全 文 ：第 v|卷 第 t期
u s s v年 t 月
林 业 科 学
≥≤Œ∞‘׌„ ≥Œ∂ „∞ ≥Œ‘Œ≤„∞
∂²¯1v| o‘²1t
¤±qou s s v
干涉测量土地利用影像分类决策树法森林识别研究 3
白黎娜 李增元 陈尔学 庞 勇
k中国林业科学研究院资源信息研究所 北京 tsss|tl
摘 要 } 利用 ∞• ≥ p t和 ∞• ≥ p u ≥„• 串行轨道数据经干涉测量处理生成的干涉测量土地利用影像对森林
识别方法进行初步研究 ∀内容包括基于目标识别选择合成干涉测量土地利用影像处理方法 !应用斜分类器
k’≤tl生成分类决策树以及在自主开发的软件中调整分类决策树 !对分类结果进行像元级别上的精度检验和
误差分析等 ∀结果表明 }∞• ≥ p t 和 ∞• ≥ p u ≥„• 串行轨道数据经干涉测量处理 o利用其强度影像和相干影像
可以合成多种干涉测量土地利用影像 ~其中最小值影像和标准差影像较之于其它强度影像和变化影像更有
利于区分水体和森林 ~由于 ’≤t生成决策树的算法决定了在分类处理中没有不可分类别的存在 o所以在初期
选择分类类别时 o要尽可能多的覆盖原始影像的数值区间 ~选择的各类别样本数据要尽可能的/纯0 o以减少类
别间数值区间的重叠 o从而减少误分类情况 ∀
关键词 } Œ˜影像 o干涉测量 o森林识别 o分类决策树
收稿日期 }ussu p st p t{ ∀
基金项目 }国家 {yv计划 vs{主题/ ∞• ≥ ≥„• 干涉测量森林制图技术研究0课题kvs{ p tw p sxkvll资助 ∀
3 美国马里兰大学孙国清教授提供了 ’≤t软件并指导运作 o原中国林业科学研究院资源信息研究所贺光明助理研究员在基于判断
树分类软件研制的过程中给予热心帮助 o研究生赵峰做了许多具体工作 o特此一并致谢 ∀
Α ΣΤΥ∆Ψ ΟΝ ΦΟΡΕΣΤ Ι∆ΕΝΤΙΦΙΧΑΤΙΟΝ ΩΙΤΗ ΤΗΕ ∆ΕΧΙΣΙΟΝ
ΤΡΕΕ ΦΟΡ ΙΝΤΕΡΦΕΡ ΟΜΕΤΡΙΧ ΛΑΝ∆2ΥΣΕ ΙΜΑΓΕ
…¤¬¬±¤ ¬ ±¨ª¼∏¤± ≤«¨ ± ∞µ¬∏¨ °¤±ª≠²±ª
kΙνστιτυτε οφ Φορεστ Ρεσουρχε Ινφορµατιον Τεχηνιθυε o Τηε Χηινεσε Αχαδεµψοφ Φορεστρψ Βειϕινγ tsss|tl
Αβστραχτ} ׫¨ ³µ¨ ¬¯°¬±¤µ¼ µ¨¶∏¯·¶²©·«¨ ¶·∏§¼ ²± ©²µ¨¶·¬§¨±·¬©¬¦¤·¬²± º¬·« Œ±·¨µ©²µ¨°¨ ·µ¬¦¤±§2∏¶¨ kŒ˜l ¬°¤ª¨
³µ²§∏¦¨§©µ²° ∞≥„ ·¤±§¨ ° §¤·¤¬¶³µ¨¶¨±·¨§¬±·«¬¶³¤³¨µq׫¨ ¦²±·¨±·¶µ¨ ¤¯·¨·²·«¨ ¶¨¯¨ ¦·¬²± ²©¥¤±§¶©²µ¥∏¬¯§¬±ªŒ˜
¬°¤ª¨ ¥¤¶¨§²±·«¨ ¤¬°²©µ¨¦²ª±¬½¬±ªo·«¨ ³µ²§∏¦·¬²±²©§¨¦¬¶¬²±·µ¨¨∏¶¬±ª’¥¯¬´∏¨ ≤¯ ¤¶¶¬©¬¨µt k’≤tl ¤±§µ¨¦·¬©¬¦¤·¬²±²©
