Zastosowanie sztucznych sieci neuronowych do aktualizacji map pokrycia terenu Corine

• Autorzy: Golenia M. , Zagajewski B. , Ochtyra A. , Hościło A.

Warianty tytułu

EN

The use of the artificial neural networks to update the CORINE Land Cover maps

• Języki publikacji: PL

Abstrakty

PL

Aktualne mapy pokrycia terenu są podstawą wielu dyscyplin nauki oraz mają szerokie zastosowanie aplikacyjne. Jednym z problemów aktualizacji map jest proces aktualizacji danych. Teledetekcja dostarcza codziennie nowych zobrazowań satelitarnych, które mogą zaspokoić potrzeby aktualizacji baz danych. W niniejszym artykule autorzy przedstawiają metodę klasyfikacji pokrycia terenu sztucznymi sieciami neuronowymi fuzzy ARTMAP zgodnie z założeniami i legendą Corine Land Cover na podstawie danych satelitarnych Landsat, które wykorzystywane są do opracowania map pokrycia terenu. W artykule użyto jako danych referencyjnych i weryfikacyjnych najnowszą mapę Corine Land Cover (CLC) 2012. Do przeprowadzenia klasyfikacji symulatorem wykorzystano trzy zdjęcia satelitarne Landsat TM (21.04.2011, 05.06.2010, 27.08.2011). Obszarem badań były okolice Warszawy. Wynikami pracy symulatora są mapy klasyfikacji pokrycia terenu oraz macierze błędów klasyfikacji. Uzyskane wyniki potwierdzają, że sztuczne sieci neuronowe mogą z powodzeniem być wykorzystywane do aktualizacji map pokrycia terenu.

EN

Modern land cover maps are the basis of many scientific disciplines and they are widely applied. One of the problems connected with the revision of maps is the data updating procedure. Remote Sensing daily provides us with the new satellite images, that can meet the needs of database updates. In this article the method of classification for land cover with the artificial, neural, fuzzy ARTMAP networks is presented by the authors in accordance with the objectives and legend of the CORINE Land Cover Map on the basis of the Landsat satellite data, which are used to elaborate the land cover maps. The latest CORINE Land Cover map 2012 polygons are used as the reference and verification data. Three satellite Landsat TM images of 21.04.2011, 05.06.2010, 27.08.2011 are processed by a fuzzy, artificial, neural network classificatory simulator. The area of research was Warsaw and its surrounding area. The results of this research are the classificatory land cover maps and error matrices. Acquired results confirm that the artificial neural networks can be successfully used for land cover updating.

Słowa kluczowe

PL

klasyfikacja; Corine Land Cover; Landsat; sztuczne sieci neuronowe; Warszawa

EN

classification; CORINE Land Cover; artificial neural networks; Warsaw

• Wydawca: Polskie Towarzystwo Geograficzne. Oddział Kartograficzny
• Czasopismo: Polski Przegląd Kartograficzny
• Rocznik: 2015
• Tom: T. 47, nr 3-4
• Strony: 257--266
• Opis fizyczny: Bibliogr. 25 poz., rys., tab., wykr.

Twórcy

autor

Golenia M.

• Zakład Geoinformatyki, Kartografii i Teledetekcji Wydział Geografii i Studiów Regionalnych Uniwersytetu Warszawskiego

autor

Zagajewski B.

• Zakład Geoinformatyki, Kartografii i Teledetekcji Wydział Geografii i Studiów Regionalnych Uniwersytetu Warszawskiego

autor

Ochtyra A.

• Zakład Geoinformatyki, Kartografii i Teledetekcji Wydział Geografii i Studiów Regionalnych Uniwersytetu Warszawskiego

autor

Hościło A.

