基于ASTER数据遥感影像的决策树分类

1、 第 37卷 第 1期 2007年 1月 吉 林 大 学 学 报 (地 球 科 学 版 Journal of Jilin University (Earth Science Edition Vol. 37 No. 1J an. 2007 基于 A S T ER 数据遥感影像的决策树分类程 彬 , 姜琦刚 , 周云轩 , 湛邵斌吉林大学 地球探测科学与技术学院 , 长春 130026摘要 :以黑龙江省北安市为研究区域 , 尝试利用 ASTER 视反射率值进行便利 、 准确的土地利用分类研 究 。 对 ASTER 数据进行波段相关分析 , 确定最佳组合波段 ; 然后重点分析转换为视反射率值的影像特

2、征 和光谱特征 , 从中提取各种典型地物的光谱曲线 ; 并依据提取的光谱曲线建立基于地物反射率值大小关系 或阈值的决策树模型 , 对研究区不同地物类型进行分类 , 并对结果进行精度评价 。应用效果表明 , 该方法 简单有效 , 但对于混合光谱容易错分 。关键词 :ASTER; 决策树 ; 分类 ; 视反射率 ; 波谱特征中图分类号 :TP753 文献标识码 :A 文章编号 :16715888(2007 01017906收稿日期 :20060714基金项目 :中国地质调查局资助项目 (1212010510613作者简介 :程彬 (1973 , 女 , 吉林长春人 , 博士研究生 , 主要从事遥感

3、和地理信息系统研究 , E 2mail :cb_gis 通讯联系人 :姜琦刚 (1964 , 男 , 江苏江阴人 , 教授 , 博士生导师 , 主要从事遥感地学环境研究 , Tel E 2mail :jiangqigangjlu. edu. cn 。Decision T ree B ased on ASTER Image ApplicationC H EN G Bin , J 2Shao 2binCollege of y J y , Changchun 130026, Chi naAbstract :p resent a decision t ree based

4、met hod for an easier and more accurate land 2use classification using apparent reflectance values derived from ASTER images. The met hod start s wit h t he correlation analyses among ASTER bands so t hat t he optimal bands composite is found for best visual in 2terp retation. On t he derived image

5、, apparent reflectance values represented , emp hasis is paid to t he a 2nalysis of t he spatial and spect ral characteristics of various land 2use types. Spect ral profiles of several typical land 2use types are ext racted. A decisio n t ree model is established based on given t hresholds of t he a

6、pparent reflectance values. Wit h t he model t he classification is t hen performed , associated wit h an ac 2curacy assessment. The procedures are applied to ASTER images from Beian municipal region of Hei 2longjiang Province , Nort heast China. The classified result s show t hat t he decision t re

7、e met hod facilitates t he classification effectively. One shortcoming of t he met hod is t hat some wrong classification may occur in areas where mixed spectra of different land 2use types exist.K ey w ords :ASTER ; decision t ree ; classificatio n ; apparent reflectance ; spect ral character0引 言遥感

8、信息的提取与分类是当今数据挖掘领域中 的研究热点之一 , 所采取的主要措施是基于统计特 征的模式识别技术 。 目前较成熟的各种分类方法均 以地物光谱特征为前提 , 按照一定的假设或准则形成决策流程 , 从而实现数字图像的信息判别 。遥感技术已经较成功地被应用于土地利用和土 地覆盖变化监测方面 。 根据分类过程中人工参与程 度分为监督分类 、 非监督分类以及两者结合的混合 分类等 1。 例如 , 梁继等 2运用光谱角分类方法对ETM +图像中荒漠地表遥感影像进行自动分类 ; 郭 文娟 3利用 ASTER 数据采用监督分类和非监督分 类结合对南京城郊土地利用进行分类 。除常规的监督分类和非监督分类

