基于指数的决策树土地利用分类算法研究

以湖北省松滋市部分区域为研究对象,基于2011年Landsat 5TM、2017年Landsat-8遥感影像和ASTGTM2的DEM数字高程数据,深入探讨研究区两种影像数据的多特征提取,设计基于指数的土地分类试验。结果表明,EBSI、MNDWI、MSAVI、MNDBI等遥感指数的分类精度较高;依据上述遥感指数和DEM特征,生成决策树规则,构建决策树分类模型,得到研究区的土地利用分类结果,决策树分类精度明显高于SVM法和最大似然法,Landsat-8影像分类精度高于Landsat 5TM;2011—2017年部分裸土得到了利用,主要转化为居民用地和生态用地。     

基于决策树分类技术的遥感影像分类方法研究

采用决策树分类技术对遥感影像进行分类,阐述了决策树算法结构和原理,讨论了C4.5基本原理以及新技术Boosting方法,探讨了决策树在遥感数据分类方面的优势,从而提高了遥感影像的分类精度。     

基于MODIS影像的决策树森林类型分类研究

基于MODIS 影像的多种特征信息,以吉林省汪清林业局为例,结合该地区的地形分布,在空间维上分析影像的纹理特征信息和地形指标信息,时间维上分析植被的生长规律和地表温度信息,统计分析植被的特征信息差异,利用决策树方法对该林区的森林类型进行分类,并对分类结果进行精度评价。结果表明,总体分类精度为87.80%,卡帕系数为0.851 0,其中,针叶林、阔叶林、混交林、和其他用地的分类精度均达到80%以上。在分类决策中,时间和空间上的多种数据特征信息的加入,可有效地提高植被类型的分类精度。该结果有助于更好的了解植被在时间和空间上的分布情况,为大区域尺度的森林动态信息监测提供更好的依据。     

基于决策树分类的张北土壤盐碱化研究

利用2001年ETM遥感数据,采用SAVI、NDWI、BRIGHT以及纹理等指数,使用决策树分类的方法对研究区进行了盐碱化信息提取,根据实际情况,分为重度盐碱、轻度盐碱、水体、植被和裸地等5个类别,有效地提取了实验区的盐碱地信息。     

基于纹理特征的土地利用分类研究

为了提高遥感影像分类精度,将影像中的纹理信息作为提取的重要特征,用基于灰度共生矩阵的纹理量的分类法和基于J5判据的最小距离分类法,计算并提取TM5波段最能反映类别差异的纹理特征及组合。以沈阳某一地区为试验区,对图像进行综合分析,试验结果显示:最优组合是直方图的均值m1、对比度CON和灰度共生矩阵的熵H、逆差矩HOM。将利用此组合的分类结果与监督分类结果进行对比,结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类,分类精度高于单纯光谱的分类精度。     

基于CART决策树的黄河源区域生态地类的遥感解译研究

为指导黄河源区域生态环境修复,以黄河源区域为研究区,采用Landsat 8影像作为数据源,以融合多种特征指数的CART树模型进行高寒湿地分类方法研究.结果表明:使用CART决策树算法进行数据挖掘处理,将得到的决策树用来分类制图,得到黄河源地区生态地类分布图,通过混淆矩阵得出分类后总精度为88.25％,Kappa系数为0...     

基于光谱特征的决策树分类方法研究——以昆明市东北部地区为例

以昆明市东北部地区的TM影像为材料,通过分析主要地物的光谱特征,进行波段间的相互运算,建立相应的决策树模型,对地物进行分类,并对分类结果进行精度评价。结果表明:决策树分类法的总体精度为77.0%,比传统的分类方法如最大似然法提高了6.3%,能有效地提高影像的分类精度。     

苏南丘陵区土地利用遥感分类方法适用性研究

准确、及时、有效的土地利用信息对城镇发展规划和资源开发利用具有重要意义.为研究不同遥感分类方法在获取苏南丘陵区土地利用信息时的适用性,以句容河流域为研究区域,基于多时相的Landsat 8影像,分别利用监督分类方法和基于时间序列特征指数的决策树分类方法获得研究区域的土地利用分类结果,比较分析了不同方法获取到的土地利用结...     

基于决策树模型的农户产权抵押贷款分类的实证研究

基于西部农户产权抵押贷款试点地区所获得调研数据,以农户贷款意愿为目标,农户户主特征、家庭特征等8个因素为自变量,建立决策树分类模型,以为农村金融机构提供有价值的农户分类规则。结果表明:农户家庭人口、土地面积、户主受教育程度等7个因素的不同水平取值可以组成10个不同属性的分类规则,并且分类模型能获得较佳的准确性及精确性,模型具有较佳的预测能力。模型结果对农村金融机构制定相关金融支持政策起到积极的作用。     

基于TM影像的喀什地区土地利用分类

以喀什地区为研究区,选取2010年9景TM影像为遥感信息源,利用支持向量机法对喀什地区的土地进行分类。最终分成7个类别,并用混淆矩阵对分类结果作精度评价,总体分类精度为85.28%,Kappa系数为82.79%。结果表明,利用支持向量机分类方法对TM影像进行喀什地区土地利用分类与制图是可行的,能较真实地反映该地区植被和土地利用的基本特征。     

