Merken

An automated classification and change detection system for rapid update of land-cover maps of South Africa using Landsat data.

Zitierlink des Filmsegments
Embed Code

Für dieses Video liegen keine automatischen Analyseergebnisse vor.

Analyseergebnisse werden nur für Videos aus Technik, Architektur, Chemie, Informatik, Mathematik und Physik erstellt, bei denen dies rechtlich zulässig ist.

Metadaten

Formale Metadaten

Titel An automated classification and change detection system for rapid update of land-cover maps of South Africa using Landsat data.
Serientitel FOSS4G 2014 Portland
Autor McAlister, Bryan
Lizenz CC-Namensnennung - keine kommerzielle Nutzung - keine Bearbeitung 3.0 Unported:
Sie dürfen das Werk bzw. den Inhalt in unveränderter Form zu jedem legalen und nicht-kommerziellen Zweck nutzen, vervielfältigen, verbreiten und öffentlich zugänglich machen, sofern Sie den Namen des Autors/Rechteinhabers in der von ihm festgelegten Weise nennen.
DOI 10.5446/31696
Herausgeber FOSS4G
Open Source Geospatial Foundation (OSGeo)
Erscheinungsjahr 2014
Sprache Englisch
Produzent Foss4G
Open Source Geospatial Foundation (OSGeo)
Produktionsjahr 2014
Produktionsort Portland, Oregon, United States of America

Inhaltliche Metadaten

Fachgebiet Informatik
Abstract Recent land cover maps are essential to spatial planning and assessment by non-/governmental agencies. The current land cover mapping methods employed in South Africa are slow and expensive and the most recent national land cover map dates back to 2000. The CSIR is developing an automated land-cover mapping system for the South African region. This system uses widely available Landsat satellite image time series data, together with supervised machine learning, change detection, and image preprocessing techniques. In this presentation the implementation of this end-to-end system will be addressed. Specifically, we will discuss the use of an open source random forest implementation (Weka), a change detection algorithm (IRMAD), as well as tools used for satellite image preprocessing (Web enabled Landsat data, fmask cloud masking) and on-line validation tools. Furthermore the approach used in optimising automatic land-cover production accuracy for operational use will be discussed.
Schlagwörter Automated landcover mapping
machine learning
change detection
Landsat

Ähnliche Filme

Loading...