gis支持下的山區(qū)遙感影像決策樹分類研究

1、2 0 1 1年 3月 第 2 5卷第 l 期 總 8 3期 北 京 聯(lián)合 大學 學 報 ( 自然科 學 版 )J o u r n a lo fB e i j i n gU n i o nU n i v e r s i t y ( N a t u r a lS c i e n c e s )M a r ． 2 O11V0 l _ 2 5No ． 1S u m N o ． 8 3G I S支持 下 的 山區(qū)遙 感影 像 決 策樹 分 類

2、 研究 游浩辰 ， 許 章華 ， 劉 健 ， 余坤 勇一 ， 張新珠 ( 1 ．福 建 農(nóng) 林 大學 3 s 技 術(shù) 應 用 研 究 所 ， 福 州3 5 0 0 0 2 ；2 ． 福 建 農(nóng) 林 大 學 土 林 學 院 ， 福 州 3 5 0 0 0 2 ； 3 ．三 明 學 院 ， 福 建 三 明 3 6 5 0 0 0 )[ 摘 要 ]以福建 省順 昌縣為研 究 區(qū)， 首 先利 用 光譜 、 紋 理等 信 息 對森 林進 行初

3、分類 ； 在 此基 礎(chǔ) 上 ， 分析各 森林類 型在 不同地形 條件 下的混 淆情 況 ， 借 助 G I S手段 ， 建 立再 分 類規(guī) 則 ， 實現(xiàn) 森林 分 類精度 的提 高。從 分類 總精 度 看 ， 再 分 類 結(jié) 果較 初 分 類 結(jié) 果 高 出 9 ． 1 I ％ ， 而 K a p p a系數(shù) 則 高 出0 ． 1 3 48 ， 說 明 G I S支持 下 的決策樹 分類 可較 大幅度地提 高南方 山地 丘 陵 區(qū)域 的

4、 森林 分類精 度 ， 具 有 良好 的應 用前景 。[ 關(guān)鍵詞 】地 理信 息 系統(tǒng) ( G I S ) ； 山 區(qū)； 遙 感 ； 決策樹分 類 ； 森 林類型 [ 中圖分 類號 】 P2 0 8 ． 2[ 文獻標 志碼 】A[ 文章 編號 】1 0 0 5 - 0 3 1 0 ( 2 0 1 1 ) 0 l - 00 3 4 - 0 7De c i s i o nTr e eCl a s s i f ic a t i o no fR

5、e m o t eS e n s i ngI m a g ei nM o u n t a i nAr e a sS u p p o r t e db yGI SYOUHa o — c h e n'，XUZ h a n g ． h u a’，L I UJ i a n’’，Y UKu n — y o n g’，Z HAN GXi n ． z h u( 1 ． I n s t i t u t eo fG e o m a t i c s

6、A p p l i c a t i o n ， F u j i a nA g r i c u l t u r ea n dF o r e s t r yU n i v e r s i t y ， F u z h o u3 5 0 0 0 2 ， C h i n a ；2 ． C o l l e g eo fF o r e s t r y ，F(xiàn) u j i a nA g r i c u l t u r ea n dF o r e s t

7、r yU n i v e r s i t y ， F u z h o u3 5 0 0 0 2 ，C h i n a ；3 ． S a n m i n gU n i v e r s i t y ， S a n m i n gF u j i a n3 6 5 0 0 0 ， C h i n a )Ab s t r a c t ：T a k e nS h u n c h a n gC o u n t yi nF u j i a nP r o

8、 v i n c ea st h es t u d ya r e a ，t h ep a p e rf i r s tma d eu s eo ft h es p e c t r a la n dt e x t u r a li n f o r ma t i o nt or e a l i z et h ep r e l i mi n a r yf o r e s t sc l a s s i f i c a t i o n ．Ont

