Využití souboru dat CORINE Land Cover pro pixelovou klasifikaci scén Sentinel-2

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F21%3A00356402" target="_blank" >RIV/68407700:21110/21:00356402 - isvavai.cz</a>

Výsledek na webu

<a href="http://lfgm.fsv.cvut.cz/projekty/telc2021/index16.htm" target="_blank" >http://lfgm.fsv.cvut.cz/projekty/telc2021/index16.htm</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Využití souboru dat CORINE Land Cover pro pixelovou klasifikaci scén Sentinel-2

Popis výsledku v původním jazyce

Práce se zabývá zkoumáním možností využití souboru vektorových dat CORINE Land Cover jako trénovacích ploch pro následnou řízenou klasifikaci nad scénami z družic Sentinel-2. Klasifikace probíhá na třech úrovních tematické podrobnosti, která je dána nomenklaturou CORINE. Pro testování byla vybrána tři evropská geograficky a klimaticky rozdílná území. Pomocí úprav dat CORINE je snahou docílit co největší přesnosti klasifikace. Z výsledků je následně analyzováno, jaké třídy z nomenklatury CORINE lze takto klasifikovat, a které je naopak lepší z klasifikace odstranit. Ke klasifikování je použit statistický klasifikátor maximum likelihood. V závěru je pak využito i klasifikátoru random forest, který patří do skupiny klasifikátorů spadající pod strojové učení. Výsledky obou klasifikátorů jsou poté porovnány. Výsledná klasifikace bude vyhodnocena s ohledem na víceúrovňovou soustavu CORINE tříd.

Název v anglickém jazyce

Using the CORINE Land Cover dataset for Sentinel-2 pixel scene classification

Popis výsledku anglicky

This thesis investigates the possibility of using the CORINE Land Cover vector dataset as training areas for subsequent supervised classification over Sentinel-2 satellite scenes. The classification is performed at three levels of thematic detail, which is given by the CORINE nomenclature. Three European geographically and climatically diverse areas were selected for testing. By modifying the CORINE data, the aim is to achieve the highest possible classification accuracy. The results are then used to analyse which classes from the CORINE nomenclature can be classified in this way and which are better removed from the classification. A statistical maximum likelihood classifier is used for classification. Finally, the random forest classifier, which belongs to the group of classifiers that fall under machine learning, is also used. The results of both classifiers are then compared. The resulting classification will be evaluated with respect to the multilevel CORINE class system.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20101 - Civil engineering

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

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

Název statě ve sborníku

Sborník SVK Telč 2021 - workshop fotogrammetrie, DPZ a laserového skenování

ISBN

978-80-01-06914-1

ISSN

—

e-ISSN

—

Počet stran výsledku

14

Strana od-do

1-14

Název nakladatele

České vysoké učení technické v Praze

Místo vydání

Praha

Místo konání akce

Telč

Datum konání akce

8. 11. 2021

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—