基于MODIS数据的决策树分类方法研究与应用

介绍了目前国际上流行的两种决策树算法———CART算法与C4·5算法,并引入了两种机器学习领域里的分类新技术———boosting和bagging技术,为探究这些决策树分类算法与新技术在遥感影像分类方面的潜力,以中国华北地区MODIS250m分辨率影像进行了土地覆盖决策树分类试验与分析。研究结果表明决策树在满足充分训练样本的条件下,相对于传统方法如最大似然法(MLC)能明显提高分类精度,而在样本量不足下决策树分类表现差于MLC;并发现在单一决策树生成中,分类回归树CART算法表现较C4·5算法具有分类精度和树结构优势,分类精度的提高取决于树结构的合理构建与剪枝处理;另外在决策树CART中引入boosting技术,能明显提高那些较难识别类别的分类准确率18·5%到25·6%。     

像元信息分解和决策树相结合的影像分类方法

该文提出了一种基于像元信息分解和决策树相结合的遥感自动分类方法。选择广州市番禺区作为研究区。用像元信息分解和多变量决策树法把TM影像分为水体、植被、水泥地、土壤4种基本组分,分离成4类树枝;分别以4种基本地物组分作为分类掩膜,采用BP神经网络分类、形状指数提取、光谱特征提取等复合方法进行分枝,并开展野外遥感调查,以提高和验证分类精度。结果表明：该方法保证了分枝时地物的纯洁度,有效地避免了地物提取时多余信息的干扰和影响,提高了分类精度。结合实地调查数据与最大似然分类算法进行对比实验,表明该模型比最大似然总体分类精度高16％。     

基于决策树特征提取的支持向量机在岩性分类中的应用

由于支持向量机属于黑箱模型,因此在进行模型学习时无法直接对特征进行选择,而决策树模型在递归创建的过程中自身具有一定的特征选择能力。针对岩性分类问题,本文将决策树和支持向量机结合,通过决策树的建立,在考虑特征重要性的前提下,利用树节点的高度对特征进行提取,并将具有更高分类能力的特征送入支持向量机进行岩性分类。结果表明:通过决策树的特征提取,减少了支持向量机模型的输入特征,从而有效控制了模型的复杂度,使得模型更加稳定并具有更高的分类精度,测试集精度能够提升10%以上。     

城镇-农业-生态空间划定的多情景模拟

城镇-农业-生态空间划定(简称"三区"划定)是国土空间规划的核心内容,对于科学合理地规划、利用有限的国土资源具有重要的意义。已有研究主要根据区域内土地利用与社会经济发展现状构建指标体系进行"三区"划定,较少将未来土地利用变化纳入"三区"划定过程中,使得划定结果在指导实践过程中缺乏前瞻性。针对这一问题,本文提出一种基于土地利用情景模拟,结合指标体系评价与决策树特征挖掘的"三区"划定方法,并以武汉市2015年土地利用现状为基础,在土地利用变化情景模拟的基础上进行"三区"划定。通过对比,验证了本文提出方法的合理性。研究发现:①不同情景下的"三区"空间在规模、空间分布上具有明显差异,将未来土地利用变化纳入"三区"划定过程中确有必要;②不同土地利用情景下"三区"空间的差异主要出现在三类空间的交界区域,这些区域是国土空间规划应该关注的重点区域。     

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%。     

基于植被物候特征的互花米草提取方法研究——以长三角湿地为例

互花米草自1979年引进我国以来迅速增长,呈现外来物种入侵势态,严重影响了滨海湿地生态系统平衡。通过遥感手段监测可以获取互花米草的时空扩展规律,为互花米草治理提供参考和依据。本文选取长三角地区3个主要湿地区域为研究区,依托Google Earth Engine (GEE)平台选取了2014—2019年Landsat 8 OLI时间序列数据,提出了一种基于物候特征的互花米草提取方法。首先,通过归一化差异湿度指数(NDMI)、归一化差异植被指数(NDVI)和归一化差异水体指数(NDWI)提取互花米草生长的高湿度区域;然后,通过植被指数构建表征植被物候特征的时间序列曲线,确定互花米草与其他植被的物候特征差异时相;最后,基于物候特征差异时相数据构建决策树提取互花米草。通过与现有的互花米草决策树提取方法和支持向量机(SVM)方法对比发现,本文方法在3个研究区的提取结果均为最优提取结果,表明本文的方法对提取互花米草具有较好的适用性。     

基于改进决策树算法的山区遥感影像变化检测方法

为了能够精准检测山区遥感影像变化,提出一种基于改进决策树算法的山区遥感影像变化检测方法。利用K-SVD算法始化处理过完备字典,采用带有噪声的山区遥感影像训练字典,通过学习获取的字典稀疏表示含噪山区遥感影像,得到每个小块影像的稀疏表示系数,平均处理小块影像,获得去噪后的山区遥感影像。采用邻域相关分析技术获取描述上下文信息的邻域相关影响,通过邻域像素间的相关性展开模板匹配得到匹配误差。同时根据方向梯度信息提取山区遥感影像的结构特征,将邻域相关影像、匹配误差和结构特征输入改进后的决策树算法,将其作为分类属性,检测出山区遥感影像变化,实现山区遥感影像变化检测。实验结果表明,所提方法可有效检测出山区遥感图像的变化,并且检测500个样本图像的时间仅为335.4 s,因此,该方法可以获取准确率更高且检测时间更短的山区遥感影像变化检测结果。     

基于随机森林模型的农业电子商务浅析——洛川苹果网络销售问题与对策

随着互联网产业的飞速发展,电子商务开始进入农业领域。以电子商务起步较早的"洛川苹果"作为研究对象进行调研。基于随机森林模型的决策树集成算法,对农业网络销售体系整体进行数据分析,模型构建,从问题表象出发挖掘其在不同部分的影响因子,最终基于影响因素解决问题,提出合理化建议:加强农村基础设施建设、健全农村公共服务体系以及完善农村电子商务培训制度等,因地制宜,推进农业电子商务的健康发展。     

地理信息系统支持下的山区遥感影像决策树分类

山区遥感影像分类是遥感研究的一大难题。本文利用一种决策树生成算法（C 4.5算法）自动提取知识，基于知识建立决策树用于山区影像分类，并结合研究区土地利用类型与DEM空间统计关系的先验知识，在GIS空间分析的基础上进行影像分类的后处理。与传统的最大似然法分类结果相比，该方法极大地改善了山区地表覆被分类的精度，得到试验区较为可靠的遥感分类图像。     

沂蒙山区金银花种植的遥感动态监测

沂蒙山区山东省平邑县是“中国金银花之乡”,金银花种植面积监测对于当地种植规划和管理具有重要意义。根据金银花花期,遴选2013-2018年5月至6月Landsat-8 OLI影像12景,在野外调查的基础上构建了两层决策树分类模型。决策树分类后,对结果进行形态学滤波。然后分别基于决策树和支持向量机分类模型提取金银花种植面积,并进行了对比分析,前者提取的结果与官方面积数据基本一致。精度评价显示6个时相的总体分类精度与Kappa系数均较高。结果表明：利用遥感影像监测金银花种植面积动态变化是有效的,可以为规模化种植的监测与管理提供科学参考。