基于决策树的土地分类方法案例研究
张成强1 周国祥2 齐红超3
【摘要】以鲁中地区为例，利用卫星遥感影像数据，探讨了基于决策树算法的土地分类方法，结果表明，基于决策树算法的土地分类方法可以自动生成分类规则，效率高，周期短，对于当前大面积土地综合利用的研究具有重要意义。【期刊名称】科技资讯
【年(卷),期】2013(000)024
【总页数】2
【关键词】决策树鲁中地区土地覆被
土地利用的变化，反映的是人类为满足社会经济发展需要，不断调配各种土地利用的过程。因此土地利用/覆被变化（LUCC）研究一直是全球土地研究的重点内容[1]。随着社会发展进程的不断加快，传统的实地调查和定位观测已经跟不上土地资源变化的节奏。通用做法是利用遥感（RS）和地理信息系统（GIS）相结合的方法进行分析处理，而对大范围地域的土地覆被分析需要大量的遥感数据及辅助数据的处理、集成、解译过程[2]，因此对高效率、高精度的遥感自动分类算法的需求非常迫切。近年来，机器学习算法由于其在效率和分类精度的优势开始取代传统的监督和非监督算法 [3]。
决策树算法和人工神经网络是机器学习算法中比较典型的算法，他们在利用遥感图像对土地覆被分类中各有特点：决策树算法在分类规则上速度较快，而人工神经网络算法的精度较高[4]。本文通过利用C5.0决策树算法对鲁中地区的土地覆被进行了分析研究，在数据的处理方面选择了原始波段数据、纹理数据、非监督分类数据作为决策树算法的原始数据，选择了2071个样本点，对样本