Abstract
Traditionally, optical remote sensing datasets have been extensively used for a land cover classification. Since the emergence of the microwave images, combined optical and radar remote sensing datasets have been widely used for different thematic applications. The study aims to estimate which classification method delivers better results and to determine how effective the use of optical data or fused optical and radar datasets for a land cover discrimination. For this purpose, a maximum likelihood classification (MLC) and object-based support vector machine have been selected. As data sources, Sentinel-1 radar data and Sentinel-2 optical image acquired in June 2021 around Erdenet city were used. And, the land cover was divided into 4 such classes as forest, vegetation, water, other (i.e., built-up areas) based on the training samples which were selected to have 30-35 signatures for each class. As seen from the results, the SVM showed better results when using both datasets. In particular, the classification result of the SVM derived from the fused datasets was the highest, with an overall accuracy of 95.24%. On the other hand, classification result of optical data using the MLC had the lowest with an overall accuracy of 73.75%. When the accuracy for each class was assessed, the classification accuracy of the support vector machine was higher than that of MLC for all classes. Thus, the fused optical and radar dataset can show higher accuracy for land cover classification based using SVM method.
 Газрын бүрхэвчийг пиксел болон объектэд суурилсан аргуудаар ангилан харьцуулах нь
 ХУРААНГУЙ
 Зайнаас тандан судлалын уламжлалд оптикийн мэдээг газрын бүрхэвчийн ангилалд ихээхэн ашиглаж ирсэн ба богино долгионы мэдээ бий болсон цаг үеэс оптикийн болон радарын мэдээг нийлмэл байдлаар төрөл бүрийн сэдэвчилсэн судалгаанд ашигласаар ирсэн байдаг. Энэхүү судалгааны зорилго нь хамгийн их төсөөтэйн (ХИТ) болон объектэд суурилсан тулах векторын аргуудаар газрын бүрхэвчийг ангилан, аль арга нь илүү үр дүнг үзүүлэхийг тооцоолж, улмаар оптикийн мэдээг дангаар нь эсвэл радарын мэдээтэй нийлэгжүүлэн ашиглах нь ангиллыг үнэн зөв гүйцэтгэхэд хэр ач холбогдолтойг тодорхойлоход оршино. Судалгаанд Эрдэнэт хот орчмын 2021 оны 6 дугаар сарын Sentinel-1 радарын мэдээ болон Sentinel-2 оптикийн мэдээг ашиглаж, газрын бүрхэвчийг ой, ургамал, ус, бусад буюу барилгажсан талбай гэсэн 4 ангид хуваасан бөгөөд анги тус бүрийн хувьд 30-35 сигнатур байхаар сургалтын дээжийг сонгон авч, ангиллыг гүйцэтгэсэн болно. Судалгааны үр дүнгээс харахад аль ч төрлийн мэдээг ашигласан тохиолдолд тулах векторын арга нь илүү өндөр үр дүнг үзүүлэв. Ялангуяа, оптикийн болон радарын мэдээг нийлэгжүүлэн тулах векторын аргаар ангилсан дүн хамгийн өндөр буюу алдааны ерөнхий нарийвчлал нь 95.24% байсан бол оптикийн мэдээг ХИТ аргаар ангилсан дүн хамгийн бага нарийвчлалтай буюу 73.75% байлаа. Анги тус бүрийн хувьд нарийвчлалыг тооцон үзэхэд, тулах векторын аргаар ангилсан ангиллын нарийвчлал бүх ангиудын хувьд өндөр гарсан болно. Иймд газрын бүрхэвчийн ангилалд оптик болон радарын мэдээг нийлэгжүүлэн, тулах векторын аргаар ангилах нь нарийвчлал өндөртэй байна.
 Түлхүүр үгс: Sentinel-1, Sentinel-2, Тулах векторын арга, Хамгийн их төсөөтэйн арга
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.