遥感信息提取：基于专家知识的决策树分类

"该资源是一份关于旅游行业营销的白皮书，主要聚焦于专家知识在决策树分类中的应用，特别是在遥感图像信息提取领域的实践。由巨量引擎和知萌联合发布，发布日期为2019年4月。" 在遥感图像处理领域，决策树分类是一种重要的信息提取技术。这种技术结合了专家的知识和经验，以构建一个逻辑结构化的决策过程，用于识别和分类遥感图像中的不同地物。在描述中提到的"DEM"（数字高程模型）是地形分析的重要工具，"Road Map"和"Zoning Coverage Landcover"则涉及地理信息系统（GIS）中的道路规划和土地覆盖分类。 遥感信息提取技术主要包括以下几部分： 1. **遥感信息提取技术概述**：遥感图像通过亮度值和空间变化来表征地物差异，通过计算机分析光谱信息和空间信息进行分类，实现信息提取。 2. **监督分类**：这是一种基于已知类别样本的分类方法，通过选取训练样本，计算其统计信息，并训练分类器，最终对整个图像进行分类。 3. **基于专家知识的决策树分类**：这种方法需要多源数据支持，利用专家对地物特性的理解，构建决策树模型进行分类。例如，可能区分陡坡、缓坡、高山和公园用地等不同地物类型。 4. **面向对象分类**：随着高分辨率影像的普及，面向对象的分类方法逐渐兴起，它考虑了地物的形状、大小、纹理和位置等多方面特征。 5. **地物识别和定量反演**：利用模型对地物进行量化分析，如植被覆盖度、土壤湿度等。 6. **动态监测**：通过对比多时相遥感图像，识别地物或地表的变化，如城市扩张、植被退化等。 7. **立体像对DEM提取**：利用两幅有重叠区域的遥感图像构建立体像对，可以计算出地形的高度信息，形成DEM。 在监督分类中，包括了定义类别、选择特征、训练分类器、后处理和结果验证等步骤。常见的分类器有平行六面体、最小距离和马氏距离等，它们根据像元与样本类别的相似度进行分类。 这份白皮书深入探讨了遥感图像处理的关键技术，特别是如何利用专家知识和决策树来进行高效且准确的地物分类，对旅游行业的市场分析和资源管理具有重要价值。