如何利用envi进行基于专家知识决策树分类
基于知识的决策树分类是基于遥感影像数据及其他空间数据，通过专家总结、简单数学统计和归纳方法等，获得分类规则并进行遥感分类。分类规则易于理解，分类过程也符合人的认知过程，最大的特点是利用多源数据。
专家知识决策树分类的步骤大体上可分为四步：知识（规则）定义、规则输入、决策树运行和分类后处理。难点是规则的获取，可以来自总结，如坡度小于 20 度是缓坡等；也可以通过统计的方法从样本中获取规则，如 C4.5 算法、CART 算法、S-PLUS 算法等。
操作方法
- 01
获取规则：根据经验和专家知识获取如下规则：
- 02
制作决策树：打开 File > Open，选择“\12.基于专家知识决策树分类\数据”文件夹内的 boulder_tm.dat 和 boulder_dem.dat；打开新建决策树工具，路径为 Toolbox/Classification/Decision Tree/New Decision Tree，如 下图所示，默认显示一个节点和两个类别；
- 03
首先按照 NDVI 来区分植被与非植被。单击节点 Node 1，在弹出的对话框内输入节点名（Name）和条件表达式（Expression） ，如下图所示
- 04
点击 OK 后， 在弹出的 Variable/File Pairings 对话框内需要为 {ndvi} 指定一个数据源， 如下图所示。点击面板中显示 {ndvi} 的表格，然后选择 boulder_tm.dat 即可。
- 05
第一层节点根据 NDVI 的值划分为植被和非植被，如果不需要进一步分类的话，这个影像就会被分成两类：class0 和 class1。对 NDVI 大于 0.3，也就是 class1，根据坡度划分成缓坡植被和陡坡植被。在 class1图标上右键， 选择Add Children。 单击节点标识符， 打开节点属性窗口， Name为Slope<20， 在 Expression 中填写：{Slope} lt 20。同样的方法，将所有规则输入，末节点图标右键 Edit Properties，可以设置分类结果 的名称和颜色，最后结果如下图所示
- 06
执行 决策树;选择 Options > Execute，可以执行决策树。在弹出的 Decision Tree Execution Parameters 对话框，需要选择输出结果的参照图像，这里选择 boulder_tm.dat，即输出的分类结果的坐标系和空间分辨率等信息与 boulder_tm.dat 相同。选择输出路径和文件名，点击 OK 即可。