基于决策树的遥感影像土地利用类型识别研究.pdfVIP

测绘第35卷第6期 2012年 l2月 269 基于决策树的遥感影像土地利用 类型识别研究 余婧峰 (西南交通大学地球科学与环境工程学院，四川 成都 610031) [摘要]为了准确获取新都区土地利用类型，以2007年四川省成都市新都地区的 TM遥感影像为数据源，基于 决策二叉树分类方法，在利用各类典型地物的反射光谱特性及典型归一化指数的基础上，结合 目视解译，建立 了一组能快速、准确提取土地利用信息的决策树分类规则，对研究区域遥感影像进行决策树分类。研究结果表 明，决策树分类总体精度和Kappa系数分别为81．00％和0．7314，取得了较为满意的分类结果。 [关键词]决策树；土地利用类型；遥感影像；归一化指数 [中图分类号]P237 [文献标识码]A [文章编号]1674—5019(2012)06—0269—04 DecisionTreeClassificationinIdentilyingLand—useTypes YUJing-feng 核心。而设置分支点阈值的关键之一，是对不同的 1 引言 土地覆盖类型进行典型地物特征值统计。研究表明， 随着空间科学技术的飞速发展，遥感技术 以实 使用归一化处理后的相关地类指数进行分类，能拉 时、宏观、经济等特点，逐渐成为了国土资源调查的 大各种地物的影像特征差异， 减少分支点表达式的 主要手段之一。在利用遥感手段获取土地利用信息的 复杂性，达到简化决策表达的目的 。 过程中，遥感影像分类是一项重要内容。传统的分类 2．1最佳波段组合 方法有基于概率统计的监督分类方法和非监督分类 在解译过程中，要尽可能地使进行彩色合成的 两种。这两种方法的分类结果容易受到遥感影像 “同 波段所含的地物信息量最大而波段相关性又最小。 物异谱”和 “同谱异物”现象的干扰，导致较多的错 为此，采用最佳指数因子分析方法，对多光谱影像 分、漏分情况发生，影响分类精度…。因此，单一的 的三波段组合方案进行评价，最后得出最佳波段组 传统分类方法已不能满足高精度分类的要求。 合。最佳指数因子的计算见公式 (1)： 近年来，决策二叉树分类法因其分类过程快速 直观，已在遥感影像分类领域得到了充分的应用 。 OIF=~Si／I i=1 ， 此分类方法利用多源遥感数据对影像进行逐级划 式中， 为f波段影像的亮度标准差，其值越大， 分，将影像的纹理信息、地形信息等辅助信息纳入 说明数据的离散度越大，所包含的信息量越大，可 分类体系，改进分支点的数量和阈值，提高分类的 分离性越高；足 为三波段 中任意两波段之 问的相关 精度，为土地利用研究提供更可靠依据。 系数，其值越小，表明图像数据的独立性越高，信 2 研究方法 息冗余度越小。总体而言，OIF越大说明组合影像 合理地定义决策分支点，是决策树分类方法的 的信息