基于决策树方法的海岛土地利用分类研究

doi:10.6046/gtzyyg.2012.02.21

摘要
参考文献
相关文章
Metrics

全文: PDF(1355 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要以山东省荣成市镆铘岛为例,利用SPOT 5卫星数据,探讨了基于决策树方法的海岛土地利用类型的遥感分类。结果表明,利用决策树分类方法进行海岛土地利用类型分类,可以得到较好的分类结果(分类的平均精度达到86.46%,Kappa系数为0.841 4); 与其他分类方法比较,决策树分类法的分类精度有明显的提高,在海岛土地利用类型调查中具有较好的应用潜力。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	徐宏根
	王建超
	郑雄伟
	吴芳
	李迁

关键词 ：机载激光雷达, 点云分类, 植被, 建筑物, 面向对象

Abstract：With Moye island of Rongcheng city in Shandong province as the study area, the authors investigated the application of decision-tree method to land-use classification based on SPOT 5 satellite data. The results show that the decision-tree method is suitable for classification,with the mean precision and Kappa index being 86.46% and 0.8414 respectively. A comparison with the other traditional classification methods shows that the precision of decision-tree method is obviously higher, suggesting that the method of decision-tree classification has better applicable potential than the other methods in land-use classification research.

Key words： light detection and ranging (LiDAR) classification of point clouds vegetation building object-based

收稿日期: 2011-07-15 出版日期: 2012-06-03

TP 79

基金资助:海洋公益性行业科研专项经费项目(编号: 200905004-7)、中国科学院海洋地质与环境重点实验室开放基金资助项目(编号: MGE2009KG04 )和海洋沉积与环境地质国家海洋局重点实验室开放基金资助项目(编号: MASEG200807)共同资助。

引用本文:

杨曦光, 黄海军, 严立文, 都本绪. 基于决策树方法的海岛土地利用分类研究 [J]. 国土资源遥感, 2012, 24(2): 116-120.
YANG Xi-guang, HUANG Hai-jun, YAN Li-wen, DU Ben-xu. Land-use Classification of Islands Based on Decision-tree Method. REMOTE SENSING FOR LAND & RESOURCES, 2012, 24(2): 116-120.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2012.02.21 或 https://www.gtzyyg.com/CN/Y2012/V24/I2/116

[1] 张耀光,胡宜鸣.关于做好海岛县土地利用总体规划工作的探讨——以辽宁长海县为例[J].中国土地科学,1994,8(6):42-46.
[2] 吕惠萍.SPOT卫片在土地利用分类中的应用效果初探[J].地质地球化学,1989(5):53-55.
[3] 吴均平,毛志华,陈建裕,等.一种基于分割图斑的海岸带遥感图像分类方法[J].海洋学研究,2006,24(2):70-78.
[4] Xu K M.The Analysis of SPOT 5 Characteristics on Land Cover Classification[J].Science of Surveying and Mapping,2004,29(S1):108-116.
[5] 张华国,黄韦艮,周长宝.应用IKONOS卫星遥感图像监测南麂列岛土地覆盖状况[J].遥感技术与应用,2003,18(5):306-312.
[6] 杨存建,周成虎.基于知识的遥感图像分类方法的探讨[J].地理学与国土研究,2000,17(1):72-77.
[7] 李春华,沙晋明.基于知识的遥感影像的BAYES分类方法研究——以福州市琅歧岛土地覆盖/土地利用类型为例[J].水土保持研究,2006,13(6):126-128,132.
[8] 刘小平,彭晓鹃,艾彬.像元信息分解和决策树相结合的影像分类方法[J].地理与地理信息科学,2004,20(6):35-39.
[9] 刘勇洪,牛铮,王长耀.基于MODIS数据的决策树分类方法研究与应用[J].遥感学报,2005,9(4):405-412.
[10] 杜明义.决策树方法在土地荒漠化分类中的应用研究[J].测绘科学,2006,31(2):81-82,86.
[11] 黄颖,周云轩,吴稳,等.基于决策树模型的上海城市湿地遥感提取与分类[J].吉林大学学报︰地球科学版,2009,39(6):1156-1162.
[12] 朱宏波.一种基于决策树的SPOT-5影像分类方法[J].电力勘测设计,2010(3):19-21,29.
[13] 国家海洋局908专项办公室.海岛调查技术规程[M].北京:海洋出版社,2005:59-62.
[14] 赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003:227-228.

[1]	李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[2]	姚金玺, 张志, 张焜. 基于GEE的诺木洪洪积扇植被时空变化特征、成因及趋势分析[J]. 自然资源遥感, 2022, 34(1): 249-256.
[3]	吴芳, 李瑜, 金鼎坚, 李天祺, 郭华, 张琦洁. 无人机三维地障信息提取技术应用于航空物探飞行轨迹规划[J]. 自然资源遥感, 2022, 34(1): 286-292.
[4]	潘建平, 徐永杰, 李明明, 胡勇, 王春晓. 结合相关系数和特征分析的植被区域自动变化检测研发[J]. 自然资源遥感, 2022, 34(1): 67-75.
[5]	宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[6]	艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[7]	范莹琳, 娄德波, 张长青, 魏英娟, 贾福东. 基于面向对象的铁尾矿信息提取技术研究——以迁西地区北京二号遥感影像为例[J]. 自然资源遥感, 2021, 33(4): 153-161.
[8]	吴芳, 金鼎坚, 张宗贵, 冀欣阳, 李天祺, 高宇. 基于CZMIL测深技术的海陆一体地形测量初探[J]. 自然资源遥感, 2021, 33(4): 173-180.
[9]	晋成名, 杨兴旺, 景海涛. 基于RS的陕北地区植被覆盖度变化及驱动力研究[J]. 自然资源遥感, 2021, 33(4): 258-264.
[10]	刘咏梅, 范鸿建, 盖星华, 刘建红, 王雷. 基于无人机高光谱影像的NDVI估算植被盖度精度分析[J]. 自然资源遥感, 2021, 33(3): 11-17.
[11]	于维, 柯福阳, 曹云昌. 基于MODIS_TVDI/GNSS_PWV的云南省干旱特征时空分析[J]. 自然资源遥感, 2021, 33(3): 202-210.
[12]	李阳, 袁琳, 赵志远, 张晋磊, 王宪业, 张利权. 基于无人机低空遥感和现场调查的潮滩地形反演研究[J]. 自然资源遥感, 2021, 33(3): 80-88.
[13]	郭文, 张荞. 基于注意力增强全卷积神经网络的高分卫星影像建筑物提取[J]. 国土资源遥感, 2021, 33(2): 100-107.
[14]	陈虹, 郭兆成, 贺鹏. 1988—2018年间洱海流域植被覆盖度时空变换特征探究[J]. 国土资源遥感, 2021, 33(2): 116-123.
[15]	吴霞, 王长军, 樊丽琴, 李磊. 基于多光谱遥感的盐渍化评价指数对宁夏银北灌区土壤盐度预测的适用性分析[J]. 国土资源遥感, 2021, 33(2): 124-133.

Viewed

Full text

Abstract

Cited

Shared

Discussed