基于ETM影像多种特征的CART决策树分类——以延边州为例

分类回归树(CART)是一种非参数化的分类与回归方法,在用于遥感影像自动分类时,可方便地应用多源知识,提高分类精度.以延边州试验区土地利用/覆被分类为例,利用分类回归树分析从训练样本中集中发现分类规则,集成遥感影像的光谱特征、纹理特征和辅助地学特征进行分类试验,并与传统的最大似然分类方法进行比较.结果表明,基于CART的决策树分类结果的总精度和Kappa系数分别为90.37%和0.8863,分类精度比MLC监督分类方法有明显提高.