ENVI下基於知識決策樹提取地表覆蓋資訊
基於知識的決策樹分類是基於遙感影像資料及其他空間資料，通過專家經驗總結、簡單的數學統計和歸納方法等，獲得分類規則並進行遙感分類。分類規則易於理解，分類過程也符合人的認知過程，最大的特點是利用的多源資料。
決策樹分類主要的工作是獲取規則，本文介紹使用CART演算法獲取規則，基於規則提取土地覆蓋資訊。下圖是總體技術流程。
圖：總體技術流程圖
在獲取規則過程中，由於計算量較大，我們選擇一部分典型的區域作為實驗區獲取決策樹。
1. 準備資料
本文以L1T級的Landsat8OLI資料為例，資料已經過工程區裁剪。這一步主要是構建多元資料集。資料集由Landsat8OLI七個波段、NDVI、ISODATA非監督分類結果、DEM（具體使用那些資料可根據實際情況進行增減）。其中DEM使用30米的G-DEM，使用相同工程區向量進行裁剪。
- 在Toolbox中，選擇/Spectral/Vegetation/NDVI，使用多光譜影像計算NDVI。
- 在Toolbox中，選擇/Classification/Unsupervised Classification/IsoData Classification，最大分類數量為10，迭代次數為10，選擇路徑輸出分類結果。
- 在Toolbox中，選擇/Raster Management/ Layer Stacking（5版本改名為Build Layer Stack），分別將7個波段、NDVI、ISODATA結果、DEM組合成一個10個波段的檔案。
- 在圖層管理器中，開啟Edit Metadata，將Band names修改為Band1、2、3、4、5、6、7，NDVI，ISODATA，DEM。
2. 獲取規則
這裡使用CART演算法獲取規則，首先安裝ENVI下的CART擴充套件工具，可在ENVI AppStore上安裝（https://envi.geoscene.cn/appstore/）。
首先從影像中選擇一部分割槽域作為獲取規則的實驗區，
- 顯示影像，工具欄上開啟ROI Tool。在ROI Tool面板中選擇矩形繪製工具，繪製一定大小的實驗區，這個區域包含土地覆蓋所有型別。
- 在ROI Tool面板中，選擇File-> Subset data via ROIs，裁剪出實驗區。
注：ENVI5.6版本採用主選單->File->Save As->Save as… 方式進行裁剪。
下面在實驗區影像中選擇一定數量的訓練樣本，利用訓練樣本獲取專家知識規則。
- 顯示裁剪的實驗區影像，利用ROI Tool工具分別選擇5個型別的訓練樣本，訓練樣本的可分離度在8以上。
注：由於波段組合影象包括NDVI和ISODATA分類結果，其值範圍與Landsat8的7個多光譜波段範圍不一致，在計算樣本可分離度時候容易報錯。可以將NDVI和ISODATA分類結果通過歸一化處理成與多光譜資料一致的範圍，或直接使用多光譜資料計算分離度。
由於CART擴充套件工具基於4.4版本開發，需要在ENVI Classic中執行，在開始->程式裡選擇開啟ENVI Classic。
- 選擇ENVI主選單->Classification->Decision Tree->RuleGen ->Classifier，選擇實驗區影像。
- 選擇決策樹輸出路徑及檔名，單擊OK執行。
注：由於此工具包基於4.4版本開發，在之後版本上執行完得到決策樹檔案之後會自動退出ENVI，不影響決策樹規則檔案的使用。
圖：執行CART工具
- 選擇ENVI主選單->Classification->Decision Tree->Edit Existing Decision Tree，開啟從實驗區獲取的決策樹規則，如下圖。
- 在ENVI Decision Tree面板中，選擇Options->Execute，執行決策樹，可以對試驗區的範圍的進行分類。
圖：決策樹
- 對分類結果進行驗證，類似選擇訓練樣本，選擇一部分ROI作為驗證樣本。在x介面中，Toolbox中選擇/Classification/Post Classification/Confusion Matrix Using Ground Truth ROIs，計算精度驗證混淆矩陣。
精度達到要求，規則的獲取工作就完成了。
3. 土地覆蓋資訊提取
這一步是將獲取的規則應用於整個影象。下面步驟是在ENVI5.x介面中實現。
- Toolbox中，選擇/Classification/Decision Tree/Edit Decision Tree，開啟從實驗區獲取的決策樹規則。
- 選擇Options->Show Variable/File Pairings，單擊第一列中的變數，全部替換為整個影像中對應的波段。
- 選擇Options->Execute，執行決策樹，得到最終的土地覆蓋結果。
圖：修改變數
圖：地表覆蓋分類結果
4. 分類後處理
分類後處理根據需求選擇，包括更改類別顏色、分類統計分析、小斑點處理（類後處理）、柵矢轉換、精度驗證等操作。這裡不一一敘述了。