The Efficiency of Long Short-Term Memory (LSTM) in Phenology-Based Crop Classification

Ehsan  Rahimi; 정철의

doi:https://doi.org/10.7780/kjrs.2024.40.1.6

추천

검색

자료유형: 학술저널

저자정보: Ehsan Rahimi (안동대학교) 정철의 (안동대학교)

저널정보: 대한원격탐사학회 대한원격탐사학회지 대한원격탐사학회지 제40권 제1호

발행연도: 2024.2

수록면: 57 - 69 (13page)

DOI: https://doi.org/10.7780/kjrs.2024.40.1.6

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Crop classification plays a vital role in monitoring agricultural landscapes and enhancing foodproduction. In this study, we explore the effectiveness of Long Short-Term Memory (LSTM) models forcrop classification, focusing on distinguishing between apple and rice crops. The aim was to overcome thechallenges associated with finding phenology-based classification thresholds by utilizing LSTM to capturethe entire Normalized Difference Vegetation Index (NDVI) trend. Our methodology involves training theLSTM model using a reference site and applying it to three separate three test sites. Firstly, we generated25 NDVI images from the Sentinel-2A data. After segmenting study areas, we calculated the mean NDVIvalues for each segment. For the reference area, employed a training approach utilizing the NDVI trendline. This trend line served as the basis for training our crop classification model. Following the trainingphase, we applied the trained model to three separate test sites. The results demonstrated a high overallaccuracy of 0.92 and a kappa coefficient of 0.85 for the reference site. The overall accuracies for the testsites were also favorable, ranging from 0.88 to 0.92, indicating successful classification outcomes. We alsofound that certain phenological metrics can be less effective in crop classification therefore limitations ofrelying solely on phenological map thresholds and emphasizes the challenges in detecting phenology inreal-time, particularly in the early stages of crops. Our study demonstrates the potential of LSTM modelsin crop classification tasks, showcasing their ability to capture temporal dependencies and analyze time-series remote sensing data. While limitations exist in capturing specific phenological events, the integrationof alternative approaches holds promise for enhancing classification accuracy. By leveraging advancedtechniques and considering the specific challenges of agricultural landscapes, we can continue to refinecrop classification models and support agricultural management practices.

#Crop classification #LSTM #Phenology #NDVI #Time series analysis

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)