Performance Analysis of Multispectral LiDAR in Land Cover Classification
Notice bibliographique
Résumé
The Optech Titan is the world’s first multispectral airborne Light Detection and Ranging (LIDAR) sensor, a revolutionary sensor that includes three active imaging channels of different wavelengths for day or night mapping of complex environments. Multispectral imagery and monochromatic LIDAR have long existed as independent technologies and both systems have developed workflows to perform land cover classification. This project was undertaken to analyze the performance of Optech Titan’s three active imaging channels and LIDAR attributes in land cover classification. By processing selective parameters through the multispectral image land cover classification process, we can determine the accuracy performance of individual channels and attributes in land cover classification. The outcome of this process will measure the effectiveness of combining LIDAR attributes with multispectral imagery for land cover classification. The test site was a 600m x 600m residential neighbourhood in Oshawa, Ontario captured at point-spacing of 0.5 meter. Multispectral imagery had an overall accuracy result of 77%. The most accurate land cover classification result from our testing was 77.5%. This was produced as a special index scenario by using the three intensities along with the nDSM. It is apparent from the results that the intensity-attribute provides the most useful information in land cover classification. The highest monochromatic LIDAR accuracy result of 70% came from Channel 2 (NIR - 1024 mm). Channel 2’s accuracy is only 7% lower than multispectral imagery result. Channel 1 and 3 had less-favorable results at 59.5% and 58% respectively. Individual land cover classification tests on Z-attribute and N-attribute produced unfavorable results of 37% and 47.5% respectively.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».