决策树分类法

主要步骤
➢规则定义 ➢规则输入 ➢决策树运行 ➢分类后处理
一、规则定义
• Class1（朝北缓坡植被）:NDVI>0.3, slope<20, aspect<90 and aspect>270
• Class2（非朝北缓坡植被）：NDVI>0.3, slope<20, 90<=aspect<=270
• Class3（陡坡植被）：NDVI>0.3, slope>=20 • Class4（水体）：NDVI<=0.3, 0<b4<20 • Class5（裸地）：NDVI<=0.3, b4>=20 • Class6（无数据区）: NDVI<=0.3, b4=0
二、输入决策树规则
ENV中：classification->Decision Tree ->Build New Decision Tree
选择Options>Execute，执行决策 树，跳出对话框，选 择输出结果的投影参 数、重采样方法输出 路径，点击OK之后， 得到结果。
四、分类后处理
回到决策树窗口，在工作空白处点击右键， 选择Zoom In，可以看到每一个节点或者类别 有相应的统计结果。如果结果不理想可以修 改决策树，左键单击节点或者末端类别图标， 选择Execute，重新运行你修改部分的决策树， 得到效果较好的处理结果。
表达式作用和ENVI中部分函数的表达式
变量 slope a 被指数
表
部分可用函数
达
式
关 小于LT、小于等于LE 系 、等于EQ、不等于NE / 、大于等于GE、大于 逻 GTand、or、not、 辑 XOR最大值（>）、最
小值 (<)
三、执行决策树
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的数学统计和归纳方法等获得分类规则并进行遥感分类
决策树分类
决策树分类法
• 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 的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 的多源数据。