Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "land cover classification" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 21
Tytuł:
Land cover change detection in northwestern Vietnam using Landsat images and Google Earth Engine
Autorzy:
Nguyen, Luong B.
Powiązania:
https://bibliotekanauki.pl/articles/293048.pdf
Data publikacji:
2020
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
cloud-based platform
deforestation
land cover classification
satellite images
Opis:
Recently, Google Earth Engine (GEE) provides a new way to effectively classify land cover utilizing available in-built classifiers. However, there have a few studies on the applications of the GEE so far. Therefore, the goal of this study is to explore the capacity of the GEE platform in terms of land cover classification in Dien Bien Province of Vietnam. Land cover classification in the year of 2003 and 2010 were performed using multiple-temporal Landsat images. Two algorithms – GMO Max Entropy and Classification and Regression Tree (CART) integrated into the Google Earth Engine (GEE) platform – were applied for this classification. The results indicated that the CART algorithm performed better in terms of mapping land use. The overall accuracy of this algorithm in the year of 2003 and 2010 were 80.0% and 81.6%, respectively. Significant changes between 2003 and 2010 were found as an increase in barren land and a reduction in forest land. This is likely due to the slash-and-burn agricultural practice of ethnic minorities in the province. Barren land seems to occur more at locations near water sources, reflecting the local people’s unsuitable farming practice. This study may provide use-ful information in land cover change in Dien Bien Province, as well as analysis mechanisms of this change, supporting environmental and natural resource management for the local authorities.
Źródło:
Journal of Water and Land Development; 2020, 46; 162-169
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Land cover as a factor affecting the structure and modifying the dynamics of a landscape system
Autorzy:
Solon, Jerzy
Lechnio, Jerzy
Powiązania:
https://bibliotekanauki.pl/articles/2036141.pdf
Data publikacji:
2013-12-30
Wydawca:
Uniwersytet Warszawski. Wydział Geografii i Studiów Regionalnych
Tematy:
Land use
landscape structure
land cover classification
landscape metrics
landscape dynamics
Opis:
The key objective of the study is to analyse structural characteristics of the landscape from the viewpoint of the structure’s durability, characteristics and speed of change. The research focused on the area surrounding Płock. In the analysed period (1987-2010) slight changes were detected with regard to the land cover, though they were significant in terms of the natural environment. No single dominant process determining land cover change was identified. Fluctuations prevailed (producing a slightly different picture in each microregion), with a fixed pattern maintained. Distribution, shape and spatial location of land cover types are only partly determined by land lie and habitat quality. Fragmentation of the terrain is relatively high, which reflects intense land use, at the same time indicating opportunities to preserve the wildlife and vegetation typical for agrocenoses.
Źródło:
Miscellanea Geographica. Regional Studies on Development; 2013, 17, 4; 34-41
0867-6046
2084-6118
Pojawia się w:
Miscellanea Geographica. Regional Studies on Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of the suitability of selected image types in a texture analysis of satellite imagery
Przydatność wybranych typów obrazów w analizie tekstury zdjęć satelitarnych
Autorzy:
Kupidura, P.
Staniak, K.
Powiązania:
https://bibliotekanauki.pl/articles/132198.pdf
Data publikacji:
2017
Wydawca:
Polskie Towarzystwo Geograficzne
Tematy:
remote sensing
texture analysis
granulometric analysis
mathematical morphology
land cover classification
teledetekcja
analiza tekstury
analiza granulometryczna
morfologia matematyczna
klasyfikacja pokrycia terenu
Opis:
The article presents studies on the impact of the source image type on the efficacy of image texture analysis in the terms of distinguishing classes of land use or land cover (LULC). Single gray-scale images are usually the inputs for this type of operation, however their selection is not unambiguous, especially in the case of multispectral images. Two very high resolution satellite images were used in the study: Pleiades (GSD: 2 m) and QuickBird (2.4 m). Five different input images were tested: the original near-infrared and red bands, the images of the first two main components, and the image of the normalised difference vegetation index - NDVI. Five LULC classes were compared to each other: bare soil, low vegetation, deciduous forests, coniferous forests and built-up areas. Granulometric analysis, as the one of the high efficient methods of texture analysis, was used for the test. Research results have shown that the choice of source image for this kind of processing can be very important for the efficacy of distinguishing between different LULC classes. NDVI images, and also the near infrared band and the first principal component were found most useful.
