基于知識的決策樹分類是基于遙感影像數據及其他空間數據，通過專家經驗總結、簡單的數學統計和歸納方法等，獲得分類規則并進行遙感分類。分類規則易于理解，分類過程也符合人的認知過程，最大的特點是利用的多源數據。
決策樹分類主要的工作是獲取規則，本文介紹使用CART算法獲取規則，基于規則提取土地覆蓋信息。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，由于計算量較大，我們選擇一部分典型的區域作為實驗區獲取決策樹。
本文以L1T級的Landsat8OLI數據為例，數據已經過工程區裁剪。這一步主要是構建多元數據集。數據集由Landsat8OLI七個波段、NDVI、ISODATA非監督分類結果、DEM（具體使用那些數據可根據實際情況進行增減）。其中DEM使用30米的G-DEM，使用相同工程區矢量進行裁剪。
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個波段的文件。
在圖層管理器中，打開Edit Metadata，將Band names修改為Band1、2、3、4、5、6、7，NDVI，ISODATA，DEM。
這里使用CART算法獲取規則，首先安裝ENVI下的CART擴展工具，可在ENVI AppStore上安裝。
首先從影像中選擇一部分區域作為獲取規則的實驗區，
顯示影像，工具欄上打開ROI Tool。在ROI Tool面板中選擇矩形繪制工具，繪制一定大小的實驗區，這個區域包含土地覆蓋所有類型。
在ROI Tool面板中，選擇File-> Subset data via ROIs，裁剪出實驗區。
注：ENVI5.6版本采用主菜單->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個類型的訓練樣本，訓練樣本的可分離度在8以上。
注：由于波段組合圖像包括NDVI和ISODATA分類結果，其值范圍與Landsat8的7個多光譜波段范圍不一致，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數據一致的范圍，或直接使用多光譜數據計算分離度。
由于CART擴展工具基于4.4版本開發，需要在ENVI Classic中運行，在開始->程序里選擇打開ENVI Classic。
選擇ENVI主菜單->Classification->Decision Tree->RuleGen ->Classifier，選擇實驗區影像。
選擇決策樹輸出路徑及文件名，單擊OK執行。
注：由于此工具包基于4.4版本開發，在之后版本上運行完得到決策樹文件之后會自動退出ENVI，不影響決策樹規則文件的使用。
圖：運行CART工具
選擇ENVI主菜單->Classification->Decision Tree->Edit Existing Decision Tree，打開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，可以對試驗區的范圍的進行分類。
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界面中，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。
這一步是將獲取的規則應用于整個圖像。下面步驟是在ENVI5.x界面中實現。
Toolbox中，選擇/Classification/Decision Tree/Edit Decision Tree，打開從實驗區獲取的決策樹規則。
選擇Options->Show Variable/File Pairings，單擊第一列中的變量，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：修改變量
圖：地表覆蓋分類結果
分類后處理根據需求選擇，包括更改類別顏色、分類統計分析、小斑點處理（類后處理）、柵矢轉換、精度驗證等操作。這里不一一敘述了。
遙感圖像基本預處理
1.1 圖像基本預處理流程
圖像預處理流程
第一步：對高分辨率的全色影像進行正射糾正（全色影像是10米分辨率的SPOT PAN數據）
第二步：高分辨率影像和多光譜影像的配準、融合
以SPOT PAN正射糾正結果作為基準影像，對TM影像進行圖像配準；對配準后的ETM+數據和SPOT PAN正射校正結果進行圖像融合；用工程區矢量數據（湖北襄樊市部分區域）裁剪融合后的圖像，得到工程區域10米分辨率的多光譜圖像
1.2 自定義坐標系 — 地理坐標系
自定義坐標系 — 投影坐標系
自定義坐標系 — 大地坐標
在地面上建立一系列相連接的三角形，量取一段精確的距離作為起算邊，在這個邊的兩端點，采用天文觀測的方法確定其點位（經度、緯度和方位角），用精密測角儀器測定各三角形的角值，根據起算邊的邊長和點位，就可以推算出其他各點的坐標。這樣推算出的坐標，稱為大地坐標。
自定義坐標系 — 國內坐標系
均為投影直角坐標系，高斯克里格投影。
國內坐標系實際上指的是我國的三個大地基準面。
自定義坐標系 — 參心與地心坐標系
北京54與西安80為參心坐標系。
CGCS2000為地心坐標系。
CGCS2000是全球地心坐標系在我國的具體體現，其原點為包括海洋和大氣的整個地球的質量中心，CGCS2000是我國當前最新的國家大地坐標系。
采用的橢球體參數：
長半軸a=6378137m
扁率f=1/298.257222101
地心引力常數GM=3.986004418×1014m3s-2
自轉角速度ω=7.292l15×10-5rad s-1
1.3 自定義本專題研究區坐標系
查看自定義坐標參數，如下
打開ENVI53——classic——map_proj文件夾（ENVI安裝文件夾），添加橢球體與基準面自定義參數
設置坐標系，打開ENVI classic 5.3
點擊Map——自定義坐標系
填寫坐標系名稱，選擇橫軸墨卡托，在Scale factor填寫1代表高斯格里格（如果填寫0代表橫軸墨卡托），基準面選擇北京1954
添加坐標系
保存坐標系
數據來源請引用：地理遙感生態網科學數據注冊與出版系統