唐淑兰等：结合多尺度分割和随机森林的变质矿物提取 175 0.80 ☒Ist merger□2 nd merger 100时不同特征个数的提取精度，相比于采用9个 0.75 4th merger 特征，采用3个特征的各矿物提取精度分别提高 0.70 5th merger 6th merger 了4.3543%、2.4350%、4.6721%、3.8256%、4.9135% 6 及1.6645%. 经综合判断，最终选择Sp、Va2、及Ar 0.55 3个特征量提取矿物 0.50 0.10 0.45 0.09 ▣Bi Chl ☑Mus 3 Gt 0.40 sAm日Act Bi Mus Am Chl t Act Minera 0.06 图6GS值变化趋势 Fig.6 Change trend of GS values 0.03 0.02 h 0.01 Sp Va2 Ar De Val Va3 Va4 Sh Features 图8特征重要程度排名 Fig.8 Ranking of feature importance (e) ( 表4不同特征数量矿物提取精度 Table 4 Extraction precision of minerals with different characteristic numbers Extraction precision/% Features Bi Mus Am Chl Gt Act 图7多尺度分割结果.(a)Bi:(b)Mus:(c)Am:(d)Ch:(e)Gt(f)Act 1 80.004175.121272.375566.005264.656460.0027 Fig.7 Multiscale segmentation results:(a)Bi;(b)Mus;(c)Am;(d)Chl; 82.342176.234275.113767.231165.003360.0456 (e)Gt;(f)Act 3 83.030276.780276.023267.612167.9111 60.0101 选择每一样本集的2/3样本数进行分类，13进行 83.001276.876775.354567.568965.588960.01 精度验证.因角闪石分布较为分散，覆盖面积大， 5 82.463276.206975.118266.7865 65.342160.0043 选择的样本最多：而石榴石和阳起石只有少量出 6 81.879576.195174.114766.001165.00159.9876 现，选择的样本较少 7 80.78976.002273.243365.504564.776859.3425 表3矿物样本数 79.657475.546772.138964.867564.334559.0001 Table 3 Mineral samples 9 78.675974.345271.351163.786562.997658.3456 Bi Mus Am Chl Gt Act 3.3.3决策树个数选择 1577 1348 1945 1403 912 832 为每个训练集构建验证树（从50到500，步长 3.3.2特征选择 为50).通过OOB进行精度验证，各矿物提取精度 通过OOB检测误差率，进行特征的重要程度 最高时，对应的树数都不同（图9）.黑云母、白云 归一化排名（图8）.由于比值运算增强了各矿物的 母、角闪石、绿泥石、石榴石、阳起石精度最高为 光谱特征，光谱特征的重要程度最高；变差函数统 0.8404、0.7914、0.7634、0.6836、0.6791、0.6165,精 计了地质体空间相关性，研究区在45°方向的区域 度最高时对应的数的棵树分别为350、300、50、 化变量的相关性最强；岩石由多个矿物组分，岩性 200、100、50.树数对矿物提取精度的影响在可控 分布多为条带状或块状分布，面积大小较大程度 范围之内，从50棵到500棵引起的精度变化最大 影响分类结果.随着特征维数的增加，计算效率降 的是石榴石，精度变化幅度为0.0471，最小的是阳 低.树数不同时，按照重要程度排名选择不同特征 起石，变化幅度为0.0177 个数进行分类，各结果表明随着特征个数增加提 3.3.4矿物提取结果 取精度先增大后变小，综合看3个特征量时矿物 变质矿物提取结果（图10）主要分布在晚太古 提取精度最高，如表4所示.表4显示了树数为 代变质地层中，与实际地质情况吻合，受多期次区选择每一样本集的 2/3 样本数进行分类，1/3 进行 精度验证. 因角闪石分布较为分散，覆盖面积大， 选择的样本最多；而石榴石和阳起石只有少量出 现，选择的样本较少. 