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

Assesing the spatial transferability of Random Forest models trained on the basis of the WSF3D dataset for cities

Gnana Prakash, Amita (2022) Assesing the spatial transferability of Random Forest models trained on the basis of the WSF3D dataset for cities. Masterarbeit, Hochschule für Technik Stuttgart.

[img] PDF
6MB

Kurzfassung

The main objective of this research is to evaluate if the Random Forest models trained on the basis of spatial metrics derived solely from the WSF3D dataset can be transferred from one city to another. Though with the increased availability of remotely sensed data, new machine learning techniques are constantly emerging for land use mapping, the challenges of collecting validation data and spatial transferability are yet to be addressed. The WSF3D dataset and the technique of "Dissimilarity Index" are used to address these challenges. The main factors allowing model transferability; the association between prediction accuracies and transferability of cities; and the morphological similarities existing between transferable cities are analysed. The "Area of Applicability" is identified, to make assessments for successfully transferring a model to areas where validation data is not available.

elib-URL des Eintrags:https://elib.dlr.de/186401/
Dokumentart:Hochschulschrift (Masterarbeit)
Titel:Assesing the spatial transferability of Random Forest models trained on the basis of the WSF3D dataset for cities
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Gnana Prakash, AmitaNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:29 April 2022
Referierte Publikation:Nein
Open Access:Ja
Seitenanzahl:138
Status:veröffentlicht
Stichwörter:World Settlement Footprint 3D Land Use Land Cover Land Use Mapping Remote Sensing Machine Learning Spatial Transferability Random Forest Spatial metrics Structural similarity, Urban Settlements, Class separability, Similarity Measures
Institution:Hochschule für Technik Stuttgart
Abteilung:Photogrammetry and Geoinformatics
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 - Geowissenschaftl. Fernerkundungs- und GIS-Verfahren, R - Fernerkundung u. Geoforschung
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Deutsches Fernerkundungsdatenzentrum > Dynamik der Landoberfläche
Hinterlegt von: Palacios Lopez, Daniela
Hinterlegt am:27 Jun 2022 09:14
Letzte Änderung:27 Jun 2022 09:14

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.