python遥感影像分类_python实现随机森林遥感图像分类

好的，关于遥感影像分类，我可以为你提供一些实现随机森林遥感图像分类的Python代码。下面是一个简单的例子，希望能够帮到你。

from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
from osgeo import gdal
import numpy as np

# 读取遥感影像数据
ds = gdal.Open('image.tif')
cols = ds.RasterXSize
rows = ds.RasterYSize
bands = ds.RasterCount

# 读取每个像素的值
data = []
for band in range(1, bands+1):
    band_data = ds.GetRasterBand(band).ReadAsArray(0, 0, cols, rows).astype(float)
    data.append(band_data.flatten())
data = np.array(data).transpose()

# 读取分类标签
label_ds = gdal.Open('label.tif')
label_data = label_ds.GetRasterBand(1).ReadAsArray(0, 0, cols, rows).flatten()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data, label_data, test_size=0.3, random_state=42)

# 训练随机森林模型
clf = RandomForestClassifier(n_estimators=100, max_depth=10, random_state=42)
clf.fit(X_train, y_train)

# 预测分类结果
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

这段代码中，我们使用了`sklearn`库中的`RandomForestClassifier`来实现随机森林分类器，使用`gdal`库读取遥感影像数据和分类标签。代码中的`n_estimators`和`max_depth`参数可以根据具体的数据集进行调整，以获得更好的分类效果。