结合Sentinel影像与特征优选的山地城市不透水面提取

摘要

不透水面是影响山区生态环境的重要因素。多源遥感数据融合是不透水面提取的重要方法，但容易造成分类特征冗余，需要进行特征优选。现有研究尚缺乏对不同特征优选方法在不透水面遥感提取中的对比分析。首先使用Sentinel-1和Sentinel-2影像等数据提取特征，然后分别基于JM距离、随机森林（RF）模型和ReliefF算法进行特征优选，并基于RF分类模型评价不同特征子集的分类精度，最后提取山地城市昆明市2020年的不透水面。结果表明，纹理特征相比光谱和地形特征重要性更高，基于ReliefF算法的特征子集分类效率和精度最高，模型训练时间相比JM距离与RF分别减少了84s和16s，总体精度为0.95，Kappa系数达到0.79，为基于多源数据的地物遥感提取提供了参考。

0 引言

山区城镇化最显著的特征是大量不透水面取代了以植被为主的自然地表。不透水面是指道路、停车场等人工地表，不透水面能够阻止地表水下渗，从而破坏了地表能量平衡和生物多样性，容易导致洪涝灾害、热岛效应等问题［1-2］