洪泽湖湿地植被信息提取方法研究

以洪泽湖淡水湿地为研究对象,在分析了各类地物光谱特征的基础上,提出了分区分类的方法。首先选取6种典型指数分别对研究区湿地植被进行分类计算,从中选择合适的指数进行湿地植被的信息提取;再运用决策树模型进行湿地植被分类;并将分类结果与最大似然法的分类结果进行了比较。结果表明,1 NDVI提取的沉水植物信息效果最好,挺水植物和浮水植物可用改进归一化差异水体指数(MNDWI)进行区分;再利用决策树对湿地植被进行分类,总体精度达到85.09%,与最大似然法相比,提高了6%。2洪泽湖地区的湿地植被比较丰富,面积约占全湖的10.74%。     

基于决策树的洪泽湖湿地信息提取

湿地是地球的重要组成部分,快速而准确地提取湿地信息,是湿地动态监测和可持续发展的一项基础而重要的工作.以洪泽湖淡水湿地为研究对象,采用2006年8月19日的Landsat5 TM遥感影像为数据源,采用经K-T变换光谱增强后的数据及利用灰度共生矩阵分析影像第一主成分的纹理统计量作辅助分类变量,基于地物光谱特征、纹理特征和形状特征,运用决策树分类法提取洪泽湖湿地植被信息,将其分类结果与最大似然法的分类结果进行比较.结果表明:1)洪泽湖地区的湿地植被比较丰富,面积约占全湖的10.74％,其中以浮水植物为主.2)基于决策树的分类结果的精度有了明显的提高,总精度由77.33％提高到86.33％,Kappa系数由0.7292提高到0.8354,证明基于决策树分类方法是提取淡水湿地植被信息的有效手段.     

基于ENVI的遥感图像决策树分类

传统遥感图像分类方法一般是基于概率统计,然而人们一直致力于提高分类精度的研究。本文利用ENVI5.0对研究区分别进行了最大似然法、ISODATA法、决策树三种遥感图像分类;首先对三种分类方法进行简单阐述,然后图像预处理,选取训练样本,最后进行分类。通过数据比较和图表分析,可以看出这三种分类方法中,决策树分类精度最高,最大似然分类次之,ISODATA分类精度最低。决策树分类法可以有效地提高图像分类的精度。     

玛曲湿地遥感影像提取及精度分析

以甘肃玛曲县为研究区,以区域湿地遥感信息提取为目标,采用TM多光谱数据和DEM数据,利用归一化植被指数和主成分分析得到的第一主成分作为分类特征,通过对数据的空间特征、波谱特征与统计结果的对比分析,构建湿地信息提取决策树模型,并与非监督分类法、最大似然法相比较,表明基于多特征决策树分类法能够用于湿地专题信息的提取,在研究区有较好的适用性。     

基于单时相MODIS数据的决策树自动构建及分类研究

以甘肃省为试验区,利用单时相MODIS数据的光谱信息,使用最大似然法和基于See 5.0数据挖掘的决策树分类方法,进行了分类对比研究.分类结果表明,加入温度一植被角度TVA和温度-植被距离TVD两个指数后,低植被覆盖区的分类效果得到了改善;基于See 5.0数据挖掘的决策树方法能够快速地建立决策树,且能提高较难识别地物类型的分类精度.     

基于C4.5算法的遥感影像分类

随着城市化进程的加快,湿地对整个生态系统的可持续发展具有重要的意义。以洪泽湖湿地为研究区,集合TM影像的光谱信息和纹理信息构建空间数据库,获取训练样本,并从训练样本集中获取分类规则;然后利用C4.5算法构建决策树,并基于知识规则推理得到遥感影像分类结果;最后将分类结果与传统的最大似然法进行比较分析。实验表明,基于C4.5算法得到的分类结果的分类总精度为91.9701%,其分类总精度结果明显高于传统的最大似然法的80.0885%;同样,前者的分类结果的Kappa系数为0.900 3,也远远高于最大似然法的0.746 5。     

基于光谱特征的湿地植物种类识别

光谱特征的选择对于湿地植被的识别精度和效率有直接的影响作用。以美国舍曼(Sherman)岛水域为研究区,基于Hy Map航空高光谱遥感影像数据,分析湿地植被的一阶微分光谱和光谱吸收特征,利用逐步判别分析法筛选识别精度较好的光谱特征参数参与C4.5决策树分类。结果表明:4种湿地植被的一阶导数光谱特征差异较小,吸收特征差异性相对较大;基于一阶微分光谱特征和光谱吸收特征利用C4.5决策树进行分类,可以实现湿地植被在物种水平上的识别,并达到较好的分类精度。     

