Machine learning techniques for land use/land cover classification of medium resolution optical satellite imagery focusing on temporary inundated areas

Van Leeuwen Boudewijn; Tobak Zalán; Kovács Ferenc: Machine learning techniques for land use/land cover classification of medium resolution optical satellite imagery focusing on temporary inundated areas. In: Journal of environmental geography, (13) 1-2. pp. 43-52. (2020)

Cikk, tanulmány, mű journal_geo_013_001-002_043-052.pdf Letöltés (2MB)

Absztrakt (kivonat)

Classification of multispectral optical satellite data using machine learning techniques to derive land use/land cover thematic data is important for many applications. Comparing the latest algorithms, our research aims to determine the best option to classify land use/land cover with special focus on temporary inundated land in a flat area in the south of Hungary. These inundations disrupt agricultural practices and can cause large financial loss. Sentinel 2 data with a high temporal and medium spatial resolution is classified using open source implementations of a random forest, support vector machine and an artificial neural network. Each classification model is applied to the same data set and the results are compared qualitatively and quantitatively. The accuracy of the results is high for all methods and does not show large overall differences. A quantitative spatial comparison demonstrates that the neural network gives the best results, but that all models are strongly influenced by atmospheric disturbances in the image.

Mű típusa:	Cikk, tanulmány, mű
Befoglaló folyóirat/kiadvány címe:	Journal of environmental geography
Dátum:	2020
Kötet:	13
Szám:	1-2
ISSN:	2060-467X
Oldalak:	pp. 43-52
Nyelv:	angol
Kiadás helye:	Szeged
Befoglaló mű URL:	http://acta.bibl.u-szeged.hu/70901/
DOI:	10.2478/jengeo-2020-0005
Kulcsszavak:	Térinformatika
Megjegyzések:	Bibliogr.: 52. p. ; ill. ; összefoglalás angol nyelven
Szakterület:	01. Természettudományok 01. Természettudományok > 01.05. Föld- és kapcsolódó környezettudományok
Feltöltés dátuma:	2022. jún. 24. 13:12
Utolsó módosítás:	2022. jún. 28. 10:44
URI:	http://acta.bibl.u-szeged.hu/id/eprint/76072

Bővebben:

Tétel nézet