[发明专利]一种基于决策树分类的城市绿色空间信息提取方法

说明书

本发明公开了一种基于决策树分类的城市绿色空间信息提取方法，包括：选取研究区域范围；获取遥感影像数据；对遥感影像数据进行预处理；将土地用地类型进行划分；选择训练样本；对遥感影像数据进行波段计算，生成波段计算完成的遥感影像数据，并根据训练样本获得各个土地用地类型的波段计算值；参考各个土地用地类型的波段计算值建立决策树分类规则，对波段计算完成的遥感影像数据进行分类；将分类结果矢量化；绿色空间信息提取。本发明通过影像波段运算和训练样本波段运算，得出波段特征，根据训练样本的波段特征建立决策树分类规则，实现高精度分类；一定程度可以抑制预处理误差，减少噪音干扰等优点，计算效率高等优点，提高分类的精度。

技术领域

本发明涉及生态保护技术领域，尤其涉及一种基于决策树分类的城镇绿色空间提取方法。

背景技术

快速的城市化进程不断加剧了城镇土地利用类型的演变，建设用地的不断增多造成生态资源的侵占与破坏，给自然环境的可持续发展带来阻碍与挑战。城镇绿色空间是城镇区域内生长着植被的所有地域，包括人工植被与自然植被覆盖的山地、丘陵、水体、旷野地等空间的总称，其内涵不仅包括城市内部的各种园林绿地所构成的城市空间，也包括城市郊区的林地、农田和河流水系等空间。城镇绿色空间作为土地利用的重要组成部分，在维持土地资源可持续利用、提高生态环境质量中具有不可或缺的作用。因此，绿色空间越来越成为区域土地利用规划的重要方面，绿色空间的监测与保护成为当今生态网络构建、生态环境治理的重要研究内容。因此，利用“3S”技术及时准确地掌握大尺度绿色空间的状况和变化趋势，进而提出相应的绿地系统保护对策和优化策略，对实现城镇生态环境可持续发展具有重要意义和现实价值。

然而当前对于土地利用分类和城镇绿色空间的信息提取大部分集中于使用监督分类中的最大似然法。最大似然法作为一种基于数理统计的分类算法，具有可以人机互译、易于建立辨别参数等优点。但是由于遥感影像本身受到空间分辨率、训练样本噪音、云层、同物异谱、同谱异物等诸多因素的影响，使用最大似然法得出的分类结果往往精度不能满足需求。而决策树分类方法可以利用多源数据根据地物的不同属性特征，通过简单的数理统计和归纳方法建立分类规则。这种方法具有抑制预处理误差，减少噪音干扰等优点，计算效率高等优点，在一定程度上能提高分类的精度，从而使绿色空间信息的提取更加精确而有效，可实现城镇绿色空间的有效监督、高效管理与及时保护。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足提供一种基于决策树分类的城镇绿色空间提取方法，本基于决策树分类的城镇绿色空间提取方法通过影像波段运算和训练样本波段运算，得出波段特征，根据训练样本的波段特征建立决策树分类规则，实现高精度分类；这种方法运用在大尺度城镇绿色空间提取上，可在一定程度可以抑制预处理误差，减少噪音干扰等优点，计算效率高等优点，提高分类的精度。

为实现上述技术目的，本发明采取的技术方案为：

一种基于决策树分类的城市绿色空间信息提取方法，包括下述步骤：

(1)选取研究区域范围；

(2)获取遥感影像数据；

(3)对遥感影像数据进行预处理；

(4)建立分类体系进而将土地用地类型进行划分；

(5)选择训练样本；

(6)对步骤(3)的遥感影像数据进行波段计算，生成波段计算完成的遥感影像数据，并根据训练样本获得各个土地用地类型的波段计算值；

(7)参考各个土地用地类型的波段计算值建立决策树分类规则，对波段计算完成的遥感影像数据执行决策树并生成分类结果；

(8)将步骤(7)的分类结果矢量化；

(9)根据矢量化的分类数据进行绿色空间信息提取。

作为本发明进一步改进的技术方案，所述的步骤(2)具体为：