韩东升
（内蒙古自治区航空遥感测绘院，内蒙古呼和浩特 010010）
基于决策树的乡村遥感影像分类算法
韩东升
（内蒙古自治区航空遥感测绘院，内蒙古呼和浩特010010）
航空遥感测绘的重要内容是获取地理信息。乡村地区是航空遥感测绘的重要研究区域。本文尝试了利用植被指数信息构建决策树算法，以有效区分乡村区域遥感影像的植被、水体和裸露土壤这三类地物。利用一景内蒙古巴盟地区的EO-1多光谱遥感影像开展了算法实例验证，说明本文的方法可以快速、有效地得到乡村地区分类结果。
遥感影像分类乡村地区决策树
1 引言
近年来，随着3S技术的兴起，航空遥感测绘在数字城市建模中发挥了重要作用。然而，中国的大面积国土仍属于乡村区域，其航空遥感的相关研究相对较少。因此，本文针对乡村地区的遥感影像，开展了分类研究。决策树是一种非参数的分类算法，它通过一系列两类分类的节点，可以将多类分类的复杂问题简化。决策树的一个十分突出的优势是：它除了可以获得较为满意的分类精度外，还可以得出分类的树形流程图，为用户提供重要参考，并帮助其理解分类过程。
2 方法
在决策树算法的构建中，最重要的是对各个节点的分类条件进行设置。在乡村遥感影像中，植被是主要的地物，例如树林、庄稼等。而对于植被，一般是利用归一化植被指数（Normalized Difference Vegetation Index）来进行信息提取的。大量研究表明，植被的NDVI大于0.3，而水体的NDVI小于0.1。然而，受到天气状况、光照角度、遥感器噪声等因素的影响，在不同的地区，各种地物的NDVI值也会略有变化。因此，利用决策树和NDVI来进行地物分类，需要根据研究区域和数据类型来具体选定阈值。
图1 决策树分类算法结构图
图2 ALI实验原图（a），NDVI（b）与分类结果（c）
图1是本文所构建的决策树分类器，该图可以直观地反映出分类算法的流程。首先，当NDVI值大于0.3时，地物被判定为植被（V），否则，进入下一个节点的判断：若NDVI大于0.2，则表明是裸露土壤（V），否则是水体（W）。图1决策树的构建是根据一景EO-1中分辨率遥感影像数据来进行的，第三节实验部分对该数据进行了更为详细的说明。
3 实验
本文算法所采用的数据由EO-1改进型陆地成像仪（Advanced Land Imager，ALI）获取。EO-1于2000年升空，承担了辅助Landsat系列卫星对地观测的任务，其遥感器ALI参数与Landsat的相似，其多光谱影像的空间分辨率为30米。美国地质调查局（USGS）免费提供了ALI数据的下载链接。本文实验数据的获取日期为2013年7月20日，地点为内蒙古巴盟地区的五原县。
数据处理主要包括两步：（1）辐射校正，（2）NDVI提取。第一步是由业务化的遥感数据处理软件ENVI完成，这一步的目的是从原始的DN值中得到反射率信息。在第二步中，也利用了ENVI软件所提供的光谱波段计算模块，可以方便、快速地提取NDVI。其计算公式为：NDVI=（bNIR-br）/（bNIR+br），其中b为反射率数据，NIR表示近红外波段，r表示红色波段。图2显示了本文实验所用的数据、从其中提取的NDVI，以及决策树分类结果。图2c分类结果的颜色与图1是对应的。显然，图2c的分类结果较为准确地反应了当地的地物覆盖信息。例如图2a西南方月牙形的海子（当地人对湖泊的称谓），在图2c中被较为完整地提取了出来；大部分村庄、道路等地物，由于主要是由裸露土壤组成的，在分类结果中也都得到了很好地展现。
4 结语
本文利用EO-1 ALI影像开展了基于决策树的乡村地区遥感图像分类研究。通过实验结果分析，说明本文构建的决策树可以较为准确、快速地提取乡村地区遥感影像的地物信息，因此在遥感影像解译中具有一定的参考价值。
