ارزیابی فواصل زمانی مناسب گونه ها برای ادغام داده های تله متری GPS در مدل های محدوده اکولوژیکی

Assessment of appropriate species-specific time intervals to integrate GPS telemetry data in ecological niche models

چکیده

1. مقدمه

2. مواد و روش ها

3. نتایج

4. بحث

5. نتیجه گیری

فهرست منابع

چکیده

     مدل های آشیان اکولوژیکی از داده های وجود صرف استفاده می کنند که غالباً تحت تاثیر فقدان عدم حضور واقعی منجر به سوگیری در نمونه برداری می شود. در دهه گذشته، در ادغام داده های رخداد حاصل از داده های دورسنجی سامانه های موقعیت یابی جهانی در مدل های آشیان اکولوژیکی و یا مدل های توزیع گونه ها روند افزایشی وجود داشته است. این نوع داده ها ممکن است تحت تاثیر خودهمبستگی پیاپی با فراوانی جابجایی بالا باشند، با این حال در مدل های آشیان اکولوژیکی با استفاده از فیلترهای جغرافیایی و تکنیک های زیرنمونه برداری به کار می روند. با این حال، تا امروز هیچ مطالعه ای در راستای نعیین روش شناسایی بازه زمانی مناسب برای یک گونه خاص در صورت تلفیق داده های رخداد دورسنجی GPS در چارچوب MaxEnt انجام نشده است. ما تکنیک مکانی دقیقی را با استفاده از مجموعه داده های معاصر قدرتمند مربوط به اوسلوت ها (Leopardus pardalis) برای ارزیابی بازه های زمانی مناسب جهت استفاده در مدل آشیان اکولوژیکی مختص گونه ها معرفی نمودیم. در این مطالعه، ما طیفی از بازه های زمانی روزانه (هر 0.5، 1 الی ۴، 6، ۸ و ۱۲ ساعت) را که معمولاً در مطالعات پستانداران گوشتخوار خشکی زی مورد استفاده قرار می گیرند ارزیابی نمودیم. ما مشاهده نمودیم که عملکرد پیشگویانه بازه های زمانی کوتاه تر ۲ ساعته با بازه های زمانی طولانی تر ۱۲ ساعته قابل مقایسه بود. این بازه های زمانی کوتاه تر حداقل مقدار داده ها را در مقایسه با 12 ساعت کمنر / بیشتر برآورد کزده بودند. این مطالعه نشان می دهد که با محاسبه خودهمبستگی پیاپی و انجام تحلیل های دقیق مکانی، دانشمندان می توانند بازه زمانی مناسب را برای ادغام داده های دورسنجی GPS در مدل های آشیان اکولوژیکی در MaxEnt شناسایی کنند. از این نتایج می توان در میان گونه های پرتحرک خشکی زی در مقیاس های مکانی مختلف استفاده نمود که به آگاهی افزایی درباره راهبردهای مدیریت گونه ها و یا حفاظت از گونه ها کمک خواهد نمود.

مواد و روش ها

سیستم مطالعه

     این مطالعه موردی بر روی موزاییکی > 250000 جریب اراضی شخصی و زمین های کشاورزی در شمال شرقی شهرستان ویلاسی و شرق شهرستان کندی در تگزاس (شکل 1) متمرکز می باشد که به طور خاص در تلاقی مناطق زیستی دشت ساحلی شنی، دره پایین ریو گراند و جزایر سدی لاگونا مادره و مرداب های ساحلی تگزاس واقع شده است (لئونارد و همکاران، ۲۰۲۰؛ لومباردی و همکاران، ۲۰۲۱). بخش کار میدانی مطالعه موردی در مزرعه السوز بنیاد شرق (1۱۳ کیلومتر مربع) در جنوب شرقی کندی و شمال شرقی شهرستان ویلاسی تگزاس آمریکا صورت گرفت. موازئیک پیرامونی اراضی شخصی از زمین های زراعی فعال، مزارع گاو، عملیات شکار با حصار کم، و شهرهای کوچک سان پرلیتا و بندر منسفیلد تشکیل شده بود. اقلیم منطقه نیمه خشک و نیمه گرمسیری (10 الی ۳۶ درجه سانتیگراد) با بارندگی بسیار نامنظم و خشکسالی های دوره ای بود (نوروین و کوروویلا، 2007). رخنمون های طبیعی این منطقه شامل تپه های شنی درون خشکی، تالاب های باتلاقی و ساحلی، کانال های آبیاری، چمنزارهای ساحلی، علفزارها و مناطق بزرگی از جوامع گیاهی چوبی متراکم است (لئونارد و همکاران، ۲۰۲۰، لومباردی و همکاران، 2021).

گردآوری داده های دورسنجی

     ما از مجموعه داده های دورسنجی معاصر حاصل از مطالعات قبلی درباره اوسلوت های بالغ دارای گردنبند (تعداد = ۸، 4 نر؛ ۴ ماده، جدول 1) استفاده نمودیم که از ژانویه ۲۰۱۴ تا جولای ۲۰۱۷ گردآوری شدند (لئونارد و همکاران، 2020؛ لومباردی و همکاران، 2021؛ ویلز و همکاران، 2022). ما حیوانات زنده را برای این مطالعه نگرفتیم، لطفاً برای مشاهده جزئیات خاص مربوط به پروتکل های نگهداری و جابجایی به لئونارد و همکاران (2020) و لومباردی و همکاران (2021) مراجعه نمایید. داده ها با استفاده از سامانه های موقعیت یابی جهانی (GPS) Minitrack و Litetrack لوتک (Lotek) و گردنبندهای GPS ماهواره ای ایریدیوم (Iridium) گردآوری شدند که از انواع بازه های زمانی بر اساس اهداف اولیه پروژه (یعنی هر 30 دقیقه الی 12 ساعت) استفاده گردید. دامنه زمانی داده های GPS به طور متوسط ۱۴۱ روز (بین ۷۰ الی ۲۸۰ روز) بوده و در تمام فصول سال می باشد.

