Neural Networks, Multitemporal Landsat Thematic Mapper Data and Topographic Data to Classify Forest Damages in the Czech Republic

Publisher Website
Google Scholar
Abstract
Dans cette étude, on utilise des données multidates du capteur “Thematic Mapper” de Landsat et des données topographiques pour classifier à l'aide de réseaux de neurones artificiels les dommages subis par les forêts de conifères en République tchèque. La comparaison entre la classification basée sur les réseaux de neurones et les études précédentes et une régression logistique multinomiale utilisant des données d'expérimentation et de validation identiques démontre que la performance de l'algorithme de rétro-propagation est comparable mais non supérieure aux méthodes conventionnelles. Les réseaux de neurones sont moins utiles pour la classification des dommages forestiers que les algorithmes conventionnels notamment en raison de leur dépendance sur des poids d'intrants fixés de façon aléatoire et dû au fait que l'entraînement par rétro-propagation requiert beaucoup de temps. Cependant, les réseaux de neurones permettent d'intégrer et d'extraire l'information des données multisources ayant des distributions différentes ou inconnues.

This publication has 26 references indexed in Scilit: