Comparison of GEOBIA classification algorithms based on Worldview-3 imagery in the extraction of coastal coniferous forest

Šume primorskih četinjača, sa svojom ekološkom, ekonomskom, estetskom i društvenom funkcijom, predstavljaju važan dio europskih šumskih zajednica. Osnovni cilj ovoga rada je usporediti najkorištenije GEOBIA (engl. Geographic Object-Based Image Analysis) klasifikacijske algoritme (engl. Random Trees – RT, Maximum Likelihood – ML, Support Vector Machine – SVM) s ciljem izdvajanja šuma primorskih četinjača na visoko-rezolucijskom WorldView-3 snimku unutar topografskog slijevnog područja naselja Split. Metodološki okvir istraživanja uključuje (1) izvođenje izoštrenog multispektralnog snimka (WV-3_MS-a); (2) testiranje segmentacijskih korisničko-definiranih parametara; (3) dodavanje testnih uzoraka; (4) klasifikaciju segmentiranog modela; (5) procjenu točnosti klasifikacijskih algoritama, te (6) procjenu točnosti završnog modela. RT se prema korištenim pokazateljima (correctness – COR, completeness – COM i overall quality – OQ) pokazao kao najbolji algoritam. Iterativno postavljanje segmentacijskih parametara omogućilo je detekciju najprikladnijih vrijednosti za generiranje segmentacijskog modela. Utvrđeno je da sjene mogu uzrokovati značajne probleme ako se klasificiranje vrši na visoko-rezolucijskim snimkama. Modificiranim Cohen’s kappa coefficient (K) pokazateljem izračunata je točnost konačnog modela od 87,38%. WV-3_MS se može smatrati kvalitetnim podatkom za detekciju šuma primorskih četinjača primjenom GEOBIA metode.

DELIMITAÇÃO DE VOÇOROCAS POR MEIO DE GEOBIA (Geographic Object Based Image Analysis) E MINERAÇÃO DE DADOS

Nos tempos atuais, com as medidas ambientais em evidência, é comum a discussão sobre melhores maneiras de obter informações cartográficas sobre as áreas degradadas. já que essas, são de suma importância para a efetividade de alguns programas como: Cadastro Ambiental Rural (CAR) e o Programa de Recuperação Ambiental (PRA).As degradações do solo, do tipo voçorocas, apresentam diversos prejuízos à natureza, pois possui estado irreversível, sendo possível somente sua recuperação parcial.O monitoramento destas áreas, bem como informações sobre as mesmas, é de suma importância para que se possa garantir o controle e definir métodos de conservação. Sob esta problemática este trabalho visa avaliar a eficiência de um procedimento de classificação, orientada, semiautomática (GEOBIA) em produtos cartográficos produzidos por Aeronaves Remotamente Pilotadas (ARP) para a delimitação de voçorocas. A utilização dos produtos cartográficos oriundos de ARP (Modelo Digital de Elevação e Ortoimagem Digital) se justifica devido ao baixo custo da ferramenta, bem como a potencialidade planialtimétrica.Os procedimentos foram realizados em duas áreas de estudo,situadas no município de Itajubá-MG. Nestas áreas foram definidos alguns pontos de controle e checagem para a classificação dos produtos cartográficos em relação ao Padrão de Exatidão Cartográfico Digital (PEC-PCD). Os produtos apresentaram classe A, para a escala 1/2.000. Foram determinados alguns parâmetros de segmentação para que se formassem segmentos fidedignos para cada área de estudo em específico, em seguida determinaram-se os atributos mais relevantes para a classificação e confecção da árvore de decisão de cada área. Na confecção da árvore de decisão utilizou-se o algoritmo C4.5.Os resultados foram satisfatórios a níveis de precisão (índice Kappa entre 0,88 e 0,92), tornando possível que as técnicas utilizadas em produtos cartográficos oriundos de ARP sejam uma ferramenta para delimitação de áreas degradadas do tipo voçoroca

Metodologia de análise de imagens baseada em objetos geográficos (GEOBIA) utilizando RPAS (drone) com sensor RGB

O presente trabalho apresenta um método para o mapeamento de vegetação, por um processo de classificação por regiões geográficas, denominado GEOBIA (Geographic Object-Based Image Analysis) considerado adequado para classificar imagens de muito alta resolução (very high resolution – VHR). É possível executar o procedimento com qualquer equipamento que disponha de um sensor RGB de boa qualidade e permita execução de aplicativos para plano de voo. O método foi desenvolvido com base em softwares de código aberto (open source) para evitar custos com licenças, em todas as etapas, desde a captação das imagens, elaboração de produtos cartográficos, processamento da classificação por regiões e conclusão mediante cálculos de áreas. O estudo foi aplicado em quatro áreas de interesse, todas na região da Grande Florianópolis-SC, contendo porções do ecossistema de Formações Pioneiras - Vegetação com Influência Marinha, também denominadas áreas de restinga, cujo principal alvo da classificação foi o mapeamento das áreas invadidas por Pinus sp. O método demonstrou útil para classificação de imagens em geral, podendo ser utilizado no manejo de outras espécies vegetais exóticas, ou até em outras aplicações ambientais.

Historical-cultural education functions of geosystems of specially protected nature areas on the example of the Pribaikalsky National Park

The paper considers the role of historical-cultural objects in the forming educational functions of geosystems. This task is essential for specially protected nature areas, where educational ecotourism activity is implemented. A model area is the Pribaikalsky National Park. We studied historical peculiarities of formation of the local natural complexes, socio-cultural and other anthropogenic processes that influenced the modern configuration of the park landscapes. The research revealed that various relief forms, geographic object location and vegetation have the primary role in determining the historical-cultural functions of geosystems. Modern socio-economic and tourist infrastructure, in contrast to old settlements, gravitates towards the local historical-cultural sites. The created geoinformation database includes different characteristics of the local historical-cultural objects. These are a type, location, availability, approximate historical time age and significance for educational tourism development. In the result we also presented a fragment of the schematic map of the historical-cultural, archaeological and other object significance for educational tourism on the one of the key plots of the Pribaikalsky National Park. The determining the historical-cultural functions of geosystems is important for assessment of the recreational potential of the territory and further mapping recreational and educational activity goals for national parks.

A Three-Dimensional Buffer Analysis Method Based on the 3D Discrete Global Grid System

Three-dimensional (3D) buffer analysis is among the basic functions of 3D spatial analysis, and it plays an important role in 3D geographic information systems. The rapid development of the 3D Discrete Global Grid System (DGGS) provides a new method for the 3D spatial analysis of geographic information. According to the spatial topology characteristics of the 3D DGGS and the concept of dimensionality reduction, a 3D buffer analysis method based on the spatial grid of the Earth system is proposed to solve the problem of the buffer algorithm of a space object being unsatisfactory at present. In this paper, we present a method to calculate the distance between cells based on the side length of the spherical grids according to the geometric characteristics of the grids. For the grids of a geographic object, we describe the Euclidean distance expansion algorithm and the radial elevation expansion algorithm that helped us to obtain its 3D buffer. Finally, in terms of algorithm complexity and visualization effect, compared with the traditional raster buffer algorithm, the method presented in this paper has lower complexity, an improved visualization effect, and stronger generality.

Exploration of Semantic Geo-Object Recognition Based on the Scale Parameter Optimization Method for Remote Sensing Images

Image segmentation is of significance because it can provide objects that are the minimum analysis units for geographic object-based image analysis (GEOBIA). Most segmentation methods usually set parameters to identify geo-objects, and different parameter settings lead to different segmentation results; thus, parameter optimization is critical to obtain satisfactory segmentation results. Currently, many parameter optimization methods have been developed and successfully applied to the identification of single geo-objects. However, few studies have focused on the recognition of the union of different types of geo-objects (semantic geo-objects), such as a park. The recognition of semantic geo-objects is likely more crucial than that of single geo-objects because the former type of recognition is more correlated with the human perception. This paper proposes an approach to recognize semantic geo-objects. The key concept is that a single geo-object is the smallest component unit of a semantic geo-object, and semantic geo-objects are recognized by iteratively merging single geo-objects. Thus, the optimal scale of the semantic geo-objects is determined by iteratively recognizing the optimal scales of single geo-objects and using them as the initiation point of the reset scale parameter optimization interval. In this paper, we adopt the multiresolution segmentation (MRS) method to segment Gaofen-1 images and tested three scale parameter optimization methods to validate the proposed approach. The results show that the proposed approach can determine the scale parameters, which can produce semantic geo-objects.

Detection of Banana Plants Using Multi-Temporal Multispectral UAV Imagery

Unoccupied aerial vehicles (UAVs) have become increasingly commonplace in aiding planning and management decisions in agricultural and horticultural crop production. The ability of UAV-based sensing technologies to provide high spatial (<1 m) and temporal (on-demand) resolution data facilitates monitoring of individual plants over time and can provide essential information about health, yield, and growth in a timely and quantifiable manner. Such applications would be beneficial for cropped banana plants due to their distinctive growth characteristics. Limited studies have employed UAV data for mapping banana crops and to our knowledge only one other investigation features multi-temporal detection of banana crowns. The purpose of this study was to determine the suitability of multiple-date UAV-captured multi-spectral data for the automated detection of individual plants using convolutional neural network (CNN), template matching (TM), and local maximum filter (LMF) methods in a geographic object-based image analysis (GEOBIA) software framework coupled with basic classification refinement. The results indicate that CNN returns the highest plant detection accuracies, with the developed rule set and model providing greater transferability between dates (F-score ranging between 0.93 and 0.85) than TM (0.86–0.74) and LMF (0.86–0.73) approaches. The findings provide a foundation for UAV-based individual banana plant counting and crop monitoring, which may be used for precision agricultural applications to monitor health, estimate yield, and to inform on fertilizer, pesticide, and other input requirements for optimized farm management.