《表4 CART决策树分类规则》
结合作物时间序列的曲线特征和耕作信息确立分类时间,选择分类影像和特征参数构建决策树分类规则,操作过程简单,分类规则明了,无需对决策树分类规则进行剪枝,但其分类时相的选择和分类阈值的判定具有较大的主观性,且绘制作物特征曲线时采用均值,易导致部分特征值高于或低于平均值的作物被漏分错分。CART决策树是在1984年由Breiman等[33]提出的一种二叉树分类方法,它能够充分利用空间辅助信息,对影像的多个特征变量进行选择性组合,从而实现对未知数据的分类、预测和挖掘。研究发现利用二次差分法计算波峰个数提取苜蓿效果较好,已有研究的阈值也能很好地将植被与非植被区分开来,因此只对水稻、玉米、小麦和其他植被的分类规则进行重构。通过目视解译联合Google Earth选取包括天然草地、芦苇和葡萄等其他植被的样本点,分为训练样本和验证样本。基于CART决策树的分类思想,将训练样本作为目标变量导入Clementine软件,用时序参数作为测试变量进行学习并剪枝,建立CART决策树分类规则(表4)。
图表编号 | XD0031592100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 刘雅清、王磊、赵希妮、璩向宁、许兴、王锐 |
绘制单位 | 宁夏大学西北土地退化与生态系统恢复省部共建国家重点实验室培育基地、宁夏大学西北退化生态系统恢复与重建教育部重点实验室、宁夏大学西北土地退化与生态系统恢复省部共建国家重点实验室培育基地、宁夏大学西北退化生态系统恢复与重建教育部重点实验室、南京大学国际地球系统科学研究所、宁夏大学西北土地退化与生态系统恢复省部共建国家重点实验室培育基地、宁夏大学西北退化生态系统恢复与重建教育部重点实验室、宁夏大学西北土地退化与生态系统恢复省部共建国家重点实验室培育基地、宁夏大学西北退化生态系统恢复与重建教育部重点实验室、宁夏大 |
更多格式 | 高清、无水印(增值服务) |