SPOT衛(wèi)星影像居民地信息自動提取的決策樹方法研究

1、文章編號 : 100724619 (2003) 0420309207SPO T 衛(wèi)星影像居民地信息自動提取的決策樹方法研究趙萍 ,馮學(xué)智 ,林廣發(fā)( 南京大學(xué) 城市與資源學(xué)系 ,江蘇 南京 210093)摘 要 : 以南京市江寧縣為研究區(qū)域 ,首先分析了該區(qū)域居民地的影像特征 ,然后研究了居民地及其背景地物在 SPOT24 ( XI) 衛(wèi)星影像 4 個波段上的光譜特征 ,并由此探討了它們在光譜特征上的可分性 。研究發(fā)現(xiàn) ,除 道路在光譜特征上與居民地差異不大而難以完全分開外 ,其它背影地物均可以依據(jù)各波段亮度值的大小關(guān) 系或適當(dāng)?shù)拈撝蹬c居民地分開 。但道路和居民地在形狀上存在明顯差異 ,因此可

2、以利用形狀指數(shù)的差異加以去除 。最后分析建立了基于光譜特征和形狀特征的簡單決策樹模型 ,對研究區(qū)域居民地信息進(jìn)行了提取并對結(jié)果進(jìn)行了精度評價 。結(jié)果表明 ,該方法的總體提取效果較好 ,特別是對于面積大于 10000m2 的城鎮(zhèn)和集村 。 其提取精度與通常的監(jiān)督分類方法相比有了很大的提高 ,只是在水際交界處和道路兩側(cè)有誤判現(xiàn)象 。因此 , 利用該模型可以將背景地物類型復(fù)雜的江南地區(qū)的城鎮(zhèn)和集村居民地自動提取出來 ,并且模型受時相影響 較小 ,只是在域值大小上會存在一些差異 。關(guān)鍵詞 : SPOT 衛(wèi)星影像 ;居民地信息 ;自動提取 ;決策樹中圖分類號 : TP79/ F301124文獻(xiàn)標(biāo)識碼 :

3、 A方法為主 。目視判讀是建立在對居民地影像特征的識別和提取者的經(jīng)驗知識上的 ,具有較高的提取精 度 ,但其效率較低 。而大多數(shù)分類的方法又都需要對不同類型的地物人工選取訓(xùn)練樣地 ,因此 ,訓(xùn)練樣 地的選取精度在很大程度上影響了分類的精度 。而 且當(dāng)?shù)匚镱愋蛷?fù)雜時 ,受其它地物類型的影響而誤 判的可能性更大 。針對這個問題 ,周成虎 、楊存建等 就基于知識的居民地特征提取模型進(jìn)行了探討 ,分別 研 究 了 NOAA/ AVHRR 、TM 、日 本 的 雷 達(dá) 衛(wèi) 星 J ERS21 SAR 和 Radarsat SAR 影像數(shù)據(jù)的居民地信息 提取方法5 ,6 。楊存建等從對居民地遙感信息機(jī)理

4、分析入手 ,分析了福建省福清市的中部地區(qū)居民地 在 TM 影像上各個波段與其它地類的可分性 , 提出了基于譜間關(guān)系閾值法的居民地信息提取的簡單實 用模型 ,對以水泥頂房屋和瓦頂房屋為主的居民地 進(jìn)行了提取7 。楊存建等探討了利用 SAR 圖像中 的紋理信息增強(qiáng)居民地專題信息進(jìn)行目視判讀的方1引言居民地是人類活動的聚居地 ,是人們居住 、生活和生產(chǎn)的基本場所 。因此 ,利用遙感技術(shù)及時 、準(zhǔn)確 地掌握居民地的空間分布信息具有極其重要的意 義 ?？梢?為 災(zāi) 害 評 估1 、城 鎮(zhèn) 擴(kuò) 展 和 環(huán) 境 變 化 研 究2 4 等提供必要的基礎(chǔ)信息 。居民地信息的提取是遙感專題信息提取的難點 之一 ,