基于水稻特征波段的决策树分类研究

以滁州市为例,结合水稻物候的特征波段,选用反映水稻物候期时相的TM数据,并基于多特征波段,构建CART决策树分类提取水稻种植面积。结果表明,植被指数、湿度因子、绿度因子、纹理特征等多特征参与CART决策树分类能够提高总体精度。基于光谱信息、植被指数和纹理特征的决策树分类的总精度比以最大似然法进行的监督分类方法提高了6.942 1百分点,Kappa系数提高了0.110 4。合理选用作物物候期数据及其遥感影像的特征波段能够有效降低分类误差,为地形复杂地区获取作物种植面积提新的方法。     

基于多光谱影像和专家决策法的作物分类研究

[目的]探讨基于多光谱影像和专家决策法的作物分类,验证利用单时相多光谱影像区分农作物的可行性。[方法]以呼伦贝尔地区典型农业种植区为研究区,根据野外实测光谱数据,寻找区分研究区主要作物大麦、小麦、油菜的最佳时间,根据作物波谱特征,采用决策树方法,结合光谱角度制图（SAM）等光谱匹配方法,开展了作物分类研究。[结果]利用8月上旬获取的LandsatTM影像,在对影像进行几何校正、大气校正的基础上,构建决策树,成功提取了小麦、大麦、油菜、种植草场的种植信息,分类总体精度达到86.90%,Kap-pa系数达到0.831 1。[结论]以典型时相的多光谱影像为数据源,应用决策树方法提取作物类型信息,具有较好的应用前景。     

土地利用分类中OLI影像合成最佳波段组合研究

为了将Landsat8_OLI遥感影像应用于土地利用分类中,以新疆维吾尔自治区阿拉尔市Landsat8_OLI遥感影像为试验数据,在对试验数据进行光谱特征分析的基础上,采用最佳指数(OIF)法对Landsat8_OLI遥感影像合成最佳波段组合进行了研究。结果表明,Landsat8_OLI数据各波段中,Band5包含的地物信息最丰富;Landsat8_OLI最佳波段组合为OLI457,其结果具有较好的目视效果。     

基于多光谱影像和专家决策法的作物分类研究

[目的]探讨基于多光谱影像和专家决策法的作物分类,验证利用单时相多光谱影像区分农作物的可行性。[方法]以呼伦贝尔地区典型农业种植区为研究区,根据野外实测光谱数据,寻找区分研究区主要作物大麦、小麦、油菜的最佳时间,根据作物波谱特征,采用决策树方法,结合光谱角度制图（SAM）等光谱匹配方法,开展了作物分类研究。[结果]利用8月上旬获取的LandsatTM影像,在对影像进行几何校正、大气校正的基础上,构建决策树,成功提取了小麦、大麦、油菜、种植草场的种植信息,分类总体精度达到86.90%,Kappa系数达到0.8311。[结论]以典型时相的多光谱影像为数据源,应用决策树方法提取作物类型信息,具有较好的应用前景。     

决策树C4.5算法结合模糊判决算法的土地评价方法（英文）

为了传统土地评价过程中影响因子存在连续值时难以构建评价模型的缺点,提高土地评价知识表达的可解释性,通过对语义属性采用多重分支,利用分支的统计显著性的启发式技术来实现剪枝,提出了基于C4.5算法挖掘分类规则。并利用模糊推理的方法,给出模糊匹配程度的概念,计算出被评价土地样本与各C4.5规则匹配的模糊程度,然后从中找出模糊匹配程度最大的所对应的规则,被评价样本即可被评价为该规则的结果所示的土地等级。文章提出了一种基于C4.5算法和模糊判决算法的土地资源评价模型构建方法,通过广东省土地评价数据库的实验结果表明,该方法能够适用于土地评价当中,当选取100条规则作为规则库进行土地评价时,获得了86.67%的数量准确率和84.80%的面积准确率。     

基于优化理论的遥感影像湿地信息提取

在湿地遥感动态监测中,需处理大量时间序列的数据,带来了时间、成本、技术、精度4个指标此消彼长的矛盾,是其遥感数据应用向产业化发展迈进存在的问题之一 针对上述问题,在闽江口湿地动态监测和专题信息提取过程中,建立了提取方法优选模型,构建了基于优化理论的湿地信息提取分层分类模式 该模式在试验区其它数景不同时相图像的湿地信息提取过程中,取得了最佳的时间、成本、技术、精度综合效用     

基于决策树集成学习的桉树蓄积预估模型研究

林分蓄积是衡量小班林分生产力的重要指标。以广西高峰林场速生桉为研究对象,以年龄、密度两个林分因子和坡向、坡位、坡度、土壤等立地因子作为自变量,公顷蓄积作为因变量,利用非集成、集成学习方法构建9个决策树模型,选择最优决策树模型预估不同年龄的桉树蓄积。结果表明：①集成学习决策树模型精度高于非集成模型,串行集成类模型boosting精度高于并行集成类模型bagging,其中串行集成模型中XGboost模型评价指标最优,训练集R2为081,RMSE为044;测试集RMSE为048,MAE为034。② 最优模型XGboost自变量重要性占比大于1%,依次为年龄(78%)、海拔(49%)、土层厚度(38%)以及密度(32%),其中年龄重要性远高于其他变量,纵向海拔高度影响大于空间位置上的横向坡度,造林密度影响程度低于土壤因素。③模型结果在广西其他地区同树种泛化测试精度R2为0785,P值为22E-16,符合检验标准,说明该模型针对广西部分地区速生桉树种生产力预估结果较好,可以为林场造林收获预估提供依据。