决策树environment收集资料.docxVIP

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-PLUSJ 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。 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； （4）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 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。 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。 X⑥ X ⑥ Select File to Associate with Variable (ndvi) ⑥ Edit Decision Properties ⑥ Select File to Associate with Variable (slope}Select Input File：File Information：boulder dem. datboulder tm. datFile： C： \Users\John\Desktop\12. ⑥ Select File to Associate with Variable (slope} Select Input File： File Information： boulder dem. dat boulder tm. dat File： C： \Users\John\Desktop\12.数据\boul4 Dims： 359 x 465 x 1 [BSQ] Size： [Integer] 333,870 bytes. File Type : ENVI Standard Sensor Type： Unknown Byte Order : Host Qntel) Projection : UTM, Zone 13 North Pixel : 30 Mete