利用决策树对卫星遥感数据进行分类 - 图文-.docVIP

　万方数据 青海斟技2005年第5期 施行“拿来主义”,亦即不同数据集所对应的决策树可以在相同分类器中经裁剪和修改被重复利用。建树工作是一劳永逸的,这正是决策树分类法得到广泛应用的主要原因。 本文以西宁局部地区为例进行研究,目的是探讨基于决策树分类法将卫星遥感数据与数字高程模型数据进行耦合演绎,实现水体和植被专题特征的自动识别技术。 2研究区概况 研究区隶属1:lo万比例尺的J_47—132(西宁市幅,基本包括了西宁市大半部分。图区地处东经101045’、北纬36。36’附近,相对高差100~550m,坡度80~35。,城区中心海拔2220m左右。市区四面环山,北川河、南川河、沙塘川河在市区汇入湟水河,大南川水库位于图区左下角(图1。图区地形由湟水河谷地貌和黄土低山丘陵地貌组成,地表植被覆盖较少,河谷区有阔叶林分布,地面主要为第四纪黄土和第三纪红层(沉积岩所覆盖。 图1西宁局部地区地理图(源于西宁幅1:25刀空间数据库西宁深居内陆,属高原半干旱气候。独特的地理环境使这里具有日温差大、紫外线强、气候干燥、降水量小、蒸发量大、气压低、冰冻期长、无霜期短、冬季不严寒、夏季不炎热的气候特点。植物生长期为150一160d,云和雾霭较少,该区属遥感解译有利地区。 3数据预处理 决策树分类法可使用多种类型的数据源,主要包括多波段卫星影像数据、雷达数据、高程模型数据以及矢量图形数据。这些数据存在数学基础(如投影系、坐标系等、地面分辨率等方面的不一致性,必须采取相应的预处理措施。3.1数字高程模型DEM制作 地表形态是由地性线(谷脊线及特征点(山峰、鞍部等决定的,这些特征是地形的骨架要素。地表是一个不规则的连续曲面,各种地物、地类均以动态或静态的方式驻存其上。数字高程模型DEM的制作离不开软边界和硬边界要素,软边界包括工区范围、等高线、高程点,而硬边界包括河流、湖泊、泉与汇。制作步骤一般可分为,IIN三角剖分化和GRID 网格阵列化,为便于模型运算,平面坐标与高程的量纲应保持一致,其精度应以不小于卫星影像分辨率为原则。 参与建模的地理要素可在多种软件(如ArcGIS中实现DEM制作,其中等高线与高程点以散点方式建立不规则三角网TIN,TIN的第三维量来自于高程属性字段值,但须经样条函数进行平滑处理。双线河、水库、湖泊面状要素类应以“硬替换”的方式进入模型框架,以保证水面的倾角接近水平。 DEM数据存储格式应符合遥感软件的具体要求, DEM灰度图与普通单色图有很大差异,主要体现在DEM的DN值为海拔高程或地面高差,远远超出单字节0—255值域范围,因此,视不同的软件环境至少以四字节浮点型格式进行保存。图2所示即为西宁局部地区的DEM经光照晕渲后的效果图。此模型数据可充当虚拟现实景观的骨架要素,能通过网格代数语言进行空间分析和地形因子运算。 3.2遥感数据处理 考虑到经济因素,本研究区选用的是美国陆地卫星IJandsat5TM多波段数据,景号131/35,轨道高度705km,像素尺寸7168×5972,地面分辨率为28.5m,其中第六波段分辨率为120m,时相1987年3月26日上午9:45,此季节正是西宁地区农作物的种植期。 卫星地面站虽已对TM数据进行了预处理,在应用中仍须进行数据集整理与格式转换、辐射校正、几何纠正与地理编码、正射投影与镶嵌裁剪、彩色合成、滤波去噪与图像增强、波段运算、信息提取分类(解译、制作专题图件等多道工序。 在上述处理步骤中,几何纠正和地理编码较为耗时。通常需要在影像中选取一定量的地面控制点(GcP,按照多项式法进行纠正。控制点的个数埘与幂次n的关系满足:~一(n+1(n+2 埘=。———2———2—o 2 ,控制点位置一般选在河流交汇处、公路交叉点、地物拐角、山峰顶部 o§T 29　万方数据 2005年第5期青海斟技 图2西宁局部地域三维DEM渲染图 等处(3】,且尽量保持均匀分布。笔者曾对柴达木盆地卫 星影像作纠正处理,控制点的个数超过1000,结果令 人满意。控制点的理论值可在图上量取或采用GPS定 位,为便于计算,坐标系应以直角平面(如高斯一克 吕格投影为宜。 20世纪80年代的TM数据,在成像过程中由于传感 器机械或光学部件不稳定,导致部分景帧原始数据存 在严重的条带现象,这些噪声沿垂直于航线方向分布,具有一定的周期性,针对该类问题,用快速傅立叶变换可合理消除周期性噪声的影响,然后进行去相关彩色合成(见图3。为便于观察,可将配准后的影像与DEM进行叠加,在软件的虚拟现实场景中进行三维贯穿飞行模拟,增强信息可视度并提高综合分析能力(见图4。 图3西宁局部遥感影像(rI’M741合成 30o§T 图4遥感影像三维透视图 遥感数据经过预处理后,便可通过波段运算对多源数据集进行决策树分析。 4决策树生成 理论上