表 3 矿物样本数 Table 3   Mineral samples Bi Mus Am Chl Gt Act 1577 1348 1945 1403 912 832 3.3.2    特征选择 通过 OOB 检测误差率，进行特征的重要程度 归一化排名（图 8）. 由于比值运算增强了各矿物的 光谱特征，光谱特征的重要程度最高；变差函数统 计了地质体空间相关性，研究区在 45°方向的区域 化变量的相关性最强；岩石由多个矿物组分，岩性 分布多为条带状或块状分布，面积大小较大程度 影响分类结果. 随着特征维数的增加，计算效率降 低. 树数不同时，按照重要程度排名选择不同特征 个数进行分类，各结果表明随着特征个数增加提 取精度先增大后变小，综合看 3 个特征量时矿物 提取精度最高，如表 4 所示. 表 4 显示了树数为 100 时不同特征个数的提取精度，相比于采用 9 个 特征，采用 3 个特征的各矿物提取精度分别提高 了 4.3543%、2.4350%、4.6721%、3.8256%、4.9135% 及 1.6645%. 经综合判断，最终选择 Sp、Va2、及 Ar 3 个特征量提取矿物. 0.10 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0 Extraction accuracy Sp Va2 Va1 Features Va3 Va4 Sh Tr Bi Mus Am Chl Gt Act Ar De 图 8    特征重要程度排名 Fig.8    Ranking of feature importance 表 4 不同特征数量矿物提取精度 Table  4    Extraction  precision  of  minerals  with  different  characteristic numbers Features Extraction precision/% Bi Mus Am Chl Gt Act 1 80.0041 75.1212 72.3755 66.0052 64.6564 60.0027 2 82.3421 76.2342 75.1137 67.2311 65.0033 60.0456 3 83.0302 76.7802 76.0232 67.6121 67.9111 60.0101 4 83.0012 76.8767 75.3545 67.5689 65.5889 60.01 5 82.4632 76.2069 75.1182 66.7865 65.3421 60.0043 6 81.8795 76.1951 74.1147 66.0011 65.001 59.9876 7 80.789 76.0022 73.2433 65.5045 64.7768 59.3425 8 79.6574 75.5467 72.1389 64.8675 64.3345 59.0001 9 78.6759 74.3452 71.3511 63.7865 62.9976 58.3456 3.3.3    决策树个数选择 为每个训练集构建验证树（从 50 到 500，步长 为 50）. 通过 OOB 进行精度验证，各矿物提取精度 最高时，对应的树数都不同（图 9）. 黑云母、白云 母、角闪石、绿泥石、石榴石、阳起石精度最高为 0.8404、0.7914、0.7634、0.6836、0.6791、0.6165，精 度最高时对应的数的棵树分别为 350、 300、 50、 200、100、50. 树数对矿物提取精度的影响在可控 范围之内，从 50 棵到 500 棵引起的精度变化最大 的是石榴石，精度变化幅度为 0.0471，最小的是阳 起石，变化幅度为 0.0177. 3.3.4    矿物提取结果 变质矿物提取结果（图 10）主要分布在晚太古 代变质地层中，与实际地质情况吻合. 受多期次区 0.80 0.75 0.70 0.65 0.60 GS value 0.55 0.50 0.45 0.40 Bi Mus Am Chl Mineral Gt Act 1st merger 2nd merger 3rd merger 4th merger 5th merger 6th merger 图 6    GS 值变化趋势 Fig.6    Change trend of GS values (a) (b) (c) (d) (e) (f) 图 7    多尺度分割结果. （a）Bi；（b）Mus；（c）Am；（d）Chl；（e）Gt；（f）Act Fig.7    Multiscale segmentation results: (a) Bi; (b) Mus; (c) Am; (d) Chl; (e) Gt; (f) Act 唐淑兰等： 结合多尺度分割和随机森林的变质矿物提取 · 175 ·