Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "land cover" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Klasyfikacja obiektowa zdjęcia satelitarnego średniej rozdzielczoścI MODIS, pierwsze wyniki
Object based classification of middle resolution MODIS satellite image, first results
Autorzy:
Lewiński, S.
Powiązania:
https://bibliotekanauki.pl/articles/131006.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
MODIS
klasyfikacja obiektowa
pokrycie terenu
PCA
objected oriented classification
land cover
Opis:
W artykule przedstawione są pierwsze wyniki klasyfikacji obiektowej zdjęcia satelitarnego średniej rozdzielczości MODIS. Prace wykonano na podstawie dwóch zdjęć zarejestrowanych z pokładu satelity Terra w kwietniu i w sierpniu 2009 r. Przyjęto założenie wykonania równoczesnej klasyfikacji obu zdjęć. Dzięki czemu w procesie rozpoznania można było wykorzystać informacje związane ze zmianami spektralnymi poszczególnych klas pokrycia terenu, które nastąpiły w okresie kilku tygodni. Jako poligon badawczy wybrano fragment zdjęcia obrazujący centralno wschodnią część Polski o powierzchnię 85 267 km2, na którym zobrazowane są podstawowe formy pokrycia terenu występujące w kraju. Danymi wejściowymi są kanały spektralne zakresu promieniowania czerwonego i bliskiej podczerwieni, pierwszego i drugiego zdjęcia MODIS. Dodatkowo wykorzystano kanał PC 2 uzyskany w wyniku zastosowania analizy składowych głównych (PCA). Przyjęte zasady postępowania pozwoliły na rozpoznanie 6 podstawowych klas pokrycia terenu: wody, zabudowa zwarta, zabudowa rozproszona, lasy, tereny rolnicze, łąki. Ocena wyników została wykonana poprzez porównanie klasyfikacji zdjęć MODIS z bazą danych o pokryciu i użytkowaniu ziemi CORINE CLC2006. Całkowita dokładność klasyfikacji została oceniona na poziomie 78%.
The article presents preliminary results of object based classification of multispectral middle resolution MODIS satellite images. In order to use information about spectral diversity of land cover classes, two MODIS Terra images, registered in April and August 2009, were analysed simultaneously. As the study area, a polygon of 85 267 km2 situated in central Poland was selected. Within its borders all typical classes of Polish land cover can be found. The object oriented classification was performed using red and infrared bands of both images. Additionally, channel PC 2 obtained as an outcome of the Principal Component Analysis, was incorporated into the classification as one of the main features for discrimination of land cover classes. The first segmentation is prepared only for classification of water bodies. Next segmentation of the rest of the scene is done, and after that the object domain is divided into two parts characterized by high and low values of PC 2 channel. Using consecutive processes inside the first part of the object domain, the objects were classified as: urban areas, forest and agriculture areas. Grasslands and other agriculture areas are recognized in the second part of the object domain. The applied classification rules, based on threshold values of the bands R, IR, PC 2 and NDVI index, allow detection of six basic land cover classes: water, dense urban areas, spread urban areas, forest, agricultural area and grassland. The accuracy assessment of the final classification was done using the CORINE CLC2006 datasets. Before determining the error matrix, the classification image was re-projected from Sinusoidal into the 1992 coordinate system while the vector data base CLC2006 was exported to the raster format. The overall accuracy was estimated at the level of 78%.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 211-219
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metody parametrycznej w klasyfikacji obiektowej obrazu satelitarnego SPOT
Application of rule-based approach to object-oriented classification of SPOT satellite image
Autorzy:
Lewiński, S.
Bochenek, Z.
Powiązania:
https://bibliotekanauki.pl/articles/130535.pdf
Data publikacji:
2008
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja obiektowa
SPOT
pokrycie ziemi
użytkowanie ziemi
object-oriented classification
land use
land cover
Opis:
W artykule przedstawione są wyniki klasyfikacji obiektowej zdjęcia satelitarnego SPOT, o rozdzielczości przestrzennej 20 m. W klasyfikacji zastosowano zasady postępowania zbliżone do stosowanych w metodzie tzw. drzewa decyzyjnego. Podstawowe klasy pokrycia terenu są identyfikowane podczas sekwencji niezależnych procesów, w czasie których analizowane są obiekty jeszcze niesklasyfikowane w toku poprzednich procesów. Dodatkowo przyjęto założenie wykonania klasyfikacji bez stosowania metody Najbliższego Sąsiada (dostępnej w oprogramowaniu eCognition). Treść zdjęcia satelitarnego została podzielona z zastosowaniem parametrów charakteryzujących w sposób bezpośredni obiekty. Wykorzystano również specjalnie w tym celu opracowane funkcje. Algorytm postępowania rozpoczyna się od rozpoznania klasy wody, której obiekty są definiowane w wyniku procesu wielopoziomowej segmentacji. Następnie wykonywana jest nowa segmentacja dla pozostałych klas. Z treści zdjęcia zostaje wydzielana ogólna klasa lasów a po niej zabudowa; obie klasy dzielone są później na podklasy. Pozostałe, jeszcze nierozpoznane, obiekty dzielone są na łąki i pola. W drugim etapie klasyfikacji, na podstawie już sklasyfikowanych obiektów wyłaniane są dodatkowe klasy: tereny podmokłe, działki i sady, zieleń miejska, place budów oraz zmiany w lesie. W sumie rozpoznano 13 klas. Końcowy wynik klasyfikacji został opracowany z zastosowaniem procedury generalizacji mającej na celu uzyskanie danych spełniających kryterium jednostki odniesienia o wielkości 4 ha. Całkowita dokładność klasyfikacji wyniosła ponad 89%.
The paper presents results of object-oriented classification of whole 20-meter resolution SPOT scene covering the Kujawy region. The classification approach applied in this work was similar to that used in the so-called decision tree method. The main land cover classes were identified in a sequence of independent processes, assuming that each subsequent process deals solely with objects not classified yet. Another assumption was to implement rule-based approach rather than the Standard Nearest Neighbor classifier (available in eCognition software). In this approach, contents of satellite image were characterized by various spectral/texture parameters directly describing individual land cover/land use classes; in addition, by pre-defined functions, determined on the basis of graphical analysis of feature space constructed for particular terrain objects were used. The classification process begins with recognition of water class the objects of which were delineated using multiresolution segmentation. New segmentation is prepared for the remaining land cover classes. Subsequently, the general forest class and the urban class are discriminated; at the next stage, both classes are divided into sub-categories. Consequently, broad agricultural and grassland classes are determined. At the second stage of classification, more detailed classes are discriminated within the general land cover categories: wetlands, orchards, urban green areas, construction sites, and deforestations. Overall, 13 land cover/land use categories were discriminated in the work presented. The final classification map was prepared using the aggregation procedure to obtain a map resolution fulfilling the 4ha size of Minimum Mapping Unit. The accuracy was assessed using the method of randomly distributed points; the number of points assigned to each class for checking was proportional to the acreage of that class. The overall accuracy of all classes checked in the verification process reached 89%. The method presented was applied to two other test sites in Poland: the regions of Podlasie and Wielkopolska. Despite differences in land cover/land use patterns, both regions were classified with a comparable, high accuracy.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2008, 18a; 355-364
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Detekcja zmian pokrycia terenu na zdjęciach satelitarnych Landsat - porównanie trzech metod
Land cover change detection using Landsat imagery - comparison of three methods
Autorzy:
Niedzielko, J.
Lewiński, S.
Powiązania:
https://bibliotekanauki.pl/articles/132345.pdf
Data publikacji:
2012
Wydawca:
Polskie Towarzystwo Geograficzne
Tematy:
pokrycie terenu
wykrywanie zmian
Landsat
różnica obrazów
klasyfikacja nadzorowana
analiza głównych składowych
land cover
change detection
image difference
supervised classification
principal components analysis
Opis:
Environmental changes are amongst the most important research subjects in geography. The changes may be natural, but also may be caused by human activity. Land cover is a significant component of the changing environment. Monitoring of its changes involves usage of satellite techniques. Landsat mission provides comparable data since forty years, very useful in land cover studies. Utilization of satellite techniques in such researches is developing quickly. This paper is an example of methods that enable quick and quite accurate assessment of range and spatial distribution of land cover changes. Practical application of image difference, principal component analysis and supervised classification to detect land cover changes is presented. Methods are applied to study area containing different land cover classes. Accuracy of methods was tested and compared. Combining methods presented in earlier researches, five new methods were developed: image difference, image difference with classification, classification, principal component analysis, principal component analysis with classification. Methods were applied to three different input datasets: pairs of images with different level of preprocessing. First dataset was a pair of georeferenced Landsat Thematic Mapper images. The second dataset was the same pair of images, atmospherically corrected using dark object subtraction method. Normalization of one image to the other provided the third dataset. Accuracy assessment was executed. Results were obtained from confusion matrices. Overall accuracy of methods was high, from 77% to 91%. Supervised classification was the most accurate method. Combining fully automatic methods with supervised classification has increased overall accuracy of automatic change detection, however not significantly. Studies on combining change detection methods should be continued. Future studies should concentrate on the automation of change detection process.
Źródło:
Teledetekcja Środowiska; 2012, 47; 87-98
1644-6380
Pojawia się w:
Teledetekcja Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies