Comparison of GEOBIA classification algorithms based on Worldview-3 imagery in the extraction of coastal coniferous forest

Abstract

Šume primorskih četinjača, sa svojom ekološkom, ekonomskom, estetskom i društvenom funkcijom, predstavljaju važan dio europskih šumskih zajednica. Osnovni cilj ovoga rada je usporediti najkorištenije GEOBIA (engl. Geographic Object-Based Image Analysis) klasifikacijske algoritme (engl. Random Trees – RT, Maximum Likelihood – ML, Support Vector Machine – SVM) s ciljem izdvajanja šuma primorskih četinjača na visoko-rezolucijskom WorldView-3 snimku unutar topografskog slijevnog područja naselja Split. Metodološki okvir istraživanja uključuje (1) izvođenje izoštrenog multispektralnog snimka (WV-3MS-a); (2) testiranje segmentacijskih korisničko-definiranih parametara; (3) dodavanje testnih uzoraka; (4) klasifikaciju segmentiranog modela; (5) procjenu točnosti klasifikacijskih algoritama, te (6) procjenu točnosti završnog modela. RT se prema korištenim pokazateljima (correctness – COR, completeness – COM i overall quality – OQ) pokazao kao najbolji algoritam. Iterativno postavljanje segmentacijskih parametara omogućilo je detekciju najprikladnijih vrijednosti za generiranje segmentacijskog modela. Utvrđeno je da sjene mogu uzrokovati značajne probleme ako se klasificiranje vrši na visoko-rezolucijskim snimkama. Modificiranim Cohen’s kappa coefficient (K) pokazateljem izračunata je točnost konačnog modela od 87,38%. WV-3MS se može smatrati kvalitetnim podatkom za detekciju šuma primorskih četinjača primjenom GEOBIA metode.