Un enfoque híbrido para la extracción de áreas urbanas a gran escala y precisas utilizando datos SAR y multiespectrales
Autores: Azmi, Rida; Chenal, Jérôme; Amar, Hicham; Tekouabou Koumetio, Cédric Stéphane; Diop, El Bachir
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un enfoque híbrido para la extracción de áreas urbanas a gran escala y precisas utilizando datos SAR y multiespectrales
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Fusión de datos
Clasificación de tierras
Multisensor
Bosque Aleatorio
Superficies impermeables
Planificación urbana
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
Este artículo examina el uso de la fusión de datos multisensoriales para la clasificación del suelo en tres ciudades marroquíes. El método emplea un algoritmo de clasificación de Bosques Aleatorios basado en datos multispectrales, de radar de apertura sintética (SAR) y de temperatura de superficie terrestre (LST) derivada. El estudio compara el enfoque propuesto con conjuntos de datos existentes sobre superficies impermeables (Área Artificial Impermeable Global-GAIA, Capa de Asentamientos Humanos Global-GHSL y Conjunto de Datos Dinámico de Superficies Impermeables Global de 30 m-GIS30D) utilizando métricas de evaluación tradicionales y un conjunto de datos común de entrenamiento y validación. Los resultados indican que el enfoque propuesto tiene una mayor precisión (medida por el F-score) que los conjuntos de datos existentes. Los resultados de este estudio podrían utilizarse para mejorar las bases de datos actuales y establecer un centro de datos urbanos para superficies impermeables en África. La información dinámica de las superficies impermeables es útil en la planificación urbana como un indicativo de la intensidad de las actividades humanas y el desarrollo económico.
Descripción
Este artículo examina el uso de la fusión de datos multisensoriales para la clasificación del suelo en tres ciudades marroquíes. El método emplea un algoritmo de clasificación de Bosques Aleatorios basado en datos multispectrales, de radar de apertura sintética (SAR) y de temperatura de superficie terrestre (LST) derivada. El estudio compara el enfoque propuesto con conjuntos de datos existentes sobre superficies impermeables (Área Artificial Impermeable Global-GAIA, Capa de Asentamientos Humanos Global-GHSL y Conjunto de Datos Dinámico de Superficies Impermeables Global de 30 m-GIS30D) utilizando métricas de evaluación tradicionales y un conjunto de datos común de entrenamiento y validación. Los resultados indican que el enfoque propuesto tiene una mayor precisión (medida por el F-score) que los conjuntos de datos existentes. Los resultados de este estudio podrían utilizarse para mejorar las bases de datos actuales y establecer un centro de datos urbanos para superficies impermeables en África. La información dinámica de las superficies impermeables es útil en la planificación urbana como un indicativo de la intensidad de las actividades humanas y el desarrollo económico.