Results found: 2

Search results

Search:
in the keywords: image classification

Sort By:

Limit search:

The application of decision binary trees to assess the usefulness of the digital terrain model in studying the relationships between relief and vegetation in the Polish High Tatra

100%

Kącki K.

Miscellanea Geographica. Regional Studies on Development

2006

vol. 12

305-313

The relationships between individual components of the natural environment have long been an object of research (Kostrowicki, Wójcik, 1972; Rączkowska, Kozłowska, 1994; Kozłowska, Rączkowska, 1996). This paper is an attempt to analyse the relationships between two geocomponents of the natural environment: relief and vegetation, from a perspective contrary to the one currently prevailing in the literature of the subject. This approach assumes that relief, with its dominant role as a component strongly affecting the formation of the remaining factors, can be indicative in character and as such can represent basie factors that help determine and anticipate the occurrences of certain plant communities as well as locations with no vegetation. Using geoinformation data along with the tools to process them, an attempt was made to assess the usefulness of the DTM (Digital Terrain Model) to identify selected plant communities, rock and water. The development of a model of the relationships between the relief and the vegetation is an attempt to capture the correspondence between the parameters characterising the relief, calcułated using the DTM model and classes of objects, with the use of information obtained from an Ikonos XS image. This model was subseąuently used to draw a map o f the land cover for a part of the Gąsienicowa Valley in the High Tatra (Dolina Gąsienicowa). For the purpose of this exercise, a techniąue of data classification called DBT (Decision Binary Trees) was used.

Ocena możliwości wykorzystania satelitarnych danych optycznych i radarowych do identyfikacji typów użytków rolnych

84%

Grabska E.

Prace Geograficzne

2017

issue 148

135-155

Fusion of satellite data from different sources is a technique commonly used in studies focused on land cover and land use. Combining images of various spectral bands allows to increase objects differentiation and thereby improve overall classification accuracy. In this study, I focused on crops maps creation using integrated optical and radar data. Landsat 8 multispectral data from OLI sensor and Sentinel-1A SAR ( Synthetic Aperture Radar ) data were applied here. The study was performed for a test area of the Żywiec Basin, which is a part of the Polish Carpathians. The advantage of this small, agricultural region was that it is covered by a mosaic of different-size cultivated fields. I tested six methods of satellite data integration ( IHS, HPF, PCA, Brovey, Ehlers and wavelet transforms ) and two classification algorithms ( Support Vector Machines and Random Forest ). The results demonstrated that the use of integrated optical and radar data is effective for crops classification – the highest overall accuracy achieved in this study was equal to 87.9% and was obtained for Random Forest classification and Ehlers fusion.

Łączenie danych satelitarnych pochodzących z różnych źródeł jest powszechnie stosowaną techniką w badaniach dotyczących pokrycia terenu i użytkowania ziemi. Łączenie danych o różnych zakresach spektralnych pozwala m.in. na zwiększenie rozróżnialności obiektów na powierzchni Ziemi, a tym samym na osiągnięcie wyższej dokładności ich klasyfikacji. Celem opracowania jest ocena możliwości wykorzystania zintegrowanych danych optycznych ( obrazy satelitarne pochodzące z satelity Landsat 8, z sensora OLI ) i radarowych ( obrazy pochodzące z satelity Sentinel-1A ) do identyfikacji typów użytków rolnych. Obszarem testowym jest fragment Karpat Polskich – Kotlina Żywiecka, charakteryzująca się występowaniem pól uprawnych o zróżnicowanej wielkości. W artykule przetestowano sześć metod integracji danych satelitarnych ( IHS, HPF, PCA, Brovey, Ehlers, transformacje falkowe ) oraz dwa algorytmy klasyfikacyjne ( wektory maszyn nośnych, ang. Support Vector Machines, SVM i Random Forest ). Uzyskane wyniki pozwalają stwierdzić, że wykorzystanie zintegrowanych danych optycznych i radarowych jest efektywnym podejściem w klasyfikacji upraw rolnych – najwyższa uzyskana dokładność ogólna wyniosła 87,9% i została osiągnięta z wykorzystaniem klasyfikacji metodą Random Forest dla danych zintegrowanych przy użyciu techniki Ehlers.

Refine search results

1 Miscellanea Geographica. Regional Studies on Development

1 Prace Geograficzne

1 Grabska E.

1 Kącki K.

1 2017

1 2006

Search results

The application of decision binary trees to assess the usefulness of the digital terrain model in studying the relationships between relief and vegetation in the Polish High Tatra

Ocena możliwości wykorzystania satelitarnych danych optycznych i radarowych do identyfikacji typów użytków rolnych