C5.0决策树Hyperion影像森林类型精细分类方法
2018-08-22王怀警谭炳香房秀凤李世明李太兴
浙江农林大学学报 2018年4期
关键词:分类
王怀警,谭炳香,房秀凤,李世明,李太兴
(1.中国林业科学研究院 资源信息研究所遥感室,北京100091;2.吉林省白河林业局,吉林 延边 133613)
遥感技术具有覆盖范围大、重访周期短、应用成本低等优势,能及时准确地掌握森林类型、分布、面积、结构、质量、现状及动态变化情况,在森林区划、森林资源调查、森林类型精细识别、植被制图[1]、动态变化监测等方面具有巨大的应用潜力。利用遥感影像开展土地利用类型分类和森林类型识别已有较多研究,主要集中在非参数化智能化分类、多源遥感数据与辅助信息综合分类[2-3]、知识挖掘和专家系统、 多时相复合分类[4]、 面向对象[5]、 新方法引入与分类策略[6]、 多分类器组合[7-9]等方面, 并且在植被分类、林地信息提取、森林类型精细识别[10-12]、树种(组)分类、动态变化监测等方面获得广泛的应用。当前,针对高光谱影像的分类方法,如光谱角匹配方法、最大似然法、人工神经网络和支持向量机(SVM)等,多为基于像元光谱信息来赋予像元不同的地物类型,比较成熟和稳定。但此类方法往往忽视空间信息,或者对空间信息利用不充分,在没有辅助数据或者辅助数据较少的情况下,如何利用有限的已知样本点所提供的空间位置信息或其他来源的辅助信息提高分类精度值得深究。C5.0决策树算法是一种以信息熵为核心思想的数据挖掘算法,可以快速寻找现象之间未知的关系和关联。前人对该算法的应用多集中在土地利用信息自动提取[13]、 土地覆盖分类[14-15]、 植被分类[16]、森林变化检测[17]等方面;……
登录APP查看全文
