基于影像特征CART决策树的稀土矿区信息提取与动态监测

、裸土指数（Bare Soil Index，BSI）、归一化植被指数（Normalized Difference Vegetation Index，NDVI）3种特征信息进行提取，采用基于CART（Classification and Regression Trees）决策树的分类方法对研究区稀土矿开采信息进行识别，分类总体精度达到89.43%，其中矿区分类精度达到88%，分类精度相对于基于光谱信息的CART决策树分类和最大似然分类有明显提高。通过对研究区2013—2016年稀土矿开采区域进行遥感动态监测，发现增加的开采区域主要分布于矿权范围内，减少的开采区域在矿权界限内外均有大量分布，减少幅度达41%，说明政府和相关矿权部门对于稀土行业健康有序发展发挥了重要作用。研究表明：基于影像特征CART决策树的分类方法在稀土矿区信息提取与动态监测方面具有一定的可行性。     

基于影像特征CART决策树的稀土矿区信息提取与动态监测

、裸土指数（Bare Soil Index,BSI）、归一化植被指数（Normalized Difference Vegetation Index,NDVI）3种特征信息进行提取,采用基于CART（Classification and Regression Trees）决策树的分类方法对研究区稀土矿开采信息进行识别,分类总体精度达到89.43%,其中矿区分类精度达到88%,分类精度相对于基于光谱信息的CART决策树分类和最大似然分类有明显提高。通过对研究区2013-2016年稀土矿开采区域进行遥感动态监测,发现增加的开采区域主要分布于矿权范围内,减少的开采区域在矿权界限内外均有大量分布,减少幅度达41%,说明政府和相关矿权部门对于稀土行业健康有序发展发挥了重要作用。研究表明：基于影像特征CART决策树的分类方法在稀土矿区信息提取与动态监测方面具有一定的可行性。