基于决策树的分类方法在土地利用分类中的应用
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｄ ＯＩ ：１ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ １ — ８ ９ ７ ２ ． ２ ０ １ ３ ． ０ ３ ． ０ １ ０
基金项 目：科技部对欧合作专项一Ｉ ｎ ｔ ｅ ｇ ｒ ａ ｔ ｅ ｄ ｇ ｅ ｏ － ｓ ｐ ａ ｔ ｉ ａ ｌ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ａ ｎ ｄ ｉ ｔ ｓ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｔ ｏ ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ａ ｎ ｄ ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍ ｅ ｎ ｔ ａ ｌ ｍ ａ ｎ ａ ｇ ｅ ｍ ｅ ｎ ｔ ｔ ｏ ｗａ ｒ ｄ ｓ ｔ ｈ ｅ Ｇ Ｅ Ｏ Ｓ Ｓ（ 面向Ｇ Ｅ Ｏ Ｓ Ｓ 的应 用于资源环境管理的地理空间信息技术综合 （ ２ ４ ７ ６ ０ ８ 资助 ）
基于决策树的分类方法在土地利用分类中的应用
王 光 远 福 建 师 范 大 学地 理 科 学 学 院 ３ ５ ０ １ ０ ８
摘 要 决策树 分 类方 法是一 种基 于 空间 数据 挖 掘来 获得 分类规 则 的方 法 ．能够 融八影像 以外 的 各种知 识 ，有 效地将各 种 用 于植 被 、 水体和 土地 的 分类知识 以 及 空间纹理 信 息结合 起 来 … 本 文尝 试 基于 决 策树 分 类方 法之 上 ，结 合 光 谱特征 提取 值和 纹理 信 息特征 提取 值 对 Ｌ ａ ｎ ｄ ｓ ａ ｔ ５ Ｔ Ｍ 影像 进行 分 类 ，寻 找提 高 土地 分 类的精 度和 准确 性 的方 法 。 关 键词 决 策树 ；光谱信 息物 一 卫星 三 者 相对 位 置 （ 遥感 几 何 ）的影响 ，增 强 了对植 被的 响应 能力 ，具 有 简 易操作 的特 点 ，是 目前应 用最 广的 植被 指 数 。ＮＤ Ｗ Ｉ（ 归 一化 水 体 指数 ）反映 了 水体 光谱的 典型 特征 。 ２ ． ２纹 理信 息 特征提 取 由于研 究 区域 山地 居 多 ，地形 崎岖 ， 目 视解 译工作 难 度大 。同 时 ，分 类结 果 因遥感 图像 本身 的空 间分辨 率 以及 同物异 谱和 异物 同谱 现象 的大量 存 在 ，会有较 多 的错分 、漏 分情 况 出现 ，也 导 致分 类精 度降低 。为此 ， 引言 许 多专家学 者进 一 步 引入 纹理 特征 ，以 增强 遥感 信息 的提取 与分 类 是遥 感影 像分析 不 同地物 的可 识 别性 。 纹理 特征 是一 种不 依赖 于物 体表 面色调 与应 用的 重要 内容 。传 统遥 感 图像分 类方法 有监 督 分类 与 非监 督 分类 ；近 年较 新 的 遥 或 亮度 的 、反映 图像灰 度的 空 间变化 情况 ， 感 图像分 类 比如人 工神 经 网络分 类法 、模糊 表现 为平 滑性 、均 一性 、粗 糙性 和 复杂程 度 ” 纹 理 特征 提取 的 主要 方 法是 基 于灰 度 共 分 类法 和 专 家 系统 分 类 法” 等 都 是 以 遥 感 影像 的光 谱特 征 为基础 的 。