9、之外 , 国内外 学者在自动分类领域进行了大量的研究工作并取得 了一些进展 , 尤其是人工神经元网络和决策树现已 成为数据分类法的热点工具 4,5。基于知识的决策 二叉树信息提取方法具有简单 、 明确 、 直观的分类结 构 , 神经网络的分类精度虽略高于决策树 , 但相对而 言更为复杂且需耗费大量的时间用于建立解译模 型 , 一般不易掌握其要领 ; 而在知识支持条件下的决 策树理论成熟 、 技术先进 、 流程清晰而严谨 , 在现阶 段具有无法取代的优势 6,7。赵萍等 8对 SPO T 卫 星影像的居民地利用决策树方法自动提取 , 并与监 督分类方法的分类精度比较 , 决策树方法精度有很 大的

10、提高 。 张丰等 9, 94. 。视反射率值可以发现 地物之间细微的差别 , 有利于提高分类精度 。本文 以北安市附近地区为研究区域 , 针对这一地区地物 的遥感影像特征和地物在 ASTER 影像中的光谱特 征 , 提出基于地物视反射率值大小关系或阈值的 ASTER 影像地物信息的简单实用的决策树模型 ,并取得了较好的应用效果 。 为进一步研究本区域的 土地利用和土地退化奠定基础 。 1研究区域研究 区 北 安 市 地 理 位 置 :经 度 126°16 127°52 , 纬度 47°34 48°30 。北安市是省辖县级 市 , 位于黑龙江省北部 。 地

11、处松嫩平原北部 , 小兴安 岭西侧山前丘陵台地 , 东部为丘陵 , 西部为波状台地 (图 1 。 地形多为波状起伏的漫川漫岗地 , 是平原向山 区过渡的一种地形 。 坡度不大 , 一般为 1°5°。 研究区域土地利用类型主要是耕地 、 林地和水 体 , 居民地类型以城镇或乡村为主 。 2数据预处理2. 1ASTER 概述 高级星载热发射和反射辐射仪 (Advanced spa 2ceborne t hermal emission and reflection radiome 2图 1研究区位置图Fig. 1Location of the study areater , 简称

12、 ASTER (MITI 和美国国(10,11。14个波段集, 包括 3个 15m 空 间 分 辨 率 的 可 见 光 和 近 红 外 波 段(VN IR 、 6个 30m 空间分辨率的短波红外波段 (SWIR 以及 5个 90m 空间分辨率的热红外波段 (TIR 10,11。 本研究使用的影像资料为 2002-04-01的 ASTER L1B 影像 , 选取可见光近红外波段和短波 红外波段 。 L1B 影像已经过辐射校正和几何校正 。由于短波红外的空间分辨率是 30m , 采用最邻近法 将其重采样为 15m 分辨率 , 与可见光及近红外波 段的分辨率匹配 , 用以提取信息 。2. 2波段选择

13、在遥感图像分类以前 , 通常需要进行特征选择 和特征提取 。 在进行波段选取时 , 原则上是以进行 统计特征分析 , 主成分分析和相关分析为主 , 但在实 际操作中更注重人的视觉效果 , 视觉效果好时容易 判读就可以 , 同时可借鉴各种分析结果 。表 1是研究区 ASTER 的 VN IR (波段 13 和 SWIR 9(波段 49 个波段的相关分析结果 。可以看出 , 波段 1、2、 3的相关性比较大 , 波段 49的相关性也比较 大 。 进行统计特征分析的同时 , 选取不同波段组合 ,也应注重其视觉效果 。对波段 1、 3、 9, 波段 1、 4、 8,波段 9、 2、 1, 波段 7、

14、3、 1等不同组合的结果进行分析比较 , 最终确定波段 7、 3、 1(R G B 的组合效果最佳 (图 2 。 081 吉 林 大 学 学 报 (地 球 科 学 版 第 37卷 表 1各波段相关矩阵T able 1Correlation analysis of b ands波段 12345678911. 0000000. 9417420. 7540870. 6199570. 4911800. 5000670. 4551710. 4144460. 440552 20. 9417421. 0000000. 8928550. 6214980. 3799990. 4055800. 3340620.

