基于决策树的太湖湿地遥感分类方法研究开题报告

1. 研究目的与意义

1.1研究背景

随着计算机技术和遥感技术的发展，计算机自动分类已经成为遥感影像信息提取和分类的主要手段。传统的基于数理统计的分类算法，特别是最大似然法在遥感影像分类中得到了广泛应用。最大似然法对于正态分布的数据，易于建立判别函数，有较好的统计特性，可以充分利用人机交互；但其分类结果因遥感图像本身的空间分辨率以及“同物异谱”和“异物同谱”现象的大量存在，出现较多的错分、漏分情况，导致分类精度降低。目前已经出现了多种新型分类方法，如神经网络分类法、模糊分类法、专家系统分类法、支撑向量机分类法、面向对象分类法等。但这些方法或者算法过于复杂、难以理解，或者对分类者有较高的遥感和地学知识要求，都未能在更大领域得到推广和应用。

决策树分类作为一种基于空间数据挖掘和知识发现的监督分类方法，突破了以往分类树或分类规则的构建要利用分类者的生态学和遥感知识先验确定、其结果往往与其经验和专业知识水平密切相关的问题，而是通过决策树学习过程得到分类规则并进行分类，分类样本属于严格“非参”，不需要满足正态分布，可以充分利用gis数据库中的地学知识辅助分类，大大提高了分类精度。目前决策树分类方法已经开始应用于各种遥感影像信息提取和土地利用土地覆盖分类中。

2. 研究内容和预期目标

2.1主要研究内容

1）阅读和研究与本课题有关的专业文献资料。掌握利用rs技术进行城市湿地分类提取的方法，以及本课题的主要研究背景和意义。了解本课题的当前研究进展，完成开题报告中的文献综述部分和其他项目。

3. 研究的方法与步骤

1）资料收集与分析：收集、整理相关文献，为完成论文奠定基础。

2）数据预处理：根据所提供的太湖2016年tm影像数据，结合研究区的dem数据，通过专家分类器提取出水体、泥沙滩地、防护林滩地、芦苇地等多种湿地类型的分布，生成太湖湿地分布图。

4. 参考文献

[1] 王红娟，姜加虎，黄群.基于知识的洞庭湖湿地遥感分类方法. 长江流域资源与环境, 2008(03): 第370-373页.

[2] 刘英姿，葛根旺.基于知识的遥感影像土地分类模型的分析. 科技信息(科学教研), 2008(05): 第32-33页.

[3] 邹文涛等.基于决策树的高寒湿地类型遥感分类方法研究. 林业科学研究, 2011(04): 第464-469页.

5. 计划与进度安排

1)1.5 学生选题，导师参加选题指导，并与指导教师见面。

2)3.6-3.10 指导教师下达毕业论文任务书，熟悉遥感信息提取和分类原理和技术，掌握决策树分类原理和当前的发展现状。并根据期间参考资料情况，完成开题报告。