《表1 分类结果精度Tab.1 Classification results accuracy》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于TM和OLI数据山西省潞城市土地利用动态变化分析与预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

CART算法是把数据集中最小的Gini值作为节点将数据集分为2个子数据集，最后根据验证数据进行剪枝。Gini指数[15]是判断收入分配公平程度的指标，也被用来度量任何不均匀分布，其范围在[0，1]之间，值越小说明数据对象为同一类的概率越高。所以，基于CART获取规则的决策树是结构简单的二叉树。CART算法不适用于有多个离散特征的情况，因此若要使用此方法，最好先将离散特征取值缩减。基于CART获取规则的决策树分类法的步骤为:（1）构建多源数据集，包括:Landsat5 TM和Landsat8 OLI影像的多光谱波段、归一化差值植被指数（normalized difference vegetation index，NDVI）和迭代自组织数据分析技术（iterative self-organizing data analysis technique，ISODATA）非监督分类结果；（2）获取规则，通过选择训练样本获取规则；（3）土地覆盖信息提取，在Decision Tree中选择决策树txt文件，提取出土地覆盖信息。最终分类结果如图1所示。对结果进行精度评定，评价结果如表1所示。从图1和表1中可以看出，分类结果可以满足本文对数据质量的精度要求。