9、h eb a s i so ft h i s ，i ta n a l y z e dt h ec o n f u —s i o nc o n d i t i o no ft h e s ef o r e s tt y p e si nd i f f e r e n tt e r r a i nc o n d i t i o n s，a n de s t a bl i s h e df ur t h e rc l a s s i f i

10、c a t i o nr u l e ss u p ．p o ~e db yGI S，S Oa st oi n c r e a s et h ef o r e s tc l a s s i f ic a t i o na c c u r a c y．Th eo v e r a l lc l a s s i f ic a t i o na c c u r a c yo ff u r t h e rc l a s s i f ic a t

11、i o nr e s ul twa s9． 11 ％ h i g h e rt h a nt h ep r e l i mi n a r y o n ea n dt h eo v e r a l lKa p pas t a t i s t i c swa s0 ．13 48h i g h -e r ，w h i c hi n d i c a t e dt h a tDe c i s i o nT r e eC l a s s i f

12、i c a t i o ns u p p o s e db yGI Sc o u l di n c r e a s et h ef o r e s t sc l a s s i f i c a t i o na c ．c u r a c yal o ti nmo u n t a i na r e a so fS o u t h e r nC h i n aal o ta n dh a dag o o da p p l i c a t i

13、 o np r o s p e c t ．Ke ywo r ds：Ge o g r a ph i cI n f o r ma t i o nS y s t e m ；mo u n t a i na r e a s；r e mo t es e n s i n g；d e c i s i o nt r e ec l a s s i f i c a t i o n；f o r e s tt y pe s提高遙 感數(shù)據(jù) 專題信 息 的計 算機

14、提取 精 度 ， 是 遙感 研究 的主要方 向之 一 。當前 ， 大多 利 用 目標物 的光譜 反射 特性開 發(fā)各種 算法 加 以分類 ， 而 由多種 因素 造成 的 同物異 譜 、 異 物 同譜 問題 ， 制 約 了基 于 光譜特 征 的統(tǒng)計模 式分類 方 法精 度 的提 高 。為此 ，多年來 ， 結(jié)合像 元級 的空 間光 譜特 征輔 以遙感 信息 以外 的待分類 區(qū)各 種 特 征 信 息 開發(fā) 的分 類算 法 逐 漸成 為一種 趨勢

15、 ， 并 取得 了進展 ? 。輔 助數(shù) 據(jù) 引入 [ 收 稿 日期 ] 2 0 1 0—1 2— 0 6[ 基 金 項 目】國 家 自然 科 學 基 金 ( 4 0 9 7 1 0 4 3 ) ； 福 建 省 自然 科 學 基 金 ( 2 0 0 8 J 0 1 1 7 ) 。[ 作 者 簡 介 ]游 浩 辰 ( 1 9 8 8 一 ) ， 男 ， 福 建 寧德 人 ， 福 建農(nóng) 林 大 學碩 士 研 究 生 ， 研 究 方 向為 3

16、S 技 術(shù) 在 資源 與 環(huán) 境 中的應 用 。 [ 通 訊 作 者 ] 劉 健 ( 1 9 6 3 一 ) ， 男 ， 福 建 福 州 人 ， 博 士 ， 福 建農(nóng) 林 大 學 教 授 ， 博 士 生 導 師 ，研究 方向為森林 經(jīng)營管理 與 3 S技 術(shù) 應 用 。3 6北 京 聯(lián) 合 大 學 學報 ( 自然科 學 版 )2 0 1 1 年 3月息 的有效提 取 ， 本研 究對林 地 信息 的提 取 亦依 此進 行 。3 ． 2 分

17、類 系統(tǒng) 的確 定 根據(jù) 國土資源 部所確 定 的土地 分 類 系統(tǒng) ， 一級 分類 系 統(tǒng) 把 土 地 主要 分 為 耕 地 、 園 地 、 林 地 、 牧 草 地 、 居 民地及 工礦用 地 、 交 通用 地 、 水 域 和未 得用 地 共 8種 土地 利用類 型 。研 究僅 對林 地 進行 分類 ， 因 順 昌縣 的主要造 林樹 種為 毛竹 、 杉木 、 馬尾松 、 闊葉 樹及油 茶等經(jīng) 濟樹 種 ， 故 將 森 林分 類 系 統(tǒng)