Artykuł przedstawia badania dotyczące wpływu typu obrazu źródłowego na skuteczność analizy teksturowej obrazu z punktu widzenia wyodrębniania klas użytkowania lub pokrycia terenu (LULC). Tego typu operacjom poddawane są zazwyczaj pojedyncze obrazy w skali szarości, jednak ich wybór nie jest jednoznaczny, zwłaszcza w przypadku obrazów wielospektralnych. W badaniach wykorzystano dwa obrazy satelitarne o bardzo wysokiej rozdzielczości: Pleiades (GSD: 2 m) oraz QuickBird (2,4 m). Testowano pięć różnych obrazów wejściowych: oryginalne kanały bliskiej podczerwieni oraz czerwieni, obrazy dwóch pierwszych składowych głównych oraz obraz wskaźnika NDVI. Porównano wzajemnie pięć klas użytkowania lub pokrycia terenu: odkrytą glebę, niską roślinność, lasy liściaste, lasy iglaste oraz tereny zabudowane. Jako narzędzie testów wybrano analizę granulometryczną, jedną z metod analizy teksturowej o wysokiej skuteczności. Wyniki badań pokazały, że wybór obrazu źródłowego do przetworzeń może mieć bardzo duże znaczenie przy rozróżnianiu różnych klas użytkowania lub pokrycia terenu. Największą przydatnością cechowały się obrazy NDVI oraz kanału bliskiej podczerwieni i pierwszej składowej głównej.
Źródło:
Teledetekcja Środowiska; 2017, 57; 27-34
1644-6380
Pojawia się w:
Teledetekcja Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Differentiation between forms of urban development using the object-oriented classification method with Central Warsaw as the example
Autorzy:
Zaremski, Karol
Szmajda, Dorota
Powiązania:
https://bibliotekanauki.pl/articles/2032468.pdf
Data publikacji:
2006-06-01
Wydawca:
Uniwersytet Warszawski. Wydział Geografii i Studiów Regionalnych
Tematy:
object-oriented classification
land cover
land use
urbanized areas
Ikonos
Warsaw
eCognition
segmentation
classification
Opis:
The aim of the paper is to present automated methods of discrimination of urban development forms using object-oriented classification in high-resolution images taken by the Ikonos satellite. The object-oriented classification makes possible to describe individual classes using not only the spectral reflection values but also the shapes, textures and topology of objects. The classification process as such is based on the theory of fuzzy sets. The research covered an area of 25 km,., situated in central Warsaw. As a result of object-oriented classification, five classes of development typical of large cities were distinguished and described.
Źródło:
Miscellanea Geographica. Regional Studies on Development; 2006, 12; 315-327
0867-6046
2084-6118
Pojawia się w:
Miscellanea Geographica. Regional Studies on Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Land use and land cover change detection using remote geospatial techniques: a case study of an urban city in southwestern, Nigeria
Autorzy:
Olayungbo, A.A.
Powiązania:
https://bibliotekanauki.pl/articles/2080937.pdf
Data publikacji:
2021
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
land use
land cover
change detection
landsat images
supervised classification
Nigeria
Opis:
Many cities in developing countries are experiencing ecosystem modification and change. Today, about 10 million hectares of the world’s forest cover have been converted to other land uses. In Nigeria, there is an estimated increase of 8.75 million ha of cropland and decrease of about 1.71 million ha of forest cover between 1995 to 2020, indicating that Nigeria has been undergoing a wide range of land use and land cover changes. This paper analyses the changes in land use/cover in Ila Orangun, Southwestern, Nigeria from 1986 to 2018, with a view to providing adequate information on the pattern and trend of land use and land cover changes for proper monitoring and effective planning. The study utilized satellite images from Landsat 1986, 2002 and 2018. Remote sensing and Geographical Information System techniques as well as supervised image classification method were used to assess the magnitude of changes in the city over the study period. The results show that 26.36% of forest cover and 44.48% of waterbody were lost between the period of 1986 and 2018. There was a rapid increase in crop land by 365.7% and gradual increase in built-up areas by 103.85% at an annual rate of 3.25%. Forest was the only land cover type that recorded a constant reduction in areal extent. The study concluded that the changes in land use and land cover is a result of anthropogenic activities in the study area.
Źródło:
Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie. Problemy Rolnictwa Światowego; 2021, 21[36], 2; 4-14
2081-6960
Pojawia się w:
Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie. Problemy Rolnictwa Światowego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Semiautomatic land cover mapping according to the 2nd level of the CORINE Land Cover legend
Autorzy:
Golenia, M.
Zagajewski, B.
Ochtyra, A.
Hościło, A.
Powiązania:
https://bibliotekanauki.pl/articles/92466.pdf
Data publikacji:
2015
Wydawca:
Oddział Kartograficzny Polskiego Towarzystwa Geograficznego
Tematy:
classification
Corine Land Cover
Landsat
artificial neural networks
Warsaw
Opis:
Actual land cover maps are a very good source of information on present human activities. It increases value of actual spatial databases and it is a key element for decision makers. Therefore, it is important to develop fast and cheap algorithms and procedures of spatial data updating. Every day, satellite remote sensing deliver vast amount of new data, which can be semi-automatically classified. The paper presents a method of land cover classification based on a fuzzy artificial neural network simulator and Landsat TM satellite images. The latest CORINE Land Cover 2012 polygons were used as reference data. Three satellite images acquired 21 April 2011, 5 June 2010, 27 August 2011 over Warsaw and surrounding areas were processed. As an outcome of classification procedure, the maps, error matrices and a set of overall, producer and user accuracies and a kappa coefficient were achieved. The classification accuracy oscillates around 76% and confirms that artificial neural networks can be successfully used for forest, urban fabric, arable land, pastures, inland waters and permanent crops mapping. Low accuracies were obtained in case of heterogenic land cover units.
Źródło:
Polish Cartographical Review; 2015, 47, 4; 203-212
2450-6974
Pojawia się w:
Polish Cartographical Review
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multi-temporal analysis of vegetation reflectance using MERIS data in the Czech Republic
Autorzy:
Štych, Přemysl
Malíková, Lucie
Kříž, Jan
Holman, Lukáš
Powiązania:
https://bibliotekanauki.pl/articles/2037394.pdf
Data publikacji:
2014-06-25
Wydawca:
Uniwersytet Warszawski. Wydział Geografii i Studiów Regionalnych
Tematy:
High temporal data
MERIS
Czech Republic
land cover
classification
Opis:
Accurate high temporal resolution data is a very important source of information for understanding processes in the landscape. High temporal and spectral resolution data enable the monitoring of dynamic landscape processes. For this reason, since 2008 a receiving station for Metosat, NOAA and Envisat data has been installed at the Department of Applied Geoinformatics and Cartography, Faculty of Science, Charles University in Prague. The aim of this study is to analyse the spectral characteristics of vegetation using MERIS data in the Czech Republic. Spectral characteristics of vegetation were examined both by analysing changes in reflectivity as well as by utilising vegetation indices. Vegetation in forests and agricultural land was evaluated. The results present the spectral characteristics of selected associations of vegetation based on MERIS data and a discussion of the methods of multitemporal classification of land cover.
Źródło:
Miscellanea Geographica. Regional Studies on Development; 2014, 18, 2; 30-34
0867-6046
2084-6118
Pojawia się w:
Miscellanea Geographica. Regional Studies on Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do aktualizacji map pokrycia terenu Corine
The use of the artificial neural networks to update the CORINE Land Cover maps
Autorzy:
Golenia, M.
Zagajewski, B.
Ochtyra, A.
Hościło, A.
