【文章內容簡介】 置分類結果的名稱和顏色，最后結果如圖，其中 no veg 表示不是植被 ， class1 表示陡坡植被 ,class2 表示非朝北的陡坡植被 ,class3表示朝北的緩坡植被。 10 圖 36 規(guī)則輸入結果圖和決策樹運行圖 決策樹分類后處理 (1)分類統(tǒng)計： ENVI:ClassificationPost ClassificationClass Statistics：包括每一類的點數(shù)、最小值、最大 值、平均值以及類的每個波段的標準差等。其中每一類的最小值、最大值、平均值以及標準差可以以圖的方式進行顯示?？梢燥@示出每一類的直方圖，并且計算其協(xié)方差矩陣、相關矩陣、特征值和特征矢量等 圖 37 分類統(tǒng)計顯示圖 (2)兩個分類結果的比較： ENVI:ClassificationPost ClassificationConfusion Matrix：分類結果的精度，顯示在一個混淆矩陣里。通過用分類結果與地表真實圖像（ Ground Truth Image）相比較來計算混淆矩陣。分類結果記錄了總體精度、準確度 、 Kappa 系數(shù)、混淆矩陣、mission 誤差（每類中額外像元占的百分比）和冗長誤差（類左邊的像元占的百分比）等等。當用地表真實圖像計算混淆矩陣時，還可以輸出每類圖像中沒有被正確分類的那些像元。如圖 38 所示為針對兩個分類結果的比較： 11 圖 38 分類后處理圖（其中 class1 表示陡坡植被 ,class2 表示緩坡植被） 本章小結 決策樹分類算法具有靈活 ,直觀 ,清晰 ,運算效率高等特點 , 在遙感分類問題上表現(xiàn)出巨大的優(yōu)勢 [12]。 隨著人工智能技術和理論的發(fā)展 , 當前遙感圖像分類技術也向更高層 次發(fā)展 ,地學知識和地理信息的輔助決策可以大大提高遙感圖像分類和信息提取的精度 ,其中專家系統(tǒng)是解 決這一問題的有效途徑 .因此 ,將決策樹算法與基于知識的專家系統(tǒng)相結合將引起關 12 注。 決策樹分類法優(yōu)缺點分析 利用不同方式提取植被信息 本文以某 TM 遙感數(shù)據(jù) （ 圖 41） 作為數(shù)據(jù)源，分別利用監(jiān)督分類法、非監(jiān)督分類法與決策樹分類法就針對植被信息的提取進行對比。對比過程中發(fā)現(xiàn)：利用監(jiān)督分類法 （ 圖 42)對植被信息的提取首先要選取感興趣區(qū)，監(jiān)督分類只能識別訓練樣本中定義的類別，得到的結果內容缺失嚴重， 人為主觀因素較強 ，從而影響分類結果。而利用決策樹分類法進行植被信息的提取不需要提取感興趣區(qū)，決策樹分類法的樹狀分類結構對數(shù)據(jù)特征空間分布也不需要預先假設某種參數(shù)化密度分布，只需根據(jù)二叉樹單一的決策樹結構按照決策樹輸入規(guī)則，便可對目標圖像提取出相應的地物。如 （ 圖 43） 所示。 圖 41 TM 圖像原始數(shù)據(jù) 13 圖 42 利用監(jiān)督分類提取植被信息 圖 43 利用決策樹提取植被信息 在實驗過程中同樣發(fā)現(xiàn)：利用非監(jiān)督分類法 (圖 44)對于地物的信息的提取是整體的提取，對于單一的地物信息，例如植被信息 的提取，需要進行大量分析及后處理才能得到可靠結果，并且存在同物異譜，異物同譜的現(xiàn)象導致集群組與類別的匹配難度加大。相較之，決策樹分類法對于單一的地物信息提取方便且匹配度高，其分類結構簡單明了，對于輸入數(shù)據(jù)的空間特征和分類標志具有更好的彈性，在對數(shù)字圖像數(shù)據(jù)特征的分割上很好的體現(xiàn)了其優(yōu)勢。如圖 45 所示： 圖 44 非監(jiān)督分類提取植被信息 圖 45 利用決策樹提取植被信 14 決策樹分類法的優(yōu)點分析 (1)決策樹 學習方法是解決實際應用中分類問題的數(shù)據(jù)挖掘方法之一，能夠從無次序、無規(guī)則的事例中推理出決策樹表達形式的分類規(guī)則。決策樹學習過程中不需要操作人了解很多背景知識，只要訓練樣本能夠用“屬性 —— 結論”的方式表達出來，就能使用該算法來學習[13]。決策樹學習或得的分類知識易于表達和應用。目前國外已經(jīng)有學者利用決策樹學習方法獲取知識并應用于空間分析與研究過程。 (2)決策樹算法對于輸入數(shù)據(jù)的空間特征和分類標志具有更好的彈性，它應用于遙感數(shù)據(jù)分類的優(yōu)勢主要在于對數(shù)字圖像數(shù)據(jù)特征的分割上，其分類結構簡單明了，尤其是二叉樹結構的單一決策樹結構十分容易解釋。 決策樹分類法的不足之處 基于決策樹的分類方法目前在國內僅僅處于研究階段，并且存在樣本依賴度大 [14]、分類決策規(guī)則與專家系統(tǒng)不宜結合、不能充分利用分類地物的空間特征等缺點，需要通過進一步深入研究，改善分類效果，提高分類效率，實現(xiàn)更友好方便的人機界面，滿足計算機自動分類流程化自動化的要求。 總結與展望 總 結 基于決策樹的分類方法與傳統(tǒng)自動分類方法相比，不需要數(shù)據(jù)集正態(tài)分布的假設，可以重復利用 GIS 數(shù)據(jù)庫中的多源信息 [15]，因此具有更高的分類精度和適應 能力，并易于實現(xiàn)計算機自動分類的流程化和自動化。分類過程中加入 DEM、坡度坡向等 GIS 數(shù)據(jù)可以提高分類精度，特別是在山區(qū)、丘陵地形區(qū)域。但是，輔助數(shù)據(jù)的分辨率或者比例尺必須與待分影像接近，否則反而會影像分類效果。 遙感圖像分類是遙感圖像解譯中的一項關鍵技術，始終受到許多專家學者的熱切關注，它是遙感領域的一個重要研究方向。而遙感影像的監(jiān)督分類和非監(jiān)督分類方法，是影像分類的最基本、最概括的兩種方法。傳統(tǒng)的監(jiān)督分類和非監(jiān)督分類方法雖然各有優(yōu)勢，但是也都存在一定的不足。新方法、新理論、新技術的引入，為遙感影像分類提 供了廣闊的前景，但是不可能存在任何一種分類算法在所有情況下優(yōu)于其他方法，必須根據(jù)具體問題選擇合適的分類算法。因此對已有算法的改進或應用其他領域的知識來設計一些新的算法是遙感圖像分類方法研究中的重點。 15 展 望 通過本文研究發(fā)現(xiàn)：決策樹算法應用于遙感圖像分類尚處于探索階段，大部分都是理論上針對某一具體應用的探討，目前研究成果比較少參考 [16]，還沒有較為通用的軟件誕生。本文則在探索理論的基礎上理解到，進一步的工作就是將決策樹算法與其他技術，如神經(jīng)網(wǎng)絡相結合，與基于知識的專家系統(tǒng)相結合，以期獲取更高的分類精 度和更好的分類效率。并且，本論文在運用決策樹對遙感圖像分類過程著重在對植被信息的提取，以期對居民地等信息的提取 ,運用決策樹分類法依然可以取得理想效果。 16 參 考 文 獻 [1] 湯國安 .遙感數(shù)字圖像處理 [M].科學出版社， 2021. [2] 周興東 .基于遙感圖像的土地利用分類方法研究 [J].2021. [3] 張蓬濤 ,周雁等 .人工神經(jīng)網(wǎng)絡在農(nóng)業(yè)自然資源研究中的應用 [J].2021. [4] 戴南 ,基于決策樹的分類方法研究 [D].南京師范大學碩士學位論文 ， 2021. [5] 李寧，等，決策樹算法及其常見問題的解決 [J].計算機與數(shù)字工程， 2021. [6] 羅來平，等，基于決策樹算法遙感圖像分類研究與實現(xiàn) [J].2021. [7] 張仁華，實驗遙感模型及地面基礎 [M],北京：科學出版社， 1996. [8] 李爽，丁圣彥 .決策樹分類方法及其在土地覆蓋分類中的應用 [J].遙感技術與應用 .(1):611. [9] 羅來平，宮輝力 .遙感圖像決策樹分類器研究與實現(xiàn) [J].遙感信息 .2021.(3):1316. [10] 郭建坤 .基于時序 NDVI 的土 地覆蓋被變化檢測方法研究 [D]； 2021. [11] 李爽，丁圣彥，徐書明 遙感影像分類方法比較研究 [J] 河南大學學報 2021 32（ 2） :7274. [12] 李德仁，李德毅 .基于空間數(shù)據(jù)挖掘的遙感圖像分類研究 [J].武漢測繪科技大學學報，2021,125（ 1）： 4248. [13] 史忠植 .知識發(fā)現(xiàn) [M].北京：清華大學出版社， 2021. [14] 李爽，張二勛 .基于決策樹的遙感影像分類方法研究 [J].地域研究與開發(fā)， 2021,22（ 1） ：1721. [15] 葛春青，張凌寒，楊杰 基于決策樹 規(guī)則的面向對象遙感影像分類 [J] 2021. [16] 劉小平，等，像元信息分解和決策樹相結合的圖像分類方法 [J].地理與地理信息科學 ，2021. 致 謝 在此論文撰寫過程中，要特別感謝顧曉莉老師的指導與督促，同時感謝她的諒解與包容。