基于CART決策樹技術的林業地類遙感影像分類研究

徐軍 譚瑩 鄭云峰

（1浙江省森林資源監測中心 浙江杭州 310020；2國家林業局華東林業調查規劃設計院 浙江杭州 310019）

林業資源利用是否科學合理，是生態環境保護與可持續發展的焦點。實現林業資源可持續利用，及時準確地了解林業用地的時空配置狀況，是林業資源管理的重要課題。3S技術形成了新型的對地觀測系統，為林業科學研究提供了全新的科學方法和技術手段。

由于地物類別分布方式本身的復雜性，僅利用單一分類規則對影像進行分類，而不考慮其他構成影像的多種因素是造成傳統方法不理想的原因，加上衛星遙感光譜數據的空間分辨率不高（TM30米），因而一般帶有綜合光譜信息的特點（即存在混合像元），致使計算機分類面臨著諸多模糊對象。近年來，采用決策樹分類法已被應用于許多分類問題。決策樹分類法[1,2]具有靈活、直觀、清晰、強健、運算效率高等特點，在遙感分類問題上表現出巨大優勢。本次研究將利用CART決策樹算法，結合光譜信息和紋理信息進行林業地類的分類，并把獲得的結果與傳統的最大似然法分類進行比較。

1 研究區概況及數據源介紹

翁源縣位于廣東省北部，韶關市東南部，地處北緯24°07′30"～24°37′15"，東經113°39′2"～114°18′5"，總面積 2217 平方公里。翁源縣屬中亞熱帶季風氣候區，四季分明，季風氣候明顯。春季低溫寡照，夏季高溫多雨，秋季涼爽，冬季多霜，年平均氣溫為 20.6℃，年平均降雨量為1693.9毫米。翁源縣山地植被屬亞熱帶常綠季風雨帶，由于地形、母質和人為活動的影響，形成植被多樣性。山地植被有三種類型：草本植被、針闊葉混交林、疏林草坡。本次研究所用到的研究資料主要包括：研究區2006年Landsat5 TM 衛星影像數據及樣地調查數據。

2 研究方法

2.1 遙感數據處理

2.1.1 TM數據預處理

輻射校正：本次研究采用的是ENVI中的Landsat TM Calibration模塊來對遙感影像進行輻射校正，即用已經公開的 post-launch增益和偏移，將 Landsat TM 數字值轉換成輻射或外大氣層反射。

2.1.2 遙感影像融合處理

本研究針對經過預處理后的原始波段數據，分別進行主成分變換、基于第一主成分的IHS融合、基于第一主成分的Brovey融合以及小波融合；然后利用原始近紅外波段和紅光波段生成多種植被指數：RVI、NDVI、PVI和MSAVI。由上述融合變換生成的多個光譜特征將作為后續影像分類的基礎。

2.1.3 遙感影像紋理提取

在本次研究中，采用基于灰度共生矩陣的紋理分析方法，采用7*7的窗口大小（當窗口大小設為 7*7，紋理均值和熵值逐漸趨于穩定），針對第一主成分圖像，計算均值、方差、均勻性、對比度、相異性、熵、二階矩、相關性8個紋理測度[3]。

2.2 基于CART決策樹的影像分類

2.2.1 分類系統

依據本研究區林業地類，由圖結合目視解譯和實地調查，確定該研究區包含6種主要地物類型，同時結合當地的具體情況和林業生產特點以及TM數據對縣（市）級資源利用的分辨能力和分類精度影響等情況，將研究區土地利用類型劃分為有林地、灌木林、疏林地、未成林造林地、苗圃地和無林地6個大類。

2.2.2 特征波段選取及訓練區選取

（1）在本次研究中，經過融合處理及紋理提取后共有35個波段。在進行分類前，要對分類的波段進行選取，選擇合適的波段組合進行分類。本次研究中，將采用美國的查維茨（Chavez）教授等提出最優指數公式（0IF，0ptimum Index Factor）來選取參與分類的波段[4]。0IF值越大則相應的波段組合越優。經過計算排序及綜合考慮，確定最優數據集波段為：band14(IHS1 ,即 HIS轉換所得的第一波段）、band16（IHS3，即 HIS轉換所得的第三波段）、band18（NDVI）、band20(PVI)、band29(VA,即方差)、band31(C0，即對比度)。

