Comparing Hyperspectral and Multispectral Imagery for Land Classification of the Lower Don River, Toronto
Notice bibliographique
Résumé
Urban greenspace is important for the health of cities. Up-to-date databases and information are vital to maintain and monitor growth in cities. During the last decade, advances in spaceborne hyperspectral sensors have resulted in some advantages being gained over multispectral sensors for land cover monitoring (due to increased spectral resolution). The objective of this research was to compare Earth Observing-1 (EO-1) Hyperion hyperspectral data to Landsat 5 Thematic Mapper (TM) and Satellite Probatoire d’Observation de la Terre (SPOT) 5 multispectral data for land cover classification in a dense urban landscape. For comparative analysis, orthorectified aerial imagery provided by the Toronto and Region Conservation Authority (TRCA) was used as ground truth data for accuracy assessment. This study utilized conventional and segmented principal components (CPCA and SPCA) for data compression on the Hyperion imagery, and used principal components analysis (PCA) as a visual enhancement technique for multispectral imagery. Image processing including the generation of the normalized difference vegetation index (NDVI), and mean texture was also performed for both Landsat and SPOT sensors. Unsupervised iterative self-organizing data analysis (ISODATA) classification procedures were performed on all images to produce land cover classification maps for a portion of the Lower Don River in Toronto, Ontario, Canada. Experiments conducted in this research demonstrated that hyperspectral imagery produced a higher overall accuracy (5-6% better) than multispectral data with the same resolution for defining vegetation cover. In addition, SPOT generated greater accuracy results than Landsat or Hyperion for vegetation classes. It was found that conventional Hyperion and segmented Hyperion methods outperformed the Landsat 5 TM sensor for vegetation differences (for tree canopy and open green spaces).
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.
Comment cette classification a été obtenuedéplier
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».