監(jiān)督分類與決策樹方法在賽里木湖礦區(qū)的應(yīng)用分析

遙感技術(shù)是獲取地物信息的主要技術(shù)手段，也是土地資源類型調(diào)查、地物覆蓋程度研究中的基本手段。而圖像分類方法是完成以上工作的又一個(gè)重要環(huán)節(jié)。但由于不同地區(qū)的復(fù)雜地形、遙感影像數(shù)據(jù)及分類方法的多樣性等因素導(dǎo)致出現(xiàn)工作量大，圖像分類后的結(jié)果及精度不夠準(zhǔn)確等問題

。所以選取快捷精確的圖像分類方法對(duì)遙感圖像分類研究來說至關(guān)重要。

1 研究區(qū)概況及數(shù)據(jù)選擇

1.1 研究區(qū)概況

研究區(qū)位于新疆維吾爾自治區(qū)西北部，天山山脈支脈別珍套山南緣，準(zhǔn)格爾盆地西南端。賽里木湖礦區(qū)是典型的溫帶大陸性氣候，四季溫度差較高，全年整體氣溫偏低，屬于高中山區(qū)

。研究區(qū)大概范圍從東邊到西邊的長約為120km，從北邊到南邊的寬度約為70km。東北邊與博樂市接壤，西南邊與霍爾果斯市接壤，北邊與溫泉縣接壤。國道312沿湖旁橫穿過研究區(qū)，交通較為方便。

1.2 數(shù)據(jù)選擇

本文根據(jù)研究區(qū)地貌特征及研究內(nèi)容數(shù)據(jù)精度要求，以Landsat8 OLI遙感影像為本次研究區(qū)的數(shù)據(jù)源。本次選取賽里木湖礦區(qū)Landsat8 OLI遙感影像的成像時(shí)間為2018年5月，影像數(shù)據(jù)的云覆蓋度約在5%左右，但并不影響研究區(qū)圖像分類實(shí)驗(yàn)的開展。影像分辨率為30m，也符合本次圖像分類研究各階段的數(shù)據(jù)精度要求。

2 數(shù)據(jù)預(yù)處理及分類

2.1 數(shù)據(jù)預(yù)處理

直接獲取的Landsat8 OLI影像數(shù)據(jù)來進(jìn)行地物信息獲取和進(jìn)行圖像分類，得到的分類結(jié)果及精度不會(huì)達(dá)到預(yù)期的目標(biāo)最佳精度

。雖然我們最后獲取的遙感影像經(jīng)過一系列的系統(tǒng)處理，但為了得到更精確更可靠的實(shí)驗(yàn)數(shù)據(jù)，需要進(jìn)一步對(duì)獲取遙感影像進(jìn)行預(yù)處理。本次預(yù)處理借助ENVI5.1圖像處理軟件，對(duì)賽里木湖礦區(qū)Landsat8 OLI遙感圖像進(jìn)行輻射定標(biāo)，大氣校正，數(shù)據(jù)融合及裁剪等預(yù)處理，并借助Arcgis軟件制出相應(yīng)結(jié)果圖。

他驚出了一身冷汗，卻見前方的江面突然出現(xiàn)了一個(gè)急彎，他暗叫不好，猛地向左一推操縱桿，身體右傾，翼面隨之大幅度地向右傾斜，于電光石火間，將那急彎轉(zhuǎn)了過去。

2.2 分類標(biāo)準(zhǔn)

5.7.3 呼吸困難 進(jìn)行膈神經(jīng)移位術(shù)后要嚴(yán)密觀察呼吸情況并進(jìn)行氧飽和度的監(jiān)測(cè)。呼吸困難嚴(yán)重時(shí)可使用正壓呼吸機(jī)輔助通氣，加強(qiáng)腹式呼吸訓(xùn)練，刺激神經(jīng)恢復(fù)，逐漸脫機(jī)恢復(fù)自主呼吸。

（2）經(jīng)過對(duì)最大似然法初步分類進(jìn)行后期處理及對(duì)其進(jìn)行精度驗(yàn)證后獲得的結(jié)果圖及最大似然法混淆矩陣精度表如下：

