Найти

Результаты поиска

• LULC-АНАЛИЗ ЗЕМЛЕПОЛЬЗОВАНИЯ С ИСПОЛЬЗОВАНИЕМ НЕКОНТРОЛИРУЕМОЙ КЛАССИФИКАЦИИ

  Ранджана Уаман Гор , Ратнадип Р. Дешмух , Приянка У. Рандив , Мишра Абхилаша, И. Б. Аббасов

  2020-10-11

  Аннотация ▼

  Землепользование и растительный покров являются естественным состоянием поверхно-
  сти земли. Дистанционное зондирование - очень важный метод изучения землепользования
  (LULC). Для анализа земного покрова при дистанционном зондировании используются различные
  методы классификации. Данные методы не требуют предварительную информацию о земном
  покрове или типах землепользования. Наиболее часто для анализа изображений, полученных с
  помощью дистанционного зондирования, используют два метода классификации. К ним отно-
  сятся контролируемая классификация и неконтролируемая классификация. Целями предлагаемой
  работы являются использование неконтролируемых методов классификации для поиска класте-
  ров, по определению типов землепользования и сравнение данных методов с интерактивным
  анализом данных самоорганизации (ISODATA). Для анализа землепользования были использованы
  изображения датчика Hyperion. Датчик Hyperion имеет двести сорок две полосы, однако немно-
  гие полосы содержат полезную информации для спектрального анализа. Поэтому полосы, не
  содержащие полезную информацию выявляются и удаляются. После обработки входного изо-
  бражения по данному алгоритму из двухсот сорока двух полос остаются только сто шестьде-
  сят пять полос. При этом учитываются радиометрическая калибровка и немаловажная кор-
  рекция атмосферных факторов. Затем по результатам обработки с применением предложен-
  ных методов формируются кластеры для изучения землепользования с использованием гипер-
  спектрального изображения. Для формирования кластеров осуществлялась группировка пиксе-
  лей, на основе выбранных данных. Пиксели из одного кластера имеют больше сходства, в то
  время как пиксели из разных кластеров отличаются друг от друга. На основе результатов дела-
  ется вывод о том, что метод кластеризации (k-means) позволяет лучше идентифицировать или
  прогнозировать тип землепользования на основе гиперспектрального изображения с высоким
  разрешением, чем метод интерактивного анализа данных самоорганизации (ISODATA). Выход-
  ное изображение, которое является результатом кластеризации, может быть использовано
  для идентификации различных типов объектов землепользования. Лучше всего были идентифи-
  цированы следующие объекты землепользования: водная среда, сельскохозяйственные угодья,
  растительность, застроенная территория или поселение, поля и скалистые регионы.