• Centrum Teledetekcji, Instytut Geodezji i Kartografii

Bibliografia

• Anderson J.R., Hardy E.E., Roach J.T., Witmer R.E., 1976, A land use and land cover classification system for use with remote sensor data.„Geological Survey Proffesional Paper” no. 964, s. 3–10.
• Aitkenhead M.J., Aalders I.H., 2008, Classification of Landsat Thematic Mapper imagery for land cover using neural networks. „Intern. Journal of Remote Sensing” Vol. 29, no. 7, s. 2075–2084.
• Baranowski M., Ciołkosz A., 1997, Opracowywanie baz danych pokrycia terenu dla Polski. „Prace Instytutu Geodezji i Kartografii” T. 44, z. 95, s. 7–28.
• Bielecka E., Ciołkosz A., 2004, Metodyczne i realizacyjne aspekty aktualizacji bazy Corine Land Cover. „Prace Instytutu Geodezji i Kartografii” T. 50, z. 108, s. 73–92.
• Bielecka E., Ciołkosz A., 2005, Baza danych Corine Land Cover. Biblioteka Monitoringu Środowiska. Warszawa: Inspekcja Ochrony Środowiska, 76 s.
• Campbell J.B., Wynne R.H., 2011, Introduction to Remote Sensing. Fifth Edition, The Guilford Press, s. 335–382.
• Carpenter G.A., Grossberg S., Markuzon N., Reynolds J.H., Rosen D.B., 1992, Fuzzy ARTMAP: A neural network architecture for incremental supervised learning of analog multidimensional maps. „IEEE Transactions on Neural Networks” Vol. 3, no. 5, s. 698–713.
• Commission of the European Communities, 1995, Corine Land Cover, The European Environment Agency (EEA), http://www.eea.europa.eu/publications/COR0-landcover (dostęp 21.12.2015 r.).
• Feranec J., Hazeu G., Christensen S., Jaffrain G., 2007, Corine land cover change detection in Europe (case studies of the Netherlands and Slovakia). „Land Use Policy” no. 24, s. 234–247.
• Heinl M., Walde J., Tappeiner G., Tappeiner U., 2009, Classifiers vs. input variables – The drivers in image classification for land mapping. „International Journal of Applied Earth Observation and Geoinformation” Vol. 11, no. 6, s. 423–430.
• Hościło A., Tomaszewska M., 2015, CORINE Land Cover 2012 – 4th CLC inventory completed in Poland. „Geoinformation Issues” Vol. 6, no. 1(6), s. 49–58.
• Iwaniak A., Krówczyńska M., Paluszyński W., 2002, Użycie sieci neuronowych do klasyfikowania obszarów miejskich na zdjęciach satelitarnych. „Geodesia et Descriptio Terrarum” Nr 1(1–2), s. 5–13.
• Jensen, J.R., 2005, Introductory digital image processing: a remote sensing perspective. Third ed., Prentice Hall.
• Kacprzyk M. 2013, Klasyfikacja pokrycia terenu Podlasia na podstawie zdjęć Landsat TM i symulatora sztucznych sieci neuronowych fuzzy ARTMAP. Warszawa: Wydział Geografii i Studiów Regionalnych UW, praca licencjacka, s. 5–83.
• Krówczyńska M., 2004, Wykorzystanie spektralnych i strukturalnych cech obiektów odwzorowanych na zdjęciach satelitarnych w kartowaniu użytkowania ziemi. Warszawa: Wydział Geografii i Studiów Regionalnych UW, rozprawa doktorska.
• Lula P., Tadeusiewicz R., 2001, Wprowadzenie do sieci neuronowych. Kraków, Statsoft Polska.
• Łyko M., 2012, Opracowanie mapy pokrycia/użytkowania terenu w oparciu o klasyfikację danych wielospektralnych LANDSAT i IKONOS. Kraków: AGH, praca magisterska, s. 9–76.
• Mas J.F., 2004, Mapping land use/cover in a tropical coastal area using satellite sensor data, GIS and artificial neural networks. „Estuarine Coastal and Shelf Science” no. 59, s. 219–230.
• Olczyk J., 2014, Klasyfikacja pokrycia terenu województwa warmińsko-mazurskiego na podstawie zdjęć Landsat TM i symulatora sztucznych sieci neuronowych. Warszawa: Wydział Geografii i Studiów Regionalnych UW, praca magisterska.
• Pytlak U., 2013, Klasyfikacja pokrycia terenu Wielkopolski na podstawie zdjęć Landsat TM i symulatora sztucznych sieci neuronowych fuzzy ARTMAP. Warszawa: Wydział Geografii i Studiów Regionalnych UW, praca licencjacka, s. 5–30.
• Tadeusiewicz R., 1993, Sieci neuronowe. Wyd. 2, Warszawa: Akadmicka Oficyna Wydawn. RM.
• Yuan H., Van Der Wiele C.F., Khorram S., 2009, An Autoated Neural Network System for Land Use/Land Cover Classification from Landsat TM Imagery. „Remote Sensing” no. 1, s. 243–265.
• Zagajewski B., 2010, Ocena przydatności sieci neuronowych i danych hiperspektralnych do klasyfikacji Tatr Wysokich. Warszawa. „Teledetekcja Środowiska” T. 43, s. 7–112.
• Zagajewski B., Jarocińska A., Olesiuk D., 2009, Metody i techniki badań geoinformatycznych. Warszawa: Wydział Geografii i Studiów Regionalnych UW, s. 1–117.
• Żmudzka E., 2012, Wieloletnie zmiany zasobów termicznych w okresie wegetacyjnym i aktywnego wzrostu roślin w Polsce. „Woda – Środowisko – Obszary Wiejskie” T. 12, 2012 (IV–VI), z. 2, s. 377–389.