来源：期刊VIP网 时间：
作者：赵宗泽;周钰瑶;陈时雨;
单位：河南理工大学测绘与国土信息工程学院;信阳师范大学地理科学学院;
摘要：目的 城市等级分类与城市规划和城市可持续发展密切相关。为评估机器学习分类方法在城市等级分类方面的适用性，分析夜间灯光遥感数据中可用于城市等级分类的特征的鲁棒性。方法 利用2021年度NPP-VIIRS(national polar-orbiting partnership-visible infrared imaging radiometer)夜间灯光遥感影像提取中国297个城市的12个统计特征，基于机器学习方法对城市进行等级识别分类，并使用SHAP(shapley additive exPlanations)对模型解释归因、识别鲁棒性特征。结果 结果表明，每种机器学习方法的ROC(receiver operating characteristic)曲线下面积AUC(area under the curve)均在0.90以上，表现出良好的分类性能，其中随机森林的分类性能最好，准确率为0.75,F_1值为0.764 6；针对不同等级城市，机器学习方法的识别能力不同，三、四线城市的分类精度明显低于一、二、五线城市，使用XGBoost与随机森林集成的组合模型方法，总体准确率达到了0.783 3,F_1值为0.805 1；不同模型中每个特征的重要性不同，但鲁棒的夜间灯光特征仍然是一致的。结论 研究表明，基于夜间灯光遥感影像利用机器学习分类方法能够较好地识别城市等级，存在具有鲁棒性的夜光特征变量，降低了城市等级分类复杂度、提高了分类效率。
关键词：夜光遥感;;机器学习;;城市等级分类;;特征重要性;;精度评价
基金资助：国家自然科学基金资助项目(U22A20566,42071405)