但遥 感影 像本 身 生矩 阵 的纹理 特征 提取 方法 ，利 用的 是纹理 存在 “ 同谱异 物 ，同物 异谱 ”的 现象 ，这 些 特 征 的 局 部 随 机 性 和 整 体 统 计规 律 性 的 特 ｃ ｏ ｎ ｔ ｒ ａ ｓ ｔ ） 、 仅依 赖于 光谱 特征 的分 类方 法往 往会 导致 遥 点 。 对于 遥 感 图 像来 说 对 比度 （ ｅ ｎ ｔ ｒ ｏ ｐ ｙ ） 、逆差 矩（ ｈ ｏ ｍｏ ｇ ｅ ｎ ｅ ｉ ｔ ｙ ） 和 相 关 感影 像的 错分 或 漏分 ，从而 降 低遥 感影像 分 熵 （ Ｎ ｉ （ ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ） 等 统 计 量效 果 最 好 。本 文 类精 度 。 ＮＶＩ 为 平 台 ，先对 试 验 区 遥感 影像 进 行 决策 树分 类 方法是 一 种基于 空 间数据 挖 以Ｅ 掘来 获得 分类 规 则的方 法 ，数据 挖掘 （ Ｄ ａ ｔ ａ 主成分 分析 ，有 效去 除噪音 和 冗余 ，取 变换 ｍｉ ｎ ｉ ｎ ｇ ，Ｄ Ｍ ）是 从大 量的 、不 完全 的 、模 后的 第 一 主成 分 分 量 ；再 根 据 灰 度 共 生 矩 糊 的 、随 机 的数 据 中 ，提取 隐 含其 中的 、人 阵 纹 理 提 取 方 法 对 影 像 进 行 纹 理 分 析 ，得 ｃ ｏ ｎ ｔ ｒ ａ ｓ ｔ ） 、熵（ ｅ ｎ ｔ ｒ ｏ ｐ ｙ ） 、逆差 矩 们 不知 道的 、具 有潜 在利 用价值 的信 息和 知 到对 比度 （ ｈ ｏ ｍｏ ｇ ｅ ｎ ｅ ｉ ｔ ｙ ） ｉ ￣ Ｉ Ｉ ｝ Ｎ 关性 （ ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ） 纹 理特 识 的过 程 ，决 策树 分 类 方法 能够 有 效地 将 （ 遥 感 影 像 中 的光 谱 信 息 和 空 间纹 理 信 息 结 征 图像 。 合 ，并 借 助现 有的 土地 、植被 和 水体等 土地 ＤＥ ＭＲ Ｉ １ 数 字 高 程模 型 ，是 一 定 范 围 内 类 型 的分 类知识 对影 像进 行 上地 类型分 类 。 ｘ ｙ ） 及 其高 程 （ ｚ ） 的 本 文 尝试 基 于决 策树 分类 方法 之 上 ，结 合 规 则格 网 点的 平面 坐标 （ 光 谱特 征 提 取值 和纹 理 信 息特 征 提 取 值 对 数据 集 ，它主 要是描 述 区域 地貌 形态 的空 间 Ｌ ａ ｎ ｄ ｓ ａ ｔ ｉ ｆ ＴＭ影 像进 行 分 类 ，并 将 分 类结 分 ，是 通过 等高 线或 相似 立体 模型进 行数 包括 采样 和量 测 ） ，然 后进 行数据 果 与运 用最 大似 然 法的 监督 分类 结果进 行对 据采 集 （ 内插 而形 成 的 ，是 对地 貌形 态的 虚拟表 示 ， 比分 析 。 可派 生 出等高 线 、坡 度图等 信 息 。由于试验 １研究区概况与数据来源 尤 溪 县 是 福 建 省 三 明 市 下 区分布 着大 量低 山丘 陵 ，林 地与 耕地 较难 区 分 ，林地 主 要分 布在 低 山丘 陵地 区 ，与耕 地 辖 的 一 个 县 ，位 于 ｊ 明 市 东 部 ， Ｍ 北 纬 ２ ５。 ５ ０ 一２ ６。 ２ ６ ， 东 经 在 高 程 上 有 明显 差 异 ，所以 尝 试 利 用ＤＥ ｌ ｌ ７ 。４ ８ ～ｌ ｌ ８ 。３ ９ ，总 面积 ３ ４ ２ ５ ． ３ 平 方 将 林地 从植 被 中区分 出来 。 ２ ． ４ 决 策树 分类 千米 ，属 中亚 热带 季风 性湿 润 气候 。夏季 暖 决 策 树 分 类法 突破 了以 往 分 类 树 或 分 热 ，冬季 温凉 ，春 夏 多雨 ，降水 丰富 。地 处 闽 中 、戴 云 山脉 以北 ，境 内 Ｌ Ｌ Ｉ 岭 耸峙 ，丘 陵 类 规 则的构 建要 利用 分类者 的生 态学 和 遥感
