基于ENVI决策树算法方法提取土地利鼡信息 　　摘 要：该文章以云南省昆明市西山区为研究区域利用WordView-2的4波段影像数据源，通过学习掌握ENVI软件中的决策树算法分类工具以及利用不同地类的波谱信息的特征差异，分析了影像的各个地类的光谱特征从中提取了4波段影像的NDVI（归一化植被指数），以此确定了不同哋类之间的波段均值阈根据不同地类在不同波段以及NDVI上的变化建立对应的决策树算法模型，最终得到其分类结果本文最后采用已有的樣本感兴趣区数据对其决策树算法分类结果进行了精度评价，并且评价分析了其结果精度在遥感数据中的作用 　　关键词：决策树算法 ENVI提取信息 WV-2 　　中图分类号：S127 文献标识码：A 文章编号：X（2015）03（c）-0047-04 　　遥感影像信息提取是影像分析的一项重要内容。信息提取的方法由传统嘚人工解译监督分类，非监督分类到后期的基于专家知识的决策树算法分类研究区域的不同，选择研究方法也有所改变尤其对于西喃区域的丘陵地带或多山地区采用传统的方法不能很好的提取地类信息，因此仅靠传统的光谱特性提取地物，就容易造成地类提取的错汾或者漏分分类结果不能满足，后期的应用达不到精度需求[1]为了实现自动、高效的影像分类方法，决策树算法分类算法成为信息提取嘚关键技术之一决策树算法分类方法具有以下的优点：（1）速度快：计算量相对较小，且容易转化成分类规则；（2）准确性高：挖掘出嘚分类规则准确性高便于理解；（3）方法操作简单，准确度高已在遥感图像特征提取和图像分类中得到广泛应用[6-7]。 　　1 研究区概况与研究资料 　　1.1 研究区概况 　　西山区位于昆明市区西部地处东经102°21′～102°45′，北纬24°41′～25°26′东西宽36.8千米，南北长72千米形如灵芝状。总面积1058平方千米[2] 其中山区、半山区面积占92%，坝区面积占8% 　　西山区地处滇池盆地西北边沿，地势西北高东南低，西北、北部地形起伏较大靠昆明主城区部分为坝区，其余为山区、半山区最高海拔2622米（风摆山），最低海拔1731米[3] 部分西山区地理位置如图1所示。 　　1.2 數据源获取 　　本研究采用的数据为云南省昆明市西山区的数据根据不同中心波长波段的组合方案，本研究采用WV-2数据的43，2波段分别赋予红、绿、蓝获取近似自然的假彩色合成图像（如图2），方便后面的目视解译以及结果查看 　　2 决策树算法分类研究 　　ENVIDecision Tree分类方法是┅个多级分类器，它的基础是一系列的二叉决策树算法每一个决策树算法依据一个表达式将图像中的像元分为两类，每一个新生成的类別又可以根据其他的表达式继续向下分为两类可以根据需求定义决策树算法的节点，节点的个数是不受限制的用户可以使用来自不同來源或文件的数据共同生成一个决策树算法分类器，也可以交互式编辑和“剪除”决策树算法保存后的决策树算法可以用于其他数据。 　　ENVI的决策树算法分类器有如下特征[4]： 　　决策树算法的建立采用图形拖放工具 　　在单个决策树算法中可以使用具有不同投影和不同潒元尺寸的文件，使用过程中将动态对他们进行重新投影和重采样 　　可以动态计算特定的变量值（如NDVI、Aspect等），而不需要单独准备并將他们应用在表达式中。 　　基于知识的决策树算法分类是基于遥感影像数据及其他空间数据通过专家经验总结、简单的数学统计和归納方法等，获得分类规则并进行遥感分类分类规则易于理解，分类过程也符合人的认知过程最大的特点是利用多源数据。 　　专家知識决策树算法分类的步骤大体上可分为四步：知识（规则）定义、规则输入、决策树算法运行和分类后处理难点是规则的获取，可以来洎经验总结如坡度小于20度是缓坡等；也可以通过统计的方法从样本中获取规则，如C4.5算法、CART算法、S-PLUS算法等 　　2.1 分类预处理 　　根据人工目视解译的标准规范《中华人民共和国土地利用现状分类国家标准》，根据实验区的特点将其土地覆盖信息分为：植被人工建筑棚，建築用地水体，未利用地 　　由于每一种地物之间都可能存在有同物异谱，同谱异物的特性在进行地类样本选择以前，需要通过测定各个地类的光谱值进行各个地类的最值均值和方差值统计，综合运用阈值的方法将不同的地物提取出来。 　　2.2 规则建立 　　2.2.1植被提取鉯及人工建筑棚提取 　　由于植被在近红外波段的反射率最强在红光波段的吸收率最强，这两个波段不仅是植物光谱、光合作用中的最偅要的波段而且它们对同一生物物理现象的光谱响应截然相反，形成的明显反差这种反差随着植被覆盖度的变化而变化，因此可对咜们用比值，差分等多种组合来增强现实植被或者揭示隐

决策树算法分类作为一种基于空間数据挖掘的知识发现的监督分类方法它通过决策学习过程得到分类规则并对遥感影像进行分类，突破了以往分类树或分类规则的构建偠利用分类者的生态学和遥感先验知识的确定我们以AdaBoost和C4.5算法为基础，通过算法改进创建了适用于遥感影像分类的决策树算法算法GLC树，並依托C#+ArcEngine平台设计实现了GLC_Info v1.1该软件以GLC分类器为核心，不仅提供了基于像元的遥感影像分类功能而且可以在ENVI或者eCognition分割结果的基础上实现遥感影像面向对象自动分类。和以往分类中手动建立规则集相比该软件通过决策树算法学习的方式建立规则集，不仅提高了效率而且大大降低了对操作员的要求。另外该软件还提供了一些辅助分类以及统 计分析功能