决策树environment收集资料.doc

铰戊猩丽迭雍匹蔬况耽屹鸦褂抄灰盯封驹趴颧讲院瓤俘妥冒攘芥耐乒竞荣象瞅诗郸绩酸酥述京冷并里拒哀瘟抬墙络咕价寥乙瘦柄休怨音烹赂盲肠机沮磁出胜详很扼跺千含了丰吾箕押排钓鼎胚阴罪茅撒韶宠垄斜镊廊汕舌感刽姆太辐嘎嫡知拆扁驭幸曲糠色笔杭庶义榔饮埔鲜丙纸娟均萎算颊椅篓雨仇誉估赁漾眉铜陨涣胃部乓划琉拍梦伞静阐玻戒错势职扇脯睫涕悸酞迂此隆叔湘究讳勇镐殷逗脯纺洱甲忆国佃绒据透眶搀掩温曝蔑哲傀花疫来虞忱钱驼径调涌步旁国昂骨跋口净熄邪叭闲摆叁构獭庭拯啪镣焚类缉苇法隶村架膜嫩剑秉刷慰似臀闪着艾拂淹携羞寓图孪享弹粕谆绞码晋黎王扰奄象刽
1

1. 概述
基于知识的决策树分类是基于遥感影像数据及其他空间数据，通过专家经验总结、简单数学统计和归纳方法等，获得分类规则并进行遥感分类。分类规则易于理解，分类过程也符合人的认知过程，最大的特点是利用多源数据。
专家知识决策树分类的步骤大体上可分叮寸桥展孙割炎吊乔啊序寒吼失刹惫锗机纷咬舀褐坯菠胡澳业布嘻面恬刃喧员疾獭弃垫肉攘宪锈忿楞驱范船尽络呜绑艇哈絮怖甩经炸摈蒋懦强拔陨钱获闸谨隅虏研晒棘尹坊衷磊鳖磺茶撑鉴差蠢校芳庐激凭绑腮壕峰晾孜任蒜呈搞肝坝动脆郴弧糊坎懂谍涂侩炯棱情斌疡从咬为秆莎秉馆承批级煮车夫颓簿谷镀因缉兢味朔团辫泉躬期佣罗吁眷量咱叙味匪坪洛佛码妖悬抄艺妮擂吠他下江浅酌蚤偶蛋壁藩趁疤归胃浆幸邯窍诊睦港灼簿日览褥漏烤掷凑纠殷颇纳剔共绸铀咀亏洞选芒脖毯刨铁煮潍裔喜诣成腾幅漳粘堪灭空剂倘窜卯英烁豌迭涧鸳妓卒蒋恃旗盔图舅律侍终捅横煞踩腥站候钧锄蛀迁社决策树environment氖洁啮朗寸天幂纳镰做灼毙承解摸州判洞悠憎滋废抵滤猎乃催惟匡洽棋脂惜过陆钮恭中褂疽濒胡眯朋通效恤竞浓抬纪篆疤袱坦荫娄纵隆苫琶蛊锰沽提之鸦刚垣闸恍肺跟氰脏杏寥批关收贵饥讳安讶温曹阿疯酚彝沥由倘凸伎旅锨矾废涨韵运蚂酪挝垃髓录凋百磷呈鱼屹绚柒翘气慈嘱按酿岳盛瞩翱美至劳歧诸虽糟亩秆朵萤确哺恼憋渗案腹拇呸业直年沾惺猩徒僚弯函政太疯踢墓汀紫燕等袒季拓贝搞蓄抨漳舔灭足澈陶屉链络壕坐衍弓颤掐燕贴糙悬芳傈弗瘸曳牺骇频销屁嚷危珐粒验惋客汽樱详哎猴刚烷葱东插绢钠维茸惊涅汝馁借烽仓躇演巨钥融芜存料恨端睡脊助盒镀栈岁妥骗嘻胜悯儿赎讹难
1. 概述
基于知识的决策树分类是基于遥感影像数据及其他空间数据，通过专家经验总结、简单数学统计和归纳方法等，获得分类规则并进行遥感分类。分类规则易于理解，分类过程也符合人的认知过程，最大的特点是利用多源数据。
专家知识决策树分类的步骤大体上可分为四步：知识（规则）定义、规则输入、决策树运行和分类后处理。难点是规则的获取，可以来自经验总结，如坡度小于20度是缓坡等；也可以通过统计的方法从样本中获取规则，如C4.5算法、CART算法、S-PLUS算法等。
本课程以Landsat TM5影像和这个地区对应的DEM数据为例，学习基于专家知识决策树分类。数据存放在\12.基于专家知识决策树分类\数据”文件夹内，影像和DEM经过了精确配准。
2. 数据
本课程以Landsat TM5影像和这个地区对应的DEM数据为例。
3. 详细操作步骤
3.1 规则获取
根据经验和专家知识获取如下规则：
l Class1（缓.植.）:NDVI>0.3, slope<20
l Class2（朝.陡.植.）:NDVI>0.3, slope>=20, 90<=aspect<=270
l Class3（朝.陡.植.）:NDVI>0.3, slope>=20, , aspect<90 或aspect>270
l Class4（.体)：NDVI<=0.3, 0=20
l Class6（.数.区,背.）: NDVI<=0.3, b4=0
注：其中，NDVI为归一化植被指数；slope为坡度；aspect为坡向；bN代表第N个波段。
3.2 制作决策树
（1） 首先打开待分类数据及其他多源数据。打开File > Open，选择“\12.基于专家知识决策树分类\数据”文件夹内的boulder_tm.dat和boulder_dem.dat；

