萬(wàn)杰 楊勇 韓春峰 王訓(xùn)宇

摘 要：該文章以云南省昆明市西山區(qū)為研究區(qū)域，利用WordView-2的4波段影像數(shù)據(jù)源，通過(guò)學(xué)習(xí)掌握ENVI軟件中的決策樹(shù)分類(lèi)工具，以及利用不同地類(lèi)的波譜信息的特征差異，分析了影像的各個(gè)地類(lèi)的光譜特征，從中提取了4波段影像的NDVI（歸一化植被指數(shù)），以此確定了不同地類(lèi)之間的波段均值閾，根據(jù)不同地類(lèi)在不同波段以及NDVI上的變化建立對(duì)應(yīng)的決策樹(shù)模型，最終得到其分類(lèi)結(jié)果。本文最后采用已有的樣本感興趣區(qū)數(shù)據(jù)對(duì)其決策樹(shù)分類(lèi)結(jié)果進(jìn)行了精度評(píng)價(jià)，并且評(píng)價(jià)分析了其結(jié)果精度在遙感數(shù)據(jù)中的作用。

關(guān)鍵詞：決策樹(shù) ENVI提取信息 WV-2

中圖分類(lèi)號(hào)：S127 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2015）03（c）-0047-04

遙感影像信息提取是影像分析的一項(xiàng)重要內(nèi)容。信息提取的方法由傳統(tǒng)的人工解譯，監(jiān)督分類(lèi)，非監(jiān)督分類(lèi)到后期的基于專(zhuān)家知識(shí)的決策樹(shù)分類(lèi)。研究區(qū)域的不同，選擇研究方法也有所改變，尤其對(duì)于西南區(qū)域的丘陵地帶或多山地區(qū)采用傳統(tǒng)的方法不能很好的提取地類(lèi)信息，因此，僅靠傳統(tǒng)的光譜特性提取地物，就容易造成地類(lèi)提取的錯(cuò)分或者漏分，分類(lèi)結(jié)果不能滿(mǎn)足，后期的應(yīng)用達(dá)不到精度需求[1]。為了實(shí)現(xiàn)自動(dòng)、高效的影像分類(lèi)方法，決策樹(shù)分類(lèi)算法成為信息提取的關(guān)鍵技術(shù)之一，決策樹(shù)分類(lèi)方法具有以下的優(yōu)點(diǎn)：（1）速度快：計(jì)算量相對(duì)較小，且容易轉(zhuǎn)化成分類(lèi)規(guī)則；（2）準(zhǔn)確性高：挖掘出的分類(lèi)規(guī)則準(zhǔn)確性高，便于理解；（3）方法操作簡(jiǎn)單，準(zhǔn)確度高，已在遙感圖像特征提取和圖像分類(lèi)中得到廣泛應(yīng)用[6-7]。

1 研究區(qū)概況與研究資料

1.1 研究區(qū)概況

西山區(qū)位于昆明市區(qū)西部，地處東經(jīng)102°21′～102°45′，北緯24°41′～25°26′。東西寬36.8千米，南北長(zhǎng)72千米，形如靈芝狀?？偯娣e1058平方千米[2] ，其中山區(qū)、半山區(qū)面積占92%，壩區(qū)面積占8%。

西山區(qū)地處滇池盆地西北邊沿，地勢(shì)西北高，東南低，西北、北部地形起伏較大，靠昆明主城區(qū)部分為壩區(qū)，其余為山區(qū)、半山區(qū)。最高海拔2622米（風(fēng)擺山），最低海拔1731米[3] 。部分西山區(qū)地理位置如圖1所示。

1.2 數(shù)據(jù)源獲取

本研究采用的數(shù)據(jù)為云南省昆明市西山區(qū)的數(shù)據(jù)，根據(jù)不同中心波長(zhǎng)波段的組合方案，本研究采用WV-2數(shù)據(jù)的4，3，2波段分別賦予紅、綠、藍(lán)，獲取近似自然的假彩色合成圖像（如圖2），方便后面的目視解譯以及結(jié)果查看。

2 決策樹(shù)分類(lèi)研究

ENVIDecision Tree分類(lèi)方法是一個(gè)多級(jí)分類(lèi)器，它的基礎(chǔ)是一系列的二叉決策樹(shù)。每一個(gè)決策樹(shù)依據(jù)一個(gè)表達(dá)式將圖像中的像元分為兩類(lèi)，每一個(gè)新生成的類(lèi)別又可以根據(jù)其他的表達(dá)式繼續(xù)向下分為兩類(lèi)?？梢愿鶕?jù)需求定義決策樹(shù)的節(jié)點(diǎn)，節(jié)點(diǎn)的個(gè)數(shù)是不受限制的。用戶(hù)可以使用來(lái)自不同來(lái)源或文件的數(shù)據(jù)共同生成一個(gè)決策樹(shù)分類(lèi)器，也可以交互式編輯和“剪除”決策樹(shù)，保存后的決策樹(shù)可以用于其他數(shù)據(jù)。

