基于决策树方法的高光谱数据湿地植被类型信息提取

摘要

为了提高湿地植被分类精度,以美国Sacramento-San Joaquin三角洲为研究背景,利用纯净像元指数(pixel purity index,PPI),结合实地观测数据提取纯净像元作为训练样本,在训练样本光谱特征分析的基础上,构造特征指数,建立决策树分类模型对研究区域的湿地植被进行信息提取.对于分类结果叠加产生的混合区域以及无法进一步分类的区域,利用混合调谐匹配滤波(mixture tuned matched filter, MTMF)进一步提高分类精度.结果表明,该信息提取模型可以实现植被指数与混合像元分解的有效组合,具有较高的分类精度.