基于 CatBoost 算法的面向对象土地利用分类

吉林大学学报(信息科学版) ›› 2020, Vol. 38 ›› Issue (2): 185-191.

基于 CatBoost 算法的面向对象土地利用分类

姜琦刚¹ ，杨秀艳¹，杨长保 ¹ ，赵振贺 ²

1．吉林大学地球探测科学与技术学院，长春 130026; 2．北方自动控制技术研究所，太原 030006

收稿日期:2019-05-05 出版日期:2020-03-24 发布日期:2020-05-20
作者简介:姜琦刚(1964— )，男，江苏江阴人，吉林大学教授，博士生导师，主要从事 GIS 与遥感地学环境研究，(Tel)86-17696103986(E-mail)jiangqigang@ jlu． edu． cn。
基金资助:
辽吉黑区自然资源更新调查基金资助项目(3S2170124423)

Object-Oriented Land Use Classification Based on CatBoost Algorithm

JIANG Qigang ¹ ，YANG Xiuyan¹ ，YANG Changbao ¹，ZHAO Zhenhe ²

1． College of Geo-Exploration Science and Technology，Jilin University，Changchun 130026，China;
2． North Automatic Control Technology Institute，Taiyuan 030006，China

Received:2019-05-05 Online:2020-03-24 Published:2020-05-20

摘要/Abstract

摘要： 为实现较高层次的遥感影像分类及有效去除高维特征的信息冗余，以 Sentinel-2 遥感影像为数据源，应
用 CatBoost 算法对龙江县进行了面向对象的土地利用分类。利用 CatBoost 算法对全部特征集进行降维，分别使
用 CatBoost、ＲF(Ｒandom Forest)和 AdaBoost 算法进行土地利用分类并对分类结果进行对比。研究结果表明，
CatBoost、ＲF 和 AdaBoost 算法的 Kappa 系数均在 0． 77 以上，且 CatBoost 算法的 Kappa 系数高达 0． 911 4。因此
CatBoost分类法是土地利用分类的有效方法，为土地类型的划分提供了快捷可行的方法。

关键词: , Sentinel-2 影像, CatBoost 算法, 土地利用分类, 面向对象

Abstract: Ｒecently，land use classification based on machine learning algorithm and remote sensing data has
been a hot topic for scholars at home and abroad． In this study，Sentinel-2 remote sensing image is used as the
data source to classify land use of Longjiang County． In order to achieve high level remote sensing image
classification and effectively remove the information redundancy of high dimensional features，the CatBoost
algorithm is used to reduce the dimension of all feature sets． The feature set is used to train ＲF algorithm and
AdaBoost algorithm． The results show that the Kappa coefficient of CatBoost，ＲF and AdaBoost algorithm are all
above 0． 77，and the Kappa coefficient of CatBoost algorithm is up to 0． 911 4; CatBoost classification is an
effective method of land use classification，which provides a fast and feasible method for the classification of land
types．

Key words: Sentinel-2 image, CatBoost algorithm, land use classification, object-oriented

中图分类号:

姜琦刚 , 杨秀艳 , 杨长保 , 赵振贺 . 基于 CatBoost 算法的面向对象土地利用分类[J]. 吉林大学学报(信息科学版), 2020, 38(2): 185-191.

JIANG Qigang , YANG Xiuyan , YANG Changbao , ZHAO Zhenhe . Object-Oriented Land Use Classification Based on CatBoost Algorithm[J]. Journal of Jilin University (Information Science Edition), 2020, 38(2): 185-191.

[1]	赵明 , 刘志鹏 , 赵岭 . 基于偏移量周期填充的 QC-LDPC 码构造方法[J]. 吉林大学学报(信息科学版), 2020, 38(2): 126-134.
[2]	周平, 韩宇泽, 储强. 综合管廊电力仓动态运维的解空间分割算法#br#[J]. 吉林大学学报(信息科学版), 2020, 38(2): 179-184.
[3]	孙艺 , 宋振铭 , 赵佳琪 . 粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版), 2020, 38(2): 192-198.
[4]	王连冰 , 薛静远 , 韩丽曼 , 李寿涛 . 无线三轴振动测试系统的设计[J]. 吉林大学学报(信息科学版), 2020, 38(2): 206-212.
[5]	朱艳茹，范亚芹，赵洋. 基于知识图谱的自适应学习系统知识模型构建[J]. 吉林大学学报(信息科学版), 2018, 36(3): 345-350.
[6]	贺金鑫, 孙焕朝, 李文庆, 郑博夫, 姜天. 基于热红外遥感数据辽东地热区地表温度反演[J]. 吉林大学学报(信息科学版), 2018, 36(1): 62-68.
[7]	卢昊, 张佳岩, 马永奎. 非顺序的 TPC 软判决迭代译码算法[J]. 吉林大学学报(信息科学版), 2018, 36(1): 20-25.
[8]	王家宁, 衣文索, 牛卫丛, 张叶浩. 利用回波模拟对激光测距精度检验系统的设计[J]. 吉林大学学报(信息科学版), 2018, 36(1): 9-13.
[9]	刘兴业, 韩太林, 张永立, 郎百和, 王啸. 基于改进 FastICA 的冲击波工频干扰消除算法[J]. 吉林大学学报(信息科学版), 2018, 36(1): 48-54.
[10]	郭曼. 基于大数据的高校项目管理模式研究[J]. 吉林大学学报(信息科学版), 2017, 35(6): 662-669.
[11]	杨永胜,郭树旭,周荣轩,王治刚,高科 . 微钻试验台智能测控仪的设计与应用[J]. 吉林大学学报(信息科学版), 2017, 35(6): 585-589.
[12]	商微微,任桐慧 . 直喷汽油机喷雾图像特征提取方法[J]. 吉林大学学报(信息科学版), 2017, 35(6): 617-622.
[13]	王昕, 李亮, 尹小童, 李梦烁, 曾朝伟, 艾勇鑫. 甲状腺结节超声图像多特征融合及识别[J]. 吉林大学学报(信息科学版), 2017, 35(6): 650-655.
[14]	王浩畅,李钰,李斌,吴旻. 基于集成特征选择策略的基因共表达模式识别[J]. 吉林大学学报(信息科学版), 2017, 35(5): 525-532.
[15]	张雨烟, 陈万忠, 张涛, 李明阳. 基于非负矩阵分解的癫痫脑电自动检测[J]. 吉林大学学报(信息科学版), 2017, 35(5): 551-559.