5、因為居民地是由建筑物 、道路 、綠地及空地等 多種地物類型相互延續(xù) ,相互交錯而構(gòu)成的復(fù)雜的 混合體 。而且建筑物的材料 、結(jié)構(gòu)和形式的不同 ,也 導(dǎo)致了居民地在遙感影像上的類間差異 。此外 ,對于不同的遙感影像和研究區(qū)域 ,居民地在遙感影像 上所表現(xiàn)出來的特征和可識別性也不一樣 。一般說 來 ,NOAA 圖 像 上 能 識 別 到 縣 城 以 上 級 的 居 民 地 ; Landsat TM 圖像能識別到鄉(xiāng)鎮(zhèn)級的居民地 ; 雷達(dá)圖 像上可識別到具有 1000 人以上的居民區(qū)5 。目前 ,居民地信息提取的方法仍主要以目視判讀和分類的法8。Barry N. Haack 等 利 用 航 天 飛 機(jī)

6、 成 像 雷 達(dá)2B的圖像和 TM 圖像結(jié)合在一起的方法識別蘇丹的居收稿日期 : 2002201228 ;修訂日期 : 2002204222資助項目 : 中德合作“江寧土地利用與可持續(xù)發(fā)展研究”( SILUP) 項目 。作者簡介 : 趙萍 (1975 ) ,女 ,南京大學(xué)城市與資源學(xué)系地圖學(xué)與地理信息系統(tǒng)專業(yè)在讀博士生 ,主要研究方向為遙感圖像處理 、遙感和GIS 技術(shù)應(yīng)用研究 。發(fā)表文章 2 篇 。 310 遙感學(xué)報第 7 卷民地 ,其總體精度達(dá)到 9411 %9 。但是 ,對 SPOT 多波段影像居民地信息提取的研究還不多 ,大多都是 采用 SPOT 的全色影像與 TM 融合的方法增強(qiáng)信息

7、 進(jìn)行目視解譯 。潘時祥 、朱述龍從遙感制圖的角度 , 以模式識別和圖像處理的算法為基礎(chǔ) ,采用人機(jī)交 互的方式 ,實現(xiàn)了一個居民地自動識別的系統(tǒng) ,在對一幅北京市海淀區(qū) SPOT 的多波段圖像的實驗中 , 識別精度達(dá)到了 8617 % ,該系統(tǒng)主要適用于街區(qū)式 居民地和大的農(nóng)村居民地10 。本文以南京市江寧縣為研究區(qū)域 ,針對這樣一 個江 南 城 市 邊 緣 區(qū) 居 民 地 的 影 像 特 征 , 對 SPOT24 ( XI) 衛(wèi)星影像上居民地及其背景地物的光譜特征 和形狀特征進(jìn)行了分析 ,提出了基于居民地與背景 地物各波段亮度值大小關(guān)系或閾值以及形狀指數(shù)的 SPOT 影像居民地信息自動提取

8、的簡單實用的決策 樹模型 ,并取得了較好的應(yīng)用效果 。為平頂樓房和平房或尖頂瓦房 ,樓層一般不高 ,建筑結(jié)構(gòu)多為磚混結(jié)構(gòu) 。從鄉(xiāng)村居民地的空間分布特點來 說 ,平原地區(qū) , 居民地較多 、較大 , 相互之間距離較近 , 四周一般為水田 ,部分居民地周圍有水塘 、溝渠 。在低 山丘陵地帶 , 居民地較稀少 , 且相距較遠(yuǎn) , 一般沿山腳 呈帶狀 、弧狀分布 , 外圍有小片的林地 。另外 , 由于秦 淮河橫貫全境 ,流域內(nèi)河網(wǎng)交錯 ,集聚有大面積的灌溉 水田 ,很多的鄉(xiāng)村居民地沿著河網(wǎng)呈帶狀分布 。此外 , 從時相上來說 ,居民地光譜信息的變化主要是由旱地 、 樹木 、綠地等的季相差異所致 。在本

