決策樹分類方法在紅樹林自然保護區(qū)SPOT影像解譯中的應用

1、決策樹分類在紅樹林自然保護區(qū)spot影像解譯中的應用*樂通潮 陳杰 羅彩蓮譚芳林潘輝(福建省林業(yè)科學研究院，福建，福州，350012 )摘要：利用決策樹分類方法對漳江口國家級紅樹林自然保護區(qū)spot遙感影像進行解譯，解 決了傳統(tǒng)監(jiān)督分類很難區(qū)分灘涂中的紅樹林與山上的果樹的弊病，取得了良好的效果。 關鍵詞：漳江口；紅樹林;決策樹;spot影像application of decision tree in classifying mangrove reserve spot imagele tonchao luo cai-lian chen jie(1 fujian academy of fores

2、try, fuzhou 350012, fujian, china)abstract: in this paper, it has got a good result to classify zhangjiangkou national mangrove reserve spot image by means of decision tree and resolved the difficulty to divide mangrove and fruit tree by traditional supervised methodkey word: zhangjiangkou; mangrove

3、; decision tree; spot image紅樹林是自然分布于熱帶和亞熱帶海岸潮間帶的木本植物群落，通常牛長在港灣河口地 區(qū)的淤泥質灘涂上,是海上灘涂特有的森林類型"'23。紅樹林有著特殊的形態(tài)結構和生理機 能，起到防風、防浪、促淤造陸、穩(wěn)定海岸、保護海堤籌的作用，有著更要的生態(tài)和經濟價 值。近幾十年來，我國東南沿海的紅樹林遭受了嚴重的人為破壞，近70%的紅樹林已經消失, 造成了一系列的生態(tài)問題，加強紅樹林資源的調查和管理工作已經非常迫切。要対紅樹林 生態(tài)系統(tǒng)進行深入的研究和系統(tǒng)的管理，必須準確摸清其分布、而積、植物組成和結構等情 況。由于成片的紅樹林生長在潮間帶，

4、往往植株繁茂，行人難以通達.使得測繪工作一般僅 僅是對可達的地帶進行估測其長勢和群落特性，其結果有一定的不確定性。另外紅樹林地 地勢平坦,用傳統(tǒng)的森林資源調查方法難以準確定位和勾繪。由于遙感技術具啟覆蓋面積大, 數據更新周期短，空間分辨率高，手段多樣等特點，已經成為國內外紅樹林牛態(tài)研究的主要 技術z。紅樹林區(qū)域調查要求梢度比較高，木文采用spot 5影像作為遙感信息源，選取福建省漳 江口國家級紅樹林自然保護區(qū)作為應用研究區(qū)，通過野外實地調查，將紅樹林外貌特征與遙 感光譜信息相結合，利用決策樹分類方法對紅樹林信息進行了提取，探討決策樹分類方法在 遙感影像紅樹林信息提取的應用潛力。1研究區(qū)概況與實

5、驗數據漳江口紅樹林保護區(qū)位于福建省南部云冑縣漳江口，距離云雷縣城10 km,地處東經 117°24wh-17°30z00m,匕緯23°53'45”23。56'00”，海拔6-8m,全區(qū)總面積2360hm2。屬亞熱 帶海洋性季風氣候，氣候溫暖濕潤，年平均降雨量為1714.5mm,年平均蒸發(fā)量為1718.4mm。本文采用2003年1月4fi獲取的spot影像，景號292-302, track號6 3608,預處理級別為 1a,共4個波段，地面分辨率為10mo基金項日：福建省自然科學基金計劃資助項日(200刀0251)與國家林業(yè)局南方山地用材林培育重點實

6、驗 室共同資助。作者簡介：樂通潮(1980-),男,福建大iii人，碩士，工程師，主要從爭森林生態(tài)、濕地、3s集成研究.2研究方法2.1遙感數據預處理禾ijffl 1:10000地形圖上的特征點以及gps實測點定位點作為控制點，對原始影像進行幾 何精校正，以獲取研究區(qū)精確地理位置信息。根據漳江口國家級自然保護區(qū)研究區(qū)矢量文件, 裁剪牛成研究區(qū)spot影像。采用arcgis軟件，矢彊化生成岸線文件，利用envi軟件生成水陸兩分的掩模文件。然 后生成歸一化植被指數ndvi文件。2. 2決策樹分類概念決策樹(decision tree)又叫一叉樹，類似于流程圖的樹形結。一個決策樹由一個根節(jié) 點(ro

7、ot nodes), 系列內部節(jié)點(intcmal nodes)和分支以及若干葉節(jié)點(terminal nodes) 組成，每個內部節(jié)點只有一個父節(jié)點和兩個或多個子節(jié)點，節(jié)點和子節(jié)點之間形成分支。其 中樹的每個內部節(jié)點代表一個決策過程中所要測試的屬性；每個分支代表測試的一個結果, 不同屬性值形成不同分支；而每個葉節(jié)點就代表一個類別，即圖像的分類結果。樹的最高層 節(jié)點稱為根節(jié)點，是整個決策樹的起始，7-，uo圖1就是一個簡單的決策樹。hghndm圖i決策樹分類fig 1 decision treetree：highbifieldb1>0houseunknot決策樹方法主要是決策樹學習和決策

