Acta Agriculturae Serbica / Evaluating land cover types from Landsat TM using SAGA GIS for vegetation mapping based on ISODATA and K-means clustering

• Published in: Acta agriculturae Serbica
• Main Author: Lemenkova, Polina
• Format: Article in Journal/Newspaper
• Language: English
• Published: University of Kragujevac, Faculty of Agronomy 2021
• Subjects: SAGA GIS; Kartierung; Vegetation; K-bedeutet; ISODATA; Clusterbildung; Kartographie; maschinelles Lernen; mapping; K-means; clustering; cartography; machine learning; Iceland
• Online Access: https://doi.org/10.5937/AASer2152159L; https://eplus.uni-salzburg.at/doi/10.5937/AASer2152159L; https://resolver.obvsg.at/urn:nbn:at:at-ubs:3-29666

Der Artikel stellt die kartografische Verarbeitung des Landsat TM-Bildes durch die beiden unbeaufsichtigten Klassifizierungsmethoden von SAGA GIS vor: ISODATA und K-Means-Clustering. Die Ansätze wurden für die Kartierung von Landbedeckungstypen getestet und verglichen. Im Untersuchungsgebiet im Südwesten Islands wurden Vegetationsflächen entdeckt und von anderen Landbedeckungstypen getrennt. Die Anzahl der Cluster wurde auf zehn Klassen festgelegt. Die Verarbeitung des Satellitenbildes durch SAGA GIS wurde mithilfe von Bildklassifizierungswerkzeugen im Geoverarbeitungsmenü von SAGA GIS erreicht. Die unbeaufsichtigte Klassifizierung wurde mithilfe von maschinellem Lernen in GIS in den unbeschrifteten Pixeln für die Landbedeckungstypen effektiv durchgeführt. Nach einem iterativen Clustering-Ansatz wurden die Pixel in jedem Schritt des Algorithmus gruppiert und die Cluster als Schwerpunkte neu zugewiesen. Das Papier trägt zur technischen Entwicklung der Anwendung von maschinellem Lernen in der Kartographie bei, indem es die Wirksamkeit von SAGA GIS bei der Fernerkundungsdatenverarbeitung für die Vegetations- und Umweltkartierung demonstriert. The paper presents the cartographic processing of the Landsat TM image by the two unsupervised classification methods of SAGA GIS: ISODATA and K-means clustering. The approaches were tested and compared for land cover type mapping. Vegetation areas were detected and separated from other land cover types in the study area of southwestern Iceland. The number of clusters was set to ten classes. The processing of the satellite image by SAGA GIS was achieved using Imagery Classification tools in the Geoprocessing menu of SAGA GIS. Unsupervised classification performed effectively in the unlabeled pixels for the land cover types using machine learning in GIS. Following an iterative approach of clustering, the pixels were grouped in each step of the algorithm and the clusters were reassigned as centroids. The paper contributes to the technical development of the application of ...