APPLICATION OF A GIS AS A MODELING TOOL FOR REMOTE SENSING IMAGE ANALYSIS OF AGRICULTURAL FIELDS

محل انتشار: همایش ژئوماتیک 82
سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 2,880

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

GEO82_30

تاریخ نمایه سازی: 25 آذر 1384

چکیده مقاله:

Standard bottom-up classification methods usually concern the pixel as a main element and try to label the pixel individually. But various errors are involved in the image analysis with these methods. Mixed pixels, simplicity of the basic assumptions in the classification algorithms, sensor effects, atmospheric effects, and radiometric overlap of land cover objects lead to the wrong detection in image analysis. In this paper we propose a Model-Based Image Analysis (MBIA) approach to analyze the remotely sensed data. In this manner using the available knowledge about the remote sensing system we generate some hypothesis maps and then test them using the radiometric measurements (images). In order to test the method we used the boundaries of the agricultural fields stored in a GIS to model the objects in the scene. The results of the method have been compared with the result of a traditional Maximum-Likelihood (MLH) classification and a standard Object-Based Classification (OBC) using the boundaries. Using this approach we could reach to the 94% overall accuracy.

کلیدواژه ها:

نویسندگان

Sayyed Bagher Fatemi

KN Toosi Univ. of Technology

Ali A. Abkar

Assistant Professor Soil Conservation and Watershed Management Research Institute Tehran, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abkar, A.A. (1994), ،، Knowledge-B ased Classification Method for Crop ...
  • Abkar A.A (1999);، ، Likel ihood-Based Segmentation and Classification of ...
  • Blaschke T., Long S., Lorup E., Strobl J., Aeil P. ...
  • Hutchinson, C. (1982), *Techniques for Combining Landsat and Ancillary Data ...
  • for Updating Terrain Object Data from Remote Sensing Data; The ...
  • Molenaar M., Jlanssen L.F (1 992);*Terrain Objects, Their Dynamics and ...
  • نمایش کامل مراجع