（2）訓練區的選取

本次研究在訓練區的選擇主要依據目視判讀，以及地形圖、樣地調查數據和非監督分類結果等輔助數據。

2.2.3 CART決策樹分類

（1）CART決策樹

分類與回歸樹CART（Classification and Regression Trees）是分類數據挖掘算法的一種[5,6]。CART模型最早由Breman等人提出并已在統計學領域普遍應用。CART是一種有監督學習算法，即用戶在使用CART進行預測之前，必須首先提供一個學習樣本集（Learning samples）對CART進行構建和評估，然后才能使用。CART使用如下結構的學習樣本集：

其中， X1～Xm稱為屬性向量（Attribute Vectors），其屬性可以是連續的，也可以是離散的；Y稱為標簽向量（Label Vectors），其屬性可以是連續的，也可以是離散的。當Y是連續的數量值時，稱為回歸樹；當Y是離散值時，稱為分類樹。

根據給定的樣本集L構建分類樹由以下三步組成：

[1]使用L構建樹maxT ，使得maxT 中每一個葉節點要么很小（節點內部所含樣本個數小于給定值 minN ）；要么是純節點（節點內部樣本的Y屬于同一個類）；要么只有惟一屬性向量作為分支選擇。

[2]使用修剪（Pruning）算法構建一個有限的遞減（節點數目）有序子樹序列。

[3]使用評估（Estimate）算法從第[2]步產生的子樹序列中選出一棵最優樹作為最終的決策樹。

（2）研究區CART決策樹模型的生成及判別規則的建立

利用SPSS對研究區訓練樣本建立CART決策樹。生成決策樹模型如圖1所示，分為5層，45個結點，圖中的1-6類分別表示無林地、有林地、未成林造林地、灌木林、疏林地、苗圃地。圖中的每一個矩形代表樹的一個結點，其中最頂層第一個矩形是根結點，里面包含了全部的訓練樣本。從樹的根結點到任一個葉結點代表了一條判別規則。

圖1 CART決策樹模型示意圖

下面以圖1決策樹的部分截圖為例，能更清楚地展示其中包含的內容。

圖2 決策樹頂部的部分截圖

圖2是圖1 CART決策樹的最頂部的一段截圖。其中Node0（結點的序號從0開始，按照每一層從左往右的順序依次編號）就是樹的根結點，Node1和Node2是根結點的第一個分支。在每個結點中注明了每一個類別所包含的樣本單元數及所占的比例。樹越往下，結點中的樣本單元越“純”。從上圖可以看出，用來分隔第一個結點的波段是band16（即IHS3波段），其中灰度值小于或等于86.153650的樣本單元被分入到左結點，而灰度值大于86.153650的被分入到右結點。分完后，其非純度量（Gini索引）的改變為0.118，即“純度”提高了0.118。也就是說，在所有參與分類的波段中所有潛在的分割點中，band16灰度值為86.153650的分割點能使分完后兩部分的“純度”增值最大，這也從另一個方面能說明參與分類的波段重要性的大小。在一棵樹中，如果某波段參與的分割結點的次數越多，則說明該波段對分類的貢獻越大，也就越重要。

為了能更全面的說明樹的內容，圖3所示是圖1決策樹葉結點的部分截圖。其中，葉結點 Node43和Node44由Node26分割而來，分割準則為band31(C0波段)灰度值大于1.5765的分入到Node44中去，band31(C0波段)灰度值小于等于1.5765的分入到Node43中去了。在Node43中第3類也即未成林造林地所占的比例最大（為81%），因而把該葉結點的類別定為未成林造林地。也就是說，從根結點到該葉結點路徑中所有判別規則的交集組成了一條未成林造林地的判別準則。有多少個葉結點，就有多少條地物類型的判別準則，在本研究中，針對研究區生成的決策樹共有23個葉子結點，則對應23條判別準則。很顯然，對于每一個地物類型，會對應多條判別準則。

