基于CART决策树分类的江苏省湿地提取

针对湿地环境复杂、类型多样且难以从景观尺度进行识别的特点，为解决遥感影像“同物异谱、异物同谱”的难点，探讨湿地遥感信息提取方法，可为湿地管理保护提供基础数据。以江苏省为研究区，高分一号影像为数据源，结合不同地物的环境特征和空间特征，采用CART决策树法进行地物分类，并提取湿地信息；选取影像纯净像元为训练样本，根据样本数据特征，制定分类规则。集成高分影像的光谱特征、植被指数、水体指数、土壤调整植被指数、纹 理信息、主成分分析波段和辅助地形数据，构建CART决策树模型，实现地物分类，最终采用混淆矩阵和分类精度指标进行评价，并与最大似然分类方法进行对比。结果表明，分类总体精度达到86.77%，Kappa系数为0.85，精度较最大似然分类提高了将近16%，Kappa系数提高了近0.2；遥感解译成果统计表明，2016年江苏省湿地总面积为14 053.12 km2；其中，水域面积12 585.59 km2，沼泽574.18 km2，滩涂893.35 km2，分别占湿地总面积的89.56%、4.09%、6.35%。研究发现，CART决策树分类精度高于最大似然监督分类，具有较强的实用性和优越性，对大面积湿地信息提取具有借鉴意义。

Extraction of Remotely Sensed Wetland Information for Jiangsu Province Based on CART Decision Tree Classification