A CORINE felszínborítási térkép automatikus előállításának lehetősége döntésifa-osztályozó segítségével
Date: 2019
Subject: decision tree
land cover
machine learning
land use
döntési fa
felszínborítás
gépi tanulás
területhasználat
Geodézia és Kartográfia
land cover
machine learning
land use
döntési fa
felszínborítás
gépi tanulás
területhasználat
Geodézia és Kartográfia
Abstract:
Az egyik legismertebb felszínborítási térkép a CORINE (Coordination of infrormation on the environment)
Land Cover (CLC), amely az Európai Környezetvédelmi Ügynökség (EEA) koordinálásával készül el az ügynökség 39 tagországának
területére vonatkozóan. Ez az ingyenes adatbázis, részletes nómenklatúrájával (44 osztály), kellő tematikus
pontosságával és időbeli felbontásával (1990-től napjainkig) megfelelő alapot biztosít a különböző környezeti folyamatok
vizsgálatához. Az adatbázis hátránya, hogy űrfelvételek vizuális interpretációjával készül, ezért előállítása időigényes,
és az eredmények nagyban függnek az interpretáló személyek szakmai tudásától. Ezen probléma megoldását, az
űrfelvételek osztályozása jelenti. Ezen tanulmányban döntésifa-osztályozást alkalmaztunk, hogy e módszerrel előállítsuk
a CLC00-s adatbázist Csongrád megye területére. A vizsgálat alapját az ingyenesen elérhető Landsat 7 ETM+ adatok
szolgáltatták. Az osztályozáshoz három különböző időpontban készült űrfelvételt (2000. április 30., 2000. július 3.
és 2000. augusztus 20.), valamint a távérzékelt adatokból levezetett Normalizált Differenciált Vegetációs Index (NDVI)
és Tasseled Cap (TC) értékeket és Shuttle Radar Topography Mission (SRTM) magassági adatokat használtunk. Az összes
adat és az egész adathalmazt tanulóterületként felhasználva 78,6%-os összpontosságot értünk el. Az osztályozó eljárás
képes volt lehatárolni nem csak a tisztán felszínborítási, hanem a legtöbb területhasználati osztályt is, így alkalmas CLC
felszínborítási és egyes területhasználati osztályainak automatikus előállítására
Abstract:
One of the best known land cover maps is the CORINE Land Cover (CLC), which is co-ordinated by the European
Environment Agency (EEA) for the 39 member states of the agency. This freely available data, with its detailed nomenclature
(class 44), with a sufficient thematic accuracy and temporal resolution (from 1990 to the present) provides an adequate
basis for examining various environmental processes. The disadvantage of the database is that it is made with visual
interpretation of remote sensed images, so its production is time-consuming and the results are highly dependent on the
professional knowledge of the interpreters. The solution to this problem is image classification. In this study, decision tree
classification was used to produce the CLC00 database for Csongrád County, in Hungary . The study was based on the
free available Landsat 7 ETM + data. Three different Landsat image (30 April 2000, 3 July 2000 and 20 August 2000) as
well as the Normalized Difference Vegetation Index (NDVI) and Tasseled Cap (TC) derived from the Landsat images and
Shuttle Radar Topography Mission (SRTM) elevation data were used. Using all data and the entire data set as a training
set, we achieved an overall accuracy of 78,6%. The classification process was able to delimit not only the pure land cover,
but also most of the land use classes, so it is suitable for automatic production of the land use and some land use classes
of the CLC map.