共查询到20条相似文献，搜索用时 245 毫秒
1.
2.
为了准确获取新都区土地利用类型,以2007年四川省成都市新都地区的TM遥感影像为数据源,基于决策二叉树分类方法,在利用各类典型地物的反射光谱特性及典型归一化指数的基础上,结合目视解译,建立了一组能快速、准确提取土地利用信息的决策树分类规则,对研究区域遥感影像进行决策树分类。研究结果表明,决策树分类总体精度和Kappa系数分别为81.00%和0.7314,取得了较为满意的分类结果。 相似文献
3.
基于谷歌云在线处理平台(Google Earth Engine,GEE),以2019年全年Landsat-8 OLI影像为数据源,选取黑龙江省哈尔滨市为试验区,基于决策树算法、随机森林算法、最邻近算法、支持向量机算法开展土地覆盖分类方法研究,并对不同分类器方法提取结果进行精度评价.试验结果表明,基于GEE平台可以快速完成土地覆盖分类,各分类方法都可以达到较好的效果;采用决策树算法提取结果最优,总体精度为97.53％,Kappa系数为0.9586. 相似文献
4.
多源遥感技术在土地利用分类中的应用 总被引：1，自引：0，他引：1
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。 相似文献
5.
针对土地利用类型多样、特征易混淆和高分辨率遥感影像信息海量、人工提取费时费力等问题,该文以北京二号卫星影像为数据源,采用高精度地表覆盖数据优化分割的面向对象分析方法、无地表覆盖数据辅助分类的面向对象分析方法,运用朴素贝叶斯、CART决策树、随机森林和K最邻近分类器,开展武功县土地利用分类,并对分类结果进行精度评估.结果 表明:①与无地表覆盖数据辅助分类方法相比,高精度地表覆盖数据优化分割的面向对象分类方法,在精度方面有较大的提升,其分类总体精度提高18.73％,Kappa系数提高0.21;②随机森林对于土地类型多样的影像对象具有较好的识别能力,获得较高的总体精度(95.3％)和Kappa系数(0.94).研究表明一种利用高精度地表覆盖数据优化影像分割的土地利用分类方法具有更好的可行性和鲁棒性. 相似文献
6.
7.
基于单时相MODIS数据的决策树自动构建及分类研究 总被引：4，自引：0，他引：4
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. 相似文献
8.
以安徽省安庆市怀宁县为研究对象,通过对该地区的遥感数据处理,采用K-Means、最大似然、最小距离、基于专家知识的决策树4种分类方法进行土地资源分类,对分类结果图进行比较,然后进行分类后处理和精度评价,对分类精度进行比较,比较各方法的准确性和适用性.研究结果表明,针对该研究区,决策树分类结果精度更高. 相似文献
9.
西南喀斯特山区地形起伏较大,地物分布较为破碎,致使传统的光谱特征一次分类方法的精度较低。本文基于高分辨率无人机正射影像和地形指标,充分利用无人机遥感影像空间特征、光谱特征、纹理特征及地形特征,采取面向对象CART决策树算法与分层策略提取了研究区土地覆盖类型。研究表明,结合空间地形因子和分层策略的方法减少了破碎区地物间的相干扰,故具有较高的分类精度,总体分类精度达91.2%,Kappa系数为0.87,较传统一次分类精度提高了9.8%,Kappa系数提高了0.13。该方法对西南喀斯特地区土地覆盖解译精度较好,可为土地利用监测提供参考。 相似文献
10.
11.
基于影像多种特征的决策树分类方法 总被引：1，自引：0，他引：1
阐述了决策树分类CART算法原理,将纹理信息、NDVI指数引入决策树方法对影像进行分类,并将分类结果与最大似然分类结果进行比较,研究表明决策树分类方法相对传统分类方法总体精度提高了8.9148%,Kappa系数提高了0.1074。 相似文献
12.
13.
Mangrove forests grow in intertidal zones in tropical and subtropical regions and have suffered a dramatic decline globally over the past few decades. Remote sensing data, collected at various spatial resolutions, provide an effective way to map the spatial distribution of mangrove forests over time. However, the spectral signatures of mangrove forests are significantly affected by tide levels. Therefore, mangrove forests may not be accurately mapped with remote sensing data collected during a single-tidal event, especially if not acquired at low tide. This research reports how a decision-tree −based procedure was developed to map mangrove forests using multi-tidal Landsat 5 Thematic Mapper (TM) data and a Digital Elevation Model (DEM). Three indices, including the Normalized Difference Moisture Index (NDMI), the Normalized Difference Vegetation Index (NDVI) and NDVIL·NDMIH (the multiplication of NDVIL by NDMIH, L: low tide level, H: high tide level) were used in this algorithm to differentiate mangrove forests from other land-cover and land-use types in Fangchenggang City, China. Additionally, the recent Landsat 8 OLI (Operational Land Imager) data were selected to validate the results and compare if the methodology is reliable. The results demonstrate that short-term multi-tidal remotely-sensed data better represent the unique nearshore coastal wetland habitats of mangrove forests than single-tidal data. Furthermore, multi-tidal remotely-sensed data has led to improved accuracies using two classification approaches: i.e. decision trees and the maximum likelihood classification (MLC). Since mangrove forests are typically found at low elevations, the inclusion of elevation data in the two classification procedures was tested. Given the decision-tree method does not assume strict data distribution parameters, it was able to optimize the application of multi-tidal and elevation data, resulting in higher classification accuracies of mangrove forests. When using multi-source data of differing types and distributions to map mangrove forests, a decision-tree method appears to be superior to traditional statistical classifiers. 相似文献
14.