طراحی مناظر معماری خیابان مبتنی بر IOT بی سیم و سیستم اطلاعات جغرافیایی (GIS)

Street architecture landscape design based on Wireless Internet of Things and GIS system

چکیده
1- مقدمه
2- آثار مرتبط
3- مواد و روش‌ها
3-1- استفاده از اینترنت اشیای بی‌سیم و GIS در معماری مناظر خیابان
3-2- GIS و مدیریت شبکه هوشمند
3-3- تحلیل ابعاد اینترنت اشیای بی‌سیم و کاربرد GIS در طراحی مناظر
4- نتیجه و بحث و گفتگو
5- نتیجه‌گیری
منابع

چکیده

زیرساختی که تحلیل مکانی را ارائه می‌دهد، شبیه سازی‌، پتانسیل عالی تجسم مناظر طبیعی و مصنوعی و شناخت جهانی استفاده از اینترنت اشیای بی‌سیم را بهتر درک می کند. دستگاه های معمول که پلتفرم آنها اینترنت اشیا است، در پردازش روزانه خود هوشمندانه‌تر، در ارتباطات روزانه قوی‌تر و هوشمندانه‌تر عمل می‌کنند. اینترنت اشیای بی‌سیم هنوز خواهان طراحی مناظرش می‌باشد. هنوز ، تأثیر آن صحنه ای را بررسی می‌کند که در آن اینترنت اشیای بی‌سیم و سیستم های GIS (سیستم اطلاعات جغرافیایی) به هم متصل شده اند تا به پیشرفت های شگفت‌انگیز دست یابند. اینترنت اشیای ‌بی‌سیم تحقیقات خاص معماری و منطقه مناظر معماری متداول را آغاز می کند. این روش برای مطالعات نقشه برداری خاک و سنجش از دور در سایر مناطق مهندسی برای به دست آوردن محدوده وسیعی از جبران خسارت آب و هوا استفاده می‌شود. اینترنت اشیای بی‌سیم، استفاده از سیستم های اطلاعات جغرافیایی را برای کاربردهای ژئوتکنیکی در خاک رواج می‌دهد. سیستم های اطلاعات جغرافیایی، اطلاعات زمین مرجعی را برای نمایش ، ذخیره ، جمع آوری و ایجاد داده های زمین مرجع از داده‌های موجود و تولید چند داده های مکانی گمشده براساس ویژگی های پیوست شده به آن، دستکاری می‌کنند. این سیستم به طور خلاصه کاربردهای مناظر معماری خیابان را معرفی می کند و یک محیط طراحی مناظر خیابان را برای اینترنت اشیای بی‌سیم و معماری سیستم GIS تبلیغ می‌کند. سیستم پیشنهادی به عنوان یک شی و GIS به عنوان فناوری شبکه ، به ویژه در طراحی هوشمند ، معماری خیابان و اتصال شبکه بی‌سیم مناظر توصیف می شود. این نمای کلی ارائه دهندگان شبکه های هوشمند است، ابتدا برای کمک به کشف برخی از مناظر ضروری، به اینترنت بی‌سیم و سیستم های اطلاعات جغرافیایی و نحوه استفاده از آن در معماری خیابان مجهز شده است.

1- مقدمه

اینترنت اشیای بی‌سیم به واسط بین افراد و سیستم ها برای ایجاد راه حل های مبتنی بر اینترنت کمک می کند. بر اساس مفهوم اینترنت اشیا، برنامه های «هوشمند» مختلف در اینترنت در زمینه‌های مختلف زندگی انسان، مانند کشاورزی و جنگلداری راه اندازی می‌شوند. بسیاری از دستگاه های متصل به شبکه سراسری به طور خودکار مدیریت بلادرنگ را توسط پردازنده کنترل از راه دور، کنترل می‌کنند تا کارهای معمول را روی «اشیاء» انجام دهند. این مفهوم برای ایجاد یک محیط باز در یک محیط امن، امکان دسترسی و شفافیت حسگر را فراهم می‌کند، در حالی که کیفیت ابر در پذیرش نقش اساسی دارد. بسیاری از این متخصصان مقدار داده های جمع آوری شده و تمایل به انبوهی و تراکم را برای تحلیل بهتر ابرهای از راه دور که منابع داده را تا حد ممکن نزدیک نشان نمی دهند، افزایش داده و به آنها اشاره کرده اند. به این ترتیب ، حسگرهای قانونمند در برخی موارد به ناچار تصمیمات مستقلی می گیرند. آنها داده های جمع آوری شده را پردازش می‌کنند و فقط «مهمترین» اطلاعات را ارسال می کنند. این حسگرها را می‌توان با دستگاهی که پیچیده ترین و هوشمندترین ترمینال را نامیده می‌شود، جایگزین کرد.

5- نتیجه‌گیری

طراحی مناظر با اینترنت اشیای بی سیم مبتنی بر ویژگی‌های شناسایی، هدایت، ارتباطات نزدیک و (سیستم اطلاعات جغرافیایی) GIS و زمینه های یکپارچه و ویژگی های جدیدی که در اینترنت به تصویر کشیده شده، ادغام شده و با دسترسی به منابع جدید با بینایی کامل، امکان پذیر است. تکامل معماری خیابان و طراحی چشم انداز به خلاقیت کاربر هنگام طراحی با برنامه های جدید بستگی دارد. اینترنت اشیای بی سیم یک فناوری جدید عالی برای تأثیرگذاری بر مناطق جدید تحویل داده بر اساس منابع محاسباتی لازم است تا مناظر و تغییرات اساسی تکاملی ایجاد کند. بر خلاف روش های سنتی ، این مدل پارامترهای فیزیولوژیکی خاک ، آب و هوا و گیاهان کنسرسیوم را برای برآورد زمان‌بندی آبیاری در سیستم آبیاری قطره ای در نظر می گیرد و عوامل موثر و ممکن را ایجاد می‌کند. این کار با در نظر گرفتن حسابداری جامع این پارامترها که قواعد آبیاری مناظر را قادر می سازد تا زمان بندی و تصمیم گیری علمی را در مورد سیستم های آبیاری قطره ای انجام دهند، امکان پذیر است. این فناوری مسئله استفاده از تجهیزات مربوط به گیاهان و تجهیزات نظارت و سیستم های آبیاری قطره ای ایستگاه هواشناسی را برای انجام آبیاری حل می کند. برنامه هایی که نیاز به آموزش ویژه را کاهش داده و منجر به توسعه یک سیستم خبره می شود.

Abstract

An infrastructure that provides geospatial analysis, better understands simulations, great potential for visualizing natural and artificial landscapes, and the universal recognition of the use of the Wireless Internet of Things. Everyday devices, whose platform is the Internet of Things, will be smarter in their daily processing, richer in their daily communication, and smarter. The Wireless Internet of Things still wants its landscape design. Still, its impact is already looking at the scene where the Wireless Internet of Things and GIS (Geographic Information System) systems were connected to make incredible advances. It opens up architecture-specific research and the usual architectural landscape area. It can be used for soil mapping studies and can be used for remote sensing in other engineering areas to obtain a wide range of weather compensation. It encourages the use of geographic information systems for geotechnical applications in soil. Geographic information systems can manipulate georeferenced information to be displayed, store, assemble and create georeferenced data from existing data, and generate multiple missing spatial data based on the attributes attached to it. The system briefly introduces street architecture landscape applications and promotes a street landscape design environment for Wireless Internet of Things and GIS system architecture. The proposed system is described as a thing and GIS as network technology, especially in smart design, street architecture and landscape wireless network connectivity. This is an overview of smart network providers, first to help explore some essential landscapes, equipped with wireless internet and geographic information systems, and how it is used in street architecture.