ENVI的決策樹(shù)分類(lèi)器有如下特征[4]：

決策樹(shù)的建立采用圖形拖放工具。

在單個(gè)決策樹(shù)中可以使用具有不同投影和不同像元尺寸的文件，使用過(guò)程中將動(dòng)態(tài)對(duì)他們進(jìn)行重新投影和重采樣。

可以動(dòng)態(tài)計(jì)算特定的變量值（如NDVI、Aspect等），而不需要單獨(dú)準(zhǔn)備，并將他們應(yīng)用在表達(dá)式中。

基于知識(shí)的決策樹(shù)分類(lèi)是基于遙感影像數(shù)據(jù)及其他空間數(shù)據(jù)，通過(guò)專(zhuān)家經(jīng)驗(yàn)總結(jié)、簡(jiǎn)單的數(shù)學(xué)統(tǒng)計(jì)和歸納方法等，獲得分類(lèi)規(guī)則并進(jìn)行遙感分類(lèi)。分類(lèi)規(guī)則易于理解，分類(lèi)過(guò)程也符合人的認(rèn)知過(guò)程，最大的特點(diǎn)是利用多源數(shù)據(jù)。

專(zhuān)家知識(shí)決策樹(shù)分類(lèi)的步驟大體上可分為四步：知識(shí)（規(guī)則）定義、規(guī)則輸入、決策樹(shù)運(yùn)行和分類(lèi)后處理。難點(diǎn)是規(guī)則的獲取，可以來(lái)自經(jīng)驗(yàn)總結(jié)，如坡度小于20度是緩坡等；也可以通過(guò)統(tǒng)計(jì)的方法從樣本中獲取規(guī)則，如C4.5算法、CART算法、S-PLUS算法等。

2.1 分類(lèi)預(yù)處理

根據(jù)人工目視解譯的標(biāo)準(zhǔn)規(guī)范《中華人民共和國(guó)土地利用現(xiàn)狀分類(lèi)國(guó)家標(biāo)準(zhǔn)》，根據(jù)實(shí)驗(yàn)區(qū)的特點(diǎn)將其土地覆蓋信息分為：植被，人工建筑棚，建筑用地，水體，未利用地。

由于每一種地物之間都可能存在有同物異譜，同譜異物的特性，在進(jìn)行地類(lèi)樣本選擇以前，需要通過(guò)測(cè)定各個(gè)地類(lèi)的光譜值進(jìn)行各個(gè)地類(lèi)的最值，均值和方差值統(tǒng)計(jì)，綜合運(yùn)用閾值的方法，將不同的地物提取出來(lái)。

2.2 規(guī)則建立

2.2.1植被提取以及人工建筑棚提取

由于植被在近紅外波段的反射率最強(qiáng)，在紅光波段的吸收率最強(qiáng)，這兩個(gè)波段不僅是植物光譜、光合作用中的最重要的波段，而且它們對(duì)同一生物物理現(xiàn)象的光譜響應(yīng)截然相反，形成的明顯反差，這種反差隨著植被覆蓋度的變化而變化，因此，可對(duì)它們用比值，差分等多種組合來(lái)增強(qiáng)現(xiàn)實(shí)植被或者揭示隱含的植被信息[5]。

提取的植被信息與人工建筑棚之間存在一定的聯(lián)系，通過(guò)一定的NDVI閾值設(shè)定可以看到，提取的植被信息中有被錯(cuò)分的地物，主要是人造工棚以及屋頂顏色鮮艷的建筑物，通過(guò)ENVI下的統(tǒng)計(jì)分析可以看出，在藍(lán)色波段可以發(fā)現(xiàn)綠地區(qū)域的最大值與非綠地對(duì)應(yīng)的最小值基本接近，可以通過(guò)設(shè)置此閾值區(qū)分植被與人間建筑棚。

2.2.2 未利用地以及建筑用地提取

未利用地域建筑用地有很大的相似性，但又有很大的區(qū)別，可以通過(guò)二者地物在綠波段以及NDVI的差值變化來(lái)進(jìn)行區(qū)分。具體的區(qū)分閾值通過(guò)ENVI下的樣本選擇統(tǒng)計(jì)分析進(jìn)行劃定。

2.2.3 水體信息提取

水體信息在近紅外波段以后出現(xiàn)強(qiáng)吸收階段，反射率幾乎為零，可以根據(jù)此特定從NDVI值的閾值設(shè)定來(lái)區(qū)分水體與非水體信息。

2.3 決策樹(shù)生成

2.3.1 決策樹(shù)生成

生成的決策樹(shù)見(jiàn)圖4所示。

2.3.2 ENVI下執(zhí)行決策樹(shù)規(guī)則

第一步：規(guī)則獲取

根據(jù)上述三步對(duì)于不同地類(lèi)的需求，ENVI下構(gòu)建的決策樹(shù)規(guī)則描述如下：

Class1（植被）：NDVI>0.3，

Class2（人工建筑棚）：0.3Class3（未利用地）：0.03