Powiązania:
https://bibliotekanauki.pl/articles/204319.pdf
Data publikacji:
2015
Wydawca:
Polskie Towarzystwo Geograficzne
Tematy:
klasyfikacja
Corine Land Cover
Landsat
sztuczne sieci neuronowe
Warszawa
classification
CORINE Land Cover
artificial neural networks
Warsaw
Opis:
Aktualne mapy pokrycia terenu są podstawą wielu dyscyplin nauki oraz mają szerokie zastosowanie aplikacyjne. Jednym z problemów aktualizacji map jest proces aktualizacji danych. Teledetekcja dostarcza codziennie nowych zobrazowań satelitarnych, które mogą zaspokoić potrzeby aktualizacji baz danych. W niniejszym artykule autorzy przedstawiają metodę klasyfikacji pokrycia terenu sztucznymi sieciami neuronowymi fuzzy ARTMAP zgodnie z założeniami i legendą Corine Land Cover na podstawie danych satelitarnych Landsat, które wykorzystywane są do opracowania map pokrycia terenu. W artykule użyto jako danych referencyjnych i weryfikacyjnych najnowszą mapę Corine Land Cover (CLC) 2012. Do przeprowadzenia klasyfikacji symulatorem wykorzystano trzy zdjęcia satelitarne Landsat TM (21.04.2011, 05.06.2010, 27.08.2011). Obszarem badań były okolice Warszawy. Wynikami pracy symulatora są mapy klasyfikacji pokrycia terenu oraz macierze błędów klasyfikacji. Uzyskane wyniki potwierdzają, że sztuczne sieci neuronowe mogą z powodzeniem być wykorzystywane do aktualizacji map pokrycia terenu.
Modern land cover maps are the basis of many scientific disciplines and they are widely applied. One of the problems connected with the revision of maps is the data updating procedure. Remote Sensing daily provides us with the new satellite images, that can meet the needs of database updates. In this article the method of classification for land cover with the artificial, neural, fuzzy ARTMAP networks is presented by the authors in accordance with the objectives and legend of the CORINE Land Cover Map on the basis of the Landsat satellite data, which are used to elaborate the land cover maps. The latest CORINE Land Cover map 2012 polygons are used as the reference and verification data. Three satellite Landsat TM images of 21.04.2011, 05.06.2010, 27.08.2011 are processed by a fuzzy, artificial, neural network classificatory simulator. The area of research was Warsaw and its surrounding area. The results of this research are the classificatory land cover maps and error matrices. Acquired results confirm that the artificial neural networks can be successfully used for land cover updating.
Źródło:
Polski Przegląd Kartograficzny; 2015, T. 47, nr 3-4, 3-4; 257-266
0324-8321
Pojawia się w:
Polski Przegląd Kartograficzny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Monitoring of Land Surface Temperature from Landsat Imagery: A Case Study of Al-Anbar Governorate in Iraq
Autorzy:
Morsy, Salem
Ahmed, Shaker
Powiązania:
https://bibliotekanauki.pl/articles/2203961.pdf
Data publikacji:
2023
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
land surface temperature
Landsat
single channel algorithm
NDVI
land use
land cover
classification
regression
Opis:
Land surface temperature (LST) estimation is a crucial topic for many applications related to climate, land cover, and hydrology. In this research, LST estimation and monitoring of the main part of Al-Anbar Governorate in Iraq is presented using Landsat imagery from five years (2005, 2010, 2015, 2016 and 2020). Images of the years 2005 and 2010 were captured by Landsat 5 (TM) and the others were captured by Landsat 8 (OLI/TIRS). The Single Channel Algorithm was applied to retrieve the LST from Landsat 5 and Landsat 8 images. Moreover, the land use/land cover (LULC) maps were developed for the five years using the maximum likelihood classifier. The difference in the LST and normalized difference vegetation index (NDVI) values over this period was observed due to the changes in LULC. Finally, a regression analysis was conducted to model the relationship between the LST and NDVI. The results showed that the highest LST of the study area was recorded in 2016 (min = 21.1°C, max = 53.2°C and mean = 40.8°C). This was attributed to the fact that many people were displaced and had left their agricultural fields. Therefore, thousands of hectares of land which had previously been green land became desertified. This conclusion was supported by comparing the agricultural land areas registered throughout the presented years. The polynomial regression analysis of LST and NDVI revealed a better coefficient of determination (R2) than the linear regression analysis with an average R2 of 0.423.
Źródło:
Geomatics and Environmental Engineering; 2023, 17, 3; 61--81
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie klasyfikacji wieloczasowych zdjęć satelitarnych MODIS
Comparison of multi-temporal classification of MODIS satellite data
Autorzy:
Lewińska, K. E.