18、 確定 為 5類 ， 即竹林 、 杉木 、 馬尾松 、 闊葉林和 經(jīng)濟林 。4 基 于光 譜 與紋 理特 征 的決 策 樹分 類 4 ． 1 決策樹 分類概 述 決策 樹算法可 以像分 類 過程一 樣 被定 義 ， 依 據(jù) 規(guī)則 把遙感 數(shù) 據(jù)集 一 級 級 往 下細 分 以定 義決 策 樹 的各個 分支 。決策樹 由一 個根 結(jié)點 、 一 系列 內(nèi)部結(jié) 點及終極 結(jié)點 組成 ， 每一結(jié) 點 只有一 個父 結(jié) 點 和二 個或多個 子結(jié)

19、點 。在 “ 原級 ” 與 “ 終級 ” 之 間形 成 一 個分 類樹 結(jié) 構(gòu) ， 在 樹結(jié) 構(gòu) 的 每一 分 叉 結(jié)點 處 ， 可 以選 擇不 同 的物 質(zhì)用 于 進 一 步有 效 的細 分 類 。這 就 是決策樹 分類器 特征選 擇 的基本思 想 。4 ． 2 光 譜 特 征 提 取 本研究 選擇 的光 譜 特征 變 換 包 括 歸 一 化差 值 植被 指數(shù) 的提 取 、 主 成分 變 換及 纓 帽變換 ， 均借 助 E R D A

20、 S實 現(xiàn) 。4 ． 2 ． 1 歸 一化差值 植被 指數(shù) 植 被指數(shù) 常作 為遙感解 譯 的重 要參 數(shù) ， 它是 從 多光譜遙感 數(shù) 據(jù) 中提 取 的有 關(guān) 地 表植 被 狀 況 的 光 譜 量數(shù) 值 ， 能 數(shù) 量化 地 反 映植 物 狀 況 ， 有助 于 增 強 遙感影 像 的解譯力 ， 以排 除非林 地 信息 產(chǎn)生 的不必 要干 擾 。歸一 化 差值 植 被 指 數(shù) 又稱 標 準 化植 被 指 數(shù) ， 是 目前應 用最 廣泛

21、的一種 植被 指數(shù) 。 由于該 指數(shù)對 土壤背 景 的變 化較 為敏 感 ， 削弱 了地 形 和群 落結(jié) 構(gòu) 陰影 的影 響 ， 對植 被 蓋 度 的檢 測 幅 度較 寬 ，故有較好 的時 相 和 空 間適 應 而非 常適 合 作為 檢 測 植 被變化 的指 數(shù) 。它 常用來 反 映植 被狀 況 、 植 被 覆 蓋 、 生物量 信息 ， 是反 映植被 生態(tài) 環(huán)境 的 重要 指標 。其公 式為 ：N DV I= ( Ⅳ一R) ／ ( Ⅳ+

22、) 。式 中 ： N D V I 為歸 一化 差 值植 被 指 數(shù) ； N I R為近 紅 外波段 ； 尺為紅 波段 。4 ． 2 ． 2 主成 分變換 融合后 的影像具 有 7 個 波 段 ， 鑒 于第 6波段 主 要用 于探測地 球表 面不 同物 質(zhì) 的 自身 熱 輻射 ， 一般 不應 用 到植被 提 取 中 ， 因而 予 以舍 去 。6個 波 段需 要 產(chǎn)生 8個紋 理量 ， 4 8維 的圖像 不利 于紋理 測度 的 選 取 。主

