elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Multimodal, multitemporal, and multisource global data fusion for local climate zones classification based on ensemble learning

Yokoya, Naoto und Ghamisi, Pedram und Xia, Junshi (2017) Multimodal, multitemporal, and multisource global data fusion for local climate zones classification based on ensemble learning. In: IEEE 2017 Geoscience and Remote Sensing Symposium (IGARSS), Seiten 1197-1200. IEEE Xplore. IGARSS, 2017-07-23 - 2017-07-28, Fort Worth, TX, USA. doi: 10.1109/IGARSS.2017.8127172. ISSN 2153-7003.

[img] PDF
664kB

Offizielle URL: http://ieeexplore.ieee.org/document/8127172/

Kurzfassung

This paper presents a new methodology for classification of local climate zones based on ensemble learning techniques. Landsat-8 data and open street map data are used to extract spectral-spatial features, including spectral reflectance, spectral indexes, and morphological profiles fed to subsequent classification methods as inputs. Canonical correlation forests and rotation forests are used for the classification step. The final classification map is generated by majority voting on different classification maps obtained by the two classifiers using multiple training subsets. The proposed method achieved an overall accuracy of 74.94% and a kappa coefficient of 0.71 in the 2017 IEEE GRSS Data Fusion Contest.

elib-URL des Eintrags:https://elib.dlr.de/118214/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Multimodal, multitemporal, and multisource global data fusion for local climate zones classification based on ensemble learning
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Yokoya, NaotoNaoto.Yokoya (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Ghamisi, PedramPedram.Ghamisi (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Xia, JunshiUniversity of Tokio, JapanNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Dezember 2017
Erschienen in:IEEE 2017 Geoscience and Remote Sensing Symposium (IGARSS)
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
DOI:10.1109/IGARSS.2017.8127172
Seitenbereich:Seiten 1197-1200
Verlag:IEEE Xplore
ISSN:2153-7003
Status:veröffentlicht
Stichwörter:Multimodal, multitemporal, multisource global data Fusion, local climate zones, ensemble learning techniques
Veranstaltungstitel:IGARSS
Veranstaltungsort:Fort Worth, TX, USA
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:23 Juli 2017
Veranstaltungsende:28 Juli 2017
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - SAR-Methoden, R - Optische Fernerkundung, R - Vorhaben hochauflösende Fernerkundungsverfahren (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > SAR-Signalverarbeitung
Hinterlegt von: Zielske, Mandy
Hinterlegt am:12 Jan 2018 15:04
Letzte Änderung:24 Apr 2024 20:22

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.