利用纹理特征提取城市用地信息方法探索 总被引：6，自引：0，他引：6
就利用灰度共生矩阵纹理特征提取城市用地信息做了初步探索。计算灰度共生矩阵四个纹理特征量,选择建筑用地与其它地类的纹理特征统计量差别较大的特征,用于提取建筑用地信息。通过计算选择了对比度纹理特征,对该特征图像进行分类、密度分割及后处理,得到城市用地信息。通过精度评定证明了纹理特征用于分类可以提高分类的精度,并能提高土地利用动态监测的自动化程度。 相似文献
15.
基于遥感的龙海市水田专题信息提取方法研究 总被引：3，自引：0，他引：3
以Landsat-7ETM+图像为基本资料,采用人机交互式非监督分类法、最大似然法和谱间关系阈值法分别提取龙海市水田信息。研究表明,3种方法各有优缺点,后2种方法提取精度较高,其中,谱间关系阈值法在分析不同类型水体与其背景地物光谱特征差异的基础上,挖掘谱间结构,总结各地物相分离的规律,因此提取效果最好。 相似文献
16.
提出了一种新的基于布谷鸟算法的智能式遥感分类方法。采用布谷鸟智能优化算法,自动搜索遥感影像各波段的最优阈值分割点,并定义各波段最优阈值分割点和影像分类目标类别的连线为布谷鸟的最佳解,构造以If-Then形式表达的遥感分类规则。将所提的基于布谷鸟算法的影像分类方法应用于ALOS影像分类中,并与蜂群智能遥感分类方法和See5.0决策树方法进行了对比分析。结果表明,布谷鸟智能遥感分类的总体精度和Kappa系数均比蜂群智能遥感分类和See5.0决策树方法更高,该智能遥感分类方法具有更好的分类效果。 相似文献
17.
地理信息系统支持下的山区遥感影像决策树分类 总被引：6，自引：2，他引：6
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。 相似文献
18.
高分一号（GF-1）是我国自主研发的第一颗高分辨率遥感卫星，其包含地物信息较为丰富，已应用于土地利用信息提取，但在水利工程库区土地利用调查方面研究较少。本文以峡江水利枢纽工程库区为例，首先对库区影像进行了基于RPC模型的正射校正、几何精纠正等预处理；然后针对GF-1的传感器响应特性，采用基于多元线性波段拟合的方法对多光谱与全色影像进行融合，该方法相对于传统分量替换法具有更好的融合性能；最后综合利用影像的光谱、纹理及形状等特征，采用面向对象的方法对融合后的库区影像进行了地类信息提取与分类精度评价。试验结果表明，融合影像可以有效提取水利工程库区的土地利用信息，总体分类精度达到87.9%，Kappa系数为0.836，能够满足库区土地利用调查和变化监测的要求。 相似文献
19.
近年来升金湖自然保护区土地利用空间格局变化特征分析 总被引：1，自引：1，他引：0
根据1995、2000、2005、2009、2013年Landsat影像,利用监督分类方法（平行六面体、最大似然、最小距离、马氏距离）进行解译,利用高分一号影像对不同解译方法进行评价,确定最优解译方法。利用最优解译方法解译得到升金湖保护区5个时期的土地利用图。在此基础上利用ArcGIS景观格局分析工具,通过分析其水域面积、图斑数、破碎度等要素,得出不同时期的土地利用和景观格局变化。土地利用变化是自然因素和人为因素综合作用的结果,利用对近20年土地利用空间格局变化特征分析的研究,为区域土地利用开发和资源的可持续发展提供依据。 相似文献
20.
高光谱遥感图像联合加权随机分类器的设计与应用 总被引：2，自引：0，他引：2
应用随机过程理论,提出一种针对决策融合的高光谱遥感图像自适应最小距离和K-means聚类的加权联合随机分类器设计方法.在ENVI/IDL平台上对上海市某地区的OMIS图像进行分类处理,与经典的聚类法相比,从目视判断还是从定量评价分析,它可提高约10%的总体分类精度. 相似文献