沒有顧老師的幫助也就沒有今天的這篇論文。求學歷程是艱苦的，但又是快樂的。感謝我的班主任崔老師，感謝朱老師、吳老師以及謝謝揚州環(huán)境資源學院各位老師的無私幫助，三年的學習和生活，感謝所有關心和幫助過我的人們！在這三年的學期中結識的各位生活和學習上的摯友讓我得到了人生最大的 一筆財富。在此，也對他們表示衷心感謝。 謝謝我的父母，沒有他們辛勤的付出也就沒有我的今天，在這一刻，將最崇高的敬意獻給你們！ 本文參考了大量的文獻資料，在此，向各學術界的前輩們致敬！ 最后，在本論文結束之際，向所有為我的論文提出寶貴意見的評閱老師們表示衷心的感謝和崇高的敬意！ 9JWKf wvGt YM*Jgamp。 6a*CZ7H$dq8Kqqf HVZFedswSyXTyamp。 QA9wkxFyeQ^! djsXuyUP2kNXpRWXm Aamp。 UE9aQ@Gn8xp$Ramp。849Gx^Gj qv^$UE9wEwZQc@UE%amp。 qYp@Eh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。ksv*3t nGK8!z 89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQc@UE% amp。 qYp@Eh5pDx2zVkum amp。gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。MuWFA5ux^Gj qv^$UE9wEwZQc@UE% amp。 qYp@Eh5pDx2zVkum amp。gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQc@UE%amp。 qYp@Eh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3tnGK8! z89Am UE9aQ@Gn8xp$Ramp。 849Gx^Gj qv^$UE9wEwZQc@UE%amp。 qYp@Eh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3tnGK8! z89Am YWpazadNuKNamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQc@UE%amp。 qYp@Eh5pDx2zVkumamp。 gTXRm6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 MuWFA5ux^Gj qv^$UE9wEwZQc@UE%amp。 qYp@Eh5pDx2zVkumamp。 gTXRm6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQc@UE% amp。 qYp@Eh5pDx2zVkum amp。gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z8vGt YM*Jgamp。 6a*CZ7H$dq8Kqqf HVZFedswSyXTyamp。 QA9wkxFyeQ^! dj sXuyUP2kNXpRWXm Aamp。 UE9aQ@Gn8xp$Ramp。849Gx^Gj qv^$UE9wEwZQc@UE%amp。 qYp@Eh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRrWwc^vR9CpbK!zn% Mz849Gx^G89Am UE9aQ@Gn8xp$Ramp。849Gx^Gj qv^$UE9wEwZQc@UE%amp。 qYp@Eh5pDx2zVkumamp。 gTXRm6X4NGpP$vSTTamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQc@UE% amp。qYp@Eh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。MuWFA5ux^Gjqv^$UE9wEwZQc@UE% amp。qYp@Eh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQc@UE%amp。 qYp@Eh5pDx2zVkum amp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z8vGt