The main goal of this study is to evaluate different models for further improvement of the accuracy of land use and land cover (LULC) classification on Google Earth Engine using random forest (RF) and support vector machine (SVM) learning algorithms. Ten indices, namely normalized difference vegetation index, normalized difference soil index, index-based built-up index, biophysical composition index, built-up area extraction index (BAEI), urban index, new built-up index, band ratio for built-up area, bare soil index, and normalized built up area index, were used as input parameters for the machine learning algorithms to improve classification accuracy. The combinatorial analysis of the Sentinel-2 bands and the aforementioned indices allowed us to create four combinations based on surface reflectance characteristics. The study includes data from April 2020 to September 2021 and April 2022 to June 2022. The multitemporal Sentinel-2 data with spatial resolutions of 10 m were used to determine the LULC classification. The major land use classes such as water, forest, grassland, urban areas, and other lands were obtained. Generally, the RF algorithm showed higher accuracy than the SVM. The overall accuracy for RF and SVM was 86.56% and 84.48%, respectively, and the mean Kappa was 0.82 and 0.79, respectively. Using the combination 2 with the RF algorithm and combination 4 with the SVM algorithm for LULC classification was more accurate. The additional use of vegetation indices allowed to increase in the accuracy of LULC classification and separate classes with similar reflection spectra.
Кандидат технічних наук, молодший науковий співробітник відділу геоінформаційних технологій в дистанційному зондуванні Землі (ГІТ в ДЗЗ), orcid.org/0000-0002-7284-6502 Науковий Центр аерокосмічних досліджень Землі ІГН НАН України, Київ НОВИЙ ПІДХІД ДО ЗАСТОСУВАННЯ ПРАВИЛА ДИСКОНТУВАННЯ ПРИ КЛАСИФІКУВАННІ ГІПЕРСПЕКТРАЛЬНИХ КОСМІЧНИХ ЗОБРАЖЕНЬ Анотація. На сьогодні об'єднання інформації є однією із найбільш важливих процедур при класифікуванні гіперспектральних космічних зображень. Метою об'єднання інформації є спрощення даних, отриманих із різних джерел. Багато відомих методів об'єднання включають знаходження середнього арифметичного, середнього геометричного, максимального та мінімального значень. Правила комбінування є особливим типом методів об'єднання даних, отриманих із різних джерел. Ці джерела надають різні оцінки одним і тим же гіпотезам. Вимога щодо незалежності всіх джерел інформації є дуже важливим питанням. Опрацювання суперечливої інформації та комбінування суперечливих даних є дуже складною проблемою в задачах класифікування. Але багато відомих правил комбінування дають неправильні результати за наявності досить суперечливих частин свідчення. Відомі правила комбінування більше акцентують увагу на узгоджених джерелах інформації та ігнорують усі суперечливі частини свідчення. Ці правила не працюють за наявності досить суперечливих даних. Ось чому комбінування суперечливих частин свідчення є найбільш важливим питанням у дистанційному зондуванні Землі. У статті пропонується правило дисконтування для роботи із суперечливими джерелами інформації. Застосовуючи правило дисконтування, спочатку можна дисконтувати джерела, а потім скомбінувати результуючі базові маси за допомогою будь-якого відомого правила комбінування, використовуючи коефіцієнт дисконтування. Цей коефіцієнт дисконтування враховує абсолютну надійність джерел. Абсолютна надійність припускає, що ми можемо розрізняти джерела даних за надійністю і можемо виразити математично відмінності між різними джерелами. Також було зазначено, що правило дисконтування надає ненульову базову масу фрейму розрізнення. Ця процедура не змінює початкової інформації. Також розглянуто приклад застосування правила дисконтування для класифікування космічних зображень. Описане правило дисконтування може бути застосоване при класифікуванні лісів, при пошуку корисних копалин та розв'язку різноманітних екологічних і тематичних завдань. Ключові слова: гіперспектральне космічне зображення; правило дисконтування; класифікування зображень; базова маса Alpert Sofiia PhD (Eng.
Nowadays unmanned aerial vehicles (drones) are applied for solution numerous remote sensing tasks. They give a new opportunites for conducting environmental monitoring and give images with a very high resolution. Unmanned aerial vehicles are applied for solution numerous agricultural problems. They give a detail picture of fields. Unmanned aerial vehicles are used to help increase crop production. With technology constantly improving, imaging of the crops will need to improve as well.Digital images obtained by unmanned aerial vehicles (drones) can be used in forestry, they are used for environmental monitoring, plant health assessment and analysis of natural disasters. Unmanned aerial vehicles are also used for mining, they are applied for mapping deposit sites, exploring for oil and gas, surveying mines.Laser gyroscope is an essential component of a drones flight control system. Laser gyroscopes provides orientation control of drone and essential navigation information to the central flight control systems. Laser gyroscopes provide navigation information to the flight controller, which make drones easier and safer to fly. Laser gyroscope is one of the most important components, allowing the drone to fly smooth even in strong winds. The smooth flight capabilities allows us to get images with high precision.Nowadays the main function of gyroscope technologies is to improve the unmanned aerial vehicles flight capabilities. It was described a structure and main characteristics of laser gyroscopes. It was noted, that laser gyroscope is operated on the principle of the Sagnac effect. Sagnac effect is a phenomenon encountered in interferometry that is elicited by rotation. It were described main advantages and disadvantages of laser gyroscopes. A comparative analysis of mechanical and laser gyroscopes was carried out too.It also was noted, that laser gyroscopes are applied in different areas, such as: inertial navigation systems, aircraft, ships, unmanned aerial vehicles (drones) and satellites. Nowadays laser technology is developed further. There are all prerequisites for improving the precision and other technical characteristics of laser gyroscopes.
