Comparison of Object and Pixel-based Land Cover Classification through three Supervised Methods

摘要

Die Landbedeckung hat im letzten Jahrhundert enorme Ver?nderungen erfahren, mit starken Auswirkungen auf die Umweltbilanz. Daher ist die Klassifizierung der Landbedeckung unter Verwendung von Erdbeobachtungsdaten sehr wichtig. Vor kurzem wurde der weit verbreitete pixelbasierte Ansatz für die Klassifizierung der Landbedeckung durch das Auftauchen des objektbasierten Ansatzes in Frage gestellt. Das Hauptziel dieses Beitrags ist es, die Leistungsf?higkeit von pixelbasierten und objektbasierten Ans?tzen anhand von drei Klassifikationsmethoden - Random Trees, Decision Tree und Kappa Nearest Neighbor - für die Landbedeckung mit Landsat- Satellitenbildern zu bewerten. Unsere Ergebnisse zeigen, dass die Methoden, die auf Entscheidungsb?umen basieren (Random Trees und Decision Tree), im Falle des objektorientierten Ansatzes eine h?here Genauigkeit ergeben als beim pixelbasierten Ansatz. Dagegen ergibt die Verwendung der KNN-Klassifikation genauere Werte für den pixelbasierten Ansatz.