利用决策树工具的土地利用类型遥感识别方法研究-武汉大学学报

１ 研究方法
合理定义不 同 分 支 决 策 点 ， 是决策树方法结 根据影像地 果是否合理 的 必 要 保 证 之 一 。 因 此 ，
收稿日期 ： ２ ０ １ １ ０ １ ０ ５。
３ ０ ２
武汉大学学报·信息科学版
２ ０ １ １年３月
利用类型 。 由于 遥 感 影 像 的 拍 摄 时 间 、 位置的不 同， 不同土地利 用 类 型 所 呈 现 的 光 谱 反 射 特 征 亦 不相同 。 因此 ， 对于典型地类光谱特征的分析只 能基于同一时相 和 坐 标 系 下 的 影 像 ， 再借助于分 析比较典型的地类光谱与影像滑动窗口范围内的 光谱特征的差异 ， 以达到区分不同的土地利用类 型的目的 。 根据所采集 的 不 同 样 地 的 样 本 ， 统计其４个 波段的数据 ， 再以频数为坐标纵轴 ， 光谱反射值为 横轴绘制光谱特征曲线图 ， 结果见图 １～６。 耕 地 类 光 谱 在 ＱＵ Ｉ Ｃ Ｋ Ｂ Ｉ Ｒ Ｄ 影像中的分布 特征明显 ， 近红外 波 段 强 度 值 从 低 到 高 分 布 范 围 较大 ， 蓝绿波段反射强度值分布相对集中 ， 红波段 反射强度值与蓝波段有重叠 。 林地类反射光谱与
摘 要： 应用决策树的理论和方法 ， 利用遥感数据及其 他 相 关 数 据 和 资 料 进 行 土 地 利 用 信 息 分 类 。 通 过 研 究 地物光谱统计特征 ， 讨论了通过耕地指数等归一 化 地 类 指 数 来 增 强 影 像 地 类 特 征 、 结合 Ｄ ＥＭ 提 取 土 地 利 用 较好地解决了水体和建筑阴影 、 道路等容易混淆区域的区分问题 。 信息的决策树分支点的设计方法 ， 关键词 ： 决策树 ；土地利用 ；遥感 中图法分类号 ： Ｐ ２ ３ ７． ４； Ｔ Ｐ ７ ５ ３
文章编号 ： （ ） １ ６ ７ １ ８ ８ ６ ０ ２ ０ １ １ ０ ３ ０ ３ ０ １ ０ ５
文献标志码 ： Ａ
利用决策树工具的土地利来自百度文库类型遥感识别方法研究
朱江洪１ 李江风１ 叶 菁１
（ 武汉 ） 资源学院 ， 武汉市鲁磨路 ３ ） １ 中国地质大学 （ ８ ８号， ４ ３ ０ ０ ７ ４
第３ ６卷 第３期 ２ ０ １ １年３月
武 汉 大 学 学 报 · 信 息 科 学 版 Ｇ ｅ ｏ ｍ ａ ｔ ｉ ｃ ｓａ ｎ ｄＩ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎＳ ｃ ｉ ｅ ｎ ｃ ｅｏ ｆＷｕ ｈ ａ ｎＵ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
Ｖ ｏ ｌ ． ３ ６Ｎ ｏ ． ３ Ｍ ａ ｒ ｃ ｈ２ ０ １ １
［ １ ５］
物特征定义不同 土 地 覆 盖 类 型 的 典 型 值 ， 是实现 合理分支点定义的基础 。 为减少分支点表达式的 复杂性 ， 可以通过遥感软件对影像数据进行处理 ， 以便尽可能地拉 大 各 种 地 类 的 影 像 特 征 差 异 ， 并 采用归一化处理 后 形 成 相 关 的 地 类 指 数 ， 从而为 简化决策表达式 、 清晰表达分类策略提供依据 。 １． １ 研究区域及数据概况 选用了经过正 射 校 正 的 ２ ０ ０ ４年武汉市洪山 区鲁巷至东湖 沿 线 区 域 的 ＱＵ 影 Ｉ Ｃ Ｋ Ｂ Ｉ Ｒ Ｄ 影 像， 像数据为 ２． ４ｍ 分辨率 Ｂ、 Ｇ、 Ｒ、 Ｎ Ｉ Ｒ４ 个波段和 ０． ６ｍ 分辨率全 色 波 段 的 ＷＧ Ｓ ８ ４ 数 据。 为 了 配 合 地 形 数 据， 影 像 进 行 了 坐 标 投 影 变 换 ，将 ＷＧ Ｓ ８ ４ 数据转换成 为 北 京 ５ ４ 坐 标 系 下 的 数 据， 并根据武汉地区喻家 山 幅 １ʒ１ 万 标 准 地 形 图 的 范围进行了 裁 剪 ， 以 保 证 数 据 匹 配。衍 生 的 影 像 数据包括根据地类归一化特征指数计算的归一化 地类影像 。 Ｄ ＥＭ 采用喻 家 山 幅 １ʒ１ 万 标 准 地 形 图 数 据， 以 ２． 便 于 和 ＱＵ ４ ｍ 分 辨 率 生 成， Ｉ Ｃ Ｋ Ｂ Ｉ Ｒ Ｄ 影像数据进行栅格匹配 。 衍生的数据包括坡度和 高程 。 １． ２ 典型地类光谱特征 针对 ＱＵ 多个样本采集统计 Ｉ Ｃ Ｋ Ｂ Ｉ Ｒ Ｄ 影像 ， 结果表明 ， 各种地 物 由 于 其 反 射 光 谱 在 不 同 波 长 的接收器上的反射强度不同 ， 因此 ， 通过处理遥感 影像 ， 借助不同波长间光谱强度记录的差异大小 ， 可以在一定程度上帮助区分或者融合不同的土地
耕地类有较大的 相 似 之 处 ， 近红外波段同样是分 布较为均匀 ， 但其中心轴线较耕地类左移 ， 即整体 反射强度较耕地为低 。 工矿 （ 工 业） 类 光 谱 绿 蓝 波 段 分 布 集 中， 且各 自以均值为 中 心 ， 在 分 布 上 有 一 定 的 相 似 性。各 波段反射强度在 波 段 内 部 分 布 较 集 中 ， 红和近红 外波段分布 区 较 大 。 其 中 ， 以绿波段反射强度最 大， 其次是蓝和红外波段 。 水域类用地反 射 光 谱 蓝 绿 波 段 分 布 集 中 ， 且 与其他波段间的 相 互 重 叠 部 分 较 少 ， 红和近红外 波段整体反射强度较低 ， 尤其是近红外波段 ， 两者 在频数分布 上 有 较 好 的 相 似 性 。 由 于 水 体 深 度 、 成分的不同 ， 反射 波 谱 在 影 像 上 的 表 现 也 不 尽 相 同。
遥感技术的发展为土地利用调查提供了快速 准确的数据来源 和 全 新 的 调 查 方 法 ， 已经成为土 地利用调查的主要手段之一 。 为解决在实际应用 中出现的问题 ， 决策树方法得到了较为广泛的应 用 。 在土地利用 信 息 提 取 方 面 ， 由于不同影像的 光学分辨率和光 谱 分 辨 率 均 不 相 同 ， 这对信息提 取方法和精度的影响较大 。 决策树法分类不需要 数据的分布假设 ， 能够处理组合数据 ， 分类过程简 单直观 ， 可以通过 改 进 决 策 分 支 点 的 数 量 和 阈 值 来提高分类精度
。
目前 ， 在影像数据指标方面 ， 单纯比较不同地 类在不同波段的 反 射 特 性 的 研 究 比 较 多 ， 组合波 段多局限于 Ｎ 针对土地 Ｄ Ｖ Ｉ等 常 用 指 数 的 应 用 ， 利用的指数设计 较 少 ， 对能显著提高分类效率的 非影像数据的利用则更不多见 。 本文根据 Ｑ 通过分 Ｕ Ｉ Ｃ Ｋ Ｂ Ｉ Ｒ Ｄ 高分辨率影像 ， 析不同地类的反射光谱组合特征 ， 利用波段运算方 法设计地类归一化指数来帮助增强影像的 地 类 特 征， 并通过 Ｄ 高程信息 ， 根据土 Ｅ Ｍ 所包括的坡度 、 地利用分布与地形特征间的匹配关系来帮 助 改 进 决策分支点的定义 ， 使用决策树法从遥感影像中获 取较多类型和较高精度的土地利用信息 。