共查询到10条相似文献，搜索用时 15 毫秒
1.
基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例 总被引：5，自引：0，他引：5
土地利用分类精度直接决定土地利用/土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的Landsat TM 5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0.789提高到0.849.在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。 相似文献
2.
结合多尺度纹理的高分辨率遥感影像决策树分类 总被引：9，自引：2，他引：9
地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述地物并有效解决光谱数据分类中存在的地物破碎问题,其分类精度为81.7%,kap-pa系数为0.78;与光谱数据分类和结合单尺度纹理数据分类结果比较,分类精度分别提高了11.2%和6%,该方法有助于提高高分辨率影像的分类精度。 相似文献
3.
多源光学遥感数据是长时序研究中的重要数据源,而其分类结果的一致性分析则是多源遥感数据应用的前提和基础.该文以鄱阳湖湿地为研究对象,采用决策树方法对Landsat-8、Sentinel-2A、GF-1、HJ-1A 4种光学影像数据进行分类,以总体精度和Kappa系数评估分类精度,并基于类型面积偏差、类型面积相关、空间叠加分析对分类结果进行一致性分析.结果表明:1)利用决策树方法对不同传感器数据进行湖泊湿地分类,总体精度均高于89％,一致性较好;2)对于具体的湿地类型面积,不同传感器分类结果基本一致,以泥沙滩涂为主,水体次之,植被最少;3)分类结果中64.30％的区域具有高度一致性,完全不一致区域占12.70％.研究成果可为多源光学遥感数据用于长时序湖泊湿地变化监测的误差分析和集成使用提供参考. 相似文献
4.
结合Landsat TM影像、Envisat ASAR的C波段雷达影像和地形辅助数据,采用决策树方法,包括分类回归树(C1assification and Regression Tree,CART)和随机森林(Random Forest,RF)算法,对扎龙湿地进行遥感分类。用实测GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法(Maximum Likelihood Classification,MLC)对比。结果表明,地形辅助数据和雷达后向散射系数对湿地分类精度的提高起重要作用。基于RF算法分类结果的总精度和Kappa系数分别为92.6%和0.901,沼泽湿地的分类精度达到96.3%,较CART算法和MLC监督分类方法有明显提高。该研究提供了一种快速、高效的内陆淡水沼泽湿地遥感分类技术。 相似文献
5.
三江源区湖泊和沼泽遥感影像分类研究 总被引：4，自引：0，他引：4
为了进一步了解三江源区的湿地分布现状,尝试利用MODIS 16天合成的归一化植被指数(NDVI)数据,采用决策树分类方法对三江源区湿地的遥感影像进行了分类研究.在数据预处理时,采用中值滤波和主成分变换结合的方法有效地去除了MODIS数据的噪声;在决策树构建过程中,结合DEM数据有效地提取出湖泊;利用象元NDVI时序变化曲线规律,采用先控制曲线形状、再控制拐点阚值的方法对沼泽进行分类.通过精度验证,湖泊的分类精度达到了96.5%,总的分类精度达到了84.2%,Kappa系数为0.78.利用MODIS NDVI时间序列数据和决策树方法能够满足大范围区域湖泊和沼泽遥感影像分类要求. 相似文献
6.
基于决策树模型的海岸带分类方法研究 总被引：4，自引：1，他引：3
海岸带地物分布复杂,地物混淆常造成海岸带提取困难。该文以江苏省粉砂淤泥质海岸为研究对象,运用图像光谱特征、纹理特征并引入地学知识,构建研究区遥感图像分类决策树模型,并利用ETM 图像进行海岸地物分类研究。结果表明:采用的决策树模型可以较好地结合纹理信息和地学知识,解决遥感图像中复杂地物分类过程中的混淆现象,分类精度达89.26%,比最大似然法分类精度提高了15.19%。 相似文献
7.
遥感影像解译中的决策树分类法一般是引入NDVI植被指数、亮度阈值法、DTM、空间结构、纹理、和其它一些地貌特征来实现地物类别的分离;而传统的监督分类、非监督分类是直接基于像元的亮度值而进行的分类,两者各有优缺点。将两者在遥感影像解译中结合使用,建立统一的分类模型,并以皖东地区TM影像为例进行了分类实验,结果证明,采用该模型分类比单一的最大似然法分类精度提高了4.45%,Kappa指数提高了0.107,该模型能有效地提高影像分类的精度。 相似文献
8.
西藏灌木林遥感分类方法对比研究 总被引：1，自引：0，他引：1
以西藏主要类型灌木林为对象,开展外业遥感调查,分别应用非监督分类、监督分类、基于空间分布特征的辅助分类和基于光谱特征再分类4种方法,对灌木林类型进行了遥感分类识别,并对各种分类方法所得到的分类结果进行对比评价.研究表明,非监督分类和监督分类的总体精度分别为42.20%和46.79%,除了对沙棘灌木林分类精度较高外,对其他灌木林类型分类精度均较低;基于空间分布特征的辅助分类精度为86.24%,其分类结果未能识别到具体灌木林类型;基于光谱特征的再分类精度为70.64%,对沙棘、红柳能较准确的识别,而对个别灌木林类型(如杜鹃和小檗)的识别精度不高. 相似文献
9.
像元信息分解和决策树相结合的影像分类方法 总被引：7，自引：1，他引：6
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％。 相似文献
10.
运用监督分类和决策树两种方法,以2014-8-25的Landsat8-OLI遥感影像为基础数据源,提取新巴尔虎右旗的沼泽和草甸信息。方法一:在ENVI中进行监督分类,将研究区分为沼泽和草甸、草地、森林、农用地、水体、居民地、沙地和其他等八类,采用最大似然法对研究区遥感影像进行沼泽和草甸信息的提取工作。方法二:求取研究区的归一化植被指数NDVI,将NDVI值和坡度值作为限制条件,进行求取研究区域的沼泽和草甸信息。将两种方法获得的沼泽和草甸分类图与验证样本进行混合矩阵分析,分别对两种分类结果进行精度评价,比较监督分类和决策树分类在沼泽和草甸信息提取的精度。结果表明:Landsat8-OLI影像采用监督分类的精度为89.40%,利用决策树分类的精度达到了91.05%,精度较高。这两种方法均能够很好地进行沼泽和草甸信息提取,同时验证了基于Landsat8遥感影像在湿地覆被分类的可行性。 相似文献