地理信息系的统支持下的山区遥感影像决策树分类.pdfVIP

第 1期 ,总第 67期 国　土 　资 　源 　遥 　感 No. 1, 2006　 2006年 3月 15 日 R EM O TE SEN S IN G FO R LAN D R ESOU RC ES M ar. , 2006　 地理信息系统支持下的山区 遥感影像决策树分类 1 2 陈艳华 ,张万昌 ( 1. 南京大学国际地球系统科学研究所 ,南京 　2 10093; 2. 中国科学院大气物理所全球变化东亚区 域研究中心 ,北京 　100029) ( ) 摘要 : 山区遥感影像分类是遥感研究的一大难题 。本文利用一种决策树生成算法 C 4. 5 算法 自动提取知识 ,基 于知识建立决策树用于山区影像分类 ,并结合研究区土地利用类型与 D EM 空间统计关系的先验知识 ,在 GIS空间 分析的基础上进行影像分类的后处理 。与传统的最大似然法分类结果相比 ,该方法极大地改善了山区地表覆被分 类的精度 ,得到试验区较为可靠的遥感分类图像 。 关键词 : 遥感影像 ; 分类 ; 知识 ; 决策树 ; 地理信息系统 中图分类号 : TP 79: P 208　文献标识码 : A 　　　文章编号 : 1001 - 070X (2006) 01 - 0069 - 06 问题时 ,特别是在山区影像分类时 ,还存在着一定的 0　引言 缺憾 。 鉴于此 ,作者研究了一种比较通用的山区影像 提高遥感数据的专题信息计算机提取精度 ,是 分类方法 。该方法首先利用 D EM 对试验区的影像 遥感研究的主要方向之一 。近 20 a 里 ,前人提出了 进行地形影响校正 ,减少阴阳坡植被光谱差异 ; 然 大量的基于影像的分类算法与理论 [ 1 ] ,但大多利用 后利用 C4. 5算法自动提取知识 ,结合土地利用图参 目标地物的光谱反射特性开发各种算法加以分类 , 与训练区样本的选择与影像的分类和后处理 ,提高 而由多种因素造成的 “同物异谱 ,异物同谱 ”问题 ,制 了分类精度 。本文以汉江流域上游山区为实验区 , 约了基于光谱特征的统计模式分类方法精度的提 系统介绍了分类方法 ,并讨论了该方法的分类精度 。 高 。为此 ,多年来 ,结合像元级的空间光谱特征辅以 遥感信息以外的待分类区各种特征信息开发的分类 1　试验区概况与数据源 算法逐渐成为一种趋势 ,并取得了进展 [ 2 ～5 ] 。辅助 数据引入遥感图像分类这一领域出现了很多新的智 1. 1　试验区概况 能化分类方法 ,如专家系统 [ 6 ] ( Exp ert System ) 、神经 试验区位于陕西省石泉县境 内,汉江流域上游 网络 [ 7 ] 、数据挖掘等 。神经网络方法仍然处于发展 边界地段 ,北纬 32 °25 ′～33 °52 ′,东经 107 °16 ′～108 ° 阶段 , 不容易实现 ,而且分类结果存在着不可预测 20 ′。区内植被类型以草地 、亚高山针叶林和阔叶林 性 [ 8, 9 ] ; 基于知识的专家系统分类是一种人工智能 为主 。由于受气候 、水分和地形条件影响 ,其植被垂 分类方法 ,它运用知识