8、樹分類兩個過程。決策樹學習過程是通過對訓練樣 本進行歸納學習(inductive learning),牛成以決策樹形式表示的分類規(guī)則的機器學習(machine learning)過程決策樹學習的實質是從一纟r無次序、無規(guī)則的事例屮推理出決策樹表示形 式的分類規(guī)則。決策樹學習算法的輸入是由屬性和屬性值表示的訓練樣本集，輸出是一-棵決 策樹。決策樹的生成通常采用口頂向下的遞歸方式，通過某種方法選擇最優(yōu)的加性作為樹的 結點，在結點上進行屬性值的比較并根據各訓練樣本對應的不同屬性值判斷從該結點向下的 分支。在每個分支子集中重復建立下層結點和分支，并在一定條件卜-停止樹的牛長，在決策 樹的葉結點得到結論

9、。通過對訓練樣木進行決策樹學習牛:成決策樹，決策樹可以根據屬性的 取值對一個未知樣本集進行分類，就是決策樹分類卩叫2. 3分類體系結合漳江口國家級紅樹林口然保護區(qū)特點，確定土地覆蓋利用類別為：紅樹林、灘涂、 水體、果樹、田地和生活區(qū)等6類。2. 4決策樹分類規(guī)則結合研究區(qū)實際情況，木文在envi軟件采用arcgis中矢最化生成的岸線文件產生水 陸分離的掩模圖，水體dn值為1,陸地dn值為0。利用envi軟件生成ndvi圖。為了 計算方便，生成新的遙感影像，1-4波段為原spot影像波段數據，第5波段為掩模圖，第 6波段為ndvi圖。在新影像上采集6類地物的訓練區(qū)數據，經過比較分析，得到決策樹的

10、分類規(guī)則如表1 所示。表1漳江口紅樹林自然保護區(qū)spot影像分類決策樹規(guī)則table 1 decision tree rule of zhangj iangkou mangrove reserve spot imageband 5band 4band 6band 1紅樹林=1>=50>=0. 08灘涂=1>=50<0. 08水體=1<50杲樹=0>0. 05>40田地=0>0. 05<=40居民區(qū)=0<=0. 05>03結果與分析3.1分類結果timhhittiwkk w禍建省林業(yè)科7研究院200& 04漳江口紅樹林門然

11、保護區(qū)spot影像分類圖0 1 2 3 4 5 602468 lkmmap scale 1:200.()00圖2漳江口紅樹林h然保護區(qū)spot影像分類圖fig. 2 classi ficat ion map of zhangjiangkou mangrove reserve spot image利用表1建立的決策樹進行分類得到如圖2的結來，表2為各類而積統(tǒng)計。表2漳江口紅樹林自然保護區(qū)spot影像分類結果table 2 classifiestion resuit of zhangj iangkou mangrove reserve spot image類型紅樹林灘涂水體果樹山地居住區(qū)面積（hm

12、”355.911589. 639171.5711533.251154. 752874. 14比重（酚1.356. 0434. 8443.814. 3910. 923. 2精度評價為了評估分類精度，我們利用envi的confusion matrixt盡可能均勻的選擇評估樣點13351個，構建了決策樹分類的誤差混淆矩陣，計算了分類精度和kappa系數（表3和表4）。表3決策樹分類誤差矩陣table 3 error matr ix of decision tree classification樣點數（個）實際類別紅樹林灘涂水體果樹山地居民區(qū)行小計紅樹林63103000634灘涂04227000042

13、27實水體01726850002702果樹00021008374013338類田地0001081314131435別居尺區(qū)00085888421015小計6314244268822932239125613351表4決策樹分類精度報告table 4 accuracy report of deci si on tree classification類名參考像元被分類像元正確分類像元生產者像元0）用戶者像元紅樹林631634631100.099.5灘涂42444227422799.6100.0水體26882702268599.999.4果樹22933338210091.662.9田地22391435

14、13145& 791.6居民區(qū)1256101584267.083.0總計133511335111799總赭度二8& 4%kappa系數二85. 3%從表中可以看出，紅樹林、灘涂和水體的分類精度非常高，達到99%以上。由于當地滿 山遍地是龍眼、荔枝等果樹，出地與屈民區(qū)穿插在里面，所以果樹、出地和屈民區(qū)的分類精 度比較低。4結論決策樹本身既是一種直觀的知識表示方法，也是-種高效的分類器。利用決策樹対spot 遙感影像進行分類不僅有效利用了地物的光譜信息，而幾提高了地物非光譜信息對分類結果 的作用。通過決策樹分類，準確得到了漳江口國家級紅樹林自然保護區(qū)的紅樹林而積，為紅 樹林的保護規(guī)

15、劃提供了基礎數據。參考文獻1林鵬紅樹林濕地自然保護區(qū)m.廈門:廈門人學出版社,2001.12湯育智.福建漳江口紅樹林景區(qū)的保護與開發(fā)j.海洋環(huán)保,2003(5):75-78.|3潘輝，樂通潮，萬泉等.紅樹林自然保護區(qū)周邊社區(qū)經濟調查分析j.陰護林科技,2008(3):1-3.4李四海，王華，蔣興偉.屮巴資源衛(wèi)星在紅樹林遙感調査中的應用研究j.海洋通報,2003(6):331.338.5騰俊華，劉宇，顧徳宇.紅樹林遙感智能分類方法硏究j.臺灣海峽，1997(3):331-33&6于祥，趙冬至，張豐收.遙感技術在紅樹林生態(tài)監(jiān)測與研究中的應用進展j.海洋環(huán)境科學, 2005(1):76-80.|7潘琛，杜培軍，張海榮.決策樹分類法及其在遙感圖像處理中的應測繪科學,2008(1):208-211.8john durkin,蔡競峰，蔡自興.決策樹技術及其當前研究方向j.控制工程,2()05(1):15-18.9李寧，樂琦.決策樹算法及其常見問