§¨¦¬¶¬²±·µ¨¨º¬·«²∏µ¶²©·º¤µ¨ o·«¨ √¨¤¯∏¤·¬²± ²©¦¯¤¶¶¬©¬¦¤·¬²± ³µ¨¦¬¶¬²± ²± ³¬¬¨¯·²³¬¬¨¯¤±§·«¨ µ¨µ²µ¤±¤¯¼¶¬¶q
Œ˜¬°¤ª¨ ¬¶ª¨ ±¨ µ¤¯ ¼¯¦²°¥¬±¨ §¬±·«¨ ©²¯ ²¯º¬±ªº¤¼}·«¨ • kµ¨§l ¥¤±§¬¶·«¨ ¦²«¨µ¨±¦¨ ¬°¤ª¨ o·«¨ Š kªµ¨ ±¨l ¥¤±§
¬¶·«¨ ¬±·¨±¶¬·¼¬°¤ª¨ ¤±§·«¨ … k¥¯∏¨l ¥¤±§¬¶·«¨ ¬±·¨±¶¬·¼ §¬©©¨µ¨±¦¨ ¬°¤ª¨ q׫¨ ¦²«¨µ¨±¦¨ ¬°¤ª¨ ©²µ²±¨ ³¤¬µ²©≥„•
§¤·¤¬¶ ¬¨¦¯∏¶¬√¨ º«¬¦« °¨ ¤±¶·«¨ • ¥¤±§¬¶¦«¤±ª¨¯¨¶¶o¥∏··«¨ ²·«¨µ¶°¬ª«·¥¨ §¬©©¨µ¨±·¨ ¬³µ¨¶¶¬²±¶q„©·¨µ¶¼±·«¨·¬¦¤¯ ¼¯
¦²°³¤µ¬±ª¤±§¤±¤¯¼½¬±ª©²µ·«¨ «¬¶·²ªµ¤°¶²©§¬©©¨µ¨±·¬°¤ª¨¶¤±§·«¨ ¦¯¤¶¶¬©¬¨§¬°¤ª¨¶o¬·¬¶©¬¬¨ §©¬±¤¯ ¼¯ ·«¤··«¨ Œ˜
¬°¤ª¨ ©²µµ¨¦²ª±¬½¬±ª©²µ¨¶·¤±§±²±2©²µ¨¶·¬¶¦²°³²¶¨§²©·«¨ ¦²«¨µ¨±¦¨ ¬°¤ª¨k• l o·«¨ °¬±¬°∏° √¤¯∏¨ ¬°¤ª¨ kŠl ¤±§·«¨
¶·¤±§¤µ§§¨√¬¤·¬²± ¬°¤ª¨ k…l q • ¨ §¨√¨ ²¯³¨ § ¤ ¦¯¤¶¶¬©¬¦¤·¬²± ¶²©·º¤µ¨ ¥¤¶¨§2²± §¨¦¬¶¬²± ·µ¨¨¶¬±¦¨ ·«¨ §¨¦¬¶¬²± ·µ¨¨
³µ²§∏¦¨§©µ²° ’≤t¬¶±²·¶¤·¬¶©¬¨§²∏µ±¨ §¨²©¦¯¤¶¶¬©¬¦¤·¬²±q
׫¨ ³µ²¦¨¶¶¬±ª¶·¨³¶¤µ¨ ¤¶©²¯ ²¯º¬±ª}ktl ·²¦²¯¯¨ ¦··«¨ ¶¤°³¯¨¦²²µ§¬±¤·¨¶²©√¤µ¬²∏¶¦¯¤¶¶¨¶∏¶¬±ª Š¯²¥¤¯ °²¶¬·¬²±
≥¼¶·¨° kŠ°≥l ¬±©¬¨ §¯º²µ®okul·²ª¨··«¨ ¶¤°³¯¨§¤·¤©µ²°Œ˜¬°¤ª¨ ¤¦¦²µ§¬±ª·²·«¨¬µ¦²²µ§¬±¤·¨¶okvl·²µ¨°²√¨ ·«¨
¦¤¶¨ ²©¶°¤¯¯³µ²¥¤¥¬¯¬·¼¤±§·²¦µ¨¤·¨·«¨ §¨¦¬¶¬²±·µ¨¨∏¶¬±ª’≤t okwl·²¦¯¤¶¶¬©¼Œ˜¬°¤ª¨ º¬·«·«¨ ¦¯¤¶¶¬©¬¦¤·¬²±¶²©·º¤µ¨
¥¤¶¨§2²± §¨¦¬¶¬²±·µ¨¨¤±§kxl·²§²³²¶·³µ²¦¨¶¶¬±ª²± ¦¯¤¶¶¬©¬¨§¬°¤ª¨ q׫¨ ¦¯¤¶¶¬©¬¦¤·¬²±¤¦¦∏µ¤¦¼©²µ©²µ¨¶·¬¶zz h o©²µ
±²±2©²µ¨¶·¬¶{t h ¤±§©²µ·²·¤¯¶¬¶z| h q
׫¨ ¦²±¦¯∏¶¬²±¶¤µ¨ ¤¶©²¯ ²¯º¶}„©·¨µŒ±·¨µ©¨µ²°¨ ·µ¬¦³µ²¦¨¶¶¬±ªo °¤±¼ ®¬±§¶²©Œ˜¬°¤ª¨ ¥¤¶¨§²± §¬©©¨µ¨±·¤¬° ²©
