Object-based classification of indices derived from optical and radar datasets

Abstract

Since the launch of the European Space Agency’s Sentinel-1 radar and Sentinel-2 optical satellites, high-resolution multisource datasets have widely been used for land cover classification and other thematic research. The aim of this study was to segment 4 different indices derived from Sentinel-1 and 2 satellite datasets using multisolution and quadtree methods, classify the land cover of the selected area using an object-based classification method, and make a comparison. As a test site, the northwestern part of Khuvsgul Lake was selected, and integrated images acquired from Sentinel-1 and 2 satellites in June 2022 were analyzed. According to the results, the overall accuracy of the classification based on the quadtree segmentation was 99.71%, while the overall accuracy of the classification based on the multisolution segmentation was 98.80%. This finding indicates that using the quadtree method provides better results in determining the land cover types of the selected area.

Оптикийн ба радарын мэдээнээс тооцсон индексүүдийг ашиглан объектод суурилсан ангиллын аргаар газрын бүрхэвчийг ангилах

ХУРААНГУЙ: Европын сансрын агентлаг Sentinel-1 радарын болон Sentinel-2 оптикийн дагуулуудыг хөөргөсөн цагаас эхлэн оронзайн өндөр шийд бүхий нийлмэл мэдээг газрын бүрхэвчийн ангилал болон бусад сэдэвчилсэн судалгаанд өргөнөөр ашиглаж байна. Судалгааны талбайгаар Хөвсгөл нуурын баруун хойд хэсгийг сонгосон бөгөөд дүн шинжилгээнд Sentinel-1, 2 дагуулаас 2022 оны 6-р сард хүлээн авсан мэдээг ашиглав. Энэхүү судалгааны зорилго нь Sentinel-1, 2 дагуулын мэдээг ашиглан тооцоолсон 4 төрлийн индексийг олон шийдэт, куодтри гэсэн 2 өөр аргаар сигментлэн, улмаар сонгосон нутгийн газрын бүрхэвчийг объектод суурилсан ангиллын аргаар ангилж, харьцуулсан дүгнэлтийг хийхэд оршино. Судалгааны хүрээнд, ургамлын нормчилсон дундаж индекс, ургамлын хөрснөөс ялгасан индекс, усны нормчилсон дундаж индекс болон радарын мэдээний туйлшралуудын харьцааг ашиглан ой, ногоон ургамал, халцгай газар, ус гэсэн ангид ангилал хийхийн тулд объектод суурилсан ангиллын аргыг дэвшүүлсэн бөгөөд холимог ангиудыг ялгах зорилгоор янз бүрийн дүрмийг зохиосон болно. Дүрмийн сан нь сонгосон анги тус бүрд тохирсон нөхцөлийг тодорхойлсон, доороосоо дээшээ шаталсан олон шатлал бүхий дүрмүүдээс бүрдэнэ. Судалгаанд ашигласан нарийвчлалын үнэлгээний дүнгээс харахад, куодтри сигментчилэл дээр суурилсан ангиллын ерөнхий нарийвчлал 99.71%, харин олон шийдэт сигментчилэл бүхий ангиллын ерөнхий нарийвчлал 98.80% байлаа. Энэ нь сонгосон нутгийн газрын бүрхэвчийг объектод суурилсан ангиллын аргаар ангилахад, куодтри аргаар сигментлэх нь илүү зохимжтой гэдгийг харуулж байгаа юм.

Түлхүүр үгс: Sentinel-1,2, Олон шийдэт, Куодтри, Сигментчилэл, Ангилал