15、2851000. 310027 30. 7540870. 8928551. 0000000. 5702830. 2018250. 2403780. 1390380. 0764310. 104960 40. 6199570. 6214980. 5702831. 0000000. 8694910. 8904410. 8247540. 7876670. 804310 50. 4911800. 3799990. 2018250. 8694911. 0000000. 9882010. 9780490. 9706290. 977856 60. 5000670. 4055800. 2403780. 8904

16、410. 9882011. 0000000. 9703240. 9607440. 968467 70. 4551710. 3340620. 1390380. 8247540. 9780490. 9703241. 0000000. 9916770. 988164 80. 4144460. 2851000. 0764310. 7876670. 9706290. 9607440. 9916771. 0000000. 990122 90. 4405520. 3100270. 1049600. 8043100. 9778560. 9684670. 9881640. 9901221. 000 000图 2

17、ASTER 波段 7、 3、 1(RGB 合成Fig. 2Color 2composite im age of ASTER b and 7,3,12. 3视反射率计算遥感图像的亮度值不能完全代表物体的反射和发射波谱特征 。 为了提高分类精度 , 对原图像作视反射率计算 。卫星传感器所记录的数据是图像亮度 (D N ,并不是辐射亮度值 L (反射的太阳辐射能量 , 因此要将各 ASTER 波段的图像亮度值 (D N 转换为辐射亮度值 L 11:L =gain 3(DN -1其中 ,gain 为传感器增益 。然后再将辐射亮度值转换成视反射率 :=3L 3d 2/E 3sin ( 。:; L ; d

18、 为日地天 ; E ; 。研究采用的是 4月份数据 , 这个时间东北地区 很少有积雪覆盖 , 耕地处于裸露干燥状态 。根据目视判读 , 将研究区分为水体 1、 水体 2、 城 镇 、 耕地 、 林地和冲沟 6种典型地物 。 对每一种地物 选取一定的样本 , 测定各波段的光谱值 。为了便于 分析 , 根据统计值做出各地物的波谱响应曲线图 (图 3 。图 3典型地物光谱曲线图Fig. 3Spectral prof iles of typical land 2use types 水体 1水体的光谱响应曲线明显与其它地物 不同 。 因为水体在可见光波段有较高的反射 , 在红 外波段接近全吸收 。水体

19、2在本研究区中 , 从西北方向到东南方 181 第 1期 程 彬 , 等 :基于 ASTER 数据遥感影像的决策树分类 图 4地物提取二叉树Fig. 4Decision tree of extracting object向贯穿南北河 , 由于它在研究区中占有很大范围 , 而 且其光谱特征与水体 1不同 :进入近红外波段曲线反而升高 , 估计是水体遭受污染所致 , 所以单独分一类 。城镇或乡村 城镇的光谱响应曲线规律性不 强 。 这是由于城镇是由建筑物 、 道路 、 绿地及空地等 多种地物类型相互延续 , 相互交错而构成的复杂的 混合体 。 而且建筑物的材料 、 结构和形式的不同 , 也 导致了

20、居民地在遥感影像上的类间差异 。 从波谱曲 线中可以看出在可见光波段城镇与其它地物类型区别明显 。林地 符合植物的光谱反射特性 。 在可见光波 段反射率比较低 , 进入红外区 (从 0. 807m 开始 反射率明显上升 , 从 1. 6m 后反射率逐渐下降 。耕地 研究区土壤绝大部分是黑土地 , 土壤有 机质 、 氧化铁和含水量比较高 。其光谱特征是有机 质 、 氧化铁 、 水分含量和颗粒组成的共同反映 。 观察 其波谱曲线在可见光波段 , 斜率小而稳定 , 基本上呈 一条与 x 轴有一个夹角不大的近似直线 , 进入红外 波段后 , 曲线稍有抬升和下降 , 但变幅一般不大 。冲沟 由于冲沟深浅