3 分類方法及數(shù)據(jù)處理

3.1 監(jiān)督分類法 （Supervised Classification）

根據(jù)檢驗(yàn)結(jié)果表2可知，支持向量機(jī)分類法總體分類精度達(dá)到了92.9944%。其中冰雪分類像元總數(shù)為120個(gè)，準(zhǔn)確分類到冰雪類的為110個(gè)，10個(gè)樣本像元誤分到其他分類類型中。林地分類像元總數(shù)為62個(gè)，準(zhǔn)確分到林地類的為54個(gè)。草地分類像元總數(shù)為53個(gè)，準(zhǔn)確分類到草地類的有42個(gè)。沙地分類像元總數(shù)共為68個(gè)，準(zhǔn)確分類的有61個(gè)。裸巖石礫地分類像元總數(shù)為386個(gè)，其中361個(gè)像元分類為正確。建設(shè)用地分類像元總數(shù)共63，準(zhǔn)確分類到建設(shè)用地類別的有62，其精度相對(duì)較高。耕地、水體和公路用地分類像元均被準(zhǔn)確的分類到相應(yīng)的分類像元中，精度達(dá)到最佳。

（1）經(jīng)過對(duì)支持向量機(jī)初步分類進(jìn)行后期處理及對(duì)其進(jìn)行精度驗(yàn)證后獲得的結(jié)果圖及支持向量機(jī)混淆矩陣精度表如下：

本文參照國家2017年發(fā)布的最新《土地利用現(xiàn)狀分類》標(biāo)準(zhǔn)來選取樣本。本次圖像分類研究實(shí)驗(yàn)樣本類型包括：林地，草地，水體，冰雪，耕地，建設(shè)用地，裸巖石礫地和公路用地。再借助ENVI圖像處理軟件，創(chuàng)建感興趣區(qū)（ROI）將相應(yīng)的地物類型中選取一定數(shù)量的樣本，并做到采樣過程中樣本的均勻分布

。對(duì)選好的研究區(qū)樣本進(jìn)行樣本評(píng)價(jià)，也就是利用兩種參數(shù)標(biāo)準(zhǔn)對(duì)樣本進(jìn)行可分離性計(jì)算，最后表示各類樣本之間的可分離性。

本文通過ENVI5.1軟件Classification功能模塊，利用監(jiān)督分類中的支持向量機(jī)分類法和最大似然法兩種分類器，分別對(duì)Landsat8 OLI遙感圖像進(jìn)行圖像分類劃分。

這個(gè)聲明平息了公眾的不安。但也引起了始料不及的效應(yīng)。它深刻地改變了公司的精神和活動(dòng)。我所剩時(shí)間不多了；已通知我們船快啟航；我盡可能解釋一下。

通過計(jì)算遙感數(shù)據(jù)的歸一化參數(shù)，在歸一化參數(shù)的基礎(chǔ)上建立決策樹模型，在利用不同算法獲得其分類結(jié)果

。比起其他圖像分類方法決策樹分類更為容易理解，邏輯更為清晰。

3.2 決策樹分類

根據(jù)檢驗(yàn)結(jié)果可知，最大似然法總體分類精度達(dá)85.9887%。其分類類型中，冰雪分類像元為127個(gè)，準(zhǔn)確分類冰雪分類像元的有111個(gè)。耕地分類像元數(shù)共53，準(zhǔn)確分類到耕地分類像元的有52個(gè)。沙地分類像元總數(shù)共65個(gè)，準(zhǔn)確分類的有64個(gè)像元，耕地和沙地精度相對(duì)較高。草地分類像元總數(shù)共為81個(gè)，準(zhǔn)確分類的像元數(shù)為50個(gè)。裸巖石礫地分類像元總數(shù)為363個(gè)，準(zhǔn)確分類的像元數(shù)為343個(gè)。公路用地分類像元數(shù)共4個(gè)，其中2個(gè)像元為準(zhǔn)確分類。建設(shè)用地分類像元總數(shù)為124個(gè)，準(zhǔn)確分類的為71個(gè)像元。水體，林地分類像元均被分類到相應(yīng)類型當(dāng)中。