¤³³¯¬¦¤·¬²± ¦¤± ¥¨ ¦²°³²¶¨§º¬·«·º²¬±·¨±¶¬·¼¬°¤ª¨¶¤±§²±¨ ¦²«¨µ¨±¦¨ ¬°¤ª¨ ²©¤³¤¬µ²©∞• ≥2t ¤±§∞• ≥2u ≥„• ¬°¤ª¨
·²¥¨ ¤³¤µ·²±¨ §¤¼q׫¨ °¬±¬°∏° √¤¯∏¨ ¬°¤ª¨ ¤±§¶·¤±§¤µ§§¨√¬¤·¬²±¬°¤ª¨ ¤µ¨ ¥¨·¨µ©²µ§¬¶·¬±ª∏¬¶«¬±ª¥¨·º¨ ±¨ ©²µ¨¶·
¤µ¨¤¤±§º¤·¨µ¥²§¬¨¶·«¤± ¤±²·«¨µ¬±·¨±¶¬·¼ ¬°¤ª¨¶¤±§§¬©©¨µ¨±·¬°¤ª¨¶q ׫¨µ¨ ¬¶±² ∏±¦¯¤¶¶¬©¬¨§¦¯¤¶¶¨¶¬±·«¨ µ¨¶∏¯·
§¨ ³¨ ±§¨±·²±·«¨ ¤¯ª²µ¬¶°²©³µ²§∏¦¬±ª§¨¦¬¶¬²±·µ¨¨²©’≤t o·«¨ ¦¯¤¶¶¨¶¶¨¯¨ ¦·¨§¶«²∏¯§¦²√¨ µ§¤·¤√¤¯∏¨ µ¤±ª¨ ²©¬°¤ª¨ ¤¶
°¤±¼ ¤¶³²¶¶¬¥¯¨¤±§·«¨ ¶¤°³¯¨§¤·¤¶«²∏¯§¥¨ ¤¶/ ³∏µ¨0 ¤¶³²¶¶¬¥¯¨·²µ¨§∏¦¨ ·«¨ µ¨µ²µ¬±·«¨ ¦¯¤¶¶¬©¬¨§µ¨¶∏¯·q
Κεψ ωορδσ} Œ˜¬°¤ª¨ oŒ±·¨µ©¨µ²°¨ ·µ¼oƒ²µ¨¶·°¤³³¬±ªo⁄¨ ¦¬¶¬²±·µ¨¨
雷达干涉测量kµ¤§¤µ¬±·¨µ©¨µ²°¨ ·µ¼l是一种将复型雷达数据中的雷达相位信息作为信息源提取地球
表面三维信息的技术 ∀从它首次被应用于月球和金星表面的观测k•²ª¨µ¶ετ αλqot|y|l o到利用干涉合成
孔径雷达数据k¬±·¨µ©¨µ²°¨ ·µ¬¦¶¼±·«¨·¬¦¤³¨µ·∏µ¨ µ¤§¤µoŒ‘≥„• l对植被和地物类型的识别 o经历了一个从机
载到星载 !从对星球观测到对地观测 !从单天线 ≥„• k¶¼±·«¨·¬¦¤³¨µ·∏µ¨ µ¤§¤µl重复轨道观测到双天线单轨
道观测 !从单纯地利用相位差进行地形测量到综合利用相位相干信息和回波强度信息进行植被和地物
类型识别的发展过程 ∀特别是近十年来 o其应用研究已经渗透到遥感技术应用的各个领域 o主要为两大
类 o一是利用 Œ‘≥„• 影像相位差信息提取技术进行地形测量 o另一是综合利用 Œ‘≥„• 的干涉测量相关
信息和回波能量信息进行大面积土地利用调查 !森林制图和森林资源动态监测 !农作物种植面积及农田
活动监测 !海洋现象和舰船监测及军事目标的发现与监视等k陈尔学等 ousssl ∀
t Œ˜影像合成方法的选择
本研究中应用的干涉测量土地利用k¬±·¨µ©¨µ²°¨ ·µ¬¦ ¤¯±§2∏¶¨ o简称 Œ˜l影像是利用欧洲空间局数据
处理中心k∞≥•Œ‘l用Œ±k¬±·¨µ©¨µ²°¨ ·µ¬¦ ∏´¬¦® ²¯²®l处理器处理生成的 ∞• ≥ p t和 ∞• ≥ p u ≥„• 强度影像及
其干涉测量相关影像经再处理组合而成的 ∀影像的获取时间是 t||x p tu p vs !p vt o轨道号为 uvvs|Π