9、研究區(qū) ,居民地中 的樹木 、綠地一般為常綠 , 只是在冬季葉子相對地減 少 ,夏季則枝繁葉茂 。旱地一般為裸露的土壤表面 ,但 部分旱地也會長有一些草和灌木 , 并且在夏季更加茂 盛 。房屋 、水泥地面 、空地等的光譜特征則基本不隨時 間變化 ,僅僅會由于太陽的照射條件 、降雨等導(dǎo)致其在 散射 、發(fā)射上的微弱變化 。因此 , 對于建筑物密集 、植 被較稀疏的城鎮(zhèn)居民地而言 ,其影像特征隨季節(jié) 、時間 的變化較小 , 只有小部分居民地的影像特征在夏季會 因為植被的茂盛而被掩蓋 。對于鄉(xiāng)村居民地而言 , 其 周圍的農(nóng)田一般一年四季都種有莊稼 ,5 至 9 月份一般 為水稻 ,11 月至次年 5

10、月為小麥和油菜 。因此除了在 換種期間外 ,整個大地一片綠色 ,與居民地光譜特征存 在明顯差異 。但對于部分周圍有樹木的鄉(xiāng)村居民地而 言 ,其影像特征在夏季也會因為植被的茂盛而被掩蓋 。 本影像資料取自 1 月下旬 ,居民地中的植被并不茂盛 , 對居民地的光譜特征影響較小 , 而且居民地周圍的農(nóng) 田也多種有小麥和油菜 ,在假彩色合成圖像上為綠色 , 有利于居民地信息的識別 。2研究區(qū)概況及居民地的影像特征本研究區(qū)位于江蘇省南京市江寧縣 , 屬于典型的江南低山丘陵地區(qū) , 土地利用類型以灌溉水田 、旱 地 、林地及水域為主 , 居民地類型主要是城鎮(zhèn)和鄉(xiāng)村 。所 使 用 的 影 像 資 料 為 1

11、999 201 221 的 SPOT24 ( XI) , 共有 4 個波段 , 分別為 :B1 ( 0150 0159m) ,B2 ( 0161 0168m) , B3 ( 0178 0189m) 和短波紅外 波段 SWIR (1158 1175m) 。為了便于目視判讀 , 在對原始影像進(jìn)行幾何糾正和輻射校正等預(yù)處理后 ,選取 SWIR 、B3 、B1 ( R 、G、B) 三個波段進(jìn)行假彩色合 成 , 在該合成影像上居民地表現(xiàn)為灰紫色 ( 見圖版 圖 4) 。SPOT 影像的空間分辨率為 20m , 因此 , 該影 像上的居民地像元多為混合像元 , 純凈像元較少 。遙感影像所記載的是地表物體對

12、電磁波的反射及 地表物體自身的輻射信息 。一般情況 , 居民地中以房屋建筑物為主 , 間雜有其它地物 。其亮度值除了因建筑物自身結(jié)構(gòu)和材料的不同而不同外 , 也因不同區(qū)域 所包含地物的種類及其比例分配不同而存在差異 。城 鎮(zhèn)居民地主要由房屋 、綠地 、高層建筑間的陰影和空地等構(gòu)成 。其內(nèi)部有縱橫交錯的道路網(wǎng) , 在影像上表現(xiàn) 為棋盤狀 。房屋一般較高大 , 因此會有一些純凈的建 筑物像元 ,建筑結(jié)構(gòu)主要是框架結(jié)構(gòu) 、磚混結(jié)構(gòu) , 房頂 多為水泥頂或瀝青頂 。鄉(xiāng)村居民地多為集村 , 少數(shù)為 散村 。集村一般由多戶人家聚集居住而成 , 在影像上表現(xiàn)為團(tuán)塊狀 。它主要由房屋及其周圍小面積的空地 和零

13、星的樹木等組成 , 內(nèi)部一般有小路相通 。房屋多3居民地與背景地物的光譜特征分析根據(jù)目視判讀 , 將研究區(qū)分為水體 、水田 、林地 、旱地 、居民地 、道路和陰影 7 種典型地物 。對每一種 地物選取一定的樣本 , 測定各波段的光譜值 , 進(jìn)行最 大值 、最小值 、均值和均方差統(tǒng)計 , 統(tǒng)計結(jié)果列于表1 。為了便于分析 , 根據(jù)這些統(tǒng)計值作出各地物的波 譜響應(yīng)曲線及亮度值分布范圍圖 , 見圖 1 和圖 2 。由表 1 、圖 1 和圖 2 可知 :(1) 典型地物的波段響應(yīng)關(guān)系水體 : B 1 B 2 B 3 SWIR , B 3 和 SWIR 亮度 值相近 , 光譜值都較小 。這是因為水體在這

