遥感图像分类实战：Python+scikit-learn光谱特征工程全解析

当无人机掠过田野或卫星扫描地表时，传感器捕获的每个像素都隐藏着地物的光学密码。这些密码以光谱曲线的形式存在——植被在近红外的突然"跳跃"，水体在红外波段的"沉默"，土壤平缓的"低语"。本文将揭示如何用Python将这些光学特征转化为机器可理解的数字语言，构建高精度分类模型。

1. 光谱特征：大自然的数字指纹

地物反射光谱就像它们的DNA，不同物质对电磁波的响应具有显著差异。理解这些特征是分类的基础：

• 植被的绿光戏法 ：叶绿素在550nm附近形成反射峰，两侧450nm（蓝）和670nm（红）则是强吸收谷。最显著的特征是700-1100nm近红外区域的反射率陡升，这是由叶片内部海绵组织多次反射造成的。

• 水体的红外沉默 ：清洁水体在可见光波段（尤其蓝绿光）有微弱反射，但超过700nm后反射率急剧下降，近红外波段几乎完全吸收。这一特性使水体在红外影像中呈现深色。

• 土壤的平稳叙事 ：干燥土壤的光谱曲线相对平缓，反射率随波长增加缓慢上升。有机质和水分含量会压低整体反射率，但不会改变其基本形态。

• 岩石的矿物密码 ：含铁镁矿物的岩石在可见光波段反射率普遍较低，而石英等浅色矿物主导的岩石则呈现高反射特征。某些矿物在特定波长（如2.2μm）会形成诊断性吸收谷。

import numpy as np
import matplotlib.pyplot as plt

# 模拟典型地物光谱曲线
wavelengths = np.linspace(400, 2500, 100)
vegetation = np.where(wavelengths < 500, 0.05,
                     np.where(wavelengths < 700, 0.1 + 0.4*(wavelengths-500)/200,
                             np.where(wavelengths < 1300, 0.5 + 0.4*(wavelengths-700)/600,
                                     0.2)))
water = 0.05 + 0.1*np.exp(-((wavelengths-500)/300)**2)
soil = 0.2 + 0.3*(wavelengths-400)/2100

plt.figure(figsize=(10,6))
plt.plot(wavelengths, vegetation, label='Vegetation')
plt.plot(wavelengths, water, label='Water')
plt.plot(wavelengths, soil, label='Soil')
plt.xlabel('Wavelength (nm)'); plt.ylabel('Reflectance')
plt.legend(); plt.grid()

提示：实际应用中应使用传感器特定波段中心波长，常见多光谱传感器如Landsat-8的波段范围为：

• 海岸气溶胶 (433-453nm)
• 蓝 (450-515nm)
• 绿 (525-600nm)
• 红 (630-680nm)
• 近红外 (845-885nm)
• SWIR1 (1560-1660nm)
• SWIR2 (2100-2300nm)

2. 特征工程：从曲线到数字特征

原始光谱数据需要转化为机器学习的特征向量。以下是关键特征构建方法：

2.1 波段比值与归一化差异指数

• NDVI（归一化植被指数） ： (NIR - Red)/(NIR + Red)
  植被检测黄金标准，有效增强植被与非植被对比

• NDWI（归一化水体指数） ： (Green - NIR)/(Green + NIR)
  突出水体信息，抑制植被和土壤信号

• 土壤调整植被指数（SAVI） ： 1.5*(NIR-Red)/(NIR+Red+0.5)
  针对低植被覆盖区域的改良指数

def calculate_indices(image):
    """计算常用光谱指数"""
    red = image[:,:,3]  # 假设第4波段为红
    nir = image[:,:,4]  # 第5波段为近红外
    green = image[:,:,1] # 第2波段为绿
    
    ndvi = (nir - red)/(nir + red + 1e-10)
    ndwi = (green - nir)/(green + nir + 1e-10)
    savi = 1.5*(nir - red)/(nir + red + 0.5)
    
    return np.dstack([ndvi, ndwi, savi])

2.2 光谱导数特征

一阶导数可突出反射率突变位置，对物质识别特别有效：

from scipy import signal

def spectral_derivative(spectrum, wavelengths):
    """计算光谱一阶导数"""
    return signal.savgol_filter(spectrum, window_length=11, 
                              polyorder=2, deriv=1)

2.3 特征重要性对比

特征类型	植被区分度	水体区分度	计算复杂度
原始波段值	中	中	低
波段比值	高	高	低
光谱导数	高	中	中
纹理特征	低	低	高

3. 分类器实战对比

3.1 数据准备与特征选择

典型遥感分类流程包括：

1. 加载多光谱影像和标注数据
2. 计算光谱指数和衍生特征
3. 划分训练/测试集（建议保持空间连续性）
4. 评估不同分类器性能

from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 假设X是特征矩阵，y是类别标签
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42)

# 初始化分类器
models = {
    "Random Forest": RandomForestClassifier(n_estimators=100),
    "SVM": SVC(kernel='rbf', C=10, gamma=0.1),
    "Gradient Boosting": GradientBoostingClassifier()
}

# 训练与评估
results = {}
for name, model in models.items():
    model.fit(X_train, y_train)
    pred = model.predict(X_test)
    results[name] = accuracy_score(y_test, pred)

3.2 分类器性能对比

不同分类器在光谱特征上的表现差异显著：

• 随机森林 ：对特征缩放不敏感，能自动评估特征重要性，适合多源特征融合
• SVM ：在高维特征空间表现优异，但对参数选择和核函数敏感
• 神经网络 ：能学习复杂非线性关系，但需要大量训练数据

注意：当处理高分辨率影像时，建议加入纹理特征（如GLCM）和空间上下文信息，可显著提升分类精度

4. 工程优化与部署技巧

4.1 处理类别不平衡

遥感数据常存在严重的类别不平衡（如城市区域中水体占比小）。应对策略包括：

• 分层采样 ：确保训练集包含所有类别代表
• 类别权重 ：在损失函数中给少数类更高权重
• 数据增强 ：对少数类样本进行旋转、镜像等空间变换

# 在随机森林中设置类别权重
class_weights = compute_class_weight('balanced', classes=np.unique(y), y=y)
weight_dict = {i:w for i,w in enumerate(class_weights)}

model = RandomForestClassifier(class_weight=weight_dict)

4.2 模型部署优化

生产环境部署需考虑：

• 内存效率 ：将大型影像分块处理
• 计算加速 ：使用GPU加速或并行计算
• 模型轻量化 ：通过特征选择减少输入维度

from joblib import parallel_backend

# 并行处理大型影像
with parallel_backend('threading', n_jobs=4):
    results = model.predict(big_image_blocks)

实际项目中，我们常遇到多云像素干扰分类结果。一个实用技巧是结合短波红外（SWIR）波段构建云检测指数，在预处理阶段过滤云覆盖区域。另一个常见问题是混合像元——特别是在中等分辨率影像中，单个像素可能包含多种地物。这时可以尝试亚像素分类或线性光谱解混技术。