基于ETM影像多种特征的CART决策树分类——以延边州为例

摘要：

分类回归树(CART)是一种非参数化的分类与回归方法,在用于遥感影像自动分类时,可方便地应用多源知识,提高分类精度.以延边州试验区土地利用/覆被分类为例,利用分类回归树分析从训练样本中集中发现分类规则,集成遥感影像的光谱特征、纹理特征和辅助地学特征进行分类试验,并与传统的最大似然分类方法进行比较.结果表明,基于CART的决策树分类结果的总精度和Kappa系数分别为90.37%和0.8863,分类精度比MLC监督分类方法有明显提高.

关键词：纹理特征、光谱特征、CART、决策树、遥感

所属期刊栏目：27

分类号：TP75(遥感技术)

资助基金：国家自然科学基金项目"基于多源遥感数据的长白山跨国界地区土地利用/覆盖生态安全格局研究"40171333;延边大学"211"重点学科建设项目"东北亚核心区社会与环境长期演化与可持续发展研究"

在线出版日期：2011-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：116-117,130,封4