14、兩個波 段上 , 具有很強(qiáng)的吸收性 。水田 : B 3 SWIR B 1 B 2 , B 1 的 SWIR 亮度 值相近 。第 4 期趙 萍等 : SPOT 衛(wèi)星影像居民地信息自動提取的決策樹方法研究311林地 : B 3 SWIR B 1 B 2 , B 1 的 SWIR 亮度值相近 。旱地 : SWIR B 2 B 1 B 3 , B 1 、B 2 、B 3 的亮度 值相近 。居民地 : B 1 B 2 SWIR B 3 , B 1 、B 2 、SWIR 的 亮度值相近 。道路 : SWIR B 2 B 1 B 3 , B 1 、B 2 、SWIR 的亮 度值相近 。陰影 : B 1 B

15、2 SWIR B 3 , B 2 和 SWIR 亮度 值相近 。由此可以看出 , 居民地 、旱地 、道路和陰影的光譜響 應(yīng) 曲 線 的 走 勢 大 體 相 似 , 均 有 SWIR B3 且 B2 B3的特點 。 水田和林地的光譜響應(yīng)曲線的走 勢大體相似 , 具有 B3 B2 且 B3 SWIR 的特點 。這 是因為植被在可見光區(qū)受植被綠色素 、黃色素特別是 葉綠素的影響 , 是光的強(qiáng)烈吸收區(qū) ; 在近紅外區(qū) , 主要 受植物葉片內(nèi)部結(jié)構(gòu)的作用 ,強(qiáng)烈反射近紅外輻射 ;在 短波紅外區(qū)主要受植物葉片內(nèi)部所含水分控制 , 反射 率減小 。因此 ,根據(jù)這兩點明顯的差異 ,可以首先根據(jù)幾乎完全排除水田

16、 、林地 , 同時由于水體具有 B3 SWIR 的特點也可去掉絕大部分的水體 。(2) 典型地物間亮度值關(guān)系在 B 1 上 :道路 旱地 居民地 水田 水體 林地 陰影 , 居民地與旱地 、水田 、水體幾乎重疊 ,三者極易混淆 , 而與林地 、陰影差異較大 ;在 B 2 上 :道路 旱地 居民地 水田 水體 林地 陰影 , 居民地與水田 、旱地易混淆 , 而與水體 、林地 、陰影差異較大 ;在 B 3 上 :水田 旱地 道路 、林地 居民地 陰影 水體 , 居民地與各類地物差異均較大 ;在 SWIR 上 : 旱地 道路 水田 居民地 林 地 陰影 水體 , 居民地與水田易混淆 , 而與其它地

17、物的差異均較大 。從圖 2 上可明顯看出 ,在 B1、B2 上 ,居民地可以與林 地、陰影分開;在 B3 上 ,居民地可以與水體、陰影和水田分 開;在 SWIR 上 ,居民地可以與水體、旱地和陰影分開。表 1 典型地物樣點亮度值統(tǒng)計表Ta ble 1 The statistical ta ble of sa mplesspectral values地物水體水田林地旱地居民地道路陰影最小值最大值 均 值 均方差851311021095112106376968569013011081031151083104149121127392815B1最小值最大值 均 值 均方差651328513841059

18、646084717861351121096112102496164122195877675B2最小值最大值 均 值 均方差357347711118213620781331011387130106969947967813299153962516B3最小值最大值 均 值 均方差2953424951441089601308617140192166148112610010931881302643836111SWIR圖 1 典型地物的波譜響應(yīng)曲線Fig. 2 The spectral response curves of typical objects 312 遙感學(xué)報第 7 卷圖 2 典型地物亮度值分

