Search citation statements
Paper Sections
Citation Types
Year Published
Publication Types
Relationship
Authors
Journals
In the modern digital image processing of remote sensing (RS) data, hyperspectral datasets combined with other multisource information are widely used for land cover classification and other thematic studies. The aim of this study was to integrate Hyperion hyperspectral image with dual-polarization Envisat synthetic aperture radar (SAR) data and compare the performances of support vector classification and spectral angle mapper methods on the combined datasets for a land cover discrimination. As a test site, an area covering the central and southern parts of the capital city of Ulaanbaatar was selected. The land cover classifications were conducted on two different band combinations (i.e. 4 bands of Hyperion sensor and Envisat dual-polarization data, and 99 bands of Hyperion sensor and Envisat dual-polarization data). The lowest accuracy demonstrated the spectral angle mapper and combination of 4 bands of Hyperion sensor and Envisat data, while the highest accuracy showed the support vector classifier and 99 bands of Hyperion sensor and Envisat data. As could be seen from the research, besides the applied classification methods, it is important to consider such factors as data structure, feature selection, and properties of image objects. Хайперспектрийн ба радарын мэдээ ашиглан газрын бүрхэвчийг ангилсан дүн ХУРААНГУЙ: Орчин үеийн зайнаас тандсан мэдээний тоон боловсруулалтад, хайперспектрийн мэдээг тандан судалгааны бусад эх сурвалжийн мэдээтэй нийлүүлэн газрын бүрхэвчийн ангилал болон өөр төрлийн сэдэвчилсэн судалгаанд ихээхэн ашиглаж байна. Энэхүү судалгаа нь Hyperion сенсорын хэт олон сувгийн мэдээг Envisat дагуулаас хос туйлшралаар хүлээн авсан синтетик апертурт радар (САР)-ын өгөгдөлтэй нийлүүлэн нэгдмэл мэдээ болгож, улмаар уг нийлмэл мэдээн дээрх газрын бүрхэвчийн ангиуд бие, биеэсээ хэрхэн ялгарч байгааг тулах векторын ангилал, спектрийн өнцгийн маппер зэрэг аргуудыг ашиглан, харьцуулан судлах үндсэн зорилготой. Судалгааны загвар талбай болгон Улаанбаатар хотын төвийн болон өмнөд хэсгийг хамарсан газрыг сонгон авч, газрын бүрхэвчийн ангиллыг сувгуудын 2 өөр хоршлол (Hyperion сенсорын 4 сувгийн болон Envisat дагуулын хос туйлшралын мэдээ, Hyperion сенсорын 99 сувгийн болон Envisat дагуулын мэдээ) дээр хийв. Hyperion сенсорын 4 сувгийн болон Envisat дагуулын мэдээг спектрийн өнцгийн маппер аргаар ангилсан дүн хамгийн бага нарийвчлалтай (80.24%) байсан бол Hyperion сенсорын 99 сувгийн болон Envisat дагуулын мэдээг тулах векторын аргаар ангилсан дүн хамгийн өндөр нарийвчлалтай (89.11%) байлаа. Судалгаанаас харахад, тухайн ангиллын үр дүнд, ашиглаж байгаа аргаас гадна, өгөгдлийн бүтэц, сувгийн сонголт, дүрс мэдээн дээрх биесийн шинж чанар зэрэг олон хүчин зүйлс нөлөөтэй гэдэг нь харагдаж байна.Түлхүүр үгс: САР-ын мэдээ, Тулах векторын арга, Спектрийн өнцгийн маппер, Нарийвчлал
In the modern digital image processing of remote sensing (RS) data, hyperspectral datasets combined with other multisource information are widely used for land cover classification and other thematic studies. The aim of this study was to integrate Hyperion hyperspectral image with dual-polarization Envisat synthetic aperture radar (SAR) data and compare the performances of support vector classification and spectral angle mapper methods on the combined datasets for a land cover discrimination. As a test site, an area covering the central and southern parts of the capital city of Ulaanbaatar was selected. The land cover classifications were conducted on two different band combinations (i.e. 4 bands of Hyperion sensor and Envisat dual-polarization data, and 99 bands of Hyperion sensor and Envisat dual-polarization data). The lowest accuracy demonstrated the spectral angle mapper and combination of 4 bands of Hyperion sensor and Envisat data, while the highest accuracy showed the support vector classifier and 99 bands of Hyperion sensor and Envisat data. As could be seen from the research, besides the applied classification methods, it is important to consider such factors as data structure, feature selection, and properties of image objects. Хайперспектрийн ба радарын мэдээ ашиглан газрын бүрхэвчийг ангилсан дүн ХУРААНГУЙ: Орчин үеийн зайнаас тандсан мэдээний тоон боловсруулалтад, хайперспектрийн мэдээг тандан судалгааны бусад эх сурвалжийн мэдээтэй нийлүүлэн газрын бүрхэвчийн ангилал болон өөр төрлийн сэдэвчилсэн судалгаанд ихээхэн ашиглаж байна. Энэхүү судалгаа нь Hyperion сенсорын хэт олон сувгийн мэдээг Envisat дагуулаас хос туйлшралаар хүлээн авсан синтетик апертурт радар (САР)-ын өгөгдөлтэй нийлүүлэн нэгдмэл мэдээ болгож, улмаар уг нийлмэл мэдээн дээрх газрын бүрхэвчийн ангиуд бие, биеэсээ хэрхэн ялгарч байгааг тулах векторын ангилал, спектрийн өнцгийн маппер зэрэг аргуудыг ашиглан, харьцуулан судлах үндсэн зорилготой. Судалгааны загвар талбай болгон Улаанбаатар хотын төвийн болон өмнөд хэсгийг хамарсан газрыг сонгон авч, газрын бүрхэвчийн ангиллыг сувгуудын 2 өөр хоршлол (Hyperion сенсорын 4 сувгийн болон Envisat дагуулын хос туйлшралын мэдээ, Hyperion сенсорын 99 сувгийн болон Envisat дагуулын мэдээ) дээр хийв. Hyperion сенсорын 4 сувгийн болон Envisat дагуулын мэдээг спектрийн өнцгийн маппер аргаар ангилсан дүн хамгийн бага нарийвчлалтай (80.24%) байсан бол Hyperion сенсорын 99 сувгийн болон Envisat дагуулын мэдээг тулах векторын аргаар ангилсан дүн хамгийн өндөр нарийвчлалтай (89.11%) байлаа. Судалгаанаас харахад, тухайн ангиллын үр дүнд, ашиглаж байгаа аргаас гадна, өгөгдлийн бүтэц, сувгийн сонголт, дүрс мэдээн дээрх биесийн шинж чанар зэрэг олон хүчин зүйлс нөлөөтэй гэдэг нь харагдаж байна.Түлхүүр үгс: САР-ын мэдээ, Тулах векторын арга, Спектрийн өнцгийн маппер, Нарийвчлал
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.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.