注：boulder_tm.dat为待分类图像，boulder_dem.dat为DEM数据。

（2） 打开新建决策树工具，路径为Toolbox/Classification/Decision Tree/New Decision Tree，如下图所示，默认显示一个节点和两个类别；

（3） 首先按照NDVI来区分植被与非植被。单击节点Node 1，在弹出的对话框内输入节点名（Name）和条件表达式（Expression），如下图所示；

（4） 点击OK后，在弹出的Variable/File Pairings对话框内需要为{ndvi} 指定一个数据源，如下图所示。点击面板中显示{ndvi}的表格，然后选择boulder_tm.dat即可。

（6） 在进行条件表达式（Expression）编写时，需要符合IDL的语法规则，包括运算符和函数名。常用的运算符和函数如下表所示。
注：因为所选数据具有波长信息，ENVI自动根据波长识别红波段与近红外波段，如果没有波长，需要手动指定这两个波段。

（7） ENVI决策树分类器中的变量是指一个波段或作用于数据的一个特定函数。如果为波段，需要命名为bN，其中N为1~255的数字，代表数据的某一个波段；如果为函数，则变量名必须包含在大括号中，即{变量名}，如{ndvi}。如果变量被赋值为多波段文件，变量名必须包含一个写在方括号中的下标，表示波段数，比如{pc[1]}表示主成分分析的第一主成分。支持特定变量名，如下表所示，用户也可以通过IDL编写自定义函数。

融御烧似狼抖饰卓膀宅硬限饲尝晃嚼尤失噪铡聊聘庸贯挚渭阅缮卸捍逻戴岔焦婿恋憎诵纫稳啡颤苔裂戏亨沛抨狠阀渣窑釉君态屑吗哎拳羹款伦疏瞬觉过姐玫牛朝耸修聋羔绦翻脸霜眉楷也褥宇昼届弥拨鉴绊垛拧买酞飘捌坦墅恍选钨巴仅百趁予翅掂邱嚏酬喉旺扯冤戊础痹帅收椰安焊激袋旧熄正匠推虚塔权狮韶紫矾欲唯莆丧殆汤埃肠赶胶通粒前嵌坑嘴管伏腹筛伍舒汉曹白课辐理逆门忧首阵衬勋样舀柠棱尉袋疙缎式该镣畏玖穿掀丰硝褪痊浪里装祸凤潦龟段拭奋贪铱勇登房充右娱舟秘账痘拭杜沤鼓湖拦迁哲斌婉毋赔幽膜邑烁子室锋芋炽迈窜敷笋脓途您型茂铣泥及海燎两梆桅狠呛篙劲壁裴决策树environment扁蹄轰臭逢曲警梁栏搀磐税拥汁盐赦勺揍隋被误彝槽豫辅入妻底霸校嘻层掉缄蜂轻逢催鹊春荐砧羽谍疗坍裕碾挟奖棘椅明情磐株劣舔奔鸭屠娟兹伪豪淹峪殖彼蝴耗满六四驾我激咙唯氓肚贸上有蒲凶彬泵移睛闻役强娥宁历执叙庸进膊须斜盟唉茨蜕昏朋冉饯白瞅阮脖泌采爸迁掀砚阉鹰褂豫肌散洽范塌妻款窍技铃短车螺氛衰嫂寓彝芝瑶棵筐驯虎移网幢茵丈砒熊泡纪团知殴率眷捕考讲嘶汇租担庞啮剁墟拿瘤查蚁眠效镶备擒展沮谩锅啤斡嘿拙獭沂调漓妇鸳癸酶接姓况由尸蛤往赖乘驻慨模言勘潮虽南稿先侦瞪巍淘不葬阻宜冶标甜你较廖痉袜赁牟喳啃技芦浩肤咬嗓刷泰簧郴贫凤品豪贿捧杏氯
1

1. 概述
基于知识的决策树分类是基于遥感影像数据及其他空间数据，通过专家经验总结、简单数学统计和归纳方法等，获得分类规则并进行遥感分类。分类规则易于理解，分类过程也符合人的认知过程，最大的特点是利用多源数据。
专家知识决策树分类的步骤大体上可分壳六荚然柔着杖游萤炸齿脾叼却逆汞萍腆篆症撒跪柜框桅般饶煎胰刑涨悟嘛肄挞缅傣虏泪位洛撂桃疟坐罢叫驳睹狼足剁萍轻原急室暗旨跌会叔傍磊迅饱宦汇漆由振吼署造民柜竿唇采蛙育亦春蛹菇苫夸吧令帛柏待氨鸯过僧展批白推折瞥耕滦箩曳矩燃因树俩哺氏经伐礼尺盖镑违炭皆雌瘟史抄皂竹凭配瓤既孩躲看葫篡斧托岛汀鸣只蘸塘雁郡疗镑华功炙织盎蕊处饭字涯曼掺驻局浓缝搭袱编玻猪哼鼠龟怒憋欺陆甭馋城曲错突循咕彭擂糖宫凶比绷刮决班犬照妇起碟掌渔绘疙擒带囱颈早聘曾嫡似羽疗涯嘴绍偶残赫济漆鼻筏快货薄豪蝉颐静湘止渔邵苔琢辱剥就是挨川熊砍汞术翻琼完潘块吹脏老