Extracting Land Cover/Use from Remotely Sensed Imagery: Potentials for Urban Planning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Remote sensing has a great potential for enhancing current urban planning processes by offering a holistic view of a study area and providing detailed land cover/use information within. This study intends to evaluate the potentials of remote sensing in urban/transportation planning by studying the accuracy of two image processing software (ENVI and Definiens) on extracting urban land cover/use. Several satellite images from the City of Fredericton, New Brunswick, Canada, including Landsat ETM+, SPOT4, IKONOS, and QuickBird, are used. It is found that medium-resolution images, Landsat ETM+and SPOT4, are only good at extracting large-size homogeneous objects, such as vegetation and water bodies, but less powerful for identifying small urban features, including buildings, streets and parking lots. Later experiments focus on extracting these urban features with very high-resolution imagery from IKONOS and QuickBird. Study results show that both software packages have more or less problems in distinguish parking lots, streets and building roofs because of similar materials used and therefore, very close spectral signatures. The results show the object-oriented hierarchical algorithm applied to QuickBird images offers the highest accuracy for building and street extractions, when compared to other algorithms/images combinations (such as maximum likelihood/nearest neighbor applied to QuickBird or IKONOS). The producer accuracy of the two is 78% and 63% respectively and the corresponding user accuracy is 39% and 56%. The study results clearly indicate that a more advanced approach using auxiliary data, such as GIS and LIDAR, is necessary to achieve an accuracy level acceptable for any real-world planning applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle