特征提取和决策树法土地利用遥感分类

被引：21

作者：

张红梅 ^{[1
]}

吴基文 ^{[1
]}

刘星 ^{[2
]}

宋承运 ^{[2
]}

机构：

[1] 安徽理工大学地球与环境学院

[2] 安徽理工大学测绘学院

来源：

测绘科学 | 2014年 / 10期

关键词：

特征提取; 决策树; 土地利用; TM遥感数据;

D O I：

10.16251/j.cnki.1009-2307.2014.10.010

中图分类号：

P237 [测绘遥感技术]; TP751 [图像处理方法];

学科分类号：

1404 ; 081002 ;

摘要：

文章以安徽省淮南市为例,采用2005年Landsat-5TM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。

引用

页码：53 / 56

页数：4

共 14 条

[1] 基于面向对象决策树算法的半干旱地区遥感影像分类 [J].