vyvy o像元大小为 xs ° ≅ xs °∀实验数据是覆盖我国辽东半岛部分区域的影像 ∀
Œ˜影像通常的合成方式是 }• kµ¨§l波段为干涉测量相关影像 ~Škªµ¨ ±¨l波段为雷达回波强度信息
影像 ~…k¥¯∏¨ l波段为雷达回波强度变化信息影像 ∀对于干涉测量相关影像只存在处理算法对相干影像
质量的影响问题 o不存在定标问题 ∀对于强度影像 o可以直接用于分类 o也可经过定标及辐射干扰校正
后进行分类 ∀本研究所用强度影像没有做过定标和辐射干扰校正 o但所实验的几种强度影像的组合方
法 o正是为了探讨在一定程度上减小地形引起的辐射误差对分类精度的影响 ∀一对 ≥„• 影像的干涉测
量相关值是唯一的 o这就意味着在合成 Œ˜影像时 o• 波段可以固定不变 ∀但其回波强度信息和回波强
度变化信息值可以有不同的表示方式 o例如 o回波强度信息可以是两轨影像各像元的最大值 !最小值或
均值等 ~绝对差值和标准差值等均可作为其回波强度的变化信息 ∀因此 o可以生成多种强度影像和变化
影像 ∀利用 ∞≥•Œ‘提供的两幅 ∞• ≥ p t和 ∞• ≥ p u ≥„• 强度影像 o将其分别定义为主 !辅强度影像生成
了其最大值 !最小值 !均值 !绝对差值和标准差值等影像 o又进一步合成了不同的 Œ˜影像 ∀对不同影像
的直方图和应用相同的分类方法得到的不同分类结果进行综合分析 o最终选取了干涉测量相关影像
k• l !最小值影像kŠl和标准差值影像k…l合成了用于森林和非森林识别的 Œ˜影像k如图 w所示l ∀按
此方法合成了覆盖我国东北部分地区的 ts余轨 Œ˜影像 ∀
111 回波强度信息变化影像的选择
在对 Œ˜影像进行分类时发现 o在非森林地类中 o水体是极易同森林混淆的地物类型之一 ∀因此 o
在研究中将水体从非森林类型中提取出来重点分析 ∀图 t是森林 !非森林和水体在标准差影像中和绝
对差值影像中的直方图 ∀从左图可知 o水体和森林具有较好的分离性 ~森林和非森林之间存在部分重
叠 ~右图中 o森林与非森林的部分重叠依然存在 o而水体和森林之间也存在部分重叠 ∀可以看出 o在区分
森林 !非森林和水体时 o标准差影像的可利用性大于绝对差值影像 ∀因此 o选择标准差影像作为 Œ˜影
像中的 …波段 ∀
112 回波强度信息影像的选择
应用相同的分类方法对由不同处理方法生成的回波强度信息值和回波强度变化值组合而成的 Œ˜
影像进行分类 o得到图版 ´上部的 v个结果图 ∀可以看出 o左上图中几乎没有识别出森林类别 o误分类
现象十分严重 ~中上图中普遍存在森林与水体混淆的误分类情况 ~右上图目视效果与 Œ˜影像k图版 ´
中的右下图l和从同期的 א 影像提取的土地利用图中的类别基本相符 ∀因此 o可以认为由干涉测量相
z{ 第 t期 白黎娜等 }干涉测量土地利用影像分类决策树法森林识别研究
关 !最小值和标准差影像合成的 Œ˜影像用于森林和非森林的识别较好 ∀
图 t 标准差k左l !绝对差值k右l影像直方图
ƒ¬ªqt ‹¬¶·²ªµ¤° ²©≥·§q¬°¤ª¨ k¯ ©¨·l ¤±§„…≥¬°¤ª¨kµ¬ª«·l