23、成分 變 換 是 光 譜 增強 的一 種 常 用 的數(shù) 據(jù) 壓 縮方法 ， 它 可 以將 具有相 關(guān)性 的多波 段數(shù) 據(jù)壓 縮 到 完全獨 立 的較 少 的幾個 波段 上 ， 使 圖像數(shù) 據(jù)更 易 于解譯 。主成 分變換 結(jié)果 顯示 ， 第 一主 成分 包含 了 原 圖像 9 6 ． 2 7 ％ 的信 息 量 ， 因 而能 較 好 地代 表 原 圖像 。4 ． 2 ． 3 纓帽 變換 纓帽變 換是 針 對 植 物 學 家所 關(guān) 心 的植

24、 被 圖 像 特征 ， 在植被 研究 中將原 始 圖像數(shù) 據(jù) 結(jié)構(gòu) 軸進 行 旋 轉(zhuǎn) ， 優(yōu)化 圖 像 數(shù) 據(jù) 顯 示 效 果 。該 變 換 的 基 本 思 想 是 ： 多波 段 ( N波段 ) 圖像 可 以看 作 是 維 空 間 ， 每 一 個像元 都是 Ⅳ維空 間 中的一個 點 ， 其 位置取 決 于 像元 在各 個 波 段 上 的數(shù) 值 。植 被 信 息 可通 過 亮 度 軸 、 綠度 軸 、 濕 度軸 3個 軸信 息來確 定 。

25、4 ． 3 紋 理 特 征 提 取 紋理是 一種 反 映一 個 區(qū) 域 中像 素 灰 度 級 的空 間分 布屬性 ， 表 現(xiàn)為 圖像灰 度在 空 間上 的變 化 和重 復或 圖像 中反復 出 現(xiàn) 的局部 模 式 ( 紋理 單 元 ) 及 其 排列規(guī) 則 。紋理 分析 的基本 方法 有 3類 ： 統(tǒng)計 分 析 方法 、 結(jié) 構(gòu)分 析方法 和頻 譜分 析方 法 。研究 采 用 的 紋理分 析方 法是 統(tǒng) 計 分 析 方 法 中 的灰 度 共

26、 生 矩 陣 方法 。 。。灰 度共 生矩 陣提供 了影 像 中像元 與像 元 、像元 與整 體影像 問的空間 關(guān) 系 ， 其 方法 是先 依 據(jù)影 像 的灰 度 級 數(shù) 和 灰 度 變 化 情 況 計 算 出 4個 方 向 ( 右 、 下 、 右上 和左 下 ) 任 意兩 個 灰度 級相 鄰 出現(xiàn) 的 概率 矩 陣 ， 該 矩 陣 即為 灰度 共 生 矩 陣 ， 再 將 該 矩 陣 作對 稱 化 和 歸一 化 處 理 ， 得 到灰 度

27、 聯(lián)合 矩 陣 ， 灰 度 聯(lián) 合矩 陣提供 多個 紋理 量 ， 可從 多 個 側(cè) 面描述 影像 的紋理 特征 。E N V I4 ． 3中灰度 共 生 矩 陣法 提供 了均值 、 方差 、 協(xié) 同性 、 對 比度 、 相異 性 、 熵 、 角 二 階 矩 、 相關(guān)性 等 8個 紋 理 量 。在 進行 紋 理信 息 提 取前 ， 需要 先 確 定 窗 口大小 和 步 長 兩 個重 要 參 數(shù) 。經(jīng)不 同窗 口大小 和步 長 的 測試

28、， 選 定 窗 口大 小 為 7× 7 、 步長 為( 1 ， 1 ) ； 在 E N V I4 ． 3下 對第一 主成分 進 行基 于灰度 共生 矩陣 的紋理信 息提 取 。4 ． 4 最 佳 分 類 特 征 量 選 擇 光譜 與紋 理特征 提取 中 ， 已獲 得 了歸 一化 差值 植被 指 數(shù) 、 第 一 主成 分 、 纓 帽 變換 特 征 軸 等 8類 光 譜信 息 以及 均 值 、 方 差 、 協(xié) 同性 、 對 比度