特征提取和决策树法土地利用遥感分类
文章以安徽省淮南市为例,采用2005年Landsat-5 TM多光谱数据,分析地物谱间关系,选择改进归一化差异水体指数(MNDWI)、归一化植被指数(NDVI)、归一化建筑指数(NDBI)、TM4+ TM5、TM4+ TM5+TM7、DEM高程和坡度等特征值,构建决策树分类规则,完成研究区土地利用遥感分类.结果表明:MNDWI和TM4+TM5特征值能较好地区分水体与非水体;NDVI和NDBI可完成非水体区域植被与非植被信息分类;DEM和TM数据6波段和值可完成建筑用地、裸地和沙(旱)地分类;DEM和TM4+ TM5+ TM7能较好地解决耕地和园地混淆问题.决策树法分类总精度和Kappa系数分别为90.29%和0.87,相比较于最大似然分类法和基于特征提取波段的最大似然分类法,精度均有所提高.
特征提取、决策树、土地利用、TM遥感数据
39
TP75(遥感技术)
国家自然科学基金面上项目 41372368/D0218
2014-11-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
53-56