森林 ƒ²µ¨¶·~ 非森林 ‘²±2©²µ¨¶·~ 水体 • ¤·¨µq下同 ׫¨ ¶¤°¨ ¥¨ ²¯º ql
u 分类方法与结果分析
具有相同雷达回波强度的地物可能具有不同的干涉测量相关信息 ∀利用不同地物在各波段的不同
取值区间的组合 o可对Œ˜影像进行分类 ∀具体步骤是 }在外业调查中应用 Š°≥采集各类地物k林地 !平
坦地区旱田 !水田 !坡旱地 !水体 !居民点 !城镇等l的样点坐标 ~依据样点坐标从 Œ˜影像中获取样点影
像值 ~经过统计分析去除各类地物中小于 ts h的小概率事件 o并生成决策树 ~应用自主开发的基于决策
树的分类程序对 Œ˜影像进行分类处理 ~对分类结果进行后处理 o最终完成森林识别 ∀
211 分类决策树方法
分类决策树是应用 ≥µ¨ µ¨¤°¤等kt||wl研制的斜分类器k’¥¯¬´∏¨ ≤¯ ¤¶¶¬©¬¨µt o简称 ’≤tl生成的 ∀ ’≤t
是一个从样本空间构造斜决策树的系统 o斜决策树是一种在每个节点上可能含有对数据属性k线性l的
多变量的测试 ∀ ’≤t也可以构造标准的平行轴向决策树 o在每一个节点上只含有对数据属性的一个变
量的测试 ∀因此 ’≤t允许用户创建两种标准的决策树 o即平行轴向决策树和斜决策k多元l树 ∀该系统
适合于样本具有数字特征值的应用 o它结合了确定性的爬山法k°²∏±·¤¬±2¦¯¬°¥¬±ªl和以随机形式在决策
树的每一节点寻找斜分割点k以超平面形式l的 u种方法 ∀相对于平行轴决策树系统 o斜决策树系统具
有体积小 o分类准确的优点 ∀
决策树k⁄×l算法的大量研究集中在每个节点检查单个特征值k…µ¨¬°¤± ετ αλqot|{w ~ ±∏¬±¯¤±ot|{y ~
t||v¤l ∀ ±∏¬±¯¤±首先提出将决策树应用到符号特征值的分类中去 o继而将其扩展到数字特征领域 ∀当
属性值为数字时 o测试以 Ξι  Κ的形式出现 ∀这里 Ξι 是样本的一个属性 oΚ为常数 ∀这种决策树分类
方法称为平行轴分类方法 ∀因为在特征空间 o每个结点的测试在特征空间里是等同于超平面的 ∀图 u
提供了平行轴分类的一个例子 o其中包括一个决策树和该决策树在二维空间的分割 ∀
图 u 平行轴决策树分类举例
ƒ¬ªqu ׫¨ ¬¨¤°³¯¨²©¤¬¬¶2³¤µ¤¯¯¨¯ §¨¦¬¶¬²±·µ¨¨¦¯¤¶¶¬©¬¦¤·¬²±
研究人员同样对结点测试采用
特征的布尔组合 k °¤ª¤¯ ²¯o t||s ~
°¤ª¤¯ ²¯ ετ αλqot||s ~≥¤«¤°¬ot||vl和
线性组合的决策树分类进行了研究 ∀
此外 o对检验决策树结点好坏的量度
标准 !进行决策树修剪以减少过分拟
合以及提高精度等方法进行了大量
的探索工作 ∀
通过下例来详细描述在每个内
部结点进行特征的线性组合测试的决策树 o让 Ξ € ξt oξu o, oξδ oΧϕ o
其中 }Χϕ是类的名称 oξι 是属性的真值 ∀对于每个结点的测试以下列形式出现 }
Ε
δ
ι € t
αι ≅ ξι n αδnt  s ktl
{{ 林 业 科 学 v|卷
式中 oαt o, oαδ n t是具有真值的系数 ∀因为这些测试相当于将超平面放置于轴的斜向 o这类决策树称为