多源遥感技术在土地利用分类中的应用

为有效提高土地利用分类精度,研究多源遥感数据的分类方法,提出了利用多源遥感技术进行土地利用分类。对居民地、耕地、林地、水体、未利用土地等土地利用类型的光谱特征及微波散射特征进行了分析,将高分一号多光谱数据与RADARSAT-2数据相结合,利用决策树分类器实现了土地利用类型的划分,其总体分类精度达到96.6%。与高分一号数据最大似然分类及RADARSAT-2数据的Freeman-Durden三分量最大似然分类进行了精度比较,结果表明,多源遥感技术可实现数据的特征互补,其分类精度优于仅采用多光谱数据或微波数据的分类精度。     

基于高光谱的湿地植被分类研究

光谱特征的选择对于湿地植被的识别精度和效率有直接的影响。本文以萨克拉门托-圣华金三角洲为研究区,基于Hy Map航空高光谱遥感影像数据,分析湿地植被的一阶微分和二阶微分光谱特征。在上述分析的基础上基于均值置信区间的波段选择法对一阶微分、二阶微分进行波段选择,根据获取的有效特征波段构建特征集,利用C5决策树分类算法产生规则集,并对实验区的湿地植被进行了分类研究。结果表明:湿地植被的一阶微分、二阶微分能够突出不同湿地植被光谱曲线在不同波段的增速不同,利用均值置信区间的波段选择法能够对特征波段起到降维效果,根据降维后的特征波段采用C5决策树分类算法,可以实现湿地植被在物种水平上的识别,并达到较好的分类精度。     

基于卡方自动交互检测的GF-1影像鄱阳湖湿地信息提取

快速准确地获取鄱阳湖区域湿地信息,对湿地进行动态监测具有重要价值。本文以国产高分一号(GF-1)影像和辅助地学数据作为数据源,将GF-1影像获取的归一化植被指数(Normalized Differential Vegetation Index,NDVI)、基于蓝光波段的归一化差异水体指数(Normalized Difference Water Index based on Bule light,NDWI-B)以及数字高程模型(Digital Elevation Model,DEM)作为分类变量,采用卡方自动交互检测(CHi-squared Automatic Interaction Detection,CHAID)决策树算法构建分类规则,并进行研究区范围内的湿地信息提取。最后,采用混淆矩阵对分类结果进行精度验证,并与最大似然法监督分类结果进行比较。结果表明,分类结果的总体精度和Kappa系数分别为85.6%和0.82,较最大似然法监督分类结果分别提高了9.6%和0.12,是鄱阳湖区域湿地信息提取的有效方法。     

基于Landsat-8和Sentinel-1A辽东湾海冰分类研究

为研究辽东湾海冰类型特征,文中基于2016年2月9日的Landsat-8和Sentinel-1A数据,结合多光谱、归一化植被指数(NDVI)构建CART自动决策树(CART Automatic Decision Tree),并用灰度共生矩阵(GLCM)统计Sentinel-1ASAR数据的纹理信息特征,对比传统监督分类并验证两种遥感图像海冰分类精度。研究指出:对Landsat-8数据,基于CART自动决策树的分类精度最高,总精度达81.68%;而Sentinel-1ASAR数据,基于最大似然分类的总精度为73.88%,相比于CART自动决策树,其能获得更高的海冰分类精度。分析本研究可知,基于光学数据的CART自动决策树在海冰类型识别中占优,而最大似然分类在SAR数据中对海冰类型的识别度较好,本文为辽东湾海冰监测与预报提供了一种有希望的技术手段。     

特征提取和决策树法土地利用遥感分类

文章以安徽省淮南市为例,采用2005年Landsat-5 TM多光谱数据,分析地物谱间关系,选择改进归一化差异水体指数(MNDWI)、归一化植被指数(NDVI)、归一化建筑指数(NDBI)、TM4+ TM5、TM4+ TM5+TM7、DEM高程和坡度等特征值,构建决策树分类规则,完成研究区土地利用遥感分类.结果表明:MNDWI和TM4+TM5特征值能较好地区分水体与非水体;NDVI和NDBI可完成非水体区域植被与非植被信息分类;DEM和TM数据6波段和值可完成建筑用地、裸地和沙(旱)地分类;DEM和TM4+ TM5+ TM7能较好地解决耕地和园地混淆问题.决策树法分类总精度和Kappa系数分别为90.29％和0.87,相比较于最大似然分类法和基于特征提取波段的最大似然分类法,精度均有所提高.     

