Evaluation of remote sensing methods and data for land cover classification: case studies of former military training areas Brdy and Ralsko

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11310%2F18%3A10392406" target="_blank" >RIV/00216208:11310/18:10392406 - isvavai.cz</a>

Výsledek na webu

<a href="http://gis.fns.uniba.sk/kartografickelisty" target="_blank" >http://gis.fns.uniba.sk/kartografickelisty</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

slovinština

Název v původním jazyce

Hodnotenie metód a dát DPZ pre účely klasifikácie krajinnej pokrývky na príklade bývalých vojenských obvodov Brdy a Ralsko

Popis výsledku v původním jazyce

Využívanie údajov pozorovania Zeme na monitorovanie krajinnej pokrývky pritiahlo pozornosť širokého spektra výskumných pracovníkov a konečných užívateľov v posledných desaťročiach. Hlavný dôvod zvýšeného záujmu o pozorovanie Zeme možno nájsť najmä v otvorených dátach archívu Landsat a Sentinel. Hlavným cieľom tejto štúdie je vyhodnotiť presnosť klasifikačných algoritmov Maximálna pravdepodobnosť (ML) a Podporný vektorový stroj (SVM) pomocou údajov Landsat 8 a Sentinel-2 v prípadových štúdiách bývalých vojenských výcvikových priestorov Brdy a Ralsko, ktoré prešli veľmi špecifickým rozvojom krajinnej pokrývky. Štúdia hodnotí krajinnú pokrývku v oboch prípadových štúdiách v roku 2016 a na základe získaných výsledkov diskutuje užitočnosť vybraných údajov a metód. Výsledky klasifikácie krajinnej pokrývky dosiahli uspokojivú presnosť - celková presnosť bola vyššia ako 85%. Na základe očakávania sú výsledky presnosti založené na algoritme SVM vyššie ako výsledky získané algoritmom ML. Najvyššia presnosť sa dosiahla v krajinných pokryvoch vodných útvarov a ihličnatých lesov, naopak najnižšia presnosť v zastavaných oblastiach, riedka vegetácia a holá pôda.

Název v anglickém jazyce

Evaluation of remote sensing methods and data for land cover classification: case studies of former military training areas Brdy and Ralsko

Popis výsledku anglicky

Taking advantage of Earth Observation data for monitoring land cover has attracted the attention of a broad spectrum of researchers and end-users in recent decades. The main reason of increased interest in Earth Observation can be found mainly in open data of Landsat and Sentinel archive. The main objective of this study is to evaluate the accuracy of the classification algorithms Maximum Likelihood (ML) and Support Vector Machine (SVM) using Landsat 8 and Sentinel-2 data in the case studies of the former military training areas Brdy and Ralsko, which have undergone a very specific land cover development. The study evaluates the land cover in both case studies in 2016 and based on the obtained results discussing a usefulness of the selected data and methods. The results of the land cover classification achieved satisfactory accuracy-the overall accuracy was higher than 85%. Based on the expectation, the results of accuracy based on SVM algorithm are higher than results obtained by ML algorithm. The highest accuracy has reached in the land cover classes of water bodies and coniferous forests, on the contrary, the lowest accuracy in built-up areas, sparse vegetation and bare soil.

Druh

J_ost - Ostatní články v recenzovaných periodicích

CEP obor

—

OECD FORD obor

10508 - Physical geography

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Kartografické listy

ISSN

1336-5274

e-ISSN

—

Svazek periodika

2018

Číslo periodika v rámci svazku

26 (2)

Stát vydavatele periodika

SK - Slovenská republika

Počet stran výsledku

15

Strana od-do

76-90

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—