A Coarse-to-Fine Approach for Urban Land Use Mapping Based on Multisource Geospatial Data

要約

タイムリーで正確な土地利用マッピングは長年の問題であり、効果的な土地と空間の計画と管理にとって重要です。
複雑で混合された用途のため、特に高密度都市では、広く使用されているリモート センシング画像 (RSI) から直接正確な土地利用マッピングを行うことは困難です。
この問題に対処するために、このホワイト ペーパーでは、パーセル レベルの都市土地利用マッピングのための粗い機械学習ベースのアプローチを提案し、RSI、関心のあるポイント (POI)、およびエリアを含むマルチソースの地理空間データを統合します。
-関心のある (AOI) データ。
具体的には、まず、道路網から生成された区画に基づいて都市を市街地と非市街地に分割します。
次に、さまざまな地域の区画にさまざまな分類戦略を採用し、最終的に分類結果を統合された土地利用マップに結合します。
結果は、提案されたアプローチが、レベル 1 とレベル 2 の分類でそれぞれ 25% と 30% の精度向上で、ビルドアップ領域と非ビルドアップ領域を混合するベースライン方法よりも大幅に優れていることを示しています。
さらに、めったに調査されない AOI データを調べます。これにより、レベル 1 およびレベル 2 の分類精度がさらに 13% および 14% 向上します。
これらの結果は、提案されたアプローチの有効性を実証し、土地利用マッピングのための AOI の有用性も示しています。これは、さらなる研究にとって価値があります。

要約(オリジナル)

Timely and accurate land use mapping is a long-standing problem, which is critical for effective land and space planning and management. Due to complex and mixed use, it is challenging for accurate land use mapping from widely-used remote sensing images (RSI) directly, especially for high-density cities. To address this issue, in this paper, we propose a coarse-to-fine machine learning-based approach for parcel-level urban land use mapping, integrating multisource geospatial data, including RSI, points-of-interest (POI), and area-of-interest (AOI) data. Specifically, we first divide the city into built-up and non-built-up regions based on parcels generated from road networks. Then, we adopt different classification strategies for parcels in different regions, and finally combine the classified results into an integrated land use map. The results show that the proposed approach can significantly outperform baseline method that mixes built-up and non-built-up regions, with accuracy increase of 25% and 30% for level-1 and level-2 classification, respectively. In addition, we examine the rarely explored AOI data, which can further boost the level-1 and level-2 classification accuracy by 13% and 14%. These results demonstrate the effectiveness of the proposed approach and also indicate the usefulness of AOIs for land use mapping, which are valuable for further studies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google