Sub-pixel classification of middle-resolution satellite images – evaluation of regression trees applicability to monitor impervious surfaces coverage

The aim of the presented research was to test the method of assessing the imperviousness index on the basis of middle-resolution satellite images with the use of regression trees. The task also included evaluation of the applicability of the method to monitor the changes of impervious surfaces coverage. The research has been done in the catchments of Prądnik and Dłubnia rivers (Malopolska region, Poland). The imperviousness index has been assessed for two time periods – current state (2007) and the mid-1990s. The training and verification data for both time periods have been obtained from aerial orthophotomaps for urban, suburban, rural, industrial and commercial areas. In both time states the best assessment of imperviousness index have been achieved for the variants where the regression trees were built on the basis of all satellite data accessible for the time period. However, it is worth notifying that the variant with the input data limited to three images from spring, summer and autumn provided comparable accuracy of the results. These models have the systematic error between 1.3–2.2%, the mean error between 15.8–16.4% and correlation coefficient between 0.85-0.86 for the mid-1990s. For the year 2009 these values are respectively: 1.4–1.7%, 15.7–16.0% and 0.86. The accuracy of the imperviousness index obtained in the present research is comparable with the accuracy obtained with the use of regression trees in research reported in the literature. The comparison has shown high accuracy of imperviousness index change assessment for the whole population of pixels in verification dataset. The systematic error is 0.1%. However, the obtained assessment accuracy for a single pixel (š14.5%) can be too low for some applications.

Celem prezentowanych badań było sprawdzenie możliwości zastosowania drzew regresji do szacowania wskaźnika nieprzepuszczalności powierzchni terenu na podstawie średniorozdzielczych obrazów satelitarnych. W ramach badań przeprowadzona została również ocena stosowalności tej metody jako narzędzia monitoringu pokrycia terenu powierzchniami nieprzepuszczalnymi. Badania przeprowadzono na obszarze obejmującym zlewnie rzek Prądnik i Dłubnia. Wskaźnik nieprzepuszczalności oszacowano dla dwóch stanów czasowych – roku 2007 i połowy lat 90. XX wieku. W obu przypadkach dane treningowe i weryfikacyjne pozyskano z ortofotomap lotniczych dla obszarów o zróżnicowanym użytkowaniu (terenów zabudowy miejskiej, podmiejskiej, wiejskiej, przemysłowej oraz handlowej). W przypadku obu stanów czasowych najlepsze oszacowanie wskaźnika nieprzepuszczalności uzyskano w wariantach, w których do budowy drzew regresji użyto wszystkich dostępnych obrazów satelitarnych z poszczególnych okresów. Na uwagę zasługuje jednak fakt, iż porównywalną dokładność oszacowania uzyskano także w wariantach, w których dane wejściowe ograniczone były jedynie do trzech obrazów pozyskanych w okresie wiosennym, letnim i jesiennym. Zbudowane modele pozwalały na oszacowanie wskaźnika nieprzepuszczalności dla stanu z połowy lat 90. z błędem przeciętnym wynoszącym 1.3–2.2%, błędem średnim pomiędzy 15.8% a 16.4% oraz współczynnikiem korelacji w granicach 0.85–0.86. Dla roku 2007 wartości te wyniosły odpowiednio: 1.4–1.7%, 15.7–16.0% i 0.86. Uzyskany w prezentowanych badaniach poziom dokładności oszacowania wartości wskaźnika nieprzepuszczalności jest porównywalny z wynikami uzyskiwanymi z zastosowaniem drzew regresji przez innych autorów. Ocena dokładności oszacowania zmian wskaźnika nieprzepuszczalności wykazała bardzo wysoką dokładność ich określenia w odniesieniu do całości populacji pikseli w próbce weryfikacyjnej. Błąd systematyczny wyniósł w tym przypadku 0.1%. Należy jednak zauważyć, iż uzyskany dla pojedynczego piksela błąd średni na poziomie š14.5% może być zbyt duży dla niektórych zastosowań takiego podejścia jako narzędzia monitoringu zmian pokrycia powierzchni terenu.