Géoinformatique et géostatistique : un aperçu

Développement de techniques de classification hybrides non supervisées pour améliorer la précision de la cartographie de l'utilisation et de la couverture terrestre à l'aide de la technologie géospatiale : Hoshangabad, district du Madhya Pradesh, Ind

Ahirwar R, Malik MS et Shukla JP

Français Une approche hybride de classification de l'utilisation des terres/de la couverture terrestre (LU/LC) a été réalisée dans l'étude en utilisant les données du satellite Resource Sat-2 LISS-III ayant une résolution de 23,5 m. Avec l'aide du logiciel de traitement d'images ERDAS Imagine, un processus de classification non supervisé de l'image satellite a été réalisé pour obtenir les classes d'utilisation des terres/de couverture terrestre requises. Au cours de l'étude de classification, une classe mixte commune attribuée en tant que classes observées communes (COC) a été utilisée pour la séparation des classes requises afin d'obtenir des classes mixtes d'utilisation des terres/de couverture terrestre indéfinies à l'aide de l'outil de plaque modèle ArcGIS. De plus, une plus grande précision a été obtenue dans
la classification des classes de couverture terrestre mixtes séparées en révisant les processus de classification non supervisés. Après cela, les classes de couverture terrestre non supervisées prédéfinies et les classes non supervisées COC ont été fusionnées à l'aide de l'outil de plaque modèle ArcGIS pour générer une nouvelle image classée avec une précision améliorée. Enfin, la comparaison entre les classes non supervisées hybrides supervisées et COC a été effectuée et de meilleurs résultats sont observés dans la classification hybride non supervisée. Par conséquent, l'application de cette nouvelle approche dans les études d'utilisation/couverture du sol, la cartographie de la couverture du sol, la gestion forestière, la gestion des ressources en eau, le développement urbain durable, les études agricoles, la gestion des ressources naturelles et la gestion du développement des ressources artificielles, la planification des changements de déduction, etc. fournira de meilleurs résultats par rapport aux autres techniques d'approches de classification.