结合丰度特征的决策树及其土地覆盖分类_图文.pdf

遥感信息叠感应用结合丰度特征的决策树及其土地覆盖分类张滔,张友静,谢丽军(河海大学水文水资源学院,南京210098)摘要:将混合像元分解的丰度加入特征集,结合光谱信息和DEM数据生成决策分类规则。运用陆地卫星TM影像对黄河源区的玛多县进行土地覆盖分类试验。通过特征提取、决策分类和后处理,得到该县的土地覆盖类型图。采用1:1O万土地覆盖类型图和实地考察数据进行精度评价,结果表明:结合丰度的决策树与最大似然分类和普通决策树分类(不加丰度信息)相比,%。关键词:丰度特征;土地覆盖分类;决策树;黄河源区doi:.1000—]:TP79文献标识码:A文章编号:1000~3177(2010)111—0044—05LandcoverClassificati0nBasedonDecisionTreewithAbundanceZHANGTao,ZHANGYou—jing,XIELi-jun(HydraulicEngineeringofHohaiUniversity,Nanjing210098)Abstract:Inthisstudy,wetakethemixed—pixelabundanceintothefeaturesetofdecisiontree,binedwithspectra】informationandDEMdatatoformthedecision-~,decisionclassificationandpost-treatment,::byaddingthemixed—paredwithMax—imumLikelihoodClassificationandordinarydecisiontree,:abundancefeature;landcoverclassification;decisiontree;Yellowriversourceregion1引言遥感信息提取与分类是当今数据挖掘领域的研究热点。传统的基于数理统计的分类算法,如最大似然法等在遥感分类中得到了广泛应用。但由于“同谱异物”以及混合像元的存在,导致基于数理统计的分类算法精度偏低。与统计分类方法相比,决策树不要求类别数据呈正态分布,在每一次决策中都可以利用不同的数据、特征、算法进行分类。决策树将复杂的决策过程分解成一个个规则或判断,使分类过程直观、清晰、易于理解。目前,决策树方法已广泛应用于信息分类领域。申文明[1等利用决策树对河北唐山进行遥感分类;王占