斜决策树 ∀或多元变量决策树k…µ²§¯ ¼¨ ετ αλqot||wl ∀称其为斜决策树是因为多元变量包括这些变量
的非线性组合 o比如曲面 ∀我们的决策树仅包含线性测试 ∀显然斜决策树是平行轴决策树的一般式 o因
为如果使 αι 其中之一为非零 o而其它值为零 o则公式ktl 变成了简单的单变量测试 ∀注意 o斜决策树是
将特征进行多边形空间分割 o而平行轴决策树则以平行于特征空间的超矩形进行分割 ∀因此 o利用斜决
策树分类的优点是显而易见的 ∀例如有许多域 o在域中 t个或 u个斜平面是分类的最佳模型 ∀在这些
域中 o平行轴方法以阶梯状结构接近正确模型 o然而斜决策树分类方法将会搜寻到正确模型 o并且斜决
策树具有体积小且分类精确的优点 ∀如图 v所示 o左图显示在一个二维域中 u个斜平面定义的类别 o右
图显示用平行轴决策树创建模拟这个二维域中的近似类别 ∀
图 v 斜决策树与平行轴决策树的比较
ƒ¬ªqv ׫¨ ¦²°³¤µ¬¶²± ¥¨·º¨ ±¨ ²¥¯¬´∏¨ §¨¦¬¶¬²±·µ¨¨¤±§¤¬¬¶2³¤µ¤¯¯¨¯ §¨¦¬¶¬²±·µ¨¨
斜决策树生成系统 ’≤t的主要内容包
括 }在决策树的每一个节点寻找超平面系数
的方法 ~计算超平面的不纯度或优劣的方
法 ~决策树的修剪策略 ~处理丢失和无关特
征的方法 ∀其生成算法详见参考文献
k≥µ¨ µ¨¤°¤ ετ αλqot||wl ∀由于直接应用 ’≤t
生成的分类决策树不能满足我们的分类要
求 o需要对其做出一些必要的调整 o因此开
发了基于决策树的分类软件 ∀
212 决策树调整
生成分类决策树时 o’≤t在最终确定各节点变量的取值范围时采用的是中值分配 o对于 Œ˜影像的
s ∗ uxx数值区间来说稍显简单 ∀因此不是直接利用 ’≤t生成的分类决策树进行分类 o而是经过分析初
步的处理结果 o对有关节点变量值进行修正 o再应用调整后的分类决策树进行分类处理 o使得依据此分
类决策树得出的分类结果趋向合理 ∀图版 ´的左下图是直接应用 ’≤t生成的分类决策树得出的分类
结果 o可以看到 o虽然对于水体的识别略优于中下图 o但更多的林地被分为水体 ∀针对左下图中明显将
林地分为水体的误分类 o对该分类决策树作了相应调整 o得出中下图的结果 o与分类用 Œ˜图像相比较 o
中下图比左下图更加符合实际 ∀
213 精度检验
精度检验是针对本研究内容 ) ) ) 森林识别来进行的 o故对 Œ˜影像的分类结果图进行分类后处理
) ) ) 重编码k• ¦¨²§¨ l为二值图 ∀分类结果图与从同期 א 影像中提取的土地利用图进行/像元对像元0
级别上的逐个比较 ∀以土地利用图为标准得出精度评价结果如表 t ∀从表 t可以看到 o森林类别的识
别正确率为 zz h kv us| wy|Πw t{y wvtl ~非森林类别的识别正确率为 {t h kv {s| yztΠw zsy {{tl ~总体识别
正确率为 z| h kkv us| wy| n v {s| yztlΠ{ {|v vtul ∀
表 1 精度评价结果 单位 :像元
Ταβ .1 Τηε εστιµατε ρεσυλτ οφ χλασσιφιχατιον αχχυραχψ ˜±¬·}³¬¬¨¯
