在App Store中搜索随进森林工具，进行下载并重启envi软件

含有三个模块

 

 

• Train Random Forest Model

 

1. Input Raster：输入影像。选择图像时不能进行空间、光谱裁剪或掩膜（ENVI 5.5及以上版本已经禁止显示这些按钮）

2. Random Sampling：在样本像元数较多时，建议设置此参数为 Yes，可随机抽取部分样本用于训练从而缩短时间。

3. Input Training ROIs：输入训练样本，即ENVI感兴趣区域。对于ENVI 5.3版本，需预先在ENVI中打开ROI，再打开此工具。

4. Number of Trees：随机森林树的数量，值越大，构建耗时越长，反之用时越少。默认为100

5. Impurity Function：用于确定不纯度的不纯度函数。可选项为 Gini Index（基尼系数）、Entropy（熵）。默认为 Gini Index。

基尼不纯度主要用于分类问题，它的计算公式为：

Gini(p) = 1 - Σ (pi^2)

其中，pi 表示第 i 类样本的比例。

熵是信息论中的概念，用于衡量信息的不确定性。熵的计算公式为：

Entropy(p) = - Σ (pi * log2(pi))

同样，pi 表示第 i 类样本的比例。

不纯度函数的值越高，节点中的样本越不纯，表示样本的混合程度越高。在决策树的构建过程中，选择具有最小不纯度的分裂点可以使决策树更加准确和有区分性。

6. Minimum Number of Samples：一个节点必须要包含的训练样本，这个节点才允许被分枝，否则分枝不会产生

7. Minimum Impurity Threshold：限制信息增益的大小，信息增益小于设定数值的分枝不会产生

8.Output Model File：必选项。设置训练模型输出文件路径，文件后缀为rfc（会自行添加）。

9.Output Classification Raster：可选项。若设置分类图像输出路径，则在模型训练完毕后，自动将模型应用于输入图像，得到分类结果。

注意：

1.导入的待分类影像必须为envi的格式，不能为tif

2.导入的roi不能为shp文件，如训练数据为shp格式可使用Vector to ROI工具将shp文件转为待分类影像的roi

 

All records to a single ROIAll records to a single ROI  将所有矢量数据转化为一个roi

Each record to a separate ROI  将每一条记录转换为一个单独的 ROI

Unique records of an attribute to separate ROIs  将属性类型的矢量记录转换为单独的图层。例如，CLASS_ID 为 0 的向量在一个 ROI 中分组，CLASS_ID 为 1 的向量在另一个 ROI 中分组，依此类推。从出现的下拉列表中选择要使用的属性

Specific attribute query  将所选属性的某个类型的数据转换为单个 ROI。例如，带有 CLASS_NAME 的water类型被转换为 ROI。从出现的下拉列表中选择要使用的属性=water。

Record subset to a single ROI  可选择矢量记录的子集以输出到单个ROI

• Random Forest Classify Raster

可以将上述工具训练的模型用于其他图像。

• Random Forest Classify Raster Batch

批处理功能，可使用同一个模型对多个影像分类，但需确保每个影像的地物类型一致，避免不必要的误差。