Задачі підсуNowadays with the rapid development of information technologies, UAV-based Remote Sensing (drone remote sensing) gives a new opportunities for conducting scientific research in a much more detail way. UAVs (unmanned aerial vehicles) give the opportunity to acquire data at sufficiently low cost. They also provide remote data more rapidly than piloted aerial vehicles. Nowadays drones are often used, because application of piloted aerial vehicles can be dangerous, difficult and expensive for some territories. Application of low altitude UAVs give a possibility to achieve images with a very high resolution and sufficient precision. In this article structure and main details of drones were considered. It also was noted, that technologies of UAV-based Remote Sensing are used in different areas.Agricultural drones help to analyze crops, make decisions on how to use the crop information and take the necessary actions to correct the problems. These unmanned aerial vehicles let to see fields from the sky. Agricultural drones are used to help increase crop production and monitor crop growth. Drones and sensors give a detail picture of fields. They can survey the fields periodically. Agricultural drones can reveal many issues such as soil variation, pest infestations and changes in the crops over time. They also show differences between healthy and unhealthy plants. Drones are flied over the crops and help to make decisions on how to proceed given the crop information. Nowadays there is a large capacity for growth in the area of agricultural unmanned aerial vehicles. With technology constantly improving, imaging of the crops will need to improve as well.Drones are used for exploring for minerals and mapping deposit sites, they are used in the oil and gas industry for remote monitoring. Drones can provide information of nature disasters and give help to assess property damage. They help to conduct forest monitoring and to assess plant health. Unmanned aerial vehicles are also used in a military capacity and ecological monitoring. It also was noted, that there is a large capacity for development and improvement of unmanned aerial vehicles.путникового моніторингу в аерокосмічному комплексі
Анотація. На даний час визначення базових мас залишається важливою задачею, яка впливає на остаточні результати класифікування. Загального підходу для визначення базових мас не існує. У даній роботі були розглянуті різні методи визначення базових мас. У статті описується новий метод класифікування гіперспектральних космічних зображень, який відрізняється від відомих розв'язків однойменних задач особливим способом розбиття спектрального ознакового простору. Було проведено оптимізацію границь між класовими інтервалами на спектральних вісях за допомогою спеціального функціонала. Новий метод застосовує теорію свідчень Демпстера-Шейфера й визначає базові маси за допомогою частотного підходу. Також у даній статті був розглянутий новий підхід до знаходження базових мас з використанням відстані Махаланобіса. Була наведена формула, яка показує взаємозв'язок між відстанню Махаланобіса та базовими масами. Запропоновано метод визначення базових мас із використанням нечітких множин та нечітких чисел. Було зауважено, що теорія нечітких множин використовується при невизначених та неточних даних. Також описано метод визначення базових мас із використанням центральних вибірок. Зауважено, що для вибору центральних вибірок застосовуються опуклі оболонки. Потім визначаються базові маси з використанням відстані між класифікованими даними та вибраними центральними вибірками. Далі базові маси комбінуються за правилом Демпстера, і отримуються остаточні базові маси. Було наголошено на тому, що складні гіпотези теж розглядаються. Також проаналізовано новий підхід до визначення базових мас із використанням відстані між класифікованими даними та нормальним розподілом кожної характеристики для кожного еталонного класу. Описані методи отримання базових мас можуть бути застосовані при класифікуванні гіперспектральних космічних зображень, в управлінні транспортом, при класифікуванні рослинності, у клінічній діагностиці, при аналізі ризиків, розв'язанні тематичних завдань та при контролі якості води. Ключові слова: базова маса, відстань Махаланобіса, теорія нечітких множин, центральна вибірка, класифікування зображень. Аннотация. В настоящее время определение базовых масс остается важной задачей, которая влияет на окончательный результат классификации. Не существует общего подхода к определению базовых масс. В данной работе рассмотрены различные методы определения базовых масс. В статье описывается новый метод классификации гиперспектральных космических изображений, который отличается от решений одноименных задач особым способом разбиения спектрального признакового пространства. Было проведено оптимизацию границ между классовыми интервалами на спектральных осях с помощью специального функционала. Новый метод использует теорию
Nowadays technologies of UAV-based Remote Sensing are used in different areas, such as: ecological monitoring, agriculture tasks, exploring for minerals, oil and gas, forest monitoring and warfare. Drones provide information more rapidly than piloted aerial vehicles and give images of a very high resolution, sufficiently low cost and high precision.Let’s note, that processing of conflicting information is the most important task in remote sensing. Dempster’s rule of data combination is widely used in solution of different remote sensing tasks, because it can processes incomplete and vague information. However, Dempster’s rule has some disadvantage, it can not deal with highly conflicted data. This rule of data combination yields wrong results, when bodies of evidence highly conflict with each other. That’s why it was proposed a data combination method in UAV-based Remote Sensing. This method has several important advantages: simple calculation and high accuracy. In this paper data combination method based on application of Jaccard coefficient and Dempster’s rule of combination is proposed. The described method can deal with conflicting sources of information. This data combination method based on application of evidence theory and Jaccard coefficient takes into consideration the associative relationship of the evidences and can efficiently handle highly conflicting sources of data (spectral bands).The frequency approach to determine basic probability assignment and formula to determine Jaccard coefficient are described in this paper too. Jaccard coefficient is defined as the size of the intersection divided by the size of the union of the sample sets. Jaccard coefficient measures similarity between finite sets. Some numerical examples of calculation of Jaccard coefficient and basic probability assignments are considered in this work too.This data combination method based on application of Jaccard coefficient and Dempster’s rule of combination can be applied in exploring for minerals, different agricultural, practical and ecological tasks.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.