1- Introduction

The Wireless Internet of Things helps the interface between people and systems to create internet-based solutions. Based on the Things Internet concept, various “smart” applications on the internet can be set up in different human life areas, such as agriculture and forestry. Many devices connected to the overall network can automatically monitor real-time management by remote control processor to perform routine tasks on “things”. This concept allows sensor access and transparency to create an open environment in a secure environment, while cloud quality plays an essential role in acceptance. Many of these experts have increased and pointed out the amount of data collected and the tendency for mountains and condensation to better analyze remote clouds that do not reveal data sources as close as possible. As such, regular sensors inevitably make independent decisions in some cases. They process the collected data and processes it and sends only the “top” most important information. It can be replaced by a device that can be called the most complex and intelligent terminal.

5- Conclusion

Landscape design is integrated with feature-detecting, driving, nearcommunication-driven Wireless Internet of Things and (Geographic Information System) GIS and seamless backgrounds and new features depicted on the internet, enabled by access to new, vision-rich sources. The evolution of street architecture and landscape design relies on user creativity when designing new applications. The Wireless Internet of Things is a superior new technology for influencing new data delivery areas based on the computing resources needed to create evolutionary landscapes and revolutions. Unlike traditional methods, the model considers the physiological parameters of soil, climate and consortium plants to calculate the irrigation schedule in the drip irrigation system, making it possible and influencing factors. It is possible by considering the comprehensive accounting of these parameters that enables landscape irrigation norms to make timing and scientific decisions on drip irrigation systems’ operation. This solves the problem of using phytosanitary equipment and monitoring equipment and weather station drip irrigation systems to carry out irrigation programs that will reduce the need for special training and lead to the development of an expert system.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

طراحی مناظر معماری خیابان مبتنی بر IOT بی سیم و سیستم اطلاعات جغرافیایی (GIS)

Street architecture landscape design based on Wireless Internet of Things and GIS system

مدیریت فناوری-محور سازمان‌ های زیست محیطی با استفاده از یک سیستم اطلاعات مدیریت زیست محیطی (EMIS): طراحی و توسعه

Technology-based management of environmental organizations using an Environmental Management Information System (EMIS): Design and development

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

کاربرد EMIS در مدیریت مبتنی بر تکنولوژی سازمان‌ زیست محیطی

Technology-based management of environmental organizations using an Environmental Management Information System (EMIS): Design and development

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

استفاده از Lidar و GIS جهت بررسی مدیریت آب ‌و خاک در تراس های کشاورزی کاراکول، بلیز

Using Lidar and GIS to Investigate Water and Soil Management in the Agricultural Terracing at Caracol, Belize

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

بررسی مدیریت آب ‌و خاک در تراس های کشاورزی با استفاده از Lidar و سیستم اطلاعات جغرافیایی

Using Lidar and GIS to Investigate Water and Soil Management in the Agricultural Terracing at Caracol, Belize

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

برنامه ریزی فضایی بهینه شده برای مطابقت با اهداف پایداری بلند مدت

Optimised spatial planning to meet long term urban sustainability objectives

چکیده
1- مقدمه
2- روش شناسی
2-1- انتخاب و پارامترسازی اهداف پایدار
2-2- رویکرد تبرید شبیه سازی شده برای بهینه سازی فضایی
2-3- استخراج بهینه پارتو
3- نتایج و بحث
3-1- جبهه بهینه پارتو بین اهداف پایداری جفتی
3-2- راه حلهای بهینه پارتوی چند منظوره
3-3- عملکرد مجموعه های بهینۀ پارتو
3-4- مکانهای رتبه بندی شدۀ توسعه بهینه پارتو
4- نتایج

چکیده

شهرنشینی، خطرات زیست محیطی، و کمبود منابع، سه چالشی هستند که در صورتی که شهرها می خواهند به پایداری بیشتری برسند باید آنها را مد نظر داشته باشند. به هر حال، سیاستها و استراتژیهای توسعه فضایی اجرا شده برای دستیابی به هر یک از اهداف پایداری غالبا تصمیم گیرندگان را با مسئله بهینه سازی فضایی چندمنظوره مواجه می سازند. این مقاله یک چارچوب بهینه سازی فضایی پیشرفته را ارائه می دهد که مکان شهرکهای مسکونی آینده را در مقابل اهداف متعدد پایداری بهینه می سازد. این چارچوب برای یک مطالعه موردی در Middlesbrough در شمال شرقی انگلستان بکار برده شد. در این زمینه، این چارچوب پنج هدف پایداری را از محل مطالعه موردی ما بهینه می سازد: (i) به حداقل رساندن خطر امواج گرما، (ii) به حداقل رساندن خطر حوادث سیل و طوفان، (iii) به حداقل رساندن هزینه مسافرت برای کاهش جریان حمل و نقل، (iv) به حداقل رساندن گسترش پراکندگی شهری و (v) جلوگیری از توسعه فضاهای سبز. در اینجا یک سری از پیکره بندیهای فضایی بهینه از استراتژیهای توسعه آینده ارائه می شوند. نتایج استراتژیهایی را مقایسه می کنند که در مقابل اهداف فردی، زوجی و متعدد پایداری قرار دارند، بطوریکه هر یک از این استراتژیهای بهینه همه استراتژیهای توسعه دیگر را دست کم در یک هدف پایداری اجرا می کنند. علاوه براین، استراتژیهای فضایی حاصل به طرز قابل توجهی استراتژی اعتبار محلی کنونی را برای همه اهداف ، به عنوان مثال با بهبود نسبی تا 68% در عملکرد فاصله با CBD اجرا می کنند. بر اساس این نتایج، این نشان می دهد که بهینه سازی فضایی می تواند یک ابزار قدرتمند برای پشتیبانی از تصمیم گیری قراهم آورد که به برنامه ریزان در شناسایی استراتژیهای توسعه فضایی کمک می کند تا اهداف پایداری متعددی را برآورده سازند.