21、不一 , 而且冲沟内堆积物 质不同 , 影响其光谱特征 , 其光谱特征规律性不强 。 有的地方显示出与土壤相似的光谱特征 。4提取地物信息的决策树方法理论上 , 决策树隶属于专家智能决策支持系统 , 在遥感领域引入这一思想 , 得益于软件环境开放接 口的日益拓宽 。 从应用技术层面来看 , 决策树介于 研发人员和应用人员之间 , 决策树能够充当资深遥 感专家的分析工具 , 但却是一般应用人员的理论屏 障和技术难关 。决策二叉树由一个根结点及两棵不相交的二叉 树组成 。 两棵二叉树分别称为根结点的左子树和右 子树 。 每个二叉树由 n 个节点组成 , 节点分内节点 (非终止节点 和外节点 (终止

22、节点或叶节点 。 二叉树的左右子树又分别是一棵二叉树 , 因而 , 整个树的 构造和子树的构造一致 。 地物类型识别是依据不同的光谱 、空间和时间特征来确定的 。一种地物类型 区别于其它类型的“明显特征” , 在类型划分过程中 起着重要的作用 。 将标志地物类型的“ 明显特征” 提 取出来 , 就可以构造决策二叉树提取模型 4,12,13。根据对每一种地物选取样本 , 使用视反射率测 定地物之间光谱的细微差别 。 经过统计分析生成二 叉树 (图 4 。可以看出 , 利用视反射率能够区分地281 吉 林 大 学 学 报 (地 球 科 学 版 第 37卷 物之间光谱特征的细微差别 , 提高分类精度

23、 。应用 此二叉树模型对视反射率图像进行典型地物分类 , 获得分类结果图 5 。Fig. 5ication im age5分类后处理采用以像元为基础的图像分类时 , 由于受光谱 内在的易变性影响 , 分类后的数据经常出现所谓的盐与胡椒面混合现象 。分类后处理采用聚类分析 , 进行类别删除和类别合并 。6结果与讨论从决策树提取的结果与原始影像进行叠加 , 采 用目视判读检验其提取效果 , 认为通过该方法总体 提取效果较为令人满意 。由于没有去实地考察 , 为 了评价其精度 , 随机选取样本建立混淆矩阵 , 计算其 生产者精度 、 总精度和 Kappa 系数 (表 2 。经过检 验发现 , 误判的

24、像元主要由于城镇或乡村是多种地 物类型交错存在 , 且建筑物材料不同而造成其光谱 特征规律性不强 ; 数据为 4月份影像 , 这个时间树木 绿叶较少 , 在树木枝叶稀疏的地方遥感影像上表现 为树木与土地的混合光谱 , 根据纯像元光谱值形成 的分类树对于混合光谱容易错分 ; 各类地物光谱间 的可分离性不同 。表 2决策树分类的误差矩阵T able 2E rror m atrix of decision tree classif ication分类 水体 1冲沟水体 2城镇林地耕地水体 1578367000029冲沟 440715012053795798水体 2684800500城镇 005140

25、350林地 09204892567821耕地8834220生产者 精度99. 8%85. 6%86. 5%66. 8%82. 5%85. 4%总精度 =(71635/84386 =84. 8%, Kappa 系数 =0. 77667结 , , 这种方法是可行的 , 而且简单有效 。 通过视反射率值可以发现 , 地 物之间细微的差别有利于提高分类精度 。 同时该模 型受时相影响较小 。 而且 , 决策树的应用颇为简单 , 从树根出发沿分支追溯到树叶二叉树是一个逐级排 除和层层筛选各种地物类型的过程 。 从分类图中可以看到 , 对一些细小冲沟也能够很好地提取出来 , 这 对于进一步研究本地区土壤退

26、化很有帮助 。参考文献 (R eferences :1赵英时 . 遥感应用分析原理与方法 M .北京 :科学出 版社 ,2003.ZHAO Y ing 2shi. Principle and methodology of remote sensing application and analysis M .Beijing :Science Press , 2003.2梁继 , 王建 , 王建华 . 基于光谱角分类器遥感影像的自 动分类和精度分析研究 J.遥感技术与应用 ,2002,17(6 :299304.L IAN G Ji , WAN G Jian , WAN G Jian 2hua. S

