典型文献
基于CART决策树分类的江苏省湿地提取
文献摘要：
针对湿地环境复杂、类型多样且难以从景观尺度进行识别的特点,为解决遥感影像"同物异谱、异物同谱"的难点,探讨湿地遥感信息提取方法,可为湿地管理保护提供基础数据.以江苏省为研究区,高分一号影像为数据源,结合不同地物的环境特征和空间特征,采用CA RT决策树法进行地物分类,并提取湿地信息;选取影像纯净像元为训练样本,根据样本数据特征,制定分类规则.集成高分影像的光谱特征、植被指数、水体指数、土壤调整植被指数、纹理信息、主成分分析波段和辅助地形数据,构建C ART决策树模型,实现地物分类,最终采用混淆矩阵和分类精度指标进行评价,并与最大似然分类方法进行对比.结果表明,分类总体精度达到86.77％,Kappa系数为0.85,精度较最大似然分类提高了将近16％,Kappa系数提高了近0.2;遥感解译成果统计表明,2016年江苏省湿地总面积为14053.12 km2;其中,水域面积12585.59 km2,沼泽574.18 km2,滩涂893.35 km2,分别占湿地总面积的89.56％、4.09％、6.35％.研究发现,CART决策树分类精度高于最大似然监督分类,具有较强的实用性和优越性,对大面积湿地信息提取具有借鉴意义.
文献关键词：
湿地类型;CART决策树;特征指数;纹理信息
中图分类号：
作者姓名：
冯婉玲;何立恒;杨强
作者机构：
南京林业大学土木工程学院,江苏南京 210037
文献出处：
引用格式：
[1]冯婉玲;何立恒;杨强-.基于CART决策树分类的江苏省湿地提取)[J].水生态学杂志,2022(03):35-43
A类：
B类：
CART,决策树分类,湿地提取,环境复杂,景观尺度,遥感影像,异物,湿地遥感,遥感信息提取,湿地管理,管理保护,高分一号,数据源,环境特征,空间特征,地物分类,纯净,训练样本,数据特征,分类规则,高分影像,光谱特征,植被指数,水体指数,纹理信息,波段,地形数据,决策树模型,混淆矩阵,矩阵和,分类精度,精度指标,最大似然分类,分类方法,总体精度,Kappa,将近,遥感解译,译成,成果统计,统计表,总面积,km2,水域面积,沼泽,滩涂,监督分类,湿地类型,特征指数
AB值：
0.445958
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
