论文部分内容阅读
随着对地观测数据获取能力的飞速发展,遥感应用已经进入大数据时代,土地利用分类是海量遥感数据的重要应用方向,有必要研发简单快速的分类流程。本文利用USGS云平台自身存储的遥感数据,选取最新的Landsat-8 OLI光学遥感影像,基于R语言和随机森林方法进行土地覆盖的监督分类研究。首先利用Google Map高分辨率遥感影像选取样本点,存储为KML格式,然后利用R语言的random forest包将影像分为森林、农田、城市、水体4类。分类混淆矩阵表明分类误差均小于0.2,其中森林分类精度最高,农田分类