基于CART决策树分类的江苏省湿地提取

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CART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CART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 km^(2);其中,水域面积12585.59 km^(2),沼泽574.18 km^(2),滩涂893.35 km^(2),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。