决策树分类方法在红树林自然保护区SPOT影像解译中的应用.docVIP

决策树分类在红树林自然保护区SPOT影像解译中的应用( 乐通潮 陈杰 罗彩莲 谭芳林 潘辉 （福建省林业科学研究院，福建，福州，350012） 摘要：利用决策树分类方法对漳江口国家级红树林自然保护区SPOT遥感影像进行解译， 解决了传统监督分类很难区分滩涂中的红树林与山上的果树的弊病，取得了良好的效果。 关键词：漳江口;红树林;决策树;SPOT影像 Application of Decision Tree in Classifying Mangrove Reserve SPOT Image Le Tong-chao Luo cai-lian Chen Jie (1Fujian Academy of Forestry, Fuzhou 350012, Fujian, China) Abstract: In this paper, It has got a good result to classify Zhangjiangkou National Mangrove Reserve SPOT image by means of decision tree and resolved the difficulty to divide Mangrove and fruit tree by traditional supervised method. Key Word: Zhangjiangkou; Mangrove; Decision Tree; SPOT Image 红树林是自然分布于热带和亚热带海岸潮间带的木本植物群落，通常生长在港湾河口地区的淤泥质滩涂上，是海上滩涂特有的森林类型[1,2,3]。红树林有着特殊的形态结构和生理机能，起到防风、防浪、促淤造陆、稳定海岸、保护海堤等的作用，有着重要的生态和经济价值。近几十年来，我国东南沿海的红树林遭受了严重的人为破坏，近70％的红树林已经消失，造成了一系列的生态问题，加强红树林资源的调查和管理工作已经非常迫切[4]。要对红树林生态系统进行深入的研究和系统的管理，必须准确摸清其分布、面积、植物组成和结构等情况。由于成片的红树林生长在潮间带，往往植株繁茂，行人难以通达．使得测绘工作一般仅仅是对可达的地带进行估测其长势和群落特性，其结果有一定的不确定性[5]。另外红树林地地势平坦，用传统的森林资源调查方法难以准确定位和勾绘。由于遥感技术具有覆盖面积大，数据更新周期短，空间分辨率高，手段多样等特点，已经成为国内外红树林生态研究的主要技术之一[6]。 红树林区域调查要求精度比较高，本文采用SPOT 5影像作为遥感信息源，选取福建省漳江口国家级红树林自然保护区作为应用研究区，通过野外实地调查，将红树林外貌特征与遥感光谱信息相结合，利用决策树分类方法对红树林信息进行了提取，探讨决策树分类方法在遥感影像红树林信息提取的应用潜力。 1 研究区概况与实验数据 漳江口红树林保护区位于福建省南部云霄县漳江口，距离云霄县城10 km，地处东经117o24′07-17o30′00，北纬23o53′45-23o56′00，海拔-6-8m，全区总面积2360hm2。属亚热带海洋性季风气候，气候温暖湿润，年平均降雨量为1714.5mm，年平均蒸发量为1718.4mm。 本文采用2003年1月4日获取的SPOT影像，景号292-302，Track号6 3608，预处理级别为1A，共4个波段，地面分辨率为10m。 2 研究方法 2.1 遥感数据预处理 利用1:10000地形图上的特征点以及GPS实测点定位点作为控制点，对原始影像进行几何精校正，以获取研究区精确地理位置信息。根据漳江口国家级自然保护区研究区矢量文件，裁剪生成研究区SPOT影像。 采用ArcGIS软件，矢量化生成岸线文件，利用ENVI软件生成水陆两分的掩模文件。然后生成归一化植被指数NDVI文件。 2.2 决策树分类概念 决策树（Decision Tree）又叫二叉树，类似于流程图的树形结。一个决策树由一个根节点（Root nodes），一系列内部节点（Internal nodes）和分支以及若干叶节点（Terminal nodes）组成，每个内部节点只有一个父节点和两个或多个子节点，节点和子节点之间形成分支。其中树的每个内部节点代表一个决策过程中所要测试的属性；每个分支代表测试的一个结果，不同属性值形成不同分支；而每个叶节点就代表一个类别，即图像的分类结果。树的最高层节点称为根节点，是整个决策树的起始[7-11]。图1就是一个简单的决策树。 图1 决策树分类 Fig. 1 Decision Tree 决策树方法主要是决策树学习和决策树分类两个过程。决策树学习过程是通过对训练样本进行归纳学习(Inductive learning)，生成以决