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

Improved crop classification using multitemporal RapidEye data

Beyer, Florian und Jarmer, Thomas und Siegmann, Bastian und Fischer, Peter (2015) Improved crop classification using multitemporal RapidEye data. In: 8th International Workshop on the Analysis of Multitemporal Remote Sensing Images (Multi-Temp), 2015, Seiten 1-4. IEEE Xplore. Analysis of Multitemporal Remote Sensing Images (Multi-Temp), 2015 8th International Workshop on the, 2015-07-22 - 2015-07-24, Annecy, Frankreich. doi: 10.1109/Multi-Temp.2015.7245780. ISBN 978-1-4673-7119-3.

[img] PDF - Nur DLR-intern zugänglich
1MB

Offizielle URL: http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7245780&punumber%3D7235770%26filter%3DAND%28p_IS_Number%3A7245742%29%26pageNumber%3D2

Kurzfassung

Land Use/Land Cover (LU/LC) of agricultural areas derived from remotely sensed data still remains very challenging. With regard to the rising availability and the improving spatial resolution of satellite data, multitemporal analyses become increasingly important for remote sensing investigations. Even crops with similar spectral behaviour can be separated by adding spectral information of different phenological stages. Hence, the potential of multi-date RapidEye data for classifying numerous agricultural classes was investigated in this study. In an agricultural area in Northern Israel two complete crop cycles 2013 and 2014 with two cultivation periods each were investigated. In order to avoid a high number of classification runs, a pre-procedure was tested to get the multitemporal data set which provides best spectral separability. Therefore, Jeffries-Matusita (JM) measure was used in order to obtain the best multitemporal setting of all available images within one cultivation period. Eight classifiers were applied to compare the potential of separating crops. The three algorithms Maximum Likelihood (ML), Random Forest (RF) and Support Vector Machine (SVM) outperformed by far the other classifiers with Overall Accuracies higher than 90 %. The processing time of ML and RF, however, was significantly shorter compared to SVM, in fact by a factor of five to seven.

elib-URL des Eintrags:https://elib.dlr.de/98767/
Dokumentart:Konferenzbeitrag (Poster)
Titel:Improved crop classification using multitemporal RapidEye data
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Beyer, Florianfbeyer (at) igf.uos.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Jarmer, Thomastjarmer (at) igf.uni-osnabrueck.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Siegmann, Bastianbsiegmann (at) igf.uos.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Fischer, PeterPeter.Fischer (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Juli 2015
Erschienen in:8th International Workshop on the Analysis of Multitemporal Remote Sensing Images (Multi-Temp), 2015
Referierte Publikation:Nein
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
DOI:10.1109/Multi-Temp.2015.7245780
Seitenbereich:Seiten 1-4
Verlag:IEEE Xplore
ISBN:978-1-4673-7119-3
Status:veröffentlicht
Stichwörter:crops;maximum likelihood estimation;remote sensing;support vector machines;vegetation mapping;JM;Jeffries-Matusita measure;LU-LC;ML;Northern Israel;RF;SVM;agricultural areas;agricultural classes;crop classification;crop cycles;cultivation period;cultivation periods;land use-land cover;maximum likelihood;multidate RapidEye data;multitemporal RapidEye data;multitemporal analyses;random forest;remote sensing investigations;remotely sensed data;satellite data;spatial resolution;support vector machine;Accuracy;Agriculture;Radio frequency;Remote sensing;Satellites;Soil;Support vector machines
Veranstaltungstitel:Analysis of Multitemporal Remote Sensing Images (Multi-Temp), 2015 8th International Workshop on the
Veranstaltungsort:Annecy, Frankreich
Veranstaltungsart:Workshop
Veranstaltungsbeginn:22 Juli 2015
Veranstaltungsende:24 Juli 2015
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
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > Photogrammetrie und Bildanalyse
Hinterlegt von: Fischer, Peter
Hinterlegt am:22 Okt 2015 15:52
Letzte Änderung:24 Apr 2024 20:04

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.