機械学習の一つであるRandom Forest（RF）を用いて，地被スケールの河川景観（草地，樹林地，自然裸地，開放水面など）を判読するための処理手法を検討した．釜無川と九頭竜川の直轄管理区間を，2つの領域に分割して作成した学習・テストデータを組み合わせ，4つのケースを試行し，判読精度を検証した．その結果，多クラス分類の評価指標であるmacro-F1は最大73%，また，開放水面と自然裸地のF1 socreは最大90%，次いで草地，樹林地は70%ほどとなった．学習データによる判読精度の差異は小さく，この理由には，計測時期や時刻の影響を受けにくい数値表層モデル（DSM），植生高分布，反射強度が，RFにおける寄与率の高い特徴量であることが一因であると推察された．
