本文主要是介绍ENVI下基于知识决策树提取地表覆盖信息，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
基于知识的决策树分类是基于遥感影像数据及其他空间数据，通过专家经验总结、简单的数学统计和归纳方法等，获得分类规则并进行遥感分类。分类规则易于理解，分类过程也符合人的认知过程，最大的特点是利用的多源数据。
决策树分类主要的工作是获取规则，本文介绍使用CART算法获取规则，基于规则提取土地覆盖信息。下图是总体技术流程。
图：总体技术流程图
在获取规则过程中，由于计算量较大，我们选择一部分典型的区域作为实验区获取决策树。
1. 准备数据
本文以L1T级的Landsat8OLI数据为例，数据已经过工程区裁剪。这一步主要是构建多元数据集。数据集由Landsat8OLI七个波段、NDVI、ISODATA非监督分类结果、DEM（具体使用那些数据可根据实际情况进行增减）。其中DEM使用30米的G-DEM，使用相同工程区矢量进行裁剪。
- 在Toolbox中，选择/Spectral/Vegetation/NDVI，使用多光谱影像计算NDVI。
- 在Toolbox中，选择/Classification/Unsupervised Classification/IsoData Classification，最大分类数量为10，迭代次数为10，选择路径输出分类结果。
- 在Toolbox中，选择/Raster Management/ Layer Stacking&#x
这篇关于ENVI下基于知识决策树提取地表覆盖信息的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
