Semiautomatic land cover mapping according to the 2nd level of the CORINE Land Cover legend

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

Identyfikatory

DOI

10.1515/pcr-2015-0018

• Języki publikacji: EN

Abstrakty

EN

Actual land cover maps are a very good source of information on present human activities. It increases value of actual spatial databases and it is a key element for decision makers. Therefore, it is important to develop fast and cheap algorithms and procedures of spatial data updating. Every day, satellite remote sensing deliver vast amount of new data, which can be semi-automatically classified. The paper presents a method of land cover classification based on a fuzzy artificial neural network simulator and Landsat TM satellite images. The latest CORINE Land Cover 2012 polygons were used as reference data. Three satellite images acquired 21 April 2011, 5 June 2010, 27 August 2011 over Warsaw and surrounding areas were processed. As an outcome of classification procedure, the maps, error matrices and a set of overall, producer and user accuracies and a kappa coefficient were achieved. The classification accuracy oscillates around 76% and confirms that artificial neural networks can be successfully used for forest, urban fabric, arable land, pastures, inland waters and permanent crops mapping. Low accuracies were obtained in case of heterogenic land cover units.

Słowa kluczowe

EN

classification; Corine Land Cover; landsat; artificial neural networks; Warsaw

• Wydawca: Polskie Towarzystwo Geograficzne. Oddział Kartograficzny
• Czasopismo: Polish Cartographical Review
• Rocznik: 2015
• Tom: Vol. 47, No. 4
• Strony: 203--212
• Opis fizyczny: Bibliogr. 26 poz., rys., tab., wykr., zdj.

Twórcy

autor

Golenia M.

• Department of Geoinformatics, Cartography and Remote Sensing Faculty of Geography and Regional Studies, University of Warsaw

autor

Zagajewski B.

• Department of Geoinformatics, Cartography and Remote Sensing Faculty of Geography and Regional Studies, University of Warsaw

autor

Ochtyra A.

• Department of Geoinformatics, Cartography and Remote Sensing Faculty of Geography and Regional Studies, University of Warsaw

autor

Hościło A.

• Remote Sensing Centre, Institute of Geodesy and Cartography, Warsaw

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, pp. 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, pp. 2075-2084.
• Baranowski M., Ciołkosz A., 1997, Opracowywanie baz danych pokrycia terenu dla Polski. „Prace Instytutu Geodezji i Kartografii” T. 44, z. 95, pp. 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, pp. 73-92.
• Bielecka E., Ciołkosz A., 2005, Baza danych Corine Land Cover. Biblioteka Monitoringu Środowiska. Warszawa: Inspekcja Ochrony Środowiska, 76 pp.
• Campbell J.B., Wynne R.H., 2011, Introduction to Remote Sensing. Fifth ed. United States of America, The Guilford Press, pp. 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, pp. 698-713.
• Commission of the European Communities, 1995, Corine Land Cover, The European Environment Agency (EEA), http://www.eea.europa.eu/publications/COR0-landcover (access: 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, pp. 234-247.
• Heinl M. i in., 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, pp. 423-430.
• Hościło A., Tomaszewska M., 2015, CORINE Land Cover 2012 - 4th CLC inventory completed in Poland. „Geoinformation Issues” Vol. 6, no. 1(6), pp. 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), pp. 5-13.
• Jensen, J.R., 2005, Introductory digital image processing: a remote sensing perspective. Third ed. United States of America, 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, unpublished licentiate thesis, 83 pp.
• Krówczyńska M., 2004, Wykorzystanie spektralnych i strukturalnych cech obiektów odwzorowanych na zdjęciach satelitarnych w kartowaniu użytkowania ziemi. Warszawa: Wydział Geografii i Studiów Regionalnych UW, unpublished doctor dissertation.
• 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. AGH, unpublished master thesis, 76 pp.
• 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, pp. 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, unpublished master thesis.
• 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, unpublished licentiate thesis, 30 pp.
• Tadeusiewicz R., 2007, Sieci neuronowe. 2nd ed., Warszawa: Akadmicka Oficyna Wydawnicza. RM.
• Trianni G., 2007, Techniques for fusion of remotely sensed data over urban environments, Universita Degli Studi Di Pavia, Dottorato Di Ricerca in Ingegneria Elettronica Elettrica ed Informatica, XX Ciclo, Doctor dissertation, promotor Prof. dr Paolo Gamba, Pavia, 140 pp.
• 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, pp. 243-265.
• Zagajewski B., 2010, Ocena przydatności sieci neuronowych i danych hiperspektralnych do klasyfikacji Tatr Wysokich. „Teledetekcja Środowiska” T. 43, 112 pp.
• Zagajewski B., Jarocińska A., Olesiuk D., 2009, Metody i techniki badań geoinformatycznych. Warszawa: Wydział Geografii i Studiów Regionalnych UW, 117 pp.
• Źmudzka E., 2012, Wieloletnie zmiany zasobów termicznych w okresie wegetacyjnym i aktywnego wzrostu roślin w Polsce, „Woda – Środowisko – Obszary Wiejskie” T. 12, z. 2, pp. 377-389.