基于决策树的多源遥感数据分类

曾特林吴彩燕曾晓丽

【摘要】摘要：遥感影像是获取土地覆盖信息的重要手段。分析了影响决策树分类的特征因子，并根据这些因子构建分类决策树。结合中分辨率多源遥感数据，对贡嘎山区进行土地覆盖分类，通过与最大似然法分析对比，基于决策树的多源数据分类对试验区的分类精度(总体精度85.71%，Kappa系数0.83)远高于基于像素的最大似然法监督分类(总体精度63.56%，Kappa系数0.58)。【期刊名称】西南科技大学学报

【年(卷),期】2015(000)002

【总页数】5

【关键词】决策树分类多源数据贡嘎山区中分辨率遥感分类

自20世纪90年代以来，国内外对土地覆盖的遥感分类方法主要为基于传统的统计模式的分类方法，如最大似然分类法、最小距离分类法、等距离混合法、ISODATA等。近年来，传统统计模式的分类方法已经不能满足地物类别的判读精度，因此出现了越来越多的人工智能分类方法，其中面向对象的决策树分类方法得到诸多应用。韩涛等利用单时相的MODIS数据构建决策树进行自动分类[2]，赵慧等研究了影响分类精度的因素[3]，杨曦光等使用决策树方法对海岛土地利用进行了分类研究[4]。这些研究结果都肯定了决策树分类方法在遥感影像分类中的显著效果，但对影像分辨率要求都比较高。基于决策树的多源遥感影像分类方法不同于基于像元、亚像元的分类方法，是一种结合多源数据的面向对象的分类法，本文通过结合多源数据的影像分割建立决策树进行分类，并与传统的分类方法监督分类(最大似然法)的分类结果进行对比分析。