一、规则定义
• Class1（朝北缓坡植被）:NDVI>0.3, slope<20, aspect<90 and aspect>270
• Class2（非朝北缓坡植被）：NDVI>0.3, slope<20, 90<=aspect<=270
• Class3（陡坡植被）：NDVI>0.3, slope>=20 • Class4（水体）：NDVI<=0.3, 0<b4<20 • Class5（裸地）：NDVI<=0.3, b4>=20 • Class6（无数据区）: NDVI<=0.3, b4=0
二、输入决策树规则
ENV中：classification->Decision Tree ->Build New Decision Tree
表达式作用和ENVI中部分函数的表达式
变量 slope aspect ndvi
作用 计算坡度
计算坡向
计算归一化植 被指数
表
部分可用函数
达
式
关 小于LT、小于等于LE 系 、等于EQ、不等于NE / 、大于等于GE、大于 逻 GTand、or、not、 辑 XOR最大值（>）、最
小值 (<)
三、执行决策树
选择Options>Execute，执行决策 树，跳出对话框，选 择输出结果的投影参 数、重采样方法输出 路径，点击OK之后， 得到结果。
四、分类后处理
回到决策树窗口，在工作空白处点击右键， 选择Zoom In，可以看到每一个节点或者类别 有相应的统计结果。如果结果不理想可以修 改决策树，左键单击节点或者末端类别图标， 选择Execute，重新运行你修改部分的决策树， 得到效果较好的处理结果。
决策树分类
决策树分类法
• 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，通过专家经验总结、简单 的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 的多源数据。
主要步骤
➢规则定义 ➢规则输入 ➢决策树运行 ➢分类后处理