19、布范圍Fig. 2 The range of typical objectsspectral values根據(jù)上述分析可知 , 居民地與道路無論是在各波段的亮度值大小 ,還是在各波段間大小關(guān)系 (即光譜曲 線形狀) 上 , 都很難完全區(qū)分開來 。但是 , 居民地與道路在形狀上卻存在著明顯的差異 。在 SPOT 影像上 ,只有城鎮(zhèn)和集村向外輻射出的較大的道路才能表示出 來 ,寬度一般為 1 2 個像元 , 形狀為線性 。而居民地的形狀在影像上多表現(xiàn)為團(tuán)狀 、帶狀 。這種形狀上的差異可以用形狀指數(shù)來衡量 ,一般來說 ,線性物體的形 狀指數(shù)較小 。形狀指數(shù) I 的定義如下 :I =S / P其中 ,

20、 S 為圖斑面積 , P 為周長 。按照此式計算圖斑 的形狀指數(shù)并加以統(tǒng)計 , 得出一般道路的形狀指數(shù) I 011 , 因此 , 可以根據(jù)該條件將道路去除 11 。旱地 、道路和陰影 , 并將提取結(jié)果與原始圖像進(jìn)行疊加 ,發(fā)現(xiàn)林地和水田幾乎排除 , 但還混有少量的水 體 。(2) 對混入的少量水體進(jìn)行采樣 , 發(fā)現(xiàn)它們主 要是一些亮度值較低的水體 。根據(jù)前面的分析可知 ,水體在 SWIR 波段與其它地物相比亮度值明顯較低 , 因此可以設(shè)定閾值 T1 加以去除 。根據(jù)樣本 統(tǒng)計 , 水體在 SWIR 波段上的亮度值范圍為 29 53 , 均值為 42 ; 居民地 、旱地 、道路均遠(yuǎn)超出該范圍 ,

21、 陰 影為 43 83 , 與水體 、居民地有重疊 , 其均值為 61 。 為了不多去除居民地 , 確定閾值范圍 T1 在 55 56 左右 , 然后反復(fù)嘗試最終確定以 SWIR 60 去除混 入的水體 , 同時由于陰影在 SWIR 波段上光譜值與 水體相似而有一部分被除去 。(3) 從前面的分析可知 , 居民地與陰影在 B 1 和B 2 波段上亮度值差異較大 , 可以通過設(shè)定閾值 T2 、T3 分開 。觀察影像 B 1 和 B 2 波段的直方圖 , 發(fā)現(xiàn) 分別在 96 和 84 附近有谷值 。同時根據(jù)樣本統(tǒng)計 ,居民地在 B 1 、B 2 波段上亮度值范圍分別為 103 115 , 96 1

22、12 ; 而 陰 影 分 別 為 73 92 , 58 77 。因 此 初步確定 T2 在 95 100 左右 , T3 在 80 95 左右 , 后經(jīng)反復(fù)嘗試確定以 B 1 100 或 B 2 B 3 , 且 B 2 B 3 提取居民地 、第 4 期趙 萍等 : SPOT 衛(wèi)星影像居民地信息自動提取的決策樹方法研究313同時結(jié) 合 其 均 值 情 況 初 步 確 定 T4 和 T5 分 別 為125 140 左 右 、90 100 左 右 , 反 復(fù) 嘗 試 后 確 定 以SWIR 130 或 B 3 90 去除旱地 。后轉(zhuǎn)換為矢量層 , 然后根據(jù)形狀指數(shù)公式計算各圖斑的形狀指數(shù) , 再根據(jù)

23、 I 011 去除道路 。 上述居民地信息的提取過程可以用流程圖 3 表示 , 其實質(zhì)是一種逐步排除的方式 。( 5)首先將上述影像格式的結(jié)果進(jìn)行綜合處理圖 3 居民地自動提取流程圖Fig. 3 The flow chart of automatic extraction of residential information成 ,在光譜特征上與居民地十分相似 , 因而會被多提 。而道路兩側(cè)居民地則由于常常沿道路呈窄帶狀 分布 , 形狀上與道路相似 , 而會被去除 。根據(jù)這樣的情況 , 下一步的工作可以考慮建立基于空間關(guān)系知識的判斷規(guī)則進(jìn)一步進(jìn)行判斷處理 ?？傊?, 該研究表明 , 通過簡單的基

