基于决策树的多源遥感数据分类.pdfVIP

第30卷 第2期 西 南 科 技 大 学 学 报 Vol.30No.2 2015年6月 JournalofSouthwestUniversityofScienceandTechnology June2015 基于决策树的多源遥感数据分类 曾特林 吴彩燕 曾晓丽 （西南科技大学环境与资源学院 四川绵阳 621010） 摘要：遥感影像是获取土地覆盖信息的重要手段。分析了影响决策树分类的特征因子，并根据这些因子构建分类决 策树。结合中分辨率多源遥感数据，对贡嘎山区进行土地覆盖分类，通过与最大似然法分析对比，基于决策树的多 源数据分类对试验区的分类精度（总体精度85.71%，Kappa系数0.83）远高于基于像素的最大似然法监督分类（总 体精度63.56%，Kappa系数0.58）。 关键词：决策树分类 多源数据 贡嘎山区 中分辨率 遥感分类 中图分类号：P237 文献标志码：A 文章编号：1671-8755（2015）02-0041-05 Multi-sourceRemoteSensingDataClassificationMethodBasedonDecisionTree ZENGTe-ling，WUCai-yan，ZENGXiao-li （SchoolofEnvironmentalEngineeringandResources，SouthwestUniversityofScienceandTechnology， Mianyang 621010，Sichuan，China） Abstract：Sinceitisanimportantapproachtogetlandcoverinformation，remotesensingprovidesservices toresourcesurveys，environmentalmonitoring，etc. ，thestudyofremotesensingimageclassificationis significant. Thispaperanalyzesthefactorsaffectingthecharacteristicsofdecisiontreeclassification，and thenthedecisiontreetoclassifytheimagewasbuiltbasedonthesefactors. Combinedwithmediumreso- lutionmulti-sourceremotesensingdata，takingGonggaMountainforinstance，thecomparisonstothe maximumlikelihoodmethodwereperformedforthevalidation. Theresultdemonstratesthattheclassifica- tionaccuracyofthetestarea（overallaccuracy85.71% ，Kappacoefficientof0.83）ismuchhigherthan thepixel-basedmaximumlikelihoodclassification （overallaccuracyof63.56% ，kappacoefficientof 0.58），showingtheadvantagesandprospectsoftheobject-basedmulti-sourcedatadecisiontreeclas- sification. Keywords：Multi-sourcedata；Decisiontree；GonggaMountain；ModerateResolution；Remotesensing classification 自20 世纪90 年代以来，国内外对土地覆盖的 决策树分类方法得到诸多应用。韩涛等利用单时相 遥感分类方法主要为基