基于CART算法的纳木措湖泊面积精确提取

作     者：郑晨键 刘炜 薛永福 冯珂 ZHENG Chenjian;LIU Wei;XUE Yongfu;FENG Ke

作者机构：西藏民族大学西藏光信息处理与可视化技术重点实验室陕西咸阳712000 

出 版 物：《哈尔滨商业大学学报（自然科学版）》 (Journal of Harbin University of Commerce：Natural Sciences Edition)

年 卷 期：2024年第40卷第3期

页      面：288-295页

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金(62062061 61762082) 西藏自然科学基金项目(XZ2019ZRG-43) 西藏自治区科技厅项目(XZ202001ZY0055G)。 

主　　题：纳木措 多特征 CART算法 决策树 水体提取 湖泊面积 

摘      要：为了能够更精确地提取到湖泊水体的范围,对比MLC、SVM和基于多特征的全新遥感影像CART决策树分类方法,对西藏自治区的纳木措湖泊进行自动提取研究.选择Landsat 8OLI卫星遥感影像数据作为数据源.将得到的不同特征的影像进行组合,组合成全新的多特征遥感影像.决策树方法具有结构清晰、快速、简单、有效的优点,而CART算法可以根据选取的训练样本获取节点和阈值,不需要反复试验来确定阈值,避免了基于传统专家知识方法的主观性,因此采用CART算法构建决策树模型对研究区域进行湖泊水体的提取.结果表明CART决策树方法总体精度为99.82%,Kappa系数为0.996,MLC总体精度为96.814%,Kappa系数值为0.929,SVM总体精度为98.045%,Kappa系数值为0.956,总体精度相较于SVM和MLC分别提高了3%、1.775%,Kappa系数提高了0.067、0.04.CART决策树、MLC、SVM所得到的湖泊面积分别为2009.43、2014.93、2026.9 km^(2),MLC和SVM得到的结果比CART决策树分类法存在更多的错分和漏分现象,主要是将山地中的阴影信息错认为是水体,CART决策树方法识别到的细小水体更加连续,对于湖泊边界识别的效果也更好.