1、遙感影像分類成為遙感研究領(lǐng)域中的一項(xiàng)非常重要內(nèi)容，也是利用遙感手段提取地物類型信息的一個(gè)重要環(huán)節(jié)。遙感影像分類可分為監(jiān)督分類和非監(jiān)督分類兩種，其具體分類方法有多種，傳統(tǒng)的僅基于遙感影像像元光譜特征的計(jì)算機(jī)自動(dòng)分類方法受多種因素的影響，分類精度無法滿足用戶的需求，于是決策樹分類法應(yīng)運(yùn)而生。決策樹分類法已被應(yīng)用于許多分類問題，但應(yīng)用于遙感分類的研究成果并不多見。決策樹分類法具有靈活、直觀、清晰、強(qiáng)健、運(yùn)算效率高等特點(diǎn)，在遙感分類問題上表現(xiàn)出

2、巨大優(yōu)勢。比較成熟的決策樹分類算法有CLS，ID3，C4.5，C5.0系列，CART，SLIQ，SPRINT和CHAID等。決策樹算法是一種非參數(shù)化、非線性的監(jiān)督分類法，本文盡可能地保證訓(xùn)練樣本數(shù)據(jù)的質(zhì)量和數(shù)量的優(yōu)良性，在此基礎(chǔ)上適當(dāng)?shù)鼐C合影像光譜信息和其他輔助信息，最后選用最佳的分類器來完成遙感影像分類。
　　 本研究以2010年8月1日軌道號為122/30的LandsatTM影像為基礎(chǔ)遙感信息源，以內(nèi)蒙古自治區(qū)赤峰市中部巴林

3、右旗、林西縣、克什克騰旗、翁牛特旗交匯處(E118°22'－118°54'，N43°03'-43°17’)的區(qū)域?yàn)檠芯繀^(qū)，進(jìn)行了基于決策樹方法的遙感影像分類研究。首先利用最大似然分類法對研究區(qū)遙感影像原始波段進(jìn)行分類，依據(jù)分類結(jié)果多次修改完善訓(xùn)練樣本數(shù)據(jù)集，盡可能地保證訓(xùn)練樣本數(shù)據(jù)集的準(zhǔn)確性及足夠的數(shù)量，然后把6個(gè)原始波段和基于其提取的NDVI、前三個(gè)主分量(PC1、PC2和PC3)、八個(gè)紋理特征(Mean、Variance、Homog

4、eneity、Contrast、Dissimilarity、Entropy、SecondMoment和Correlation)以及三個(gè)地形特征(Dem、Slope和Aspect)等共21個(gè)特征變量組合成五個(gè)不同特征變量組合，采用決策樹典型算法C5.0和CART以及傳統(tǒng)的最大似然法進(jìn)行分類，選取三種分類法基于全通道數(shù)據(jù)的分類結(jié)果以及為了克服基于全通道數(shù)據(jù)分類結(jié)果存在的誤分問題，同時(shí)選取每個(gè)分類模型最理想的分類結(jié)果，然后分別進(jìn)行精度評價(jià)與比