Powiązania:
https://bibliotekanauki.pl/articles/132371.pdf
Data publikacji:
2011
Wydawca:
Polskie Towarzystwo Geograficzne
Tematy:
klasyfikacja wieloczasowa
pokrycie terenu
MODIS
multi-temporal classification
land cover
Opis:
Since the 1970’s remote sensing enable constant monitoring of land cover and land use, which are considered as the most crucial environmental data. Obtaining this information at global, regional and local scales, becomes the goal of many research and application programs and has allowed for the deeper understanding of the entire Earth system. In December 1999 NASA launched the EOS Terra Satellite, followed in 2002 by Aqua, both equipped with MODIS (Moderate Resolution Imaging Spectroradiometer). Thanks to its technical specification and free distribution of the majority of its products, MODIS is considered to be the most important sensor for the global vegetation mapping. Although has been originally designed for large-scale analysis, MODIS is also used in many regional research programs. This paper presents results of two approaches of multitemporal land cover classification of MODIS data. For the study polygon of 22100 square kilometres, situated in the western Poland, four single day surface reflectance data sets, of spatial resolution of 250m and 500m, were collected for the year 2007 – one for spring and autumn, and two for summer. In the first approach supervised land cover classification was conducted for each set of single day data separately. On the basis of obtained results, final classification was elaborated as an effect of analyse of the sequence of changes for each pixel. In second approach, independent classification was conducted for the aggregation of all possessed data. The accuracy of all classifications’ results was checked against Corine Land Cover 2000 database using 4200 randomly distributed points. Obtained statistics show that comparing with single-day classifications as well as with classification of aggregated data, multi-temporal approach based on the analysis of sequence, enabled crucial improvement of accuracy of the classification.
Źródło:
Teledetekcja Środowiska; 2011, 46; 3-13
1644-6380
Pojawia się w:
Teledetekcja Środowiska
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:
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:
An Accuracy Analysis Comparison of Supervised Classification Methods for Mapping Land Cover Using Sentinel 2 Images in the Al‑Hawizeh Marsh Area, Southern Iraq
Autorzy:
Alwan, Imzahim A.
Aziz, Nadia A.
Powiązania:
https://bibliotekanauki.pl/articles/1838006.pdf
Data publikacji:
2021
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
land cover mapping
Sentinel 2
supervised classification
maximum likelihood
Support Vector Machine (SVM)
confusion matrix
Opis:
Land cover mapping of marshland areas from satellite images data is not a simple process, due to the similarity of the spectral characteristics of the land cover. This leads to challenges being encountered with some land covers classes, especially in wetlands classes. In this study, satellite images from the Sentinel 2B by ESA (European Space Agency) were used to classify the land cover of Al Hawizeh marsh/Iraq Iran border. Three classification methods were used aimed at comparing their accuracy, using multispectral satellite images with a spatial resolution of 10 m. The classification process was performed using three different algorithms, namely: Maximum Likelihood Classification (MLC), Artificial Neural Networks (ANN), and Support Vector Machine (SVM). The classification algorithms were carried out using ENVI 5.1 software to detect six land cover classes: deep water marsh, shallow water marsh, marsh vegetation (aquatic vegetation), urban area (built up area), agriculture area, and barren soil. The results showed that the MLC method applied to Sentinel 2B images provides a higher overall accuracy and the kappa coefficient compared to the ANN and SVM methods. Overall accuracy values for MLC, ANN, and SVM methods were 85.32%, 70.64%, and 77.01% respectively.
Źródło:
Geomatics and Environmental Engineering; 2021, 15, 1; 5-21
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Mapy podstawowych form pokrycia i użytkowania terenu zlewni Raby powyżej Zbiornika Dobczyckiego - porównanie dokładności klasyfikacji pikselowej i obiektowej obrazów LANDSAT TM
Mapping of basic land-use/land cover types in upper Raba watershed - accuracy comparison of pixel-based and object-based approaches to LANDSAT TM images classification
Autorzy:
Badurska, M.
Drzewiecki, W.
Tokarczyk, P.
