基于单时相MODIS数据的决策树自动构建及分类研究

被引：8

作者：

韩涛 ^{[1
,2
,3
]}

徐晓桃 ^{[4
]}

颉耀文 ^{[4
]}

机构：

[1] 不详

[2] 中国气象局兰州干旱气象研究所

[3] 不详

[4] 甘肃省干旱气候变化与减灾重点实验室

[5] 中国气象局干旱气候变化与减灾重点开放实验室

[6] 兰州大学西部环境教育部重点实验室

[7] 不详

来源：

武汉大学学报(信息科学版) | 2009年 / 02期

关键词：

MODIS; 最大似然法; 决策树; See5.0; 土地覆盖分类;

D O I：

10.13203/j.whugis2009.02.026

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

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-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。

引用

页码：191 / 194

页数：4

共 8 条

[1] 实用劈窗算法的改进及大气水汽含量对精度影响评价 [J].

毛克彪 ;

不详 ;

唐华俊 ;

不详 ;

周清波 ;

不详 ;

马柱国 ;

不详 .

武汉大学学报(信息科学版) , 2008, (02) :116-119

[2] 基于ASTER数据的决策树自动构建及分类研究 [J].

李明诗 ;

彭世揆 ;

周林 ;

马以秀 .

国土资源遥感, 2006, (03) :33-36+42

[3] 针对MODIS影像的劈窗算法研究 [J].

毛克彪 ;

覃志豪 ;

施建成 ;

宫鹏 .

武汉大学学报(信息科学版), 2005, (08) :703-707

[4] 基于MODIS遥感数据的宏观土地覆盖特征分类方法与精度分析研究 [J].

刘勇洪 ;

牛铮 .

遥感技术与应用, 2004, (04) :217-224

[5] SPOT4-VEGETATION中国西北地区土地覆盖制图与验证 [J].

卢玲 ;

李新 ;

董庆罕 ;

Else Swinnen ;

Frank Veroustraete ;

王建华 ;

王一谋 .

遥感学报, 2003, (03) :214-220+245

[6]

中国土地覆盖分类与变化监测遥感研究[D]. 骆成凤.中国科学院研究生院（遥感应用研究所） 2005

[7]

甘肃土地资源[M]. 甘肃科学技术出版社 , 甘肃省土地管理局编, 2000

[8]

A non-parametric, supervised classification of vegetation types on the Kaibab National Forest using decision trees[J] . S. M. Joy,R. M. Reich,R. T. Reynolds.International Journal of Remote Sensing . 2003 (9)

← 1 →