24、于各波段亮度 值大小關(guān)系或閾值以及形狀指數(shù)的決策樹模型可以將這種背景地物類型復(fù)雜的江南地區(qū)的城鎮(zhèn)和集村 居民地提取出來 , 并且該模型受時相影響較小 , 只是 在閾值大小上會存在一些差異 。表 2 提取方法的精度評價Ta ble 2 Accuracy Assessment f or t wo Methods of Extraction5結(jié)果與討論將利用上述方法提取的結(jié)果與原始影像進(jìn)行疊加 ( 圖 4 , 圖版 ) , 采用目視判讀檢驗其提取效果 ,認(rèn)為該方法的總體提取效果較為令人滿意 , 特別是 對于面積在 10000m2 以上的居民地 。為了評價其精度 , 隨機(jī)選取了 256 個樣本 , 建

25、立混淆矩陣 , 計算其生產(chǎn)者精度 、用戶精度以及 Kappa 系數(shù) , 并將其與常 規(guī)的監(jiān)督分類 ( 見圖 5 , 圖版 ) 提取精度進(jìn)行了比 較 ( 見表 2) 。結(jié)果表明 , 其精度都比監(jiān)督分類有了很大的提高 , 生產(chǎn)者精度提高了 23138 % , 用戶精度提高了 12127 % , Kappa 系數(shù)提高了 01135 。并且經(jīng) 檢驗發(fā)現(xiàn)其誤判的像元主要是位于水陸交界處和道路兩側(cè)的像元 。這是因為水陸交界處的混合像元大 多由長有稀疏灌木等草類植物的旱地 、沙石混合而提取方法樣本數(shù)生產(chǎn)者精度 %用戶精度 %Kappa 系數(shù)監(jiān)督分類決策樹方法2565272 . 730 . 676825675

26、 . 38850 . 8118 314 遙感學(xué)報第 7 卷7Yang Cunjian ,Zhou Chenghu. Extracting Residential Areas on the TM ImageryJ . J ournal of Remote Sensing ,2000 , 4 ( 2) : 146 1501 楊 存建 ,周成虎 1TM 影像的居民地信息提取方法研究 J 1 遙感 學(xué)報 ,2000 ,4 (2) :146 1501 Yang Cunjian. Enhancing the Settlement Information in SAR Imagery J . Remote

27、Sensing Technology and Application ,1998 ,13 (4) :5 81 楊存建等 1 星載 SAR 圖像中居民地專題信息增強(qiáng)的方法探 討J 1 遙感技術(shù)與應(yīng)用 ,1998 ,13 (4) :5 81 Barry N. haack , E. Terrance Sionedker . Merged Space Borne Radar and Thematic Mapper Digital Data for Locating Village Sudan J . Photogrammetric Engineering & Remote Sensing , 1994

28、 , 60 (10) :1253 12571Pan Shixiang , Zhu Shulong. Study on Automatic Extraction of Settle2ments form Satellite Remote Sensing Images J . Remote Sensing In2 f ormation ,1993 ,30 (4) :2 41 潘時祥 , 朱述龍 1 衛(wèi)星遙感圖像 上居民地自動識別的研究J 1 遙感信息 ,1993 ,30 (4) :2 41 Li Xia . A New Method to Improve Classification Accura

29、cy with ShapeInformationJ . Remote Sensing of Environment . 1995 ,10 ( 4) : 279 2871 黎夏 1 形狀信息的提取與計算機(jī)自動分類 J 1 環(huán)境遙 感 ,1995 ,10 (4) :279 2871 Marc Simard , et al . The Use of Decision Tree and Multiscale Texture for Classification of J ERS21 SAR Data over Tropical Forest J . I EEE Transactions on Geos

30、ciences and Remote sensing . 2000 , 38 (5) :2310 23211Du Jinkang , et al . Study on Water Bodies Extraction and Classifica2tion from SPOT Image J . J ournal of Remote Sensing , 2001 , 5 ( 3) :214 2191 都金康等 1SPOT 衛(wèi)星影像的水體提取方法及分類 研究J 1 遙感學(xué)報 ,2001 ,5 (3) :214 2191 Wang Jian , et al . Primary Study on th