森林 ƒ²µ¨¶· 非森林 ‘²±2©²µ¨¶· 计 ײ·¤¯
Œ˜分类结果
• ¶¨∏¯·
森林 ƒ²µ¨¶· v us| wy| {|z uts w tsy yz|
非森林 ‘²±2©²µ¨¶· |zy |yu v {s| yzt w z{y yvv
计 ײ·¤¯ w t{y wvt w zsy {{t { {|v vtu
2 .4 误差分析
将分类结果与土地利用图进行比较 o非森林被分为森林 o森林被分为非森林的/误分类0现象 o如图
w !x所示 ∀图 x是森林 !非森林和水体在干涉测量相关影像中的直方图 ∀从图 w¤可以看出大部分像元
的干涉测量相关值小于等于 s1yk¦²«[ s1yl o结合图 x中森林类别分布的数值区间可以看出 o这些符合
|{ 第 t期 白黎娜等 }干涉测量土地利用影像分类决策树法森林识别研究
¦²«[ s1y的像元应属于森林类别的分布范围 o应属森林类别 ∀同样 o图 w¥显示出在土地利用图中为森
林 o而被/误分0为非森林部分的干涉测量相关值中的大部分都大于 s1yk¦²« s1yl o与图 x中非森林类
别分布于 ¦²« s1y的数值区间相吻合 ∀由此可以认为 o在土地利用图中为森林 o而被/误分0为非森林
的大部分像元应属于正确分类 ∀造成这种误差的原因之一是从 א 影像提取土地利用图时 o利用的是
人机交互的目视解译法 o这样会造成/像元对像元0级别上的精度检验之间的差距 ∀必须指出 o在这部分
区域中 o的确存在将水体类别和森林类别错分类的情况 ∀从图 v可知 o水体与森林类别的数值分布区间
重叠 o尽管应用强度影像和其变化影像可以区分部分水体与森林 o但并不能完全区分 ∀
图 w /误分类0部分区域在干涉测量相关影像中的直方图
ƒ¬ªqw ׫¨ «¬¶·²ªµ¤° ²© / µ¨µ²µ2¦¯¤¶¶¬©¬¨§¤µ¨¤0 ²± ¦²«¨µ¨±¦¨ ¬°¤ª¨
¤q非林地被分为林地区域 ‘²±2©²µ¨¶·¦¯¤¶¶¬©¬¨§¤¶©²µ¨¶·~ ¥q林地被分为非林地区域 ƒ²µ¨¶·¦¯¤¶¶¬©¬¨§¤¶±²±2©²µ¨¶·
图 x 森林 !非森林和水体类别在干涉测量
相关影像中的直方图
ƒ¬ªqx ׫¨ ¦¯¤¶¶¨¶²©©²µ¨¶·o±²±2©²µ¨¶·¤±§
º¤·¨µ²± ¦²«²µ¨±¦¨ ¬°¤ª¨
v 结论
两幅串行轨道的 ∞• ≥ p t ≥„• 和 ∞• ≥ p u ≥„• 影像
经干涉测量处理 o其强度影像和相干影像处理后可以合
成多种 Œ˜影像 o其中最小值影像和标准差影像较其它
强度影像和变化影像更有利于区分水体和森林 ~
’≤t生成的决策树可作为对 Œ˜影像进行分类处理
的基础 o对决策树进行调整 o可以获得更好的分类结果 ~
’≤t生成决策树的算法决定了在分类处理中没有不
可分类别的存在 o所以在初期分类时 o要使所选类别尽可
能多地覆盖原始影像的数值区间 ~各类别样本数据要尽
可能具有均一性 o以减少类别间数值区间的重叠 o减少误
分类情况 ∀
参 考 文 献
陈尔学 o李增元 o车学俭 q≥„• 干涉测量数字高程模型与高程误差校正 q高技术通讯 ousss otskzl }xz ∗ yv