本文通過分析動(dòng)物學(xué)學(xué)科特點(diǎn)以及動(dòng)物學(xué)英語語篇內(nèi)容，可以歸納出詞匯銜接手段在動(dòng)物學(xué)英語語篇分析中起著至關(guān)重要的作用。動(dòng)物學(xué)英語語篇利用重復(fù)、同義或近義詞、上下義詞、概括詞和搭配等多種銜接手段，將各詞項(xiàng)和句子串聯(lián)成為一個(gè)有機(jī)整體。因此在學(xué)習(xí)動(dòng)物學(xué)英語語篇過程中，識(shí)別和理解語篇的詞匯銜接手段在一定程度上成為學(xué)習(xí)文章的關(guān)鍵，只有掌握了語篇中的詞匯銜接機(jī)制，才能進(jìn)一步深入的理解篇章，并快速準(zhǔn)確地把握語篇的內(nèi)在含義。

本文決策樹分類利用ENVI5.3 Decision Tree-Rulegen功能模塊（CART模型），對(duì)選取的樣本進(jìn)行分析。經(jīng)過對(duì)決策樹分類初步分類進(jìn)行后期處理及對(duì)其進(jìn)行精度驗(yàn)證后獲得的結(jié)果圖及決策樹分類混淆矩陣精度表如下：

根據(jù)檢驗(yàn)結(jié)果可知，利用決策樹分類法分類后的整體分類精度為90.2825%。分類類型像元中，冰雪分類像元總數(shù)為129個(gè)，準(zhǔn)確分類到冰雪類的有112個(gè)像元。耕地分類像元總數(shù)為76個(gè)，準(zhǔn)確分類的有74個(gè)像元，精度相對(duì)較好。林地分類像元總數(shù)為66個(gè)，準(zhǔn)確分類到林地的有55個(gè)像元。草地像元數(shù)為47個(gè)，其中準(zhǔn)確分類的有36個(gè)。沙地分類像元總數(shù)為56，準(zhǔn)確分類的有54個(gè)像元。裸巖石礫地分類像元總數(shù)為405個(gè)，其中準(zhǔn)確分類的像元有361個(gè)。公路用地準(zhǔn)確分類的像元數(shù)為0，其精度最低。水體和建設(shè)用地分類像元均被分類到相應(yīng)的分類類別當(dāng)中。

4 結(jié)論

通過綜合及整體情況來比較和分析以上三種方法整體分類精度及指標(biāo)的結(jié)果表明，在賽里木湖礦區(qū)基于Landsat8 OLI數(shù)據(jù)的圖像分類研究中，最大似然法分類結(jié)果精度相對(duì)偏低，與實(shí)際野外情況匹配度不高，在本研究區(qū)圖像分類研究中未達(dá)到預(yù)期精度目標(biāo)。利用決策樹方法雖然更容易理解并邏輯更為清晰，且分類精度也得到了滿足，但分類過程時(shí)間較長，需要更多的時(shí)間去獲取時(shí)空、紋理特征等信息來提高精度。而支持向量機(jī)分類法可以在最短的時(shí)間達(dá)到更精確的分類精度及更好的分類效果，且分類結(jié)果更接近實(shí)際野外情況，因此在賽里木湖礦區(qū)支持向量機(jī)分類法為更理想的分類方法。

[1]張建文.專業(yè)遙感圖像分類方法的研究及應(yīng)用[D].蘭州理工大學(xué),2014.

[2]展新忠.新疆賽博銅礦床成礦作用及找礦勘查研究[D].中國礦業(yè)大學(xué),2019.

[3]羅虹.遙感信息提取分類方法及專題制圖研究[D].西南交通大學(xué),2011.

[4]黃露,黃海.基于監(jiān)督分類的土地利用遙感影像提取方法研究—以甘肅省慶陽市為例[J].技術(shù)與市場(chǎng),2017,24(04):71-72.

[5]黃鵬程,張明明,王新宇等.基于Landsat-8 OLI的西安市土地利用類型遙感分類研究[J].測(cè)繪與空間地理信息,2020,43(01):85-88+92.