李 明, 赵英俊

(核工业北京地质研究院,北京 100029)

随着高分辨率卫星影像应用愈加广泛,如何利用高分辨率遥感影像丰富的光谱信息、纹理信息、几何及语义信息进行计算机自动快速提取信息成为遥感技术领域的一项重要研究。

面向对象影像分析方法使得对地物不同特征的分析上升到了一个新的高度,在利用高分辨率遥感影像对自然资源及土地资源的研究中,如何利用一个个同质“对象”丰富各项信息、准确快速地区别较难区分的地物类型是一个难点。单纯地利用光谱信息而忽略纹理信息会导致“错分、漏分”等现象,但是传统的监督分类如果加入纹理信息又会导致计算量过大、分类效率降低、分类精度有限等问题,因此在面向对象影像分析的基础上,出现了模糊分类法、SVM支持向量机分类法、C45决策树分类法、人工神经网络分类法等众多影像分类方法。 这些方法相比于传统的基于像元的分类方法分类精度有了明显提高。

本文所研究的CART决策树分类方法具有自动选择分类特征、自动确定阈值、运算速度快、分类精度高等诸多优点[1],因此非常适合在自然资源及土地覆盖的计算机自动提取工作中得到应用,能够大大加快工作效率,提高分类精度。

1 研究区及数据预处理

研究区位于陕西省榆林市北部神木县,东经109°44′53″～109°52′10″,北纬39°5′49″～39°5′57″,面积71.15 km2,地处毛乌素沙漠东南缘,陕、晋、蒙接壤地带,典型的黄土地貌,地处丘陵、森林草原向沙漠、干草原的过渡地带,基本土壤为风沙土和黄土,石多土薄,水土流失严重。……