基于决策树的CBERs遥感影像分类及分析评价-国土资源遥感.PDF

第２期，总第７６期 国　土　资　源　遥　感 Ｎｏ．２，２００８　 ２００８年６月１５日 ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＬＡＮＤ＆ＲＥＳＯＵＲＣＥＳ Ｊｕｎ．，２００８　 基于决策树的ＣＢＥＲＳ遥感影像分类及分析评价 １，２ １，２ １，２ １，２ 袁林山 ，杜培军 ，张华鹏 ，张海荣 （１．中国矿业大学地理信息与遥感科学系，徐州　２２１００８； ２．江苏省资源环境信息工程重点实验室，徐州　２２１００８） 摘要：以江苏省徐州市为研究区，以城市土地利用遥感分类为目标，采用ＣＢＥＲＳ多光谱数据的近红外波段、全球环 境监测植被指数（ＧＥＭＩ）、归一化植被指数（ＮＤＶＩ）及主成分分析得出的第一和第二主成分作为分类的特征数据， 基于先验知识和统计分析构建层次分类决策树，进而发展和改进了决策树交互式构建算法，实现了城市土地利用 遥感分类。通过与最大似然分类器（ＭＬＣ）和支持向量机分类器（ＳＶＭ）分类结果的比较分析，表明基于多种特征的 决策树分类器能够有效应用于ＣＢＥＲＳ遥感数据分类，在研究区具有良好的推广性。 关键词：中巴地球资源卫星（ＣＢＥＲＳ）；决策树；支持向量机；分类 中图分类号：ＴＰ７９　文献标识码：Ａ　　　文章编号：１００１－０７０Ｘ（２００８）０２－００９１－０７ 彩色合成影像。 ０　引言 １．２　数据预处理 文中选用的２００５年３月１８日ＣＢＥＲＳ－０２ＣＣＤ 中巴地球资源卫星是我国第一代传输型陆地资 数据。ＣＢＥＲＳ影像为二级产品，已经过辐射校正和 源遥感卫星，其数据已经在农业、林业、土地、城市、环 几何粗校正处理。首先通过影像—影像的方式进行 ［１～３］ 匹配，匹配精度在０．６个像元之内，然后依据徐州市 境、灾害、地质、海洋及测绘等领域中得到应用 。 目前，国内对ＣＢＥＲＳ数据分类方法研究非常重 区行政规划图（２０００年）进行裁减处理，得到研究区 视。骆成凤等用模糊 ＡＲＴＭＡＰ算法对 ＣＢＥＲＳ－０２ 域影像。 ［４］ 数据进行分类 ；刘爱霞等运用最大似然法、ＢＰ神 经网络和Ｆｕｚｚｙ－ＡＲＴＭＡＰ神经网络法对干旱半干 ２　决策树分类特征选择 旱区域土地利用进行分类［５］；Ｖ．Ｔ．Ｄｉｖｅｒｉｏ等用神 ［６］ 经网络法对ＣＢＥＲＳ的ＩＲＭＳＳ数据进行分类 。本 选用主成分分析的第一（ＰＣ１）和第二主成分 文结合城市土地利用／覆盖分类（ＬＵＣＣ）的需求，采 （ＰＣ２）、全球环境监测植被指数（ＧＥＭＩ）、归一化植 用多特征决策树方法对ＣＢＥＲＳ－０２数据分类，并与 被指数（ＮＤＶＩ）和 ＣＣＤ多光谱数据的近红外波段 最大似然法和支持向量机分类方法进行比较，结果 （Ｂ４）作为决策树分类的特征数据。首先对训练样 表明，多特征决策树分类方法具有较好的分类效果， 本地物的特征分布进行统计分析，然后得出决策树 适合研究区土地利用／覆盖分类。 分类提取过程。 ２．１　植被指数 １　研究区概况及数据预处理 在遥感应用领域，植被指数已广泛用来定性和 定量评价植被覆盖及其生长活力。植被指数增强了 １．１　研究区概况 遥感影像的解译力，已作为一种