31、e Multi2Layer Remote Sensing Information Extraction of Desertification Land Types by Using Decision Tree TechnologyJ . Journal of Desert Research ,2000 , 20 ( 3) :244 2471 王建等 1 利用遙感信息決策樹方法分層提取荒漠化土 地類型的研究探討J , 中國沙漠 ,2000 ,20 (3) :244 2471 參 考 文 獻(xiàn) ( References)1Xu Xueren , Wan Qin. Quantitative Study

32、 on Spatial Distribution ofRural Settlement in Floodplains and Discussion of Its Application J . Geographical Research ,1997 , 3 : 47 531 徐雪仁 , 萬慶 1 洪 泛平原農(nóng)村居民地空間分布特征定量研究及應(yīng)用探討 J 1 地理研究 ,1997 ,3 :47 53 .Fang Shibo , et al . Dynamic Monitoring of Town Extension by Using TM and SPOT Remotely Sensed Data

33、 J . J ournal of Nanjing Agricul2 tural University , 2000 , 23 ( 3 ) : 49 52 房 世 波 等 1 利 用 TM 和 SPOT 遙感影像對南京市城鎮(zhèn)用地擴(kuò)展的監(jiān)測 J 1 南京農(nóng)業(yè) 大學(xué)學(xué)報 ,2000 ,23 (3) :49 521 Anthony Gar2On Yeh ,Xia Li . An Integrated Remote Sensing and GIS Approach in the Monitoring and Evaluation of Rapid Urban Growth for Sustainable

34、 Development in the Pearl River Delta ,China J . Interna 2tional Planning Studies ,1997 ,2 (2) :193 210 .Dai Changda , et al . Research on Using Satellite Remote Semsing to Monitor Urdan Expansion and Enviroment Change J . Remote Sensing of Environment ,1995 ,10 (1) : 1 71 戴昌達(dá)等 1 衛(wèi)星遙感監(jiān)測 城市擴(kuò)展與環(huán)境變化的研究

35、 J 1 環(huán)境遙感 ,1995 ,10 ( 1) : 1 71 Floyd M H , Zong2Guo Xiao . Sar . Application in Human SettlementDetection ,Population Estimation and Urban Landuse Pattern Analy2829103114125sis :A Status Report J .35 (1) :93 1011I EEE Geoscience and Remote Sensing ,1997 ,13Zhou Chenghu , et al . Geoscientific Inter

36、pretation and Analysis of Re2 mote Sensing ImagesMBeijing : The Science Pree ,1999 1 周成虎等 1 遙感影像地學(xué)理解與分析M 1 北京 :科學(xué)出版社 119991 Yang Cunjian , et al . Extracting Residential Arera from TM Image on the Basis of Knowledge Discovered J . Remote Sensing Technology and Application ,2001 ,16 (1) :1 61 楊存建等 1

37、基于知識發(fā)現(xiàn)的 TM 圖像居民地自動提取研究 J 1 遙感技術(shù)與應(yīng)用 ,2001 ,16 (1) :1 61 5146第 4 期趙 萍等 : SPOT 衛(wèi)星影像居民地信息自動提取的決策樹方法研究315The Decision Tree Algorithm of Automatically ExtractingResidential Inf ormation from SPO T ImagesZHAO Ping ,FENG Xue2zhi ,L IN Guang2fa( Urban & Resources Sciences Department in Nanjing University , N

38、anjing 210093)Abstract : Extracting residential information by remote sensing technology is significant for the loss estimation of naturaldisaster and the study of urban extension and environmental change . In this paper ,taking J iangning county of Nanjing as a case study area ,the extraction of re

39、 si dential information from SPOT images is discussed. Firstly , the characteristics of residential areas in this area on this image are studied , secondly , spectral characteristics of residential areas and other land2use types on SPOT24 ( XI) image are analyzed to find the possibility of extracting residential areas from the back2 ground according to spectral characteristics. Thirdly ,a simple model of decision tree is proposed on the basis of spectral magnitu