
Vol. 10, Issue 6, Pages: 29-33(2026)
Online First：29 July 2026，

Published：30 June 2026
DOI：10.12184/wspcyycx2WSP2516-415507.20261006
Accepted：

Scan QR Code

李明新.面向对象的随机森林模型参数优化及其在农作物分类中的精度对比研究[J].创意与创新,2026,10(06):29-33.

李明新. (2026). 面向对象的随机森林模型参数优化及其在农作物分类中的精度对比研究. Creativity and Innovation, 10(6), 29-33..
李明新.面向对象的随机森林模型参数优化及其在农作物分类中的精度对比研究[J].创意与创新,2026,10(06):29-33. DOI： 10.12184/wspcyycx2WSP2516-415507.20261006.

李明新. (2026). 面向对象的随机森林模型参数优化及其在农作物分类中的精度对比研究. Creativity and Innovation, 10(6), 29-33.. DOI： 10.12184/wspcyycx2WSP2516-415507.20261006.

摘要

作物种植结构精准获取对农业政策制定与粮食安全意义重大。本研究以吉林省吉林市船营区为研究区，基于Landsat 8影像分割后的对象，结合NDVI时序特征及多光谱波段（RGB+NIR），提取平均光谱和纹理特征构建分类数据集。采用支持向量机、决策树和随机森林三种算法构建面向对象分类模型，重点对随机森林进行参数调优。结果表明：最大深度设为6、叶子节点最小样本数设为12时，随机森林效果最优。经混淆矩阵验证，优化后的随机森林总体精度达96.25%，Kappa系数为0.95，显著优于SVM（95%，0.94）和CART（96%，0.95）。随机森林对玉米、水稻、山体和建筑的制图精度分别为0.97、0.98、0.99和0.91。研究表明，合理参数优化的随机森林模型能有效降低错分误差，在农作物精细识别中鲁棒性最强，适用于研究区玉米和水稻的遥感分类。