黄河三角洲地区GF-3雷达数据与Sentinel-2多光谱数据湿地协同分类研究

黄河三角洲湿地的动态变化监测对湿地资源合理利用、开发保护具有重要意义。采用C波段全极化高分三号（GF-3）合成孔径雷达数据与欧洲空间局哨兵二号（Sentinel-2B）多光谱数据，分析了黄河三角洲湿地7类地物的光谱、指数、极化散射以及纹理等特征信息，分别基于最大似然法（maximum likelihood，ML）、决策树（decision tree，DT）、支持向量机（support vector machine，SVM）方法实现了有监督分类，评估了两者协同与单独应用于湿地地物分类与识别的能力，结果表明，两者协同分类时，其总体精度分别可达90.4%、95.4%、95.7%，均明显高于两者单独分类的结果，证明了GF-3雷达数据与多光谱数据在湿地协同分类方面的可靠性和应用潜力。     

一种基于二叉决策树的植被分类方法研究

植被覆盖是国家开展的地理国情普查工作的重要组成部分。文章以高分辨率遥感影像为基础,完成影像预处理工作后,获取影像的光谱特征、归一化植被指数与纹理特征,由三种特征共同组成待分类影像,通过人工交互为每种植被选取样本,利用二叉决策树方法创建植被的分类规则,从而完成自动分类。将分类结果与地理国情普查的地表覆盖成果相互验证,同时对比实验表明分类实验总分类精度与Kappa系数均高于最大似然法的分类精度与Kappa系数,证明获取的二叉树的有效性。后续可利用二叉树快速更新,更新结果作为地理国情更新参考数据。     

基于ASTER数据的决策树自动构建及分类研究

 在对ASTER原始9个波段数据进行各种变换处理的基础上，采用数量化指标平均可分性方法确定参与分类的最佳特征组合； 结合研究区8种主要地物类型训练数据集，分别采用最大似然法、BP神经网络法和基于See 5.0数据挖掘的决策树分类法进行分类，提取主要地物的空间分布专题信息。经过379个野外样点的验证，结果表明： 决策树算法分类性能最优，神经网络算法次之，最大似然法效果最差； 与ENVI 4.1、ERDAS 8.7提供的传统决策树建立及分类方法比较，基于数据挖掘工具See 5.0和Cart的决策树生成和分类方法具有客观、高效率、分类性能可靠和精度高等优点。     

面向对象的高光谱影像湿地植被信息提取

以美国Sacramento-San Joaquin三角洲为研究区,提取高光谱遥感影像上湿地植被的光谱响应特征,用于指导面向对象的湿地植被信息提取。结果表明,基于光谱响应特征分析的面向对象分类精度为88.03%,而未利用光谱响应特征的面向对象分类精度为72.08%。在面向对象提取前对植物光谱响应特征进行特征提取,可以实现湿地植被在物种水平上的识别,并可以有效提高分类精度。     

基于J48决策树的面向对象方法的土地覆被信息提取

过去10多a来,面向对象的影像分析方法在高分辨率影像信息提取中表现出了明显优势,得到了快速发展。该方法中一个难题是,如何有效地建立满足健壮性和通用性准则的分类规则集。基于数据挖掘原理的决策树方法有望提供有效的解决方案。选用WEKA J48算法从影像光谱、纹理和地形特征等诸多参数中优选出部分参数构建决策树分类模型,以此建立分类规则集,并集成于面向对象的影像分类方法中。利用Landsat5 TM影像和ASTER数字高程模型数据进行的甘肃省会宁县白草塬地区土地覆被分类的结果表明,本方法所建立的分类规则集具有较佳的健壮性和通用性,其分类精度明显优于基于像元的最大似然法和基于试错性规则集的面向对象法。     

基于决策树的高光谱数据特征选择及其对分类结果的影响分析

本文利用OM IS高光谱数据,研究了决策树算法（Decision Tree,DT）特征选择的特点以及特征选择对决策树分类结果的影响。设计了三种特征选择方法：SEP,MDLM和RELIEF,将它们与DT特征选择的结果以及特征选择后的分类精度（考虑了三种分类器：最大似然法、后向传播神经网络、最邻近法）进行对比,并分析了这三种特征选择方法对决策树结构和分类精度的影响。结果显示,DT是一种比较好的特征选择方法;经过特征选择后再生成的决策树比直接生成的决策树,用到更少的特征（平均减少了43.36%）、有更多的节点（平均增加了18.61%）和更高的分类精度（平均提高了0.35%）,当样本数量少时,分类精度的提高幅度最大,而树的大小却基本没有增加。     

基于知识规则的天然淡水湿地信息提取

以洪泽湖天然淡水湿地为研究对象,在光谱特征分析的基础上,选取样本数据,并构建天然淡水湿地信息提取的特征集。利用决策树算法进行数据挖掘和知识规则的生成,并将决策树信息提取结果与最大似然监督分类法进行比较,精度由84.30﹪提高到88.75﹪。     

基于改进型决策树遥感分类的土地利用变化研究

在遥感和GIS技术支持下,以香格里拉建塘镇为研究区,以2000年、2009年Landsat TM影像为基础数据,运用光谱特征和地学辅助知识相结合的改进型决策树分类方法分别对研究区2个年份的基础数据进行土地利用信息提取和变化分析。研究结果显示:(1)基于改进型决策树遥感分类法与最大似然法相比分类精度有明显提高;(2)10 a间,香格里拉建塘镇城镇建筑用地、裸地面积呈上升趋势且变化最大,灌草地面积小幅增加,耕地、林地、水体、雪地冰川呈减少趋势,土地利用变化速度和综合程度越来越快。