基于分类回归树分析的遥感影像土地利用覆被分类研究.pdfVIP

基于分类回归树分析的遥感影像 土地利用／覆被分类研究 3 赵萍1，郑刘根1，冯学智2，B．Satyanarayana (1．中国科学技术大学地球与空间科学学院，合肥230026； 2．南京大学城市与资源学系，南京210093；3．Andhra大学生物系，印度维沙卡530003) 摘要：以专家知识和经验为摹础，综合影像光谱信息和其它辅助信息进行分类的基于知识的遥感影像 分类方法，足提高遥感影像分类精度，实现自动解译的有效途径之一。然而，知识的获取一直是其 得以广泛应用的“瓶颈”问题。本文以江苏省江宁试验区土地利用，覆被分类为例，利用分类回归树 分析(CART)从训练样本中发现分类规则，集成遥感影像的光谱特征、纹理特征和空间分布特征进 行分类实验，并与传统的监督分类和逻辑通道分类方法进行比较。结果表明，其分类精度比传统的 监督分类和逻辑通道法有了较大的提高。由此说明，利用分类回归树算法可以快速、有效地获取大 量合理的分类规则，是促进綦于知识的遥感影像分类方法在土地利用／覆被分类中广泛应用的一项有 效手段。 关键词：分类回归树分析：遥感影像；土地利用／覆被分类；分类规则 中图分类号TP751 文献标识码A 1引言 土地利用／覆被变化(LUCC)研究是全球变化研究的核心内容【l】，而土地利用／覆被数据的获取 是其主要的基础]：作。近年来，飞速发展的遥感技术已成为土地利用／覆被调查的一种有效的技术手 段。然而，遥感影像分类技术的提高却远远落后于遥感传感器技术的发展，不能满足实际应用的需 要。 遥感影像分类一赢是遥感技术领域研究的一项重要内容。随着计算机技术的发展，经历了人工 目视解译到计算机自动分类的过程。目前计算机自动分类的方法主要是基于概率统计的监督分类和 非监督分类方法。由于遥感影像本身的复杂性，“同物异谱，异物同谱”现象的存在，以及这种概率 统计方法对光谱特征正态分布的先验要求，这种纯粹地依赖于影像光谱特征的分类方法往往难以得 到较高的精度。因此，在当前业务化生产中仍采用目视解译的方法或将两者结合的“机助解译”方 法。在目视解译的过程中，解译专家可以综合利用影像的光谱特征、空间特征、纹理特征、几何信 息、地学知识以及有关的经验知识，因此可以获取较高的分类精度。近年来，模仿专家解译过程， 以专家知识和经验为基础，综合影像光谱信息和其它辅助信息进行分类的遥感影像解译方法得到了 广泛地研究。结果表明这种基于知识的分类方法可以得到更高的分类精度，是实现遥感影像自动解 译的有效途径之一【2’10I。然而，传统的利用人类专家的经验分析获取知识的方法通常是一个漫长而反 复的过程，这就在很大程度上阻碍了遥感影像分类的自动化、智能化和实用化。因此，寻找一种有 效的方法自动地获取分类知识，是当前基于知识的分类方法所需要解决的问题。为了解决知识的自 动获取问题，在人j1：智能、知识：[程和机器学习领域中，很多学者坚持不懈地展开了研究。20世纪 80年代，逐步发展起来的数据挖掘与知识发现技术(Dataand MiningKnowledge 为数据的理解提供了一种新的智能化手段。数据挖掘与知识发现，简单地说就是从大量数据中挖掘 ‘资助项目：中德合作“江宁士地利用与可持续发展研究”(SILUP)项目，中国科学技术大学“面向2l世纪教育振 兴行动计划”。 140 或抽取出隐含的、有价值的模式或规律等知识的复杂过程…】。对空间数据实施数据挖掘被称为空间 数据挖掘与知识发现SDMKD。它可以发现普遍的几何知识、空间分布规律、空间关联规则、空间 分类规则、空间特征规则、空间区分规则、空间演变规则等，这就为遥感影像解译知识的获取开辟 了一条新的途径‘12I。空间数据挖掘的方法很多，比较适合遥感影像分类的是决策树归纳法，已有一 些学者作了初步的探索lI厶川J。 决策树归纳法是数据挖掘中解决分类问题的主要方法之一，具有以下优点：对输入数据没有任 何统计分布的要求；既可以处理连续变量也可以处理离散变量；可以有效地处理高维数据；包容数 据的缺失和错误：方法实现简单，