基于决策树的遥感影像分类方法研究.pdfVIP

第 22 卷 　第 1 期 地域研究与开发 Vol . 22 　No . 1 2003 年 　2 月 AR EAL R ESEARCH AND D EV EL OPM EN T Feb . 2003 ·17 · 基于决策树的遥感影像分类方法研究 李 　爽1 ,2 , 张二勋1 ( 1. 河南大学环境与规划学院 ,河南 开封 47500 1 ; 2 . 聊城师范学院地理系 ,山东 聊城 252059) ( 摘要 : 基于决策树分类算法在遥感影像分类方面的深厚潜力 ,探讨了 3 种不同的决策树算法 UD T 、MD T 和 HD T) 。首先对决策树算法结构 、算法理论进行了阐述 :具体利用决策树算法进行遥感土地覆盖分类实验 ,并把获得 的结果与传统统计分类法进行比较 。研究表明 ,决策树分类法相对简单 、明确 ,分类结构直观 ,有诸多优势 。 关 　键 　词 : 决策树分类 ;遥感影像 ;最大似然分类法 中图分类号 : TP79 ; F208 　　　　　文献标识码 : A 　　　　　文章编号 : (2003) 0 100 1705 乃至全球尺度的土地覆盖图。近期在使用 AV HRR 数 1 　引言 据制作土地覆盖图的工作中应用了最大似然分类法 、 土地覆盖及其变化是全球环境变化过程中的重要 非监督聚类法 ,及应用 NDV I 数据中生物物理参数做 因子 ,也是联结大气圈和生物圈的地球系统过程的重 简单逻辑分类 ,其他新方法还包括人工神经网络方法 ( 及模糊逻辑分类方法等[4～9 ] 。从统计和理论基础看 , 要输入因子 包括地球生物化学循环 、植物生物量和消 耗量的空间分布) [ 1] 。现代土地覆盖制图是通过野外 在未知各类型分布概率的情况下 ,新方法较传统的最 实地调查和室内遥感信息判读分析来全面掌握土地资 大似然分类法以及其它聚类算法效果要理想 , 并且能 源自然属性 、利用属性及其利用程度空间区域特点的 够操纵各类别属性间的复杂关系 ,但其缺点则在于算 过程 。由于通过卫星获取的遥感数据具有多时相 、多 法基础的高度复杂性 ,要求研究人员必须具有深厚的 波段 、多源传感器 、多平台等特点 , 从而使其在大尺度 专业知识 ,才能对更多的人为干预给予合理解释 。文 土地覆盖制图方面表现出一系列优势 。应用遥感数据 章探讨 3 种决策树分类法 , 它们在许多方面优于人工 进行土地覆盖自动制图的传统方法是采用模式识别技 神经网络分类法 、模糊逻辑分类及混合聚类法 ,且更易 ( ) 术 包括监督分类和非监督分类 对数字影像进行分类 使用和理解 。 制图。近年来 ,专家系统和人工神经网络也被应用于 此 ,使该领域研究发展迅速 。决策树分类法已被成功