Powiązania:
https://bibliotekanauki.pl/articles/132383.pdf
Data publikacji:
2009
Wydawca:
Polskie Towarzystwo Geograficzne
Tematy:
Landsat TM
klasyfikacja pikselowa
klasyfikacja obiektowa
ocena
dokładność klasyfikacji
zlewnia Raby
pokrycie i użytkowanie terenu
pixel based classification
object-based classification
classification accuracy assessment
Raba watershed
land-use
land cover
Opis:
The research presented in the paper has been aimed at mapping the basic types of land-use in the upper Raba watershed (south Poland). The maps have been prepared for a study of the influence of land-use changes within the watershed on the sediment yields introduced into the reservoir. Because the erosion models used for sediment yields prediction need only to identify the main land-use / land cover classes (arable land, meadows and pastures, forests, waters, developed areas), the maps have been based on classification of middle-resolution satellite images (Landsat TM). In the research the results of traditional pixel-based classification were compared to the ones obtained in the object based approach. Six different Landsat TM images were classified. The methodology of both classification approaches have been described in the paper. The accuracy assessment of the classification results was based on their comparison with the land use types defined by the photo interpretation of colour composite images. The assessment was done by two operators. Each of them used different set of two hundred and fifty randomly generated sample points. In most cases the pixel-based approach resulted in higher overall accuracy. However, if overall accuracy confidence intervals are taken into consideration, none of the methods can be definitely recognised as a better one.
Źródło:
Teledetekcja Środowiska; 2009, 42; 15-21
1644-6380
Pojawia się w:
Teledetekcja Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja pokrycia terenu z wykorzystaniem obrazów Sentinel-2A przetworzonych za pomocą metody głównych składowych (PCA)
Land cover classification using Sentinel-2A images processed by the principal components method (PCA)
Autorzy:
Kałużna, Urszula
Będkowski, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/2058371.pdf
Data publikacji:
2020
Wydawca:
Polskie Towarzystwo Geograficzne
Tematy:
teledetekcja
pokrycie terenu
EGiB
Sentinel-2A
PCA
nadzorowana klasyfikacja obrazu
remote sensing
land cover
Land and Buildings Register
supervised image classification
Opis:
Celem badań jest ocena możliwości realizacji klasyfikacji nadzorowanej z wykorzystaniem obrazów (komponentów) uzyskiwanych w wyniku przetworzenia oryginalnych obrazów Sentinel-2A za pomocą metody głównych składowych (PCA). Klasyfikację wykonano w ośmiu wariantach, z wykorzystaniem algorytmów najmniejszej odległości (MD, Minimum Distance) oraz największego prawdopodobieństwa (ML, Maximum Likelihood), przy czym zastosowano oryginalne kanały 2, 3, 4, 8 Sentinel-2A oraz różną liczbę komponentów. Wyniki klasyfikacji oceniono poprzez porównanie z danymi o pokryciu terenu według Ewidencji Gruntów i Budynków (EGiB). Przeprowadzenie klasyfikacji na ograniczonej do dwóch liczbie komponentów uzyskanych w procedurze PCA tylko nieznacznie zmieniło wyniki w porównaniu do klasyfikacji na oryginalnych, nieprzetworzonych kanałach Sentinel-2A. Najbardziej zbliżone do danych EGiB rezultaty uzyskano stosując klasyfikację ML kanałów oryginalnych, nieprzetworzonych lub używając wszystkich komponentów PCA. Podjęta próba porównania pokrycia terenu ustalonego za pomocą klasyfikacji obrazów satelitarnych z klasami pokrycia, które zostały wyodrębnione z mapy EGiB wykazała, że przetworzenie mapy z postaci wektorowej na rastrową wpływa istotnie na uzyskiwane wyniki.
The aim of the research is to assess the feasibility of supervised classification using images (components) obtained through processing the original Sentinel-2A images by means of the principal component method (PCA). The classification was performed in eight variants, using the algorithms of the minimum distance (MD) and the maximum likelihood (ML), with the original channels 2, 3, 4, 8 of Sentinel-2A and a various number of components. The results of the classification were assessed by comparing them to the land coverage data of Land and Buildings Register (Ewidencja Gruntów i Budynków – EGiB). Performing the classification on a number of PCA components limited to two only slightly altered the results compared to the classification on the original, raw Sentinel-2A channels. The results most similar to the EGiB data were obtained using the ML classification of the original channels, i.e. raw channels or using all PCA components. The attempt to compare the land coverage established by the classification of satellite images to the coverage classes that were extracted from the EGiB map revealed that processing the map from vector to raster form significantly influences the obtained results.
Źródło:
Teledetekcja Środowiska; 2020, 61; 19-37
1644-6380
Pojawia się w:
Teledetekcja Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 21

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