基金项 目：科技部对欧合作专项一Ｉ ｎ ｔ ｅ ｇ ｒ ａ ｔ ｅ ｄ ｇ ｅ ｏ － ｓ ｐ ａ ｔ ｉ ａ ｌ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ａ ｎ ｄ ｉ ｔ ｓ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｔ ｏ ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ａ ｎ ｄ ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍ ｅ ｎ ｔ ａ ｌ ｍ ａ ｎ ａ ｇ ｅ ｍ ｅ ｎ ｔ ｔ ｏ ｗａ ｒ ｄ ｓ ｔ ｈ ｅ Ｇ Ｅ Ｏ Ｓ Ｓ（ 面向Ｇ Ｅ Ｏ Ｓ Ｓ 的应 用于资源环境管理的地理空间信息技术综合 （ ２ ４ ７ ６ ０ ８ 资助 ）
基于决策树的分类方法在土地利用分类中的应用
王 光 远 福 建 师 范 大 学地 理 科 学 学 院 ３ ５ ０ １ ０ ８
摘 要 决策树 分 类方 法是一 种基 于 空间 数据 挖 掘来 获得 分类规 则 的方 法 ．能够 融八影像 以外 的 各种知 识 ，有 效地将各 种 用 于植 被 、 水体和 土地 的 分类知识 以 及 空间纹理 信 息结合 起 来 … 本 文尝 试 基于 决 策树 分 类方 法之 上 ，结 合 光 谱特征 提取 值和 纹理 信 息特征 提取 值 对 Ｌ ａ ｎ ｄ ｓ ａ ｔ ５ Ｔ Ｍ 影像 进行 分 类 ，寻 找提 高 土地 分 类的精 度和 准确 性 的方 法 。 关 键词 决 策树 ；光谱信 息物 一 卫星 三 者 相对 位 置 （ 遥感 几 何 ）的影响 ，增 强 了对植 被的 响应 能力 ，具 有 简 易操作 的特 点 ，是 目前应 用最 广的 植被 指 数 。ＮＤ Ｗ Ｉ（ 归 一化 水 体 指数 ）反映 了 水体 光谱的 典型 特征 。 ２ ． ２纹 理信 息 特征提 取 由于研 究 区域 山地 居 多 ，地形 崎岖 ， 目 视解 译工作 难 度大 。同 时 ，分 类结 果 因遥感 图像 本身 的空 间分辨 率 以及 同物异 谱和 异物 同谱 现象 的大量 存 在 ，会有较 多 的错分 、漏 分情 况 出现 ，也 导 致分 类精 度降低 。为此 ， 引言 许 多专家学 者进 一 步 引入 纹理 特征 ，以 增强 遥感 信息 的提取 与分 类 是遥 感影 像分析 不 同地物 的可 识 别性 。 纹理 特征 是一 种不 依赖 于物 体表 面色调 与应 用的 重要 内容 。传 统遥 感 图像分 类方法 有监 督 分类 与 非监 督 分类 ；近 年较 新 的 遥 或 亮度 的 、反映 图像灰 度的 空 间变化 情况 ， 感 图像分 类 比如人 工神 经 网络分 类法 、模糊 表现 为平 滑性 、均 一性 、粗 糙性 和 复杂程 度 ” 纹 理 特征 提取 的 主要 方 法是 基 于灰 度 共 分 类法 和 专 家 系统 分 类 法” 等 都 是 以 遥 感 影像 的光 谱特 征 为基础 的 。但遥 感影 像本 身 生矩 阵 的纹理 特征 提取 方法 ，利 用的 是纹理 存在 “ 同谱异 物 ，同物 异谱 ”的 现象 ，这 些 特 征 的 局 部 随 机 性 和 整 体 统 计规 律 性 的 特 ｃ ｏ ｎ ｔ ｒ ａ ｓ ｔ ） 、 仅依 赖于 光谱 特征 的分 类方 法往 往会 导致 遥 点 。 对于 遥 感 图 像来 说 对 比度 （ ｅ ｎ ｔ ｒ ｏ ｐ ｙ ） 、逆差 矩（ ｈ ｏ ｍｏ ｇ ｅ ｎ ｅ ｉ ｔ ｙ ） 和 相 关 感影 像的 错分 或 漏分 ，从而 降 低遥 感影像 分 熵 （ Ｎ ｉ （ ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ） 等 统 计 量效 果 最 好 。本 文 类精 度 。 ＮＶＩ 为 平 台 ，先对 试 验 区 遥感 影像 进 行 决策 树分 类 方法是 一 种基于 空 间数据 挖 以Ｅ 掘来 获得 分类 规 则的方 法 ，数据 挖掘 （ Ｄ ａ ｔ ａ 主成分 分析 ，有 效去 除噪音 和 冗余 ，取 变换 ｍｉ ｎ ｉ ｎ ｇ ，Ｄ Ｍ ）是 从大 量的 、不 完全 的 、模 后的 第 一 主成 分 分 量 ；再 根 据 灰 度 共 生 矩 糊 的 、随 机 的数 据 中 ，提取 隐 含其 中的 、人 阵 纹 理 提 取 方 法 对 影 像 进 行 纹 理 分 析 ，得 ｃ ｏ ｎ ｔ ｒ ａ ｓ ｔ ） 、熵（ ｅ ｎ ｔ ｒ ｏ ｐ ｙ ） 、逆差 矩 们 不知 道的 、具 有潜 在利 用价值 的信 息和 知 到对 比度 （ ｈ ｏ ｍｏ ｇ ｅ ｎ ｅ ｉ ｔ ｙ ） ｉ ￣ Ｉ Ｉ ｝ Ｎ 关性 （ ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ） 纹 理特 识 的过 程 ，决 策树 分 类 方法 能够 有 效地 将 （ 遥 感 影 像 中 的光 谱 信 息 和 空 间纹 理 信 息 结 征 图像 。 合 ，并 借 助现 有的 土地 、植被 和 水体等 土地 ＤＥ ＭＲ Ｉ １ 数 字 高 程模 型 ，是 一 定 范 围 内 类 型 的分 类知识 对影 像进 行 上地 类型分 类 。 ｘ ｙ ） 及 其高 程 （ ｚ ） 的 本 文 尝试 基 于决 策树 分类 方法 之 上 ，结 合 规 则格 网 点的 平面 坐标 （ 光 谱特 征 提 取值 和纹 理 信 息特 征 提 取 值 对 数据 集 ，它主 要是描 述 区域 地貌 形态 的空 间 Ｌ ａ ｎ ｄ ｓ ａ ｔ ｉ ｆ ＴＭ影 像进 行 分 类 ，并 将 分 类结 分 ，是 通过 等高 线或 相似 立体 模型进 行数 包括 采样 和量 测 ） ，然 后进 行数据 果 与运 用最 大似 然 法的 监督 分类 结果进 行对 据采 集 （ 内插 而形 成 的 ，是 对地 貌形 态的 虚拟表 示 ， 比分 析 。 可派 生 出等高 线 、坡 度图等 信 息 。由于试验 １研究区概况与数据来源 尤 溪 县 是 福 建 省 三 明 市 下 区分布 着大 量低 山丘 陵 ，林 地与 耕地 较难 区 分 ，林地 主 要分 布在 低 山丘 陵地 区 ，与耕 地 辖 的 一 个 县 ，位 于 ｊ 明 市 东 部 ， Ｍ 北 纬 ２ ５。 ５ ０ 一２ ６。 ２ ６ ， 东 经 在 高 程 上 有 明显 差 异 ，所以 尝 试 利 用ＤＥ ｌ ｌ ７ 。４ ８ ～ｌ ｌ ８ 。３ ９ ，总 面积 ３ ４ ２ ５ ． ３ 平 方 将 林地 从植 被 中区分 出来 。 ２ ． ４ 决 策树 分类 千米 ，属 中亚 热带 季风 性湿 润 气候 。夏季 暖 决 策 树 分 类法 突破 了以 往 分 类 树 或 分 热 ，冬季 温凉 ，春 夏 多雨 ，降水 丰富 。地 处 闽 中 、戴 云 山脉 以北 ，境 内 Ｌ Ｌ Ｉ 岭 耸峙 ，丘 陵 类 规 则的构 建要 利用 分类者 的生 态学 和 遥感