基于面向对象C5.0决策树算法的南昌县土地遥感分类研究

论文摘要

本文着重关注在经济稳步发展的社会生产背景下县域土地利用的现状,借助江西省南昌市南昌县的2018年Landsat-8影像数据源,使用面向对象法,以影像多尺度分割的对象单元为单位,通过C5.0决策树完成南昌县土地的一、二级分类,获取当地土地类型信息。本文采取的主要方法和实验内容包括:第一:利用多尺度分割法,将遥感影像分割成与实际的地物类别相对应的影像对象单元,观察、分析分割尺度、颜色因子、形状因子等因参在取不同数值的情况下对分割效果的影响,并从中选取一组最优分割参数下的影像分割结果作为后续分类处理的数据依据。第二:基于C5.0决策树算法进行土地的一、二级分类:结合研究区地理环境和发展情况,并借鉴土地分类体系标准（GB/T21010-2007）,先将土地一级分类为园林地、耕地、建设用地、水体和未利用地五大类别;进一步探讨在政策方针稳定开放、经济建设大力推进的大好形势下“建设用地”的二级细化分类,将“建设用地”再分为农村宅基地、城镇住宅用地、工业用地、开发用地四个类别。实验结果表明:相较于面向像元的最大似然法,面向对象的C5.0决策树法在考虑传统像素光谱信息的同时也利用像素和其相邻像素组成的纹理、形状等交间特征进行地物分类,其一级分类总体精度0.9104,比最大似然法高9.45%,一级分类的Kappa系数值90.03%,比最大似然法高9.45%;二级分类总体精度0.8283,比最大似然法高11.59%,二级分类的Kappa系数值82.80%,比最大似然法高11.60%。对于同样利用面向对象思路,采用CART决策树模型的分类方法来说,C5.0决策树算法的分类效果还是要略高一筹,其一级分类总体精度0.9104,比CART决策树法高2.37%,一级分类的Kappa系数值90.03%,比CART决策树法高2.37%;二级分类总体精度0.8283,比CART决策树法高2.49%,二级分类的Kappa系数值82.80%,比CART决策树法高2.48%。某面向对象的C5.0决策树算法作为本次遥感影像分类研究中的主要算法,能够成功提取土地类别信息,且其分类精度较之最大似然法和CART决策树都要好,说明了利用C5.0决策树算法进行平原地貌县域面积土地分类的优势,其生成的一、二级土地分类规则也可用“规则集”的形式表现出来,为相应土地类别的应用研究提供明确的分类特征规则。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   1.1 论文研究背景与意义
•   1.2 面向对象法和C5.0决策树法的国内外研究现状
•   1.3 论文研究内容和结构安排
•   1.4 本章小结
• 第二章 Landsat-8遥感影像源预处理
•   2.1 Landsat-8遥感影像的基本信息
•   2.2 研究区影像选取及选取依据
•   2.3 Landsat-8影像预处理流程
•   2.4 本章小结
• 第三章 面向对象的多尺度影像分割技术
•   3.1 常见图像分割算法
•   3.2 面向对象的多尺度分割算法的原理
•   3.3 多尺度分割的分割实验
•   3.4 本章小结
• 第四章 基于面向对象的C5.0决策树法土地分类及评价
•   4.1 C5.0决策树原理
•   4.2 基于面向对象的影像特征的选择
•   4.3 基于C5.0决策树法的土地分类
•   4.4 基于面向对象的C5. 0决策树法精度评价
•   4.5 本章小结
• 第五章 结束语
•   5.1 总结
•   5.2 展望
• 参考文献
• 附录一
• 附录二
• 致谢
• 个人简介

文章来源

类型: 硕士论文

作者: 刘淑琴

导师: 汪西原

关键词: 面向对象法,多尺度分割,决策树法,土地一,二级分类

来源: 宁夏大学

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 宁夏大学

分类号: P237

DOI: 10.27257/d.cnki.gnxhc.2019.000950

总页数: 67

文件大小: 7117K

下载量: 128