决策树enviro时nment.docVIP

PAGE \* MERGEFORMAT PAGE \* MERGEFORMAT 1 1. 概述 基于知识的决策树分类是基于遥感影像数据及其他空间数据，通过专家经验总结、简单数学统计和归纳方法等，获得分类规则并进行遥感分类。分类规则易于理解，分类过程也符合人的认知过程，最大的特点是利用多源数据。 专家知识决策树分类的步骤大体上可分为四步：知识（规则）定义、规则输入、决策树运行和分类后处理。难点是规则的获取，可以来自经验总结，如坡度小于20度是缓坡等；也可以通过统计的方法从样本中获取规则，如C4.5算法、CART算法、S-PLUS算法等。 本课程以Landsat TM5影像和这个地区对应的DEM数据为例，学习基于专家知识决策树分类。数据存放在“\12.基于专家知识决策树分类\数据”文件夹内，影像和DEM经过了精确配准。 数据 本课程以Landsat TM5影像和这个地区对应的DEM数据为例。 3. 详细操作步骤 3.1 规则获取 根据经验和专家知识获取如下规则： ? Class1（缓.植.）:NDVI0.3, slope20 ? Class2（朝.陡.植.）:NDVI0.3, slope=20, 90=aspect=270 ? Class3（朝.陡.植.）:NDVI0.3, slope=20, , aspect90 或aspect270 ? Class4（.体)：NDVI=0.3, 0b420 ? Class5（.地)：NDVI=0.3, b4=20 ? Class6（.数.区,背.）: NDVI=0.3, b4=0 注：其中，NDVI为归一化植被指数；slope为坡度；aspect为坡向；bN代表第N个波段。 3.2 制作决策树 （1） 首先打开待分类数据及其他多源数据。打开File Open，选择“\12.基于专家知识决策树分类\数据”文件夹内的boulder_tm.dat和boulder_dem.dat； 注：boulder_tm.dat为待分类图像，boulder_dem.dat为DEM数据。 （2） 打开新建决策树工具，路径为Toolbox/Classification/Decision Tree/New Decision Tree，如下图所示，默认显示一个节点和两个类别； （3） 首先按照NDVI来区分植被与非植被。单击节点Node 1，在弹出的对话框内输入节点名（Name）和条件表达式（Expression），如下图所示； 点击OK后，在弹出的Variable/File Pairings对话框内需要为{ndvi} 指定一个数据源，如下图所示。点击面板中显示{ndvi}的表格，然后选择boulder_tm.dat即可。 （6） 在进行条件表达式（Expression）编写时，需要符合IDL的语法规则，包括运算符和函数名。常用的运算符和函数如下表所示。 注：因为所选数据具有波长信息，ENVI自动根据波长识别红波段与近红外波段，如果没有波长，需要手动指定这两个波段。 （7） ENVI决策树分类器中的变量是指一个波段或作用于数据的一个特定函数。如果为波段，需要命名为bN，其中N为1~255的数字，代表数据的某一个波段；如果为函数，则变量名必须包含在大括号中，即{变量名}，如{ndvi}。如果变量被赋值为多波段文件，变量名必须包含一个写在方括号中的下标，表示波段数，比如{pc[1]}表示主成分分析的第一主成分。支持特定变量名，如下表所示，用户也可以通过IDL编写自定义函数。