지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.4
- 수록면
- 179 - 190 (12page)
이용수
초록· 키워드
오류제보하기
This study aims to compare supervised classification methods with phenology-based approaches,specifically pixel-based and segment-based methods, for accurate crop mapping in agricultural landscapes.
We utilized Sentinel-2A imagery, which provides multispectral data for accurate crop mapping. 31normalized difference vegetation index (NDVI) images were calculated from the Sentinel-2A data. Next,we employed phenology-based approaches to extract valuable information from the NDVI time series. Aset of 10 phenology metrics was extracted from the NDVI data. For the supervised classification, weemployed the maximum likelihood (MaxLike) algorithm. For the phenology-based approaches, weimplemented both pixel-based and segment-based methods. The results indicate that phenology-basedapproaches outperformed the MaxLike algorithm in regions with frequent rainfall and cloudy conditions.
The segment-based phenology approach demonstrated the highest kappa coefficient of 0.85, indicating ahigh level of agreement with the ground truth data. The pixel-based phenology approach also achieved acommendable kappa coefficient of 0.81, indicating its effectiveness in accurately classifying the crop types.
On the other hand, the supervised classification method (MaxLike) yielded a lower kappa coefficient of0.74. Our study suggests that segment-based phenology mapping is a suitable approach for regions likeSouth Korea, where continuous cloud-free satellite images are scarce. However, establishing preciseclassification thresholds remains challenging due to the lack of adequately sampled NDVI data. Despitethis limitation, the phenology-based approach demonstrates its potential in crop classification, particularlyin regions with varying weather patterns.
목차
등록된 정보가 없습니다.
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
The Efficiency of Long Short-Term Memory (LSTM) in Phenology-Based Crop Classification
대한원격탐사학회지
2024 .02
-
계층분류 기법을 이용한 위성영상 기반의 동계작물 구분도 작성
대한원격탐사학회지
2017 .10
-
드론 영상을 이용한 Sentinel-2, Landsat-8 위성 NDVI 평가: 벼 병해 발생 지역을 대상으로
대한원격탐사학회지
2022 .12
-
오픈 소스 프레임워크와 원격 탐측자료를 이용한 웹 기반 작황 정보 시스템 설계
대한원격탐사학회지
2017 .10
-
황사발원지에서의 실지(in-situ)관측을 통한 황사 발원과 미기상학적 요소와의 비교
한국기상학회 학술대회 논문집
2022 .10
-
GK2A 일단위 NDVI의 과소추정 노이즈 실시간 보정
대한원격탐사학회지
2022 .12
-
한반도 식생의 녹색화에 대한 시계열적 분석
한국기후변화학회지
2019 .12
-
농작물 모니터링을 위한 점수기반 식생지수 합성기법의 개발
대한원격탐사학회지
2022 .12
-
선택적 계층 분류를 이용한 MODIS 자료 기반 작물 분류
대한원격탐사학회지
2016 .01
-
논과 고랭지 배추밭 대상 Sentinel-2A/B 정규식생지수 월 합성영상의 구름 제거 효과 분석
대한원격탐사학회지
2021 .12
-
준감독 학습과 공간 유사성을 이용한 비접근 지역의 작물 분류 - 북한 대홍단 지역 사례 연구 -
대한원격탐사학회지
2017 .10
-
급격한 광도 변화가 담배 잎에서 반사되는 Normalized Difference Vegetation Index에 미치는 영향
한국환경과학회지
2017 .04
-
원격탐사와 모델을 이용한 작황 모니터링
대한원격탐사학회지
2017 .10
-
주산지 기상정보를 활용한 주요 채소작물의 단수 예측 모형 개발
한국기후변화학회지
2016 .06
-
위성영상 시공간 융합기법의 계절별 NDVI 예측에서의 응용
대한원격탐사학회지
2017 .04
-
청천일 무인기 영상의 반사율 및 식생지수 일주기 변화
대한원격탐사학회지
2020 .01
-
Delineation of Rice Productivity Projected via Integration of a Crop Model with Geostationary Satellite Imagery in North Korea
대한원격탐사학회지
2019 .01
-
Two-stage Deep Learning Model with LSTM-based Autoencoder and CNN for Crop Classification Using Multi-temporal Remote Sensing Images
대한원격탐사학회지
2021 .08
-
Analysis of Land Cover Changes Based on Classification Result Using PlanetScope Satellite Imagery
대한원격탐사학회지
2018 .01
-
중국 동북3성에서의 옥수수 수확량과 위성기반의 식생 지수 및 농업기후요소와의 상관성 연구
대한원격탐사학회지
2017 .10
최근 본 자료
댓글(0)
0