圖3 決策樹葉結點的部分截圖

生成決策樹以后，就可以通過該樹生成判別規則。對于一個未知地物類型的像元點（已知IHS1、IHS3、NDVI、PVI、VA、C0六個波段的灰度值），該像元點符合哪條判別規則，則其就判讀為那條判別規則所對應的地物類型。然后，將生成的這些判別規則導入到ENVI中Decision Tree模塊中，用這些判別規則建立一棵決策樹。對該研究區遙感圖像進行自動分類后，生成如圖4所示的分類類碼圖。

圖4 CART決策樹模型分類類碼圖

圖5 最大似然法分類類碼圖

2.3 傳統的最大似然法分類

最大似然法是通過求出每個像素對于各類別的歸屬概率，根據貝葉斯判別準則把該像素分到歸屬概率最大的類別中的方法。運用ENVI 中Maximum Likelihood最大似然法，實現研究區遙感圖像自動分類，圖5是最大似然法生成的分類類碼圖。

3 結果與分析

分類完成后，將野外調查的地面驗證點疊加到具有相同投影和坐標系統的分類圖上，用分類生成的地物類別與野外記錄的地物類別進行對照，從而建立混淆矩陣并計算Kappa系數、用戶精度和生產者精度和總分類精度來衡量各種分類方法的分類性能，實現對分類結果的精度評價[7]。

分類結果的總精度是指所有類別中被正確分類的像元數之和與參加驗證的總像元數之比，也即混淆矩陣中主對角線上元素之和與參與驗證的總像元數之比。將每一類中被正確分類的像元數除以該類參加驗證的總像元數，結果稱為生產者精度，它說明指定覆蓋類型的驗證數據被分類后其效果的好壞。用戶精度是指每一類別被正確分類的像元數目除以被分做該類的總像元數之比，它是委任誤差的測度，表明一個像元被分到指定類別的可能性。依據驗證數據，針對決策樹及最大似然法分類結果圖像分別建立下述混淆矩陣。

表1 決策樹分類的混淆矩陣

表2 最大似然法分類的混淆矩陣

傳統的最大似然法是建立在假定訓練區地物的光譜特征和自然界大部分隨機現象一樣，近似服從正態分布，利用訓練區可求出均值、方差以及協方差等特征參數，從而求出總體的先驗概率密度函數的基礎上，因此對正態分布的輸入樣本具有非常高的判別精度。決策樹分類法是以各像元的特征值為設定的基準值，分層逐次進行比較的方法。比較中所采用的特征的種類及基準值是按照地面實況數據及目標物相關的知識等做成的。CART是一種有監督學習算法，即用戶在使用CART進行預測之前，必須首先提供一個學習樣本集（Learning samples）對 CART進行構建和評估，然后才能使用。由上述兩表可知，決策樹分類的精度及Kappa系數均高于最大似然法分類。可見，決策樹分類比起傳統的最大似然法分類，明顯的提高了分類精度。將兩種方法進行對比，相對于最大似然法，決策樹的樹狀分類結構對數據特征空間分布不需要預先假設某種參數化密度分布，所以其總體分類精度優于傳統的參數化統計分類方法。

[1]M.A. Friedl and C.E. Brodley(1997). Decision Tree Classification of Land Cover from Remotely Sensed Data[J], Remote Sensing Environmen, 61(3): 399-409.

[2]陳寶政，蔡德利，張有利等. 利用決策樹對 TM遙感影像的分類研究[J].黑龍江八一農墾大學學報,2010,1: 79-82.

[3]王登峰，楊志剛，魏安世.紋理信息在遙感影像分類中的應用[J].南京林業大學學報：自然科學版,2010,34(3):97-100.

[4]王曉怡，張德強，姚磊.TM遙感影像信息及最佳波段組合研究[J].山東師范大學學報，自然科學版,2010,1:109-112.

[5]Hansen,M.Dubayah,R. and DeFries.R. Classification Trees: An Alternative to Traditional Land Cover Classifiers[J],International Journal of Remote Sensing,1996,17(5):1075-1082.

[6]D.K. McIver, M.A. Friedl.Using prior probabilities in decision-tree classification of remotely sensed data. Remote Sensing of Environment 81(2002):253-261.

[7]常慶瑞，蔣平安，周勇等.遙感技術導論[M].北京：科學出版社,2004.