≤«¨ ± ∞o¬ o≤«¨ ÷ q Š¨ ±¨ µ¤·¬±ª ⁄∞ ©µ²° ≥„• ¬±·¨µ©¨µ²ªµ¤°¼ ¤±§¨¯ √¨¤·¬²± µ¨µ²µ≤²µµ¨¦·¬²±q ‹¬ª«× ¦¨«±²¯²ª¼ ¨·¨µ¶ousss otskzl }xz ∗ yv
…µ¨¬°¤± oƒµ¬¨§°¤±q ≤¯ ¤¶¶¬©¬¦¤·¬²± ¤±§µ¨ªµ¨¶¶¬²±·µ¨¨q • ¤§¶º²µ·«Œ±·¨µ±¤·¬²±¤¯ Šµ²∏³qt|{w
…µ²§¯ ¼¨ ≤ ∞o˜·ª²©©q ∏¯·¬√¤µ¬¤·¨ §¨¦¬¶¬²±·µ¨ ¶¨q ¤¦«¬±¨ ¨¤µ±¬±ªqt||w
°¤ª¤¯ ²¯ Š q „§¤³·¬√¨ §¨¦¬¶¬²±·µ¨¨¤¯ª²µ¬·«°¶©²µ¯ ¤¨µ±¬±ª©µ²° ¬¨¤°³¯ ¶¨q°«q⁄q·«¨¶¬¶o˜±¬√¨ µ¶¬·¼ ²© ≤¤¯¬©²±¬¤¤·≥¤±·¤ ≤µ∏½qt||s
°¤ª¤¯ ²¯ Š o ‹¤∏¶¶¯ µ¨o⁄q…²²¯ ¤¨± ©¨¤·∏µ¨ §¬¶¦²√¨ µ¼¬± °¨³¬µ¬¦¤¯ ¯¨ ¤µ±¬±ªq ¤¦«¬±¨ ¨¤µ±¬±ªot||s oxktl }zt ∗ ||
±∏¬±¯¤±  • q¨¤µ±¬±ª ©¨©¬¦¬¨±·¦¯¤¶¶¬©¬¦¤·¬²± ³µ²¦¨§∏µ¨¶¤±§·«¨¬µ¤³³¯¬¦¤·¬²±·²¦«¨¶¶ ±¨§ª¤°¨ ¶qŒ± ¬¦«¤¯¶®¬• o ≤¤µ¥²±¨ ¯¯ o i ¬·¦«¨¯¯ × k §¨¶ql o
¤¦«¬±¨ ¨¤µ±¬±ª}„± „µ·¬©¬¦¬¤¯ Œ±·¨¯ ¬¯ µ²¤¦«q ²±¦ª ³¨ ³¨ „ °¤±±o≥¤± ¤·¨²o≤„ qt|{y
±∏¬±¯¤±  • q≤w qx }°µ²ªµ¤°¶© µª¤± Ž¤∏©¨¯ ¤¨µ±¬±ªq ²µª¤± Ž¤∏©° ± ° ¥¯¬¶«¨µ¶o≥¤± ¤·¨²o≤„ qt||v
•²ª¨µ¶„ ∞ ∞oŒ±ª¤¯ ¶¯• ° q ∂ ±¨∏¶} ¤³³¬±ª·«¨ ¶∏µ©¤¦¨ µ¨©¯ ¦¨·¬√¬·¼ ¥¼µ¤§¤µ¬±·¨µ©¨µ²° ·¨µ¼q≥¦¬¨±¦¨ ot|y| otyxkv {|xl }z|z ∗ z||
≥¤«¤°¬ q¨¤µ±¬±ª±²±2¯¬±¨ ¤µ¯¼ ¶¨³¤µ¤¥¯¨¥³³¯ ¤¨±©∏±¦·¬²± º¬·« ¬¯±¨ ¤µ·«µ¨¶«²¯§∏±¬··µ¨ ¶¨¤±§ °¤§¤¯¬±¨ 2¶·¼¯¨ ±¨ ·º²µ®¶qŒ± °µ²¦¨ §¨¬±ª¶²©·«¨ ∞¯ √¨¨ ±·«
‘¤·¬²±¤¯ ≤²±©¨µ¨±¦¨ ²± „µ·¬©¬¦¬¤¯ Œ±·¨¯ ¬¯ª¨ ±¦¨ ovvx p vwt „„„Œ °µ¨¶¶qt||v
≥µ¨ µ¨¤°¤Ž o≥·¨√ ±¨ ≥ o≥¬°²± Žq„ ¶¼¶·¨° ©²µ¬±§∏¦·¬²± ²©²¥¯¬´∏¨ §¨¦¬¶¬²±·µ¨ ¶¨q²∏µ±¤¯ ²© „µ·¬©¬¦¬¤¯ Œ±·¨¯ ¬¯ª¨ ±¦¨ • ¶¨¨¤µ¦«ot||w ou }t ∗ vv
s| 林 业 科 学 v|卷