Determining land-use information from land cover through an object-oriented classification of IKONOS imagery

Abstract

The greater availability of remotely sensed high-resolution imagery and advances in object-oriented analysis have created more opportunities for automated urban land-use classifications. To date, few studies have attempted to classify land use from satellite imagery using object-oriented approaches, and those that have tend to rely on manual digitizing or ancillary data to delineate land-use polygon boundaries. This paper explores an object-oriented land-use classification using land-cover information derived from an IKONOS image to automatically delineate and classify the land-use polygons. The study area is in Mississauga (Ontario, Canada), a diverse urban setting. The first step was to classify land cover from the IKONOS image. This then served as the basis for creating a six-class and more detailed ten-class land-use map. The overall accuracies of the six- and ten-class maps were 90% and 86%, respectively. The high accuracies of individual classes suggest that the object-oriented methodology has great potential for efficiently classifying urban land use. The paper concludes with a discussion of the successes and remaining challenges of this type of work.

La plus grande disponibilité d’images de télédétection à haute résolution et les progrès réalisés en analyse orientée objet ont ouvert de nouvelles perspectives pour les classifications automatisées dans le domaine de l’utilisation du sol en milieu urbain. À ce jour, peu d’études ont tenté de classifier l’utilisation du sol à partir d’images satellites à l’aide d’approches orientées objet. Celles qui l’ont fait ont tendance à se baser sur la numérisation manuelle ou les données auxiliaires pour délimiter les frontières des polygones d’utilisation du sol. Dans cet article, on explore une classification orientée objet appliquée à l’utilisation du sol basé sur l’information du couvert dérivée d’une image d’IKONOS pour délimiter et classifier de façon automatique les polygones d’utilisation du sol. La zone d’étude se situe à Mississauga (Ontario, Canada), un milieu urbain diversifié. La première étape a consisté à classifier le couvert à l’aide de l’image d’IKONOS. Cette classification a ensuite servi de base pour la création d’une carte à six classes d’utilisation du sol ainsi que d’une carte plus détaillée à dix classes. La précision globale des cartes à six et à dix classes était respectivement de 90 % et de 86 %. La précision élevée des classes individuelles suggère que la méthodologie orientée objet offre un potentiel considérable pour la classification efficace de l’utilisation du sol en milieu urbain. L’article conclut par une discussion sur les succès dans le domaine et les défis à relever dans ce type de recherche.[Traduit par la Rédaction]