比较应用于SENTINEL-2和LANDSAT-8图像的分类方法,以区分阿根廷恩特雷里奥斯的森林人林。

IF 0.4 Q4 GEOSCIENCES, MULTIDISCIPLINARY
E. Avogadro, Joan Cristian Padró Garcia
{"title":"比较应用于SENTINEL-2和LANDSAT-8图像的分类方法,以区分阿根廷恩特雷里奥斯的森林人林。","authors":"E. Avogadro, Joan Cristian Padró Garcia","doi":"10.21138/gf.652","DOIUrl":null,"url":null,"abstract":"En Argentina las plantaciones alcanzan 1.2 millones de hectareas. Se plantea si la clasificacion automatica (CA) de imagenes de los sensores MSI (MultiSpectral Imager) de Sentinel-2 (S2) y OLI (Operational Land Imager) de Landsat-8 (L8) puede ser precisa y fiable para identificar plantaciones. Se analizo que combinacion de CA y sensor es mas preciso, y cuales son las caracteristicas de S2 y L8 que dan lugar a diferencias. El area de estudio fue el departamento de Concordia (Entre Rios, Argentina). Se compararon tres metodos de CA: supervisado parametrico (minima distancia euclidiana), supervisado no parametrico (kNN) y no supervisado (IsoData Hibrido). El kNN, con Acierto Global de 91.4% para S2, es el mas preciso. En conclusion, la CA es precisa y fiable para ser complementaria a la fotointerpretacion. La resolucion espectral y espacial de MSI no aporta una mejora relevante en la CA.","PeriodicalId":53900,"journal":{"name":"Geofocus-Revista Internacional de Ciencia y TecnologIa de la InformaciOn GeogrAfica","volume":null,"pages":null},"PeriodicalIF":0.4000,"publicationDate":"2019-12-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":"{\"title\":\"COMPARACIÓN DE MÉTODOS DE CLASIFICACIÓN APLICADOS A IMÁGENES SENTINEL-2 Y LANDSAT-8, PARA LA DIFERENCIACIÓN DE PLANTACIONES FORESTALES EN ENTRE RÍOS, ARGENTINA.\",\"authors\":\"E. Avogadro, Joan Cristian Padró Garcia\",\"doi\":\"10.21138/gf.652\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"En Argentina las plantaciones alcanzan 1.2 millones de hectareas. Se plantea si la clasificacion automatica (CA) de imagenes de los sensores MSI (MultiSpectral Imager) de Sentinel-2 (S2) y OLI (Operational Land Imager) de Landsat-8 (L8) puede ser precisa y fiable para identificar plantaciones. Se analizo que combinacion de CA y sensor es mas preciso, y cuales son las caracteristicas de S2 y L8 que dan lugar a diferencias. El area de estudio fue el departamento de Concordia (Entre Rios, Argentina). Se compararon tres metodos de CA: supervisado parametrico (minima distancia euclidiana), supervisado no parametrico (kNN) y no supervisado (IsoData Hibrido). El kNN, con Acierto Global de 91.4% para S2, es el mas preciso. En conclusion, la CA es precisa y fiable para ser complementaria a la fotointerpretacion. La resolucion espectral y espacial de MSI no aporta una mejora relevante en la CA.\",\"PeriodicalId\":53900,\"journal\":{\"name\":\"Geofocus-Revista Internacional de Ciencia y TecnologIa de la InformaciOn GeogrAfica\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.4000,\"publicationDate\":\"2019-12-28\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"2\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Geofocus-Revista Internacional de Ciencia y TecnologIa de la InformaciOn GeogrAfica\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.21138/gf.652\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"GEOSCIENCES, MULTIDISCIPLINARY\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Geofocus-Revista Internacional de Ciencia y TecnologIa de la InformaciOn GeogrAfica","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21138/gf.652","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"GEOSCIENCES, MULTIDISCIPLINARY","Score":null,"Total":0}
引用次数: 2

摘要

在阿根廷,种植园达到120万公顷。提出了Sentinel-2(S2)和Landsat-8(L8)的MSI(多光谱成像仪)传感器图像的自动分类(CA)是否可以准确可靠地识别种植园。分析了交流与传感器组合精度较高的原因,以及导致差异的S2和L8的特点。研究区域是康科迪亚省(阿根廷恩特雷里奥斯)。比较了三种CA方法:有监督的参数(最小欧几里德距离)、有监督的非参数(KNN)和无监督(混合ISODATA)。KNN对S2的总体命中率为91.4%,是最准确的。总之,CA是对摄影解释的补充,是准确可靠的。MSI的光谱和空间分辨率并没有显著改善CA。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
COMPARACIÓN DE MÉTODOS DE CLASIFICACIÓN APLICADOS A IMÁGENES SENTINEL-2 Y LANDSAT-8, PARA LA DIFERENCIACIÓN DE PLANTACIONES FORESTALES EN ENTRE RÍOS, ARGENTINA.
En Argentina las plantaciones alcanzan 1.2 millones de hectareas. Se plantea si la clasificacion automatica (CA) de imagenes de los sensores MSI (MultiSpectral Imager) de Sentinel-2 (S2) y OLI (Operational Land Imager) de Landsat-8 (L8) puede ser precisa y fiable para identificar plantaciones. Se analizo que combinacion de CA y sensor es mas preciso, y cuales son las caracteristicas de S2 y L8 que dan lugar a diferencias. El area de estudio fue el departamento de Concordia (Entre Rios, Argentina). Se compararon tres metodos de CA: supervisado parametrico (minima distancia euclidiana), supervisado no parametrico (kNN) y no supervisado (IsoData Hibrido). El kNN, con Acierto Global de 91.4% para S2, es el mas preciso. En conclusion, la CA es precisa y fiable para ser complementaria a la fotointerpretacion. La resolucion espectral y espacial de MSI no aporta una mejora relevante en la CA.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
CiteScore
0.50
自引率
0.00%
发文量
8
审稿时长
12 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信