多语言展示
当前在线:1603今日阅读:99今日分享:20

如何利用envi进行基于专家知识决策树分类

基于知识的决策树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、简单数学统计和归纳方法等,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。专家知识决策树分类的步骤大体上可分为四步:知识(规则)定义、规则输入、决策树运行和分类后处理。难点是规则的获取,可以来自经验总结,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。
工具/原料
1

遥感影像

2

envi 5.1

方法/步骤
1

获取规则:根据经验和专家知识获取如下规则:

2

制作决策树:打开 File > Open,选择“\12.基于专家知识决策树分类\数据”文件夹内的 boulder_tm.dat 和 boulder_dem.dat;打开新建决策树工具,路径为 Toolbox/Classification/Decision Tree/New Decision Tree,如下图所示,默认显示一个节点和两个类别;

3

首先按照 NDVI 来区分植被与非植被。单击节点 Node 1,在弹出的对话框内输入节点名(Name)和条件表达式(Expression) ,如下图所示

4

点击 OK 后, 在弹出的 Variable/File Pairings 对话框内需要为 {ndvi} 指定一个数据源, 如下图所示。点击面板中显示 {ndvi} 的表格,然后选择 boulder_tm.dat 即可。

5

第一层节点根据 NDVI 的值划分为植被和非植被,如果不需要进一步分类的话,这个影像就会被分成两类:class0 和 class1。对 NDVI 大于 0.3,也就是 class1,根据坡度划分成缓坡植被和陡坡植被。在 class1图标上右键, 选择Add Children。 单击节点标识符, 打开节点属性窗口, Name为Slope<20,在 Expression 中填写:{Slope} lt 20。同样的方法,将所有规则输入,末节点图标右键 Edit Properties,可以设置分类结果的名称和颜色,最后结果如下图所示

6

执行 决策树;选择 Options > Execute,可以执行决策树。在弹出的 Decision Tree Execution Parameters 对话框,需要选择输出结果的参照图像,这里选择 boulder_tm.dat,即输出的分类结果的坐标系和空间分辨率等信息与 boulder_tm.dat 相同。选择输出路径和文件名,点击 OK 即可。

推荐信息