27、tudy on automatic classification and accuracy analysis of remote sensing image based on SAM J .Remote Sensing Technology and Application ,2002, 17(6 :299304.3郭文娟 , 张佳华 . 利用 ASTER 遥感资料提取南京城郊 土地利用信息的研究 J.农业工程学报 ,2005, 21(9 :6266.GUO Wen 2juan , ZHAN G Jia 2hua. Extraction of land use classification in

28、formation of suburb of Nanjing City381 第 1期 程 彬 , 等 :基于 ASTER 数据遥感影像的决策树分类184 林 大 学 学 报 ( 地 球 科 学 版 37 卷 吉 第 using ASTER image J . Transactions of t he CSA E , 2005 ,21 (9 :62 66. 9 张丰 ,熊桢 ,寇宁 . 高光谱遥感数据用于水稻精细分类 研究 J . 武汉理工大学学报 ,2002 ,24 (10 :36 46. ZHAN G Feng , XION G Zhen , KOU Ning. Airborne hype

29、rspect ral remote sensing image data is used fo r versity of Technology , 2002 ,24 ( 10 :36 rice p recise classificatio n J . Journal of Wuhan U ni2 46. Kurt Thome. Algorit hm t heoretical basis document for AST ER Level 2B1 - surface radiance and ASTER Level 2B5 - surface reflectance EB/ OL . 1999

30、, 2006 - 01 - 02 http :/ / www. gds. aster. ersdac. or. jp . Michael Abrams , Simo n Hook. Aster_ user_ guide v2 EB/ OL . 2000 , 2006 - 01 - 02 http :/ / www. gds. aster. ersdac. or. jp , 4 Zied Elouedi , Khaled Mellouli , Philippe Smet s. Belief decision t rees :t heoretical foundatio nsJ . Interna

31、tio nal Journal of App roximate Reasoning , 2001 ,28 :91 124. 5 王占昌 . 利用决策树对卫星遥感数据进行分类 J . 青 海科技 ,2005 ( 5 :28 33. using decision t ree J . Qinghai Science and Technolo2 33. Mahesh Pal , Paul M Mat her. An assessment of t he ef 2 565. 316. ZHAO Ping , FEN G Xue2zhi ,L IN Guang2fa. The deci2 316. 2.

32、2. 547. TIAN Gang , S H I Zhan2jie , DON G Shi2xue , et al. Goel P K , Prasher S O , Patel R M ,et al. Classifica2 93. WAN G Zhan2chang. Classif ying remote sensing image 10 gy , 2005 ( 5 :28 6 7 8 ( 上接 167 页 参考文献( References : 1 2 fectiveness of decision t ree met hods for land cover clas2 sificati

33、onJ . Remote Sensing of Enviro nment , 2003 , 86 :554 cial neural networks to identif y weed st ress and nit ro2 gen stat us of co rn J . Co mp uters and Elect ronics in Agricult ure , 2003 ,39 :67 plicatio n M . Beijing : Geological Publishing House , 1994 :1 L I Da2xin. Ground penet rating radar m

34、et hods and ap2 tion of hyperspect ral data by decision t rees and artifi2 11 12 李爽 ,张二勋 . 基于决策树的遥感影像分类方法研究 J . 地域研究与开发 , 2003 ,22 (1 :17 21. 赵萍 ,冯学智 , 林广发 . SPO T 卫星影像居民地信息自 动提取的决策树方法研究 J . 遥感学报 ,2003 ,7 ( 4 : 309 13 田钢 ,石战结 ,董世学 ,等 . 利用微测井资料补偿地震数 据的高频成分 J . 石油地球物理勘探 , 2005 , 40 ( 5 : 546 tial informatio n f ro m spot images J . Journal of Re2 mote Sensing , 2003 ,7 ( 4 :309 李大心 . 探地雷达方法与应用 M . 北京 : 地质出版社 , 1994 :1 nent using micro2seismogram