طرحهای توسعه حاصل روند توسعه کنونی را درحالیکه توسط مقامات محلی تعیین شده به نحو احسن اجرا می کنند. استفاده از رویکرد بهینه پارتو یک مجموعه غنی از اطلاعات تشخیصی را در مورد مبادلات ممکن فراهم می آورد که دارای پتانسیل داشتن یک ابزار فضایی پشتیبانی از تصمیم گیری می باشد. این طرحهای فضایی بهینه یک زیرمجموعه از اهداف برنامه ریزی ممکن را شناسایی می کنند که در صورتیکه با اهداف برنامه ریزی کیفی دیگری در نظر گرفته شوند می توانند برای اطلاع رسانی تصمیمات نهایی برنامه ریزی مورد استفاده قرار گیرند. قدرت اصلی این رویکرد در توانایی آن برای ارائه ارزیابیهای هر هدف همراه با الگوی فضایی حاصل از توسعه می باشد. استخراج پیکره بندیهای فضایی بهینه پارتوی غیرمغلوب بین جفتهای اهداف پایداری یک توصیف عینی و کیفی واضح از تناقضهای بین اهداف پایداری مورد بررسی را برای برنامه ریزان فراهم می آورد. نتایج بهینه سازی پارتو ، پیکره بندیهای فضایی را در مجموعه کاملی از اهداف فراهم می آورد که دارای بهترین مبادلات ممکن در همه اهداف می باشند و تعدادی از بهترین استراتژیهای توسعه از معیار مورد بررسی را برای برنامه ریزان فراهم می آورند.

Abstract

Urbanisation, environmental risks and resource scarcity are but three of many challenges that cities must address if they are to become more sustainable. However, the policies and spatial development strategies implemented to achieve individual sustainability objectives frequently interact and conflict presenting decision-makers a multi-objective spatial optimisation problem. This work presents a developed spatial optimisation framework which optimises the location of future residential development against several sustainability objectives. The framework is applied to a case study over Middlesbrough in the North East of the United Kingdom. In this context, the framework optimises five sustainability objectives from our case study site: (i) minimising risk from heat waves, (ii) minimising the risk from flood events, (iii) minimising travel costs to minimise transport emissions, (iv) minimising the expansion of urban sprawl and (v) preventing development on green-spaces. A series of optimised spatial configurations of future development strategies are presented. The results compare strategies that are optimal against individual, pairs and multiple sustainability objectives, such that each of these optimal strategies out-performs all other development strategies in at least one sustainability objective. Moreover, the resulting spatial strategies significantly outperform the current local authority strategy for all objectives with, for example, a relative improvement of up to 68% in the performance of distance to CBD. Based on these results, it suggests that spatial optimisation can provide a powerful decision support tool to help planners to identify spatial development strategies that satisfy multiple sustainability objectives.

Resulting development plans significantly outperform the current development trend as set out by the local authority. The use of the Pareto-optimal approach provides a rich set of diagnostic information on the possible trade-offs, with the potential to constitute a spatial decision support tool. These optimal spatial plans identify a sub-set of possible planning objectives that, if considered with other qualitative planning objectives, can be used to inform final panning decisions. A major strength of this approach is the ability to present assessments of each objective alongside the resulting spatial pattern of development. Extraction of non-dominated Pareto-optimal spatial configurations between pairs of sustainability objectives provides planners with a clear quantitative and visual characterisation of the potential conflicts present between the sustainability objectives investigated. The results of the Pareto-optimisation over the entire set of objectives provide the spatial configurations which have the best possible trade-offs across all objectives, providing planners with a number of best case development strategies for the criteria investigated.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

برنامه ریزی فضایی بهینه شده برای مطابقت با اهداف پایداری بلند مدت

Optimised spatial planning to meet long term urban sustainability objectives

تشخیص ناهنجاری فراطیفی بوسیله فیلتر عبوری دو بعدی مرتبه بالا

Fast Hyperspectral Anomaly Detection via High-Order 2-D Crossing Filter

چکیده

1 . مقدمه

2 . آثار مرتبط

3 . تشخیص دهنده ناهنجاری مبتنی بر عبور دو بعدی (2DCAD)

A . تجزیه و تحلیل عبور دو بعدی مرتبه بالا

B . عبور دو بعدی مرتبه بالا برای تشخیص ناهنجاری

4 . آزمایشات

A . مجموعه داده ها

B . راه اندازی تجربی

C . مقایسه نتایج

D . مقایسه زمان های اجرا

E . بحث پارامتری

F . استحکام و نویز

5 . نتیجه گیری

چکیده

تشخیص ناهنجاری در تحلیل فراطیفی تصاویر موضوعی مهم می باشد. این روش برخی مواقع به روش های تشخیص هدف های دارای اولویت ترجیح داده می شود، چون نیازمند هیچ اطلاعات اولیه ای برای موضوعات مطلوب ما نمی باشد. در این زمینه تلاش های بسیاری صورت گرفته است. با این حال، آنها معمولا از هزینه زمانی بیش از حد و نرخ مثبت کاذب بالا رنج می برند. دو مشکل اصلی که منجر به چنین وضع نامساعدی می شود وجود دارد. اولا، ساختار مدل پس زمینه و برآورد وابستگی اغلب بیش از حد پیچیده هستند. دوما، بیشتر این روش ها باید فرضی دقیق در توزیع طیف پس زمینه ایجاد کنند؛ با این حال، این فرضیات نمی توانند برای همه ی شرایط عملی به کار روند. براساس این نظریات، این مقاله روشی جدید برای تشخیص سریع و در عین حال دقیق ناهنجاری فرا طیفی در سطح پیکسل ارائه داده است. کارهای انجام شده در این مقاله: 1) ساختار روش عبوری دو بعدی مرتبه بالا نواحی تغییر سریع را در طیف پیدا می کند، که بدون هیچ فرض اولیه ای اجرا می شود؛ و 2) طراحی چارچوبی برای تفکیک پذیری پیچیدگی کم به منظور تشخیص سریع ناهنجاری فرا طیفی، که می تواند توسط مجموعه ای از اپراتورهای فیلتر گذاری با تابع هزینه زمانی خطی اجرا شود. آزمایشات بر روی سه تصویر فرا طیفی مختلف که شامل چندین ناهنجاری در سطح پیکسل انجام شده که برتری تشخیص دهنده ارائه شده را در مقایسه با روش های سنجشی نشان می دهد.

1 . مقدمه

سیستم های تصویربرداری فرا طیفی توانایی جمع آوری تصاویر دیجیتال با نمونه گیری متراکم یا طیف درخشندگی تاحدی پیوسته برای هر پیکسل در صفحه نمایش دارند. اطلاعات بدست آمده در رابطه با اثرات طیفی می تواند به تشخیص تفاوت های جزئی بین مواد مختلف کمک کند. این مشخصه، تصاویر فرا طیفی را قادر می سازد تا برای طیف گسترده ای از کاربردها مفید باشند. برای مثال، این مشخصه ها قبلا با موفقیت در نظارت بر محیط زیست [1]، بررسی کیفیت تولید[2]، تصویربرداری پزشکی[3]، تحلیل بیولوژیکی [4] و غیره بکار رفته اند.

5 . نتیجه گیری

ناهنجاری های موجود در تصویر فراطیفی اغلب نشان دهنده وقایع حیاتی هستند که باید در بررسی شوند. بنابراین قابلیت اطمینان در تشخیص این ناهنجاری ها در صنعت و دانشگاه بسیار مهم می باشد. در این راستا، تشخیص دهنده های فرا طیفی مرسوم عملکردی رضایت بخش ندارند به دلیل اینکه هزینه های زمانی FPRها بیش از حد بالا است. در این مقاله، یک تشخیص دهنده ناهنجاری فراطیفی جدید بر اساس فرمول تحلیل عبور دو بعدی مرتبه بالا پیشنهاد شده است. تشخیص دهنده پیشنهادی 2DCAD نامیده می شود، که می تواند برای بررسی سریع آزمایش پیکسل ها با توجه به همسایگانشان، بدون از دست دادن دقت اجرا شود.

Abstract

Anomaly detection has been an important topic in hyperspectral image analysis. This technique is sometimes more preferable than the supervised target detection because it requires no a priori information for the interested materials. Many efforts have been made in this topic; however, they usually suffer from excessive time cost and a high false-positive rate. There are two major problems that lead to such a predicament. First, the construction of the background model and affinity estimation are often overcomplicated. Second, most of these methods have to impose a stringent assumption on the spectrum distribution of background; however, these assumptions cannot hold for all practical situations. Based on this consideration, this paper proposes a novel method allowing for fast yet accurate pixel-level hyperspectral anomaly detection. We claim the following main contributions: construct a high-order 2-D crossing approach to find the regions of rapid change in the spectrum, which runs without any a priori assumption; and design a low-complexity discrimination framework for fast hyperspectral anomaly detection, which can be implemented by a series of filtering operators with linear time cost. Experiments on three different hyperspectral images containing several pixel-level anomalies demonstrate the superiority of the proposed detector compared with the benchmark methods.

I. INTRODUCTION

HYPERSPECTRAL imaging systems have the ability to collect digital images with very densely sampled or nearly continuous radiance spectra for each pixel in the scene. The captured rich information about the spectral signatures can help identify minor differences between various materials. This characteristic enables hyperspectral images to be beneficial to a wide range of applications. For example, they have already been successfully applied to environmental monitoring [1], production quality inspection [2], medical imaging [3], biological analysis [4], etc.

V. CONCLUSION

Anomalies in the hyperspectral image often represent crucial occurrences worthy of further investigation. Therefore, reliably detecting these anomalies is important in both academia and industry. In this regard, traditional hyperspectral anomaly detectors are far from satisfying due to their excessive time costs and high FPRs. In this paper, a novel hyperspectral anomaly detector has been proposed based on the formulation of the high-order 2-D crossing analysis. The proposed detector is termed 2DCAD, which can allow for fast examination of the testing pixels with respect to their neighborhoods, without losing accuracy.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص ناهنجاری فراطیفی بوسیله فیلتر عبوری دو بعدی مرتبه بالا

Fast Hyperspectral Anomaly Detection via High-Order 2-D Crossing Filter

اسکن لیزر هوایی با چند طول موج برای جستجوی آثار باستانی

MULTI-WAVELENGTH AIRBORNE LASER SCANNING FOR ARCHAEOLOGICAL PROSPECTION

Abstract

Airborne laser scanning (ALS) is a widely used technique for the sampling of the earth’s surface. Next to the widely used geometric information current systems provide additional information about the signal strength of each echo. In order to utilize this information, radiometric calibration is essential. As a result physical observables that characterise the backscatter characteristic of the sensed surface are available. Due to the active illumination of the surfaces these values are independent of shadows caused by sunlight and due to the simultaneously recorded 3D information a single-channel true orthophoto can be directly estimated from the ALS data. By the combination of ALS data utilizing different laser wavelengths a multi-wavelength orthophoto of the scene can be generated. This contribution presents, next to the practical calibration workflow, the radiometric calibration results of the archaeological study site Carnuntum (Austria). The area has been surveyed at three different ALS wavelengths within a very short period of time. After the radiometric calibration of each single ALS wavelength (532 nm, 1064 nm and 1550 nm) a multi-channel ALS orthophoto is derived. Subsequently, the radiometric calibration results of the single- and multi-wavelength ALS data are studied in respect to present archaeological features. Finally, these results are compared to the radiometric calibration results of an older ALS data acquisition campaign and to results of a systematic air photo interpretation.

نظارت بر کاشت برنج شالی الگوی کشت پیچیده در مناطق گرمسیر و مرطوب با استفاده از داده های ماهواره Landsat و MODIS در مورد جاوای غرب، اندونزی

Monitoring Of Planting Paddy Rice With Complex Cropping Pattern In The Tropical Humid Climate Region Using Landsat And Modis Data – A Case Of West Java, Indonesia

چکیده
1 مقدمه
1 -2 اهداف
1 -3 محل مورد مطالعه
2 -روش ها
2 -1 تبعیض از استفاده از زمین
2 -2 برآورد زمان کاشتن برنج
3 -نتایج و بحث
3 -1 ارزیابی تفاضل استفاده از زمین
3 -2 بررسی و برآورد زمان کاشت برنج
3 -3 ویژگیهای تغییرات در کاشت برنج
4 – نتیجه گیری

چکیده
این مطالعه با هدف توسعه روش نظارت بر کاشت برنج شالی، قابل اجرا برای مناطق واقع در نواحی گرمسیری و مرطوب است این روش با استفاده دو مرحله یکپارچه شده است به عنوان قدم اول، ما اقدام به تولید نقشه استفاده از زمین نموریم که بین مزرعه شالیکاری با استفاده از داده های چند زمانی ماهواره Landsat تمایز قائل می شد به منظور حذف اثر پوشش ابر، روش جدیدی برای طبقه بندی استفاده از زمین معرفی شد این روش پنج شاخص را به کار میگیرد، که می تواند شرایط خاص از سطح زمین در خاک، پوشش گیاهی و آب را نشان دهد که حاصل از داده های ماهواره Landsat است و برای استفاده از زمین با استفاده از مقادیر حداکثر شاخص ها برای صحنه های چندزمانی تمایز قائل شده است نتایج بهبود معنی داری را در دقت تمایز در مقایسه با نسبت به روش مرسوم طبقه بندی برای استفاده از زمین با استفاده از اطلاعات طیفی داده های ماهواره Landsat نشان داد مزرعه شالیکاری استخراج شده توسط این مرحله به عنوان داده ماسک برنج شالی در مرحله بعدی استفاده می شود گام دوم ساخت به روش قضاوت زمان کشت برنج با استفاده از داده های MODIS است.
در این مطالعه، ما سری زمانی هم از EVI (بهبود شاخص پوشش گیاهی) و NDWI (شاخص تفاوت آب نرمال شده) به دست آمده از ترکیب 16 روزه مجموعه داده محصول پوشش گیاهی MODIS را در ترکیب با اطلاعات آماری به دست آمده از ادارات اداری محلی را مورد بررسی قرار میدهیم ما یک طرح را ایجاد میکنیم که می تواند محل کاشت برنج شالی را پس از حدود دو ماه پس از کاشت برآورد نماید نتایج قابلیت شناسایی زمان کاشت برنج برای بخش گسترده ای از غرب جاوا را با استفاده از داده های MODIS و با کمک تجزیه و تحلیل الگوی انتقال از مکانی به ناحیه کاشت برای سال اخیر نشان داد
1 مقدمه
1-1 زمینه
سنجش از راه دور ماهواره ابزار قدرتمند برای نظارت بر تغییرات وضعیت سطح زمین از قابلیت های آن ازمشاهده متناوب بر روی همان محل است تغییرات فصلی سطح زمین با نوع استفاده از زمین ارتباط دارد، به خصوص استفاده از زمین های کشاورزی، بنابراین، نظارت بر کشت محصول خاص، هدف کاربرد سنجش از راه دور است برنج مهم ترین محصول غذایی به طور گسترده ای در مناطق گرمسیری تا منطقه آب و هوایی معتدل کشت میشود و تعدادی از تحقیقات برای برآورد حالت کاشت برنج با استفاده از داده های سنجش از دور انجام شده است
نقشه برداری از مزرعه شالیکاری یک هدف با استفاده
4- نتیجه گیری
نظارت بر استفاده از زمین برای کشاورزی در مقیاس منطقه ای یکی از کاربردهای مورد انتظار در برنامه های کنترل از راه دور است. با این حال ، منطقه آب و هوایی گرمسیری و مرطوب منطقه به سختی در این کاربرد قرار می گیرد که به علت وجود الگوی کشت پیچیده و نیز احتمال بالای پوشش ابر است. این مطالعه ، روش استفاده از تمایز زمین با استفاده از داده های چند زمانی ماهواره Landsat را پیشنهاد نموده و عملکرد خود را برای مورد بخش غربی از جاوا، اندونزی تایید نموده است. منطقه شالیکاری استخراج شده از داده های ماهواره Landsat یک نقشه پایه برای طرح نظارت بر زمان کاشت برنج با استفاده از داده های MODIS است. این طرح نتایج امیدوار کننده ای را برای تجزیه و تحلیل واقعی زمان-مکان به همراه آورده است.

Abstract

This study aimed at the development of method of monitoring paddy rice planting applicable to areas located in the tropical humid climate region. The method was integrated with two steps of procedure. As the first step, we attempted to produce land use map which discriminated paddy field using multi-temporal Landsat data. In order to remove the effect of cloud cover, a new method of land use classification was introduced. This method employed five indices, which could represent the specific condition of ground surface on soil, vegetation or water, derived from Landsat data, and discriminated land use by using maximum values of indices for multi-temporal scenes. The results showed meaningful improvement in accuracy of discrimination compared to conventional method of land use classification using spectral information of Landsat data. Paddy field extracted by this step was used as paddy mask data in the following step. The second step was to construct a method to judge the time of rice planting using MODIS data. In this study, we examined the time series of EVI (Enhance Vegetation Index) and NDWI (Normalized Difference Water Index) obtained from 16-day composite MODIS vegetation product dataset in combination with statistical information obtained from local administrative offices. We developed a scheme that could estimate the place of paddy rice planting after about two months from planting. The results showed a capability of identifying time of planting rice for extensive part of West Java using MODIS data and contributed to analyze the pattern of spatial transition of area of planting for recent years.

1- INTRODUCTION

1-1 Background

Satellite remote sensing is a powerful tool to monitor the changes of land surface conditions from its capability of periodical observation over the same site. Seasonal changes of land surface are associated with land use type, especially agricultural land use, therefore, monitoring of cultivation of specific crop was a target of application of remote sensing. Rice is the most significant staple food crop cultivated widely in the tropical to temperate climate region, and a number of researches had been carried out to estimate state of rice planting using remote sensing data.

4- CONCLUSIONS

Monitoring of agricultural land use for regional scale is one of the most expecting applications of remote sensing techniques. However, tropical humid climate region is the area of difficulty in this application due to existence of complex cropping pattern as well as high probability of cloud cover. This study proposed a method of land use discrimination using multi-temporal Landsat data and verified its performance for the case of western part of Java, Indonesia. Paddy field area extracted from Landsat data became a base map employed to a scheme of monitoring rice planted time using MODIS data. This scheme brought promising results for analyzing actual spatio-temporal feature of paddy rice planting..

نگاشت از آلودگی های فلزات سنگین در رسوبات رودخانه با ژئوشیمی ترکیبی، طیف سنجی میدان و سنجش از دور ابرطیفی: مطالعه موردی منطقه معدن رودالکیلار، SE اسپانیا

Mapping of heavy metal pollution in stream sediments using combined geochemistry, field spectroscopy, and hyperspectral remote sensing: A case study of the Rodalquilar mining area, SE Spain

چکیده

1- مقدمه

2- سابقه و هدف

2-1 مکانیزم اتصال فلزات سنگین بر روی مواد معدنی

3- شرح منطقه مورد مطالعه

4- مواد و روش ها

4-1 مجموعه داده های زمینی

4-1-1 داده های تجربی

4-1-2 استنتاج پارامترهای طیفی

4-1-3 پردازش آماری

4-1-4 نقشه برداری مجموعه داده های زمین

4-2 مجموعه داده تصویر

4-2-1 تصویر HyMAP

4-2-2 درجه تشابه طیفی بین تصویر HyMAP و داده های طیف سنج میدانی

4-2-3 شباهت پارامترهای طیفی بین تصویر و مجموعه داده های زمین

4-2-4 طبقه بندی تصویر HyMAP بر اساس پارامترهای طیفی

5- نتایج و بحث

5-1 رابطه بین پارامترهای طیفی و غلظت های فلز سنگین

5-1-1 غلظت های فلز سنگین

5-1-2 پارامترهای طیفی

5-1-3 همبستگی آماری با مقادیر ژئوشیمیایی و پارامترهای طیفی

5-1-4 مقایسه الگوهای توزیع مکانی

5-1-5 روابط کمیتی

5-2 کاربرد پارامترهای طیفی برای یک تصویر HyMAP

5-2-1 شباهت طیفی

5-2-2 مقایسه بین پارامتر طیفی زمینی و به دست آمده از- تصویر

5-2-3 الگوهای توزیع مکانی پیکسل های تصویر طبقه بندی شده

6- نتیجه گیری

چکیده

هدف از این مطالعه، استخراج پارامترها از تغییرات طیفی مرتبط با فلزات سنگین در خاک و بررسی امکان گسترش استفاده از این پارامترها برای تصاویر ابرطیفی و نقشه برداری از توزیع مناطق تحت تاثیر فلزات سنگین بر اساس داده های HyMAP است. تغییرات در ویژگی های جذب طیفی شبکه OH و اکسیژن در سطح مواد معدنی ناشی از ترکیبی از فلزات مختلف سنگین به غلظت های واقعی فلزات سنگین مرتبط بوند. نسبت 610 به 500 نانومتر (R610،500 nm) در طیف مرئی و نزدیک-مادون قرمز (VNIR) ، منطقه جذب در 2200 نانومتر (Area2200 nm)، و عدم تقارن ویژگی جذب در 2200 نانومتر (Asym2200nm), ارتباط های معنی داری را به ترتیب با غلظت های سرب، روی، و آرسنیک نشان دادند. نقشه های شیب طیفی حاصل, الگوهای فضایی مشابه با نقشه های شیب ژئوشیمیایی را نشان دادند. پارامترهای طیفی استنتاج شده از-زمین, یک رابطه کمیتی قابل اعتماد با سطوح فلزات سنگین را بر اساس رگرسیون خطی چندگانه نشان دادند. برای بررسی امکان سنجی استفاده از این پارامترها برای یک تصویر HyMAP، پارامترهای طیفی به دست آمده از- تصویر با پارامترهای به دست آمده از-زمین از نظر R2، آنالیز واریانس یک طرفه، و الگوهای فضایی در نقشه شیب مقایسه شدند. پارامترهای R1344،778nm و Area2200 nm, ارتباط ضعیفی بین دو مجموعه داده (R2 >0.5) را نشان دادند و جمعیت های مقادیر پارامتر طیفی، Depth500nm ، R1344،778nm و Area2200nm به دست آمده از پیکسل های تصویر, با جمعیت های پارامترهای طیفی به دست آمده از-زمین در امتداد یک بخش از کانال جریان قابل مقایسه بودند. پیکسل های طبقه بندی شده در تصویر قاعده Depth500 nm، R1344،778nm وnm Area2200 به دست آمده از یک تصویر HyMAP, الگوهای فضایی شبیه به نقشه های شیب پارامترهای طیفی به دست آمده از-زمین را نشان دادند. نتایج, قابلیت کاربرد بالقوه پارامترهای به دست آمده از ویژگی های جذب طیفی را در غربالگری و نقشه برداری توزیع فلزات سنگین نشان می دهند. اصلاح تفاوت ها در قدرت تفکیک طیفی و مکانی بین زمین و طیف تصویر باید برای نقشه برداری کمیتی و بازیابی غلظت فلزات سنگین از تصاویردر HyMAP نظر گرفته شود.

6- نتیجه گیری

در برآورد فلزات سنگین، و همچنین گسترش استفاده از آنها برای داده های تصویر در نقشه برداری توزیع فلزات سنگین به عنوان یک گام اولیه برای بازیابی فلزات سنگین از پارامترهای طیفی به دست آمده از-تصویر و نقشه برداری کمیتی توزیع آنها, این مطالعه, امکان استفاده از شاخص های طیفی به دست آمده از نمونه میدانی را مورد بررسی قرار داد. پارامترهای به دست آمده از طیف های نمونه های رسوبات به فلزات سنگین در ارتباط بودند و برای تصاویر HyMAP گسترش یافتند. از تغییرات در ویژگی های جذب طیفی از ROH (R: Al, Si, Mn, Fe, etc.) و RO (یعنی FeO) در سطوح معدنی، Depth500 nm, R610,500 nm, and R1344,778 nm در طیف VNIR و Depth2200 nm, Area2200 nm, and Asym2200 nm در محدوده SWIR به عنوان پارامترهای طیفی مرتبط با فلزات سنگین، بر اساس نظریه واکنش های فلزی متصل کننده استخراج شدند. پارامترهای طیفی به دست آمده از-زمین R610,500 nm, Asym2200 nm, و Area2200 nm به ترتیب ارتباطات آماری معنی دار را با سرب، آرسنیک، و روی و نیز الگوهای مکانی مشابه بر روی نقشه وارد شده را نشان دادند. این نتیجه نشان می دهد که مقادیر پارامتر طیفی به طور مستقیم به فلزات سنگین مرتبط می شوند و می توان آنها را برای نمایش بر روی نقشه استفاده نمود. علاوه بر این، ماهیت قابل اطمینان نتایج به دست آمده توسط رگرسیون های خطی چندگانه (به طور کلی، R2 >0.5, RPDN1.3 و SEE<0.4) بین پارامترهای طیفی به دست آمده از-زمین و غلظت های فلز سنگین, امکان بازیابی غلظت های فلز سنگین از پارامتی های ویژگی جذب طیفی را نشان می دهند.

Abstract

The aim of this study is to derive parameters from spectral variations associated with heavy metals in soil and to explore the possibility of extending the use of these parameters to hyperspectral images and to map the distribution of areas affected by heavy metals on HyMAP data. Variations in the spectral absorption features of lattice OH and oxygen on the mineral surface due to the combination of different heavy metals were linked to actual concentrations of heavy metals. The ratio of 610 to 500 nm (R610,500 nm) in the visible and near-infrared (VNIR) range, absorption area at 2200 nm (Area2200 nm), and asymmetry of the absorption feature at 2200 nm (Asym2200 nm) showed significant correlations with concentrations of Pb, Zn, and As, respectively. The resulting spectral gradient maps showed similar spatial patterns to geochemical gradient maps. The ground-derived spectral parameters showed a reliable quantitative relationship with heavy metal levels based on multiple linear regression. To examine the feasibility to applying these parameters to a HyMAP image, image-derived spectral parameters were compared with ground-derived parameters in terms of R2, one-way ANOVA, and spatial patterns in the gradient map. The R1344,778 nm and Area2200 nm parameters showed a weak relationship between the two datasets (R2 > 0.5), and populations of spectral parameter values, Depth500 nm, R1344,778 nm, and Area2200 nm derived from the image pixels were comparable with those of ground-derived spectral parameters along a section of the stream channel. The pixels classified in the rule image of Depth500 nm, R1344,778 nm, and Area2200 nm derived from a HyMAP image showed similar spatial patterns to the gradient maps of ground-derived spectral parameters. The results indicate the potential applicability of the parameters derived from spectral absorption features in screening and mapping the distribution of heavy metals. Correcting for differences in spectral and spatial resolution between ground and image spectra should be considered for quantitative mapping and the retrieval of heavy metal concentrations from HyMAP images.

