Το μοντέλο ύλης στοιχείου κσι η συνάρτηση πιθανότητας για ταξινόμηση
Από RemoteSensing Wiki
Συνδυάζοντας το μοντέλο ύλης στοιχείου με τη συνάρτηση συσχέτισης πιθανότητας μετασχηματισμού για ταξινόμηση πολυποίκιλων τηλεπισκοπικών δεδομένων σε ορεινές περιοχές.
Των: Ainong Li (Ινστιτούτο Κινδύνων στο Βουνό και Περιβάλλοντος, Κινέζικης Ακαδημίας Επιστημών, Chengdu, Κίνα – Τμήμα Γεωγραφίας, Πανεπιστήμιο του Maryland, Η.Π.Α. ) Jingang Jiang ( Ακαδημία Τηλεπισκόπισης και Γήινων Επιστημών, Hangzhou, Κίνα) Jinhu Bian(Ινστιτούτο Κινδύνων στο Βουνό και Περιβάλλοντος, Κινέζικης Ακαδημίας Επιστημών, Chengdu, Κίνα ), Wei Deng (Ινστιτούτο Κινδύνων στο Βουνό και Περιβάλλοντος, Κινέζικης Ακαδημίας Επιστημών, Chengdu, Κίνα)
Εισαγωγή:
Το γεγονός ότι η πολυποίκιλη τηλεπισκοπική πληροφορία περιλαμβάνει εμπειρικούς γεωχωρικούς ελέγχους για να αναπτύξει επαρκείς και πρακτικούς αλγορίθμους ταξινόμησης καλύψεων γης έχει εξελιχθεί σε μια απο τις σημαντικότερες αναπτυσσόμενες κατευθύνσεις στο πεδίο της ταξινόμησης αντικειμένων στο έδαφος με τηλεπισκοπικές μεθόδους. Η ταξινόμηση με χρήση τηλεπισκοπικών μεθόδων είναι αυστηρά ενα πρόβλημα ασυμβατότητας, αλλά το εύρος του φάσματος των δεδομένων της τηλεπισκόπησης έχει συμβατά χαρακτηριστικά, ειδικά στις ορεινές περιοχές και αυτή η αντίφαση είναι μια απο τους κυριότερους λόγους που οδηγεί σε αβεβαιότητες στην ταξινόμηση της τηλεπισκόπησης.
Κυρίως μέρος:
Σε αυτή την εργασία η συμβατική πληροφορία των φασματικών χαρακτηριστικών που αποκτάται με τηλεπισκοπικές μεθόδους μετασχηματίζεται σε βεβαιότητα μέσω του βαθμού συσχέτισης πρώτα και στη συνέχεια η θεωρία ύλη-στοιχείου εισάγεται για να εγκαθιδρύσει μοντέλα και να πετύχει ακέραιη ταξινόμηση πολυποίκιλων δεδομένων σε συμπτυγμένη, γνωσιακή, γεωγραφικά ελεγχόμενη κατάσταση πιθανότητας. Παίρνοντας ως μελέτη περίπτωσης το ευαίσθητο οικοσύστημα, του υγροβιότοπου στο οροπέδιο Ruoergai της Κίνας, η εργασία αυτή επέλεξε πολυποίκιλα δεδομένα συμπεριλαμβανομένων εικόνων απο Landsat TM, CBERS, ASTER-GDEM και MODIS-NDVI ουτωσώστε να κατασκευαστεί έναν κατανοητό ταξινομητή, στον οποίο η σχέση μεταξύ τοπογραφίας και καλύψεων γης και πρωτογενούς γνώσης σε διαφορές ανάπτυξης της βλάστησης χρησιμοποιήθηκαν σαν παράμετροι για την υποστήριξη της λήψης αποφάσεων.
Αποτελέσματα - Συμπεράσματα:
Η ακρίβεια ταξινόμησης αξιολογήθηκε απο μια έρευνα πεδίου και από χάρτη με υφιστάμενες καλύψεις γης. Τα αποτελέσματα έδειξαν ότι η συνολική ακρίβεια (89,89%) και ο συντελεστής kappa είναι καλύτερα απο εκείνα που προέκυπταν απο τη μέθοδο μέγιστης πιθανοφάνειας. Φαίνεται ότι η μέθοδος της προτεινόμενης ταξινόμησης δεν υπόκειται στην διαστατικότητα και τη μορφή των πηγών δεδομένων, και μπορεί να ενσωματώσει τις πληροφορίες της πηγής δεδομένων για να βελτιώσει την ακρίβεια της ταξινόμησης, έτσι ώστε να είναι πολύ χρήσιμο να εφαρμοστούν πολυποίκιλα δεδομένα και πρωτογενή γνώση στην ταξινόμηση καλύψεων γης σε ορεινές περιοχές.
