基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例
土地利用分类精度直接决定土地利用／土地覆被变化相关研究的准确性，而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面，运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例，应用QUEST决策树分类方法，对该地区的LandsatTM5影像图进行分类，同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中，进行不同特征融合，来处理目标类别间的非线性关系，该方法在处理图像理解知识方面具有更大的灵活性；同时与普通决策树分类法的遥感影像分类的结果相比较，Kappa系数值从原来的0．789提高到0．849。在地形复杂的山地地区，针对TM影像数据，选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。
土地利用分类、决策树、地学辅助数据、分类精度、光谱特征
31
TP79(遥感技术)
基金项目:国家科技支撑计划资助项目2008BAB38803
2012-12-21（万方平台首次上网日期，不代表论文的发表时间）
共8页
1973-1980