6- Conclusions

This study examined the possible use of spectral indicators obtained from a field sample in estimating heavy metals, as well as extending their use to image data in mapping heavy metal distributions as an initial step to retrieving heavy metals from image-derived spectral parameters and quantitatively mapping their distribution. Parameters derived from the spectra of sediment samples were linked to heavy metals and extended to HyMAP images. From variations in the spectral absorption features of ROH (R: Al, Si, Mn, Fe, etc.) and RO (i.e., FeO) at mineral surfaces, Depth500 nm, R610,500 nm, and R1344,778 nm in the VNIR range and Depth2200 nm, Area2200 nm, and Asym2200 nm in the SWIR range were derived as spectral parameters associated with heavy metals, based on the theory of metal binding reactions. The ground-derived spectral parameters R610,500 nm, Asym2200 nm, and Area2200 nm showed statistically significant relationships with Pb, As, and Zn, respectively, as well as similar spatial patterns on the compiled maps. This result indicates that spectral parameter values are directly related to heavy metals, and can be used to screen them on a map. Moreover, the reliable nature of results obtained by multiple linear regressions (generally, R2 N0.5, RPDN1.3, and SEEb0.4) between the ground-derived spectral parameters and heavy metal concentrations indicates the feasibility of retrieving heavy metal concentrations from spectral absorption feature parameters.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

نگاشت از آلودگی های فلزات سنگین در رسوبات رودخانه با ژئوشیمی ترکیبی، طیف سنجی میدان و سنجش از دور ابرطیفی: مطالعه موردی منطقه معدن رودالکیلار، SE اسپانیا

Mapping of heavy metal pollution in stream sediments using combined geochemistry, field spectroscopy, and hyperspectral remote sensing: A case study of the Rodalquilar mining area, SE Spain

ارزیابی اثربخشی روشهای درخت تصمیم برای طبقه بندی پوشش زمین

An assessment of the effectiveness of decision tree methods for land cover classification

Abstract

Choice of a classification algorithm is generally based upon a number of factors, among which are availability of software, ease of use, and performance, measured here by overall classification accuracy. The maximum likelihood (ML) procedure is, for many users, the algorithm of choice because of its ready availability and the fact that it does not require an extended training process. Artificial neural networks (ANNs) are now widely used by researchers, but their operational applications are hindered by the need for the user to specify the configuration of the network architecture and to provide values for a number of parameters, both of which affect performance. The ANN also requires an extended training phase.

In the past few years, the use of decision trees (DTs) to classify remotely sensed data has increased. Proponents of the method claim that it has a number of advantages over the ML and ANN algorithms. The DT is computationally fast, make no statistical assumptions, and can handle data that are represented on different measurement scales. Software to implement DTs is readily available over the Internet. Pruning of DTs can make them smaller and more easily interpretable, while the use of boosting techniques can improve performance.

In this study, separate test and training data sets from two different geographical areas and two different sensors—multispectral Landsat ETM+ and hyperspectral DAIS—are used to evaluate the performance of univariate and multivariate DTs for land cover classification. Factors considered are: the effects of variations in training data set size and of the dimensionality of the feature space, together with the impact of boosting, attribute selection measures, and pruning. The level of classification accuracy achieved by the DT is compared to results from back-propagating ANN and the ML classifiers. Our results indicate that the performance of the univariate DT is acceptably good in comparison with that of other classifiers, except with high-dimensional data. Classification accuracy increases linearly with training data set size to a limit of 300 pixels per class in this case. Multivariate DTs do not appear to perform better than univariate DTs. While boosting produces an increase in classification accuracy of between 3% and 6%, the use of attribute selection methods does not appear to be justified in terms of accuracy increases. However, neither the univariate DT nor the multivariate DT performed as well as the ANN or ML classifiers with high-dimensional data.

1 Introduction

The past three decades have seen continuing developments in the area of pattern recognition. Research into algorithmic aspects of pattern recognition has proceeded alongside the development of instruments that are capable of producing high volumes of data, including images with increasingly finer spatial and spectral resolution. After 30 years of satellite remote sensing of the Earth’s land surface, users of remotely sensed data now have access to sophisticated statistical and neural/connectionist algorithms for both fuzzy and hard classifications of their data (Mather, 1999; Schowengerdt, 1997).

Both the statistical and neural/connectionist approaches have limitations. Statistical methods rely on the assumption that the probabilities of class membership can be modelled by a specific probability density function. In most cases, the Gaussian distribution is chosen, as it is characterised by first- and second-order statistics, that is, the class mean vectors and class covariance matrices. If training set size is fixed, then the precision of the estimates of the elements of the sample class mean vector and sample class covariance matrix declines as the number of features (dimensions) increases, so that one might expect the performance of the classifier to degrade as the number of features increases. The assumption that the data in each class follow a multivariate normal model restricts the analysis to interval or ratio scale data.

Neural/connectionist methods appear to work well with training data sets that are smaller in size than those required for statistical procedures. On the other hand, network training times can be lengthy, while choice of the design of network architecture (in terms of numbers of hidden layers and neurons per layer) and the values of the learning rate parameters is not straightforward (Foody & Arora, 1997; Kavzoglu, 2001; Wilkinson, 1997). Unlike statistical methods, the neural/connectionist approach makes no assumptions concerning the statistical frequency distribution of the data or the measurement scales of the features that are used in the analysis. The most commonly used neural/ connectionist algorithm is the back-propagating multi-layer perceptron (Wilkinson, 1997), which is used in this study.

Decision tree (DT) classifiers have not been as widely used within the remote sensing community as either the statistical or the neural/connectionist methods. The advantages that decision trees offer include an ability to handle data measured on different scales, lack of any assumptions concerning the frequency distributions of the data in each of the classes, flexibility, and ability to handle non-linear relationships between features and classes (Friedl & Brodley, 1997). In contrast to neural networks, decision trees can be trained quickly, and are rapid in execution (Gahegan & West, 1998). They can be used for feature selection/reduction as well as for classification purposes (Borak & Strahler, 1999). Finally, the analyst can interpret a decision tree. It is not a ‘black box’, like the neural network, the hidden workings of which are concealed from view.

Overall classification accuracy is used here to measure the performance of the different methods. The level of classification accuracy that is achieved in a particular case depends on a number of factors, including the nature of the classification problem in terms of the complexity of the decision boundaries that separate the classes in feature space (assuming that the classes are separable), the training sample size, the adequacy of the training data in characterising the properties of the chosen classes, the dimensionality of the data, and the properties of the classifier used (Raudys and Pikelis, 1980). We do not consider all of these problems in this paper. However, the results of our analyses are internally comparable, as the same training and test data sets are used for all three classifiers, for two dissimilar study areas (Section 2). Thus, it is possible to examine both the relative performance of the different classifiers and the consistency of these comparisons between data sets with dissimilar characteristics in terms of the terrain of the study area and the nature of the imaging system used.

The paper is structured as follows. Section 2 describes the two test data sets that are used in this study. Brief details of the three classifiers are provided in Section 3. The effects of training set size, data dimensionality, attribute selection methods, pruning and boosting on the performance of the DT classifier are considered in Section 4. A short comparative analysis of the relative performance of the DT, artificial neural networks (ANNs), and maximum likelihood